《Python数据分析》一2.11 NumPy数组的广播

本节书摘来自异步社区《Python数据分析》一书中的第2章，第2.11节，作者【印尼】Ivan Idris，更多章节内容可以访问云栖社区“异步社区”公众号查看

2.11 NumPy数组的广播

当操作对象的形状不一样时，NumPy会尽力进行处理。

例如，假设一个数组要跟一个标量相乘，这时标量需要根据数组的形状进行扩展，然后才可以执行乘法运算。这个扩展的过程叫做广播（broadcasting）。下面用代码（详见本书代码包中的broadcasting.py文件）加以说明：

import scipy.io.wavfile

import matplotlib.pyplot as plt

import urllib2

import numpy as np

response = 

urllib2.urlopen(http://www.thesoundarchive.com/austinpowers/smash 

ingbaby.wav)

print response.info()

WAV_FILE = smashingbaby.wav

filehandle = open(WAV_FILE, w)

filehandle.write(response.read())

filehandle.close()

sample_rate, data = scipy.io.wavfile.read(WAV_FILE)

print "Data type", data.dtype, "Shape", data.shape

plt.subplot(2, 1, 1)

plt.title("Original")

plt.plot(data)

newdata = data * 0.2

newdata = newdata.astype(np.uint8)

print "Data type", newdata.dtype, "Shape", newdata.shape

scipy.io.wavfile.write("quiet.wav",

 sample_rate, newdata)

plt.subplot(2, 1, 2)

plt.title("Quiet")

plt.plot(newdata)

plt.show()

下面，我们将下载一个音频文件，然后以此为基础，生成一个新的静音版本。

1．读取WAV文件。

我们将使用标准的Python代码来下载电影《王牌大贱谍》（Austin Powers）中的狂嚎式的歌曲Smashing, baby。SciPy中有一个wavfile子程序包，可以用来加载音频数据，或者生成WAV格式的文件。如果此前已经安装了SciPy，那么现在就可以直接使用这个子程序包了。我们可以使用函数read()读取文件，它返回一个数据阵列及采样率，不过，我们这里只对数据本身感兴趣。

sample_rate, data = scipy.io.wavfile.read(WAV_FILE)

2．绘制原WAV数据。

这里，我们利用matplotlib绘制原始WAV数据，并用一个子图来显示标题“Original”，代码如下所示：

plt.subplot(2, 1, 1)

plt.title("Original")

plt.plot(data)

3．新建一个数组。

现在，我们要用NumPy来生成一段“寂静的”声音。实际上，就是将原数组的值乘以一个常数，从而得到一个新数组，因为这个新数组的元素值肯定是变小了。这正是广播技术的用武之地。最后，我们要确保新数组与原数组的类型一致，即WAV格式。

newdata = data * 0.2

newdata = newdata.astype(np.uint8)

4．写入一个WAV文件中。

将新数组保存到一个新的WAV文件中，代码如下：

scipy.io.wavfile.write("quiet.wav",

 sample_rate, newdata)

5．绘制出新的WAV数据。

可以使用matplotlib来画出新数组中的数据，如下所示：

plt.subplot(2, 1, 2)

plt.title("Quiet")

plt.plot(newdata)

plt.show()

6．图2-8展示了原始的WAV文件中的数据的图像，以及数值变小后的新数组的图像。

Python数据分析之Numpy初体验 NumPy是一个用于科学计算的Python库，主要用于快速操作数组和矩阵。NumPy提供了许多实用的函数和方法，可以大大简化科学计算的代码。
异步社区 异步社区(www.epubit.com)是人民邮电出版社旗下IT专业图书旗舰社区，也是国内领先的IT专业图书社区，致力于优质学习内容的出版和分享，实现了纸书电子书的同步上架，于2015年8月上线运营。公众号【异步图书】，每日赠送异步新书。