Python scipy.fft与某些声音文件挂起

运行此简单脚本时，

scipy.fft

似乎挂起：

import scipy
from scipy.io import wavfile

sound = 'sounds/silence/iPhone5.wav'
fs, data = wavfile.read(sound)
print scipy.fft(data)

在某些文件上。例如，尝试使用文件

我注意到了几件事：

从交互式解释器运行单个命令不会挂起

与其他声音文件一起运行并不总是挂起脚本（但不只是此文件不起作用）

有时我会收到WAVFILE警告：块不被理解，但它似乎与它发生的时间无关

如果我用Ctrl+C终止脚本，我得到的结果就好像它从未被卡住一样

使用

wave

或

audiolab

打开文件会得到相同的结果

---

这是一个bug还是我做错了什么？

这应该是一个评论，但是没有足够的空间

您可以进行更多的调试，这可能会有所帮助。 （假设您使用的是某种类似unix的操作系统）

当程序卡住时，它是空闲还是占用大量CPU？您可以使用“top”或类似的选项进行检查

当程序出现卡滞时，它在做什么？你能得到堆栈跟踪吗？要么使用gdb之类的调试器，要么使用其他工具

我猜第一步应该是什么。在网上搜索你的症状。如果它是一个bug，那么它很可能已经被发现并报告了。甚至可能已经修好了 通过查看堆栈跟踪，应该可以看到程序是否在等待某些东西、是否在某个地方陷入循环或只是在做大量工作。

---

它还可以告诉您问题是在python代码、C扩展还是其他地方。用于读取堆栈跟踪当然是一个加号。：）

检查data.shape的值以查找挂起系统的文件。如果您的数据长度恰好是一个素数，或者是几个大素数的乘积，那么FFT算法在加速DFT计算方面就无能为力了。如果用零填充数据，或将数据调整到最接近的2次方，那么一切都应该运行得更快更快。

感谢您的输入。当进程卡在上面时，它确实占用了很多CPU，但是没有堆栈跟踪——它不会抛出任何错误。如果我按Ctrl+C-break键，它只输出正确的结果。运行pdb并没有提供更好的洞察力——仍然停留在同一条线上。当然，谷歌搜索是我做的第一件事。检查

data.shape的值，查找挂起系统的文件。如果您的数据长度恰好是一个素数，或者是几个大素数的乘积，那么FFT算法在加速DFT计算方面就无能为力了。如果你用零填充，或者将数据调整到最接近的2次方，那么一切都应该运行得更快、更快。请注意，谢谢。当Ctrl+C'ing终端时，我得到的结果不是正确的，但可能是在计算过程中达到的结果。如果你想把你的评论变成一个答案，我很乐意接受。