Python频率与时间图

我正在尝试使用Python获取.wav文件的频率与时间关系图。目前，我有一个代码，可以绘制振幅与时间以及频率与功率（dB）的关系图。我尝试使用频率与功率图的代码来绘制频率与时间，但没有成功。我知道频率数据是对称的，这意味着与时间数据相比，我有1/2的数据点。我可以通过保留重复的频率数据来绘制它们，但我怀疑这是否真的能准确地表示频率与时间的关系

我感觉这种方法将涉及对数据段使用短时傅里叶变换，然后绘制结果。这就是说，我发现一些代码做了类似的事情，但我很难理解代码发生了什么，并做出任何有意义的调整来帮助我实现我的目标

总之，我希望有人能提供一些示例代码或方法，用于在Python中创建.wav文件的频率与时间图。非常感谢！请让我知道，如果我可以张贴的代码，我一直在使用至今

#Import the required functions
from scipy.io.wavfile import read
from scipy.fftpack import fft, fftfreq, fftshift
from scipy.signal import get_window
from math import ceil
from pylab import figure, imshow, clf, gray, xlabel, ylabel

# Read in a wav file 
#   returns sample rate (samples / sec) and data
rate, data = read('waveTest.wav')
data = data[:,0]
# Define the sample spacing and window size.
dT = 1.0/rate
T_window = 50e-3
N_window = int(T_window * rate)
N_data = len(data)

# 1. Get the window profile
window = get_window('hamming', N_window)

# 2. Set up the FFT
result = []
start = 0
while (start < N_data - N_window):
    end = start + N_window
    result.append(fftshift(fft(window*data[start:end])))
    start = end

result.append(fftshift(fft(window*data[-N_window:])))
result = array(result,result[0].dtype)

# Display results
freqscale = fftshift(fftfreq(N_window,dT))[150:-150]/1e3
figure(1)
clf()

s.imshow(abs(result[:,150:-150]), extent=(5,-5,(N_data*dT-T_window/2.0),T_window/2.0)) #19.04, -19.04, 6.41, 0.025 
s.xlabel('Frequency (kHz)')
s.ylabel('Time (sec.)')

s.show()

#导入所需的函数
从scipy.io.wavfile导入读取
从scipy.fftpack导入fft、fftfreq、fftshift
从scipy.signal导入获取窗口
从数学导入单元
来自pylab导入图、imshow、clf、灰色、xlabel、ylabel
#读取wav文件
#返回采样率（采样/秒）和数据
速率，数据=读取（'waveTest.wav'）
数据=数据[：，0]
#定义采样间距和窗口大小。
dT=1.0/费率
T_窗口=50e-3
N_window=int（T_window*rate）
N_data=len（数据）
# 1. 获取窗口配置文件
窗口=获取窗口（'hamming'，N\u窗口）
# 2. 设置FFT
结果=[]
开始=0
同时（启动

根据要求，以上是我正在努力工作的代码。事实上，我似乎工作得很好，但我有几个问题

1） 什么是abs（结果[：，150:-150]）？我意识到他是在取傅里叶变换的绝对值（为了去除复分量？）。这就是频率吗

2） 如何交换数据，使时间在X轴上，频率在Y轴上

3） 图像如何知道哪个频率对应于哪个时间？如果我理解正确，扩展数据块将采用最后两个参数，即文件的时间长度和文件应执行的步骤

4） 是否可以在绘图中而不是在图像上绘制数据

我希望这些问题不要太多，也不要太具体。再次感谢您提供的任何帮助

1）

result[：，150:-150]

给出一个

numpy.array

包含所有行（每行对应于fft计算的频率）和从

150

到

列数-150的列。每列对应于时间。是，
abs
获取给定频率的绝对值，该频率大致对应于信号的频率

2） 在
abs（result[：，150:-150]）
中，需要对矩阵进行转置，如下所示：
abs（result[：，150:-150]）。transpose（）

3） 区段参数指定最终绘图中的范围。因为每一列对应于特定的时间点，所以它是一个简单的映射

4） 您得到的数据是给定频率在给定时间（给定时间窗，因为特定点的频率没有意义）对信号的贡献。它本质上是一个二维数据。你可以试着找出给定时间的主导频率，然后把它画成一个简单的函数

另外，您的代码本身也不起作用。可能您错过了一些变量定义和从其他程序导入的内容。
请提供您希望修复的代码。请在上面发布，谢谢！