一、探索性数据分析 EDA(Exploratory Data Analysis) 

# 导入音乐信号处理和可视化所需的库
import numpy as np  # 新增：用于处理傅里叶变换的复数结果
from scipy import fft  # 导入傅里叶变换模块，用于分析音频频率成分
from scipy.io import wavfile  # 导入读取WAV音频文件的模块
from matplotlib.pyplot import specgram  # 导入频谱图绘制函数，展示音频时频分布
import matplotlib.pyplot as plt  # 导入绘图库，用于可视化分析结果

# ================= 新增：解决中文显示乱码配置 =================
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows系统：设置黑体为默认中文字体（Mac/Linux可改为 'WenQuanYi Zen Hei'）
plt.rcParams['axes.unicode_minus'] = False  # 解决负号 '-' 显示为方块的问题
# =============================================================

# 读取指定路径的蓝调(blues)音乐音频文件
# wavfile.read()返回两个值：sample_rate(采样率，单位Hz)和X(音频原始数据，时域信号)
(sample_rate, X) = wavfile.read("D:/genres/blues/converted/blues.00000.au.wav")

# 打印音频核心信息：采样率、音频数据形状（采样点数量）
print('采样率(sample_rate，单位Hz):', sample_rate, ' 音频数据形状(X.shape，采样点数量):', X.shape)
# 打印音频原始时域数据（前部分，完整数据量较大）
print('音频原始时域信号(X):', X[:100], '...（仅展示前100个采样点，完整数据共{}个采样点）'.format(X.shape[0]))
# 再次明确打印数据形状，方便观察采样点总数
print('音频数据形状(X.shape)：', X.shape, '→ 含义：共{}个采样点，单声道（1维数据）'.format(X.shape[0]))

# 创建画布，设置尺寸(10x4英寸)和分辨率(80dpi)
plt.figure(figsize=(10, 4), dpi=80)
plt.xlabel("时间(秒)")  # x轴标签：时间维度
plt.ylabel("频率(Hz)")  # y轴标签：频率维度
plt.grid(True, linestyle='-', color='0.75')  # 添加网格线，便于观察
# 绘制频谱图：将时域音频转换为时频分布，Fs=采样率，xextent限制时间范围为0-30秒
specgram(X, Fs=sample_rate, xextent=(0, 30))
plt.title("蓝调音乐(blues.00000)频谱图 → 颜色深浅表示对应频率的能量强度")  # 添加中文标题说明
plt.show()  # 显示图像

# 定义频谱图绘制函数：根据音乐类型和文件编号读取音频并绘制频谱图
# 参数g：音乐类型（如classical、jazz等）；参数n：文件编号（如'00001'）
def plotSpec(g, n):
    # 拼接音频文件路径，读取对应类型+编号的音频文件
    sample_rate, X = wavfile.read("D:/genres/"+g+"/converted/"+g+'.'+n+'.au.wav')
    # 绘制该音频的频谱图，时间范围限制为0-30秒
    specgram(X, Fs=sample_rate, xextent=(0, 30))
    # 设置子图标题：音乐类型+样本编号（取n的最后一位）+ 频谱图说明
    plt.title(f"{g}音乐-{n[-1]}号样本 频谱图")

# 创建大画布：6行3列共18个子图，用于对比不同音乐类型的频谱特征
plt.figure(num=None, figsize=(18, 9), dpi=80, facecolor='w', edgecolor='k')
# 第1-3个子图：古典音乐(clasusical)的3个样本（00001-00003）
plt.subplot(6, 3, 1); plotSpec("classical", '00001')
plt.subplot(6, 3, 2); plotSpec("classical", '00002')
plt.subplot(6, 3, 3); plotSpec("classical", '00003')
# 第4-6个子图：爵士音乐(jazz)的3个样本
plt.subplot(6, 3, 4); plotSpec("jazz", '00001')
plt.subplot(6, 3, 5); plotSpec("jazz", '00002')
plt.subplot(6, 3, 6); plotSpec("jazz", '00003')
# 第7-9个子图：乡村音乐(country)的3个样本
plt.subplot(6, 3, 7); plotSpec("country", '00001')
plt.subplot(6, 3, 8); plotSpec("country", '00002')
plt.subplot(6, 3, 9); plotSpec("country", '00003')
# 第10-12个子图：流行音乐(pop)的3个样本
plt.subplot(6, 3, 10); plotSpec("pop", '00001')
plt.subplot(6, 3, 11); plotSpec("pop", '00002')
plt.subplot(6, 3, 12); plotSpec("pop", '00003')
# 第13-15个子图：摇滚音乐(rock)的3个样本
plt.subplot(6, 3, 13); plotSpec("rock", '00001')
plt.subplot(6, 3, 14); plotSpec("rock", '00002')
plt.subplot(6, 3, 15); plotSpec("rock", '00003')
# 第16-18个子图：金属音乐(metal)的3个样本
plt.subplot(6, 3, 16); plotSpec("metal", '00001')
plt.subplot(6, 3, 17); plotSpec("metal", '00002')
plt.subplot(6, 3, 18); plotSpec("metal", '00003')

# 自动调整子图间距：避免标题/标签重叠，pad=子图间距，h_pad=垂直间距
plt.tight_layout(pad=0.4, w_pad=0, h_pad=1.0)
plt.suptitle("6种音乐类型（古典/爵士/乡村/流行/摇滚/金属）频谱图对比 → 每行3个样本", y=1.02)  # 总标题
plt.show()  # 显示所有子图

# 读取流行音乐(pop)的指定音频文件，用于深入分析时域→频域特征
sample_rate, X = wavfile.read("D:/genres/pop/converted/pop.00000.au.wav")
# 创建画布：2行1列子图，用于对比频谱图和傅里叶变换结果
plt.figure(num=None, figsize=(9, 6), dpi=80, facecolor='w', edgecolor='k')

# 第1个子图：流行音乐的频谱图（时频分布）
plt.subplot(2, 1, 1)
plt.xlabel("时间(秒)")
plt.ylabel("频率(Hz)")
plt.title("流行音乐(pop.00000)频谱图 → 时频能量分布")
specgram(X, Fs=sample_rate, xextent=(0, 30))  # 时间范围0-30秒

# 第2个子图：傅里叶变换结果（频域幅度分布）
plt.subplot(2, 1, 2)
plt.xlabel("频率(Hz)")
plt.xlim((0, 3000))  # 限制频率范围为0-3000Hz（人类听觉敏感区间）
plt.ylabel("幅度(Amplitude)")
plt.title("流行音乐傅里叶变换 → 频率-幅度分布（0-3000Hz）")
# 修复：傅里叶变换返回复数，取绝对值后再绘图（获取真实幅度值）
plt.plot(fft(X, sample_rate).real)  # 或用 np.abs(fft(X, sample_rate))，两种方式均可
# plt.plot(np.abs(fft(X, sample_rate)))  # 备选方案：更通用的复数幅度计算

plt.tight_layout()  # 调整间距
plt.show()  # 显示两个子图

运行结果：

'''
采样率(sample_rate，单位Hz): 22050  音频数据形状(X.shape，采样点数量): (661794,)
音频原始时域信号(X): [  240   544   250  -115   -74  -307  -743  -733 -1025 -1419 -1046  -761
  -769  -540  -314  -504  -607  -509 -1063 -1436 -1080  -957  -969  -700
  -394   -31   419   382    43   -61  -220  -233  -328 -1142 -1487  -969
  -786  -589    -1   181   -10   -53  -163  -482  -616  -904 -1370 -1179
  -776  -600  -351  -283  -367  -467  -587  -718  -968  -908  -603  -582
  -844 -1200 -1038  -563  -462  -473  -591  -849  -956 -1230 -1541 -1468
 -1550 -1559  -975  -463  -551  -576   -61  -386 -1423 -1457 -1145 -1264
 -1392 -1520 -1508 -1484 -1610 -1532 -1374 -1193  -923  -849 -1270 -1755
 -1429 -1030 -1139  -992] ...（仅展示前100个采样点，完整数据共661794个采样点）
音频数据形状(X.shape)： (661794,) → 含义：共661794个采样点，单声道（1维数据）

进程已结束，退出代码为 0

'''

简洁版

import numpy as np
from scipy import fft
from scipy.io import wavfile
from matplotlib.pyplot import specgram
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

(sample_rate, X) = wavfile.read("D:genres/blues/converted/blues.00000.au.wav")

print('采样率(sample_rate，单位Hz):', sample_rate, ' 音频数据形状(X.shape，采样点数量):', X.shape)
print('音频原始时域信号(X):', X[:100], '...（仅展示前100个采样点，完整数据共{}个采样点）'.format(X.shape[0]))
print('音频数据形状(X.shape)：', X.shape, '→ 含义：共{}个采样点，单声道（1维数据）'.format(X.shape[0]))

plt.figure(figsize=(10, 4), dpi=80)
plt.xlabel("时间(秒)")
plt.ylabel("频率(Hz)")
plt.grid(True, linestyle='-', color='0.75')
specgram(X, Fs=sample_rate, xextent=(0, 30))
plt.title("蓝调音乐(blues.00000)频谱图 → 颜色深浅表示对应频率的能量强度")
plt.show()

def plotSpec(g, n):
    sample_rate, X = wavfile.read("D:genres/"+g+"/converted/"+g+'.'+n+'.au.wav')
    specgram(X, Fs=sample_rate, xextent=(0, 30))
    plt.title(f"{g}音乐-{n[-1]}号样本 频谱图")

plt.figure(num=None, figsize=(18, 9), dpi=80, facecolor='w', edgecolor='k')
plt.subplot(6, 3, 1); plotSpec("classical", '00001')
plt.subplot(6, 3, 2); plotSpec("classical", '00002')
plt.subplot(6, 3, 3); plotSpec("classical", '00003')
plt.subplot(6, 3, 4); plotSpec("jazz", '00001')
plt.subplot(6, 3, 5); plotSpec("jazz", '00002')
plt.subplot(6, 3, 6); plotSpec("jazz", '00003')
plt.subplot(6, 3, 7); plotSpec("country", '00001')
plt.subplot(6, 3, 8); plotSpec("country", '00002')
plt.subplot(6, 3, 9); plotSpec("country", '00003')
plt.subplot(6, 3, 10); plotSpec("pop", '00001')
plt.subplot(6, 3, 11); plotSpec("pop", '00002')
plt.subplot(6, 3, 12); plotSpec("pop", '00003')
plt.subplot(6, 3, 13); plotSpec("rock", '00001')
plt.subplot(6, 3, 14); plotSpec("rock", '00002')
plt.subplot(6, 3, 15); plotSpec("rock", '00003')
plt.subplot(6, 3, 16); plotSpec("metal", '00001')
plt.subplot(6, 3, 17); plotSpec("metal", '00002')
plt.subplot(6, 3, 18); plotSpec("metal", '00003')

plt.tight_layout(pad=0.4, w_pad=0, h_pad=1.0)
plt.suptitle("6种音乐类型（古典/爵士/乡村/流行/摇滚/金属）频谱图对比 → 每行3个样本", y=1.02)
plt.show()

sample_rate, X = wavfile.read("D:genres/pop/converted/pop.00000.au.wav")
plt.figure(num=None, figsize=(9, 6), dpi=80, facecolor='w', edgecolor='k')

plt.subplot(2, 1, 1)
plt.xlabel("时间(秒)")
plt.ylabel("频率(Hz)")
plt.title("流行音乐(pop.00000)频谱图 → 时频能量分布")
specgram(X, Fs=sample_rate, xextent=(0, 30))

plt.subplot(2, 1, 2)
plt.xlabel("频率(Hz)")
plt.xlim((0, 3000))
plt.ylabel("幅度(Amplitude)")
plt.title("流行音乐傅里叶变换 → 频率-幅度分布（0-3000Hz）")
plt.plot(fft(X, sample_rate).real)

plt.tight_layout()
plt.show()

二、特征工程、数据预处理

读取指定音乐文件，提取FFT（快速傅里叶变换）频域特征，并保存为numpy格式文件

import numpy as np  # 导入numpy库，用于数值计算和数组处理（保存特征需用到）
from scipy import fft  # 导入傅里叶变换模块，将音频时域信号转为频域特征
from scipy.io import wavfile  # 导入读取WAV音频文件的模块

def create_fft(g, n):
    """
    函数功能：读取指定音乐文件，提取FFT（快速傅里叶变换）频域特征，并保存为numpy格式文件
    参数说明：
        g: str - 音乐类型（如'classical'古典、'jazz'爵士等）
        n: int - 音乐样本编号（0-99，对应每种类型100个样本）
    """
    # 拼接音频文件路径：rad = 根目录/音乐类型/converted/音乐类型.5位编号.au.wav
    # str(n).zfill(5)：将编号补零为5位字符串（如n=0→'00000'，n=1→'00001'），保证文件名格式统一
    rad = "D:/genres/"+g+"/converted/"+g+'.'+str(n).zfill(5)+'.au.wav'
    
    # 读取音频文件：返回采样率（sample_rate，单位Hz）和音频时域数据（X，1维数组，存储每个采样点的振幅）
    sample_rate, X = wavfile.read(rad)
    
    # 提取FFT频域特征：
    # 1. fft(X)：对时域信号X做快速傅里叶变换，将信号从"时间-振幅"转为"频率-幅度"
    # 2. abs(...)：取复数结果的绝对值（FFT返回复数，绝对值表示频率成分的幅度强度）
    # 3. [:1000]：取前1000个频率点的特征（FFT结果对称，前半部分已包含完整频率信息；取1000个特征平衡效率和区分度）
    fft_features = abs(fft(X)[:1000])
    
    # 拼接特征保存路径：sad = 训练集目录/音乐类型.5位编号.fft（npy格式）
    sad = "d:/trainset/"+g+'.'+str(n).zfill(5)+".fft"
    
    # 保存FFT特征为numpy数组文件（.npy格式）：便于后续机器学习模型直接加载使用，无需重复计算
    np.save(sad, fft_features)


# 定义需要处理的6种音乐类型列表（与数据集目录结构对应）
genre_list = ['classical', 'jazz', 'country', 'pop', 'rock', 'metal']

# 遍历每种音乐类型
for g in genre_list:
    # 遍历每种类型的100个样本（编号0-99，共100个文件）
    for n in range(100):
        # 调用函数生成当前音乐样本的FFT特征并保存
        create_fft(g, n)

# 代码执行完成后，会在 d:/trainset/ 目录下生成 6类×100个=600个 .fft.npy 特征文件
# 每个文件包含1000维FFT频域特征，后续可用于训练音乐分类模型（如SVM、逻辑回归等）

简洁版

import numpy as np
from scipy import fft
from scipy.io import wavfile

def create_fft(g, n):
    rad = "D:/genres/"+g+"/converted/"+g+'.'+str(n).zfill(5)+'.au.wav'
    sample_rate, X = wavfile.read(rad)
    fft_features = abs(fft(X)[:1000])
    sad = "d:/trainset/"+g+'.'+str(n).zfill(5)+".fft"
    np.save(sad, fft_features)

genre_list = ['classical', 'jazz', 'country', 'pop', 'rock', 'metal']
for g in genre_list:
    for n in range(100):
        create_fft(g, n)

三、训练、保存模型

# 三、训练、保存模型
# 导入所需库
import numpy as np  # 用于数组处理和数值计算（模型训练需输入numpy数组格式数据）
from sklearn.linear_model import LogisticRegression  # 导入逻辑回归模型（用于音乐类型分类）
import pickle  # 用于序列化保存训练好的模型，后续可直接加载使用
from pprint import pprint  # 导入格式化打印工具（本代码未实际使用，保留原导入）
from scipy.io import wavfile  # 导入音频读取模块（本代码未实际使用，保留原导入）
from scipy import fft  # 导入傅里叶变换模块（本代码未实际使用，保留原导入）

# 定义音乐类型列表：与之前特征提取的音乐类型一一对应，顺序一致
genre_list = ["classical", "jazz", "country", "pop", "rock", "metal"]

# 初始化特征矩阵X和标签向量y：X存储所有样本的FFT特征，y存储对应样本的类别标签
X = []  # 特征矩阵：每行对应一个样本，每列对应一个FFT特征（共1000维）
y = []  # 标签向量：每个元素对应样本的音乐类型索引（如classical→0，jazz→1，依此类推）

# 遍历所有音乐类型和对应样本，加载FFT特征并构建X和y
for g in genre_list:  # 循环遍历6种音乐类型
    for n in range(100):  # 循环遍历每种类型的100个样本（编号0-99）
        # 拼接FFT特征文件路径：对应之前保存的.npy格式特征文件
        # str(n).zfill(5)：将样本编号补零为5位字符串，保证与保存的文件名格式一致（如0→'00000'）
        rad = "D:/StudyMaterials/python/python-sklearn/trainset/" + g + "." + str(n).zfill(5) + ".fft.npy"

        # 加载FFT特征：np.load读取.npy文件，返回1000维的特征数组
        fft_features = np.load(rad)

        # 将当前样本的特征添加到特征矩阵X
        X.append(fft_features)
        # 将当前样本的类别标签添加到标签向量y：用genre_list的索引作为标签（便于模型训练）
        y.append(genre_list.index(g))

# 将X和y转换为numpy数组格式：sklearn模型要求输入为numpy数组
X = np.array(X)  # 转换后形状：(600, 1000) → 600个样本（6类×100个），每个样本1000维特征
y = np.array(y)  # 转换后形状：(600,) → 每个元素为0-5的整数（对应6种音乐类型）

# 初始化逻辑回归模型：默认参数，适用于多分类任务（自动处理6类分类）
model = LogisticRegression()

# 训练模型：输入特征矩阵X和标签向量y，模型学习特征与音乐类型的映射关系
model.fit(X, y)

# 保存训练好的模型：使用pickle序列化模型，后续无需重复训练可直接加载
output = open('model.pkl', 'wb')  # 以二进制写入模式打开文件（.pkl为模型文件后缀）
pickle.dump(model, output)  # 将训练好的模型写入文件
output.close()  # 关闭文件流，确保模型保存完成

# 执行完成后，当前目录会生成model.pkl文件，后续可通过pickle.load加载使用该分类模型

简洁版

import numpy as np
from sklearn.linear_model import LogisticRegression
import pickle
from pprint import pprint
from scipy.io import wavfile
from scipy import fft

genre_list = ["classical", "jazz", "country", "pop", "rock", "metal"]
X = []
y = []
for g in genre_list:
    for n in range(100):
        rad = "D:/StudyMaterials/python/python-sklearn/trainset/"+g+"."+str(n).zfill(5)+".fft.npy"
        fft_features = np.load(rad)
        X.append(fft_features)
        y.append(genre_list.index(g))

X = np.array(X)
y = np.array(y)

model = LogisticRegression()
model.fit(X, y)

output = open('model.pkl', 'wb')
pickle.dump(model, output)
output.close()

四、运用模型、进行测试

#四、运用模型、进行测试
# 导入必要的库（需确保与训练代码环境一致）
import pickle
from pprint import pprint
import numpy as np
from scipy.io import wavfile
from scipy import fft

# 定义音乐类型列表：需与训练模型时的列表顺序完全一致，用于将预测索引转换为具体类型
genre_list = ["classical", "jazz", "country", "pop", "rock", "metal"]

# ===================== 加载训练好的分类模型 =====================
# 以二进制读取模式打开保存的模型文件（model.pkl为训练阶段生成的模型文件）
pkl_file = open('model.pkl', 'rb')
# 反序列化加载模型：将保存的模型文件还原为可用于预测的LogisticRegression模型实例
model_loaded = pickle.load(pkl_file)
# 格式化打印模型信息：展示模型的参数、配置等（用于调试/验证模型加载是否正常）
pprint(model_loaded)
# 关闭文件流：释放文件资源，避免内存泄漏
pkl_file.close()

# ===================== 读取并预处理测试音频文件 =====================
# 打印提示信息：标记开始读取测试音频文件
print('Starting read wavfile...')

# 定义测试音频文件名（可切换不同音频测试分类效果）
# music_name = 'heibao-wudizirong-remix.wav'  # 测试用例1：黑豹《无地自容》Remix版（预期：rock/metal）
music_name = 'small-apple.wav'  # 测试用例2：《小苹果》（预期：pop）
# music_name = 'xiaobang.wav'  # 测试用例3：肖邦钢琴曲（预期：classical）

# 读取测试音频文件：参数为音频文件完整路径，返回两个值
# sample_rate：音频采样率（单位Hz，如22050）；X：音频时域原始数据（数组形式）
sample_rate, X = wavfile.read("D:/StudyMaterials/python/python-sklearn/trainset/sample/"+music_name)

# 打印原始音频数据形状：用于调试，若为立体声会是二维数组（采样点数量×2），单声道为一维数组
print(X.shape)

# 重塑音频数据为一维数组：
# np.reshape(X, (1, -1))：将任意形状的X转为1行，列数自动计算（-1表示自适应）
# [0]：取转换后二维数组的第一行，最终得到一维数组，适配FFT处理逻辑（与训练时的数据格式一致）
X = np.reshape(X, (1, -1))[0]

# 打印重塑后的数据形状：验证是否为一维数组
print(X.shape)
# 打印采样率和重塑后的音频时域数据（便于调试，查看数据范围/长度）
print(sample_rate, X)

# ===================== 提取测试音频的FFT特征（与训练时保持一致） =====================
# 1. fft(X)：对一维时域音频数据做快速傅里叶变换，转为频域复数数组
# 2. abs(...)：取复数的绝对值，得到频率成分的幅度（物理意义：各频率的能量强度）
# 3. [:1000]：截取前1000个频率点的特征，与训练时提取特征的维度保持一致（保证模型输入维度匹配）
test_fft_features = abs(fft(X)[:1000])

# 打印采样率、测试FFT特征、特征长度：验证特征维度是否为1000（与训练一致）
print(sample_rate, test_fft_features, len(test_fft_features))

# ===================== 使用模型预测音乐类型 =====================
# model_loaded.predict()：模型预测方法，输入需为二维数组（样本数×特征数）
# [test_fft_features]：将一维特征数组转为二维（1个样本×1000维特征）
# [0]：取预测结果数组的第一个元素（唯一的预测结果），得到音乐类型对应的索引（0-5）
result_index = model_loaded.predict([test_fft_features])[0]

# 根据预测索引，从genre_list中取出对应的音乐类型名称并打印
print(genre_list[result_index])

简洁版

import pickle
from pprint import pprint
import numpy as np
from scipy.io import wavfile
from scipy import fft

genre_list = ["classical", "jazz", "country", "pop", "rock", "metal"]

pkl_file = open('model.pkl', 'rb')
model_loaded = pickle.load(pkl_file)
pprint(model_loaded)
pkl_file.close()

print('Starting read wavfile...')
music_name = 'small-apple.wav'
sample_rate, X = wavfile.read("D:/StudyMaterials/python/python-sklearn/trainset/sample/"+music_name)

print(X.shape)
X = np.reshape(X, (1, -1))[0]

print(X.shape)
print(sample_rate, X)
test_fft_features = abs(fft(X)[:1000])

print(sample_rate, test_fft_features, len(test_fft_features))
result_index = model_loaded.predict([test_fft_features])[0]
print(genre_list[result_index])