如何拉伸 matplotlib 频谱图的 x 轴？

Question

对不起，如果这是一个非常明显的问题。我正在使用 matplotlib 生成一些频谱图，用作机器学习模型中的训练数据。频谱图是音乐的短片，我想模拟随机加快或减慢歌曲的速度，以在数据中产生变化。我在下面显示了用于生成每个频谱图的代码。我临时修改了它，从歌曲的同一点开始生成 2 张图像，一张有变化，一张没有，以便比较它们，看看它是否按预期工作。

from pydub import AudioSegment
import matplotlib.pyplot as plt
import numpy as np

BPM_VARIATION_AMOUNT = 0.2
FRAME_RATE = 22050
CHUNK_SIZE = 2
BUFFER = FRAME_RATE * 5

def generate_random_specgram(track):
    # Read audio data from file
    audio = AudioSegment.from_file(track.location)
    audio = audio.set_channels(1).set_frame_rate(FRAME_RATE)
    samples = audio.get_array_of_samples()
    start = np.random.randint(BUFFER, len(samples) - BUFFER)
    chunk = samples[start:start + int(CHUNK_SIZE * FRAME_RATE)]

    # Plot specgram and save to file
    filename = ('specgrams/%s-%s-%s.png' % (track.trackid, start, track.bpm))
    plt.figure(figsize=(2.56, 0.64), frameon=False).add_axes([0, 0, 1, 1])
    plt.axis('off')
    plt.specgram(chunk, Fs = FRAME_RATE)
    plt.savefig(filename)
    plt.close()

    # Perform random variations to the BPM
    frame_rate = FRAME_RATE
    bpm = track.bpm
    variation = 1 - BPM_VARIATION_AMOUNT + (
        np.random.random() * BPM_VARIATION_AMOUNT * 2)
    bpm *= variation
    bpm = round(bpm, 2)
    # I thought this next line should have been /= but that stretched the wrong way?
    frame_rate *= (bpm / track.bpm) 

    # Read audio data from file
    chunk = samples[start:start + int(CHUNK_SIZE * frame_rate)]

    # Plot specgram and save to file
    filename = ('specgrams/%s-%s-%s.png' % (track.trackid, start, bpm))
    plt.figure(figsize=(2.56, 0.64), frameon=False).add_axes([0, 0, 1, 1])
    plt.axis('off')
    plt.specgram(chunk, Fs = frame_rate)
    plt.savefig(filename)
    plt.close()

我认为通过更改为 specgram 函数提供的 Fs 参数，这将沿 x 轴拉伸数据，但它似乎正在调整整个图形的大小并以奇怪且不可预测的方式在图像顶部引入空白.我确定我错过了一些东西，但我看不到它是什么。下面是一张图片来说明我得到了什么。

Answer 1

帧速率是一个固定数字，仅取决于您的数据，如果您更改它，您将有效地“拉伸”x 轴，但方式错误。例如，如果您有 1000 个数据点对应 1 秒，那么您的帧速率（或更好的采样频率）将为 1000。如果您的信号是一个简单的 200Hz 正弦信号，它会及时略微增加频率，specgram 将是：

t = np.linspace(0, 1, 1000)
signal = np.sin((200*2*np.pi + 200*t) * t)

frame_rate = 1000
plt.specgram(signal, Fs=frame_rate);

如果您更改帧速率，您将获得错误的 x 和 y 轴刻度。如果您将帧速率设置为 500，您将拥有：

t = np.linspace(0, 1, 1000)
signal = np.sin((200*2*np.pi + 200*t) * t)

frame_rate = 500
plt.specgram(signal, Fs=frame_rate);

情节非常相似，但这次是错误的：x 轴上几乎有 2 秒，而你应该只有 1 秒，而且你读取的起始频率是 100Hz 而不是 200Hz。

---

总之，您设置的采样频率必须是正确的。如果你想拉伸情节，你可以使用plt.xlim(0.2, 0.4) 之类的东西。如果您想避免绘图顶部出现白色条带，您可以手动将 ylim 设置为帧速率的一半：

plt.ylim(0, frame_rate/2)

这是因为傅里叶变换和Nyquist-Shannon theorem 的简单属性。

Answer 2

我的问题的解决方案是设置情节的 xlim 和 ylim。这是我的测试文件中的代码，我终于摆脱了所有奇怪的空格：

from pydub import AudioSegment
import numpy as np
import matplotlib.pyplot as plt

BUFFER = 5
FRAME_RATE = 22050
SAMPLE_LENGTH = 2

def plot(audio_file, bpm, variation=1):
    audio = AudioSegment.from_file(audio_file)
    audio = audio.set_channels(1).set_frame_rate(FRAME_RATE)
    samples = audio.get_array_of_samples()
    chunk_length = int(FRAME_RATE * SAMPLE_LENGTH * variation)
    start = np.random.randint(
        BUFFER * FRAME_RATE,
        len(samples) - (BUFFER * FRAME_RATE) - chunk_length)
    chunk = samples[start:start + chunk_length]

    plt.figure(figsize=(5.12, 2.56)).add_axes([0, 0, 1, 1])
    plt.specgram(chunk, Fs=FRAME_RATE * variation)
    plt.xlim(0, SAMPLE_LENGTH)
    plt.ylim(0, FRAME_RATE / 2 * variation)
    plt.savefig('specgram-%f.png' % (bpm * variation))
    plt.close()