python实现环形可视化器，要求有波浪动效或者粒子特效，要求有频谱分析

实现过程：

1.导入相关库:

import numpy as np
import pyaudio
import wave
import sys
import time
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

2.读取音频文件并将其转换为numpy数组

file = 'music.wav'
with wave.open(file,'rb') as f:
    params = f.getparams()
    nchannels,sampwidth,framerate,nframes=f.getparams()[:4]
    str_data = f.readframes(nframes)

#将波形数据转换成数组格式
wave_data = np.fromstring(str_data,dtype=np.int16)

#将数组调整为左右声道
if nchannels==2:
    wave_data.shape=-1,2
    wave_data=wave_data.T
else:
    pass

3.计算频率

#计算出采样周期对应的秒数
sample_duration = 1.0/framerate

#计算出采样点数对应的时间长度
time_seq = np.arange(0,nframes)*sample_duration

#对音频波形数据进行快速傅里叶变换，得到频谱数据
freq_seq = np.fft.fftfreq(nframes,sample_duration)
pidxs = np.where(freq_seq>0)
fft_freqs = freq_seq[pidxs]
#使用象限取反将FFT输出的第4象限移到第1象限，第3象限移到第2象限
fft_data = abs(np.fft.fft(wave_data))[pidxs]
fft_data[100:]

4.实现动效

# 定义一个环形可视化类
class CircularVisualizer(object):
    def __init__(self, fft_data, fft_freqs, fps=30, colors="bgyr"):
        # 绘制帧率
        self.fps = fps
        # 绘制颜色
        self.colors = colors
        # 音频频率
        self.fft_data = fft_data
        # 音频位置
        self.fft_freqs = fft_freqs
        # 频谱数据长度
        self.n = len(self.fft_data)
        # 绘图范围
        self.fig, self.ax = plt.subplots(subplot_kw=dict(projection='polar'))
        # 设置极坐标中的0度位置
        self.ax.set_theta_zero_location('E')
        # 设置绘图范围
        self.ax.set_ylim(0, np.amax(self.fft_data))
        # 设置绘图数据
        self.lines = [self.ax.plot([],[],c=c)[0] for c in self.colors]
        # 设置坐标轴
        self.ax.grid(False)
        plt.axis('off')

        # 定义动画
        self.anim = FuncAnimation(self.fig, self.update, frames=range(self.n), init_func=self.init, blit=True)

    # 初始化函数
    def init(self):
        for line in self.lines:
            line.set_data([],[])
        return self.lines

    # 更新函数
    def update(self, frame):
        for i, line in enumerate(self.lines):
            r = self.fft_data[frame][i]
            theta = np.radians(self.fft_freqs[frame])
            x = np.append(line.get_xdata(), theta)
            y = np.append(line.get_ydata(), r)
            line.set_data(x, y)
        return self.lines
        
    # 显示函数
    def show(self):
        plt.show()

5. 注意事项

由于是频域可视化，所以需要先对音频信号进行FFT变换得到频域数据，然后将数据转换成极坐标系坐标再进行展示

6. 完整代码：

import numpy as np
import pyaudio
import wave
import sys
import time
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

file = 'music.wav'
with wave.open(file,'rb') as f:
    params = f.getparams()
    nchannels,sampwidth,framerate,nframes=f.getparams()[:4]
    str_data = f.readframes(nframes)

#将波形数据转换成数组格式
wave_data = np.fromstring(str_data,dtype=np.int16)

#将数组调整为左右声道
if nchannels==2:
    wave_data.shape=-1,2
    wave_data=wave_data.T
else:
    pass

#计算出采样周期对应的秒数
sample_duration = 1.0/framerate

#计算出采样点数对应的时间长度
time_seq = np.arange(0,nframes)*sample_duration

#对音频波形数据进行快速傅里叶变换，得到频谱数据
freq_seq = np.fft.fftfreq(nframes,sample_duration)
pidxs = np.where(freq_seq>0)
fft_freqs = freq_seq[pidxs]
#使用象限取反将FFT输出的第4象限移到第1象限，第3象限移到第2象限
fft_data = abs(np.fft.fft(wave_data))[pidxs]
fft_data[100:]

# 定义一个环形可视化类
class CircularVisualizer(object):
    def __init__(self, fft_data, fft_freqs, fps=30, colors="bgyr"):
        # 绘制帧率
        self.fps = fps
        # 绘制颜色
        self.colors = colors
        # 音频频率
        self.fft_data = fft_data
        # 音频位置
        self.fft_freqs = fft_freqs
        # 频谱数据长度
        self.n = len(self.fft_data)
        # 绘图范围
        self.fig, self.ax = plt.subplots(subplot_kw=dict(projection='polar'))
        # 设置极坐标中的0度位置
        self.ax.set_theta_zero_location('E')
        # 设置绘图范围
        self.ax.set_ylim(0, np.amax(self.fft_data))
        # 设置绘图数据
        self.lines = [self.ax.plot([],[],c=c)[0] for c in self.colors]
        # 设置坐标轴
        self.ax.grid(False)
        plt.axis('off')

        # 定义动画
        self.anim = FuncAnimation(self.fig, self.update, frames=range(self.n), init_func=self.init, blit=True)

    # 初始化函数
    def init(self):
        for line in self.lines:
            line.set_data([],[])
        return self.lines

    # 更新函数
    def update(self, frame):
        for i, line in enumerate(self.lines):
            r = self.fft_data[frame][i]
            theta = np.radians(self.fft_freqs[frame])
            x = np.append(line.get_xdata(), theta)
            y = np.append(line.get_ydata(), r)
            line.set_data(x, y)
        return self.lines
        
    # 显示函数
    def show(self):
        plt.show()

# 创建一个环形可视化器对象
visualizer = CircularVisualizer(fft_data, fft_freqs)
# 显示可视化器
visualizer.show()