Python 如何将字节转换为np.array

我使用

pyaudio

从现场采集的示例，从计算机麦克风（2个通道）记录的数据中读取字节缓冲区

import pyaudio
import wave

CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 2
RATE = 44100
RECORD_SECONDS = 5
WAVE_OUTPUT_FILENAME = "output.wav"

p = pyaudio.PyAudio()

stream = p.open(format=FORMAT,
                channels=CHANNELS,
                rate=RATE,
                input=True,
                frames_per_buffer=CHUNK)

print("* recording")

frames = []

for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
    data = stream.read(CHUNK)
    frames.append(data)

print("* done recording")

print frames

帧

如下所示：

['\x00\xfd\xff\xff.....\xfc\xff\xff', '\xff\xfc\xff\xff......\xfc\xff\xff', ... ]

np.array([
  [123, 43],
  [3, 433],
  [43, 66]
])

或者如果我更改

CHUNK=1

：

['\x00\xfd\xff\xff', '\xff\xfc\xff\xff', '\x00\xfd\xcc\xcf']

当然要长得多。我怀疑每个通道的字节是交错的，所以我想我需要将它们分成两对

我想要的是这样一个数组：

['\x00\xfd\xff\xff.....\xfc\xff\xff', '\xff\xfc\xff\xff......\xfc\xff\xff', ... ]

np.array([
  [123, 43],
  [3, 433],
  [43, 66]
])

其中第一列是来自第一个通道的值，第二列是来自第二个通道的值。如何解释这些编码值（将

CHUNK

设置为合理的值，如1024）

---

更新：

我很困惑。我使用下面的命令将字符串的

格式

列表更改为一个由空格分隔的十六进制值组成的字符串，但其中似乎有奇数…如果有两个值，每个通道一个值（可能是偶数），则不会发生这种情况：

---

更新2：

我尝试了一条更简单的路线，并尝试了以下方法：

import array
fstring = ''.join(frames)
wave_nums = array.array('h', fstring) # this correctly returns list of ints!
print len(wave_nums) 

我尝试了不同的录制时间，得到了以下结果（令人困惑）：

---

这意味着我得到的帧数与

2*（录制秒数）-1

秒一致……这怎么可能呢？

基于对portaudio源的快速浏览，它看起来像

您可以使用联接来展平列表，计算左值和右值（将其设置为16位长），然后将列表本身压缩

joined = ''.join(frames).encode('latin-1')

left = map(lambda m, l: (m << 8) + l, joined[0::4], joined[1::4])
right = map(lambda m, l: (m << 8) + l, joined[2::4], joined[3::4])

zipped = zip(left, right)

join='''.join（帧）.encode（'latin-1'））
左=图（λm，l:（m最简单的答案似乎是：

import array
f = ''.join(frames)
nums = array.array('h', f)
left = nums[1::2]
right = nums[0::2]

@Dylan的回答也很好，但有点冗长，而且值是无符号的，其中wav值是有符号的

另外，将
块更改为1225也是最好的，因为44100是1225的倍数，并且不会因为舍入错误而丢失任何帧。
在
encode（）
行：
UnicodeDecodeError:“ascii”编解码器无法解码位置608处的字节0xff：序号不在范围（128）
如果没有舍入错误，
map（）
行失败，原因是：
TypeError:不支持的操作数类型似乎可以正常工作，但由于某些原因，在录制1秒音频并使用此代码后，
左
和
右
的长度为44032（此时应为44100）。不知怎的，68帧丢失了。嗯，当你进行
速率/块
，215*1024是44032时，可能会被截断除法。我想你想为pyaudio进行录制，这样你就不必担心手动读取字节了。但是，你的耳朵不应该注意到这么小的加速。尝试使用pyaudio来播放sampled返回数据。
import array
f = ''.join(frames)
nums = array.array('h', f)
left = nums[1::2]
right = nums[0::2]