转换为对数梅尔刻度之后，我想在转换后的数据中，提取能量值最大的帧，并在这个帧中分别选取20-40，80-100HZ的区域，分别送入阈值判断

如果你想在转换为对数梅尔刻度后的数据中提取能量值最大的帧，并在该帧中分别选取20-40Hz和80-100Hz的区域进行阈值判断，你可以按照以下步骤进行：

import numpy as np
import librosa

# 假设已经计算得到了对数梅尔刻度谱图数据 log_mel_spec

# 找到能量值最大的帧索引
max_energy_frame = np.argmax(np.max(log_mel_spec, axis=0))

# 定义频率范围
freq = librosa.mel_frequencies(n_mels=log_mel_spec.shape[0])
low_freq_range = np.where((freq >= 20) & (freq <= 40))[0]
high_freq_range = np.where((freq >= 80) & (freq <= 100))[0]

# 在能量值最大的帧中提取对应范围内的能量值
low_freq_energy = log_mel_spec[low_freq_range, max_energy_frame]
high_freq_energy = log_mel_spec[high_freq_range, max_energy_frame]

# 定义阈值
threshold_low = -20  # 低频阈值
threshold_high = -30  # 高频阈值

# 判断是否归类为异常
is_low_freq_abnormal = low_freq_energy < threshold_low
is_high_freq_abnormal = high_freq_energy < threshold_high

# 判断整体是否归类为异常
is_abnormal = np.logical_or(is_low_freq_abnormal, is_high_freq_abnormal)

# 输出异常判断结果
if is_abnormal:
    print("该帧被归类为异常")
else:
    print("该帧没有被归类为异常")

在这个示例代码中，我们首先找到能量值最大的帧索引 `max_energy_frame`，然后定义了20-40Hz和80-100Hz的频率范围。接下来，我们在能量值最大的帧中提取对应范围内的能量值，并定义了低频阈值 `threshold_low` 和高频阈值 `threshold_high`。然后，我们根据阈值判断这些能量值是否低于阈值，并最终得到整体是否归类为异常的判断结果。

请根据你的具体需求和数据进行适当的调整，例如调整阈值、频率范围等。

希望这个示例能满足你的需求！如果还有其他问题，请随时提问。