python 合并语音(混合、拼接、连接、merge)

单层文件夹下的多句语音合并为一个语音:

#merge_files_in_a_folder # 合并音频
def merge_files(path_read_folder, path_write_wav_file):
    #
    files = os.listdir(path_read_folder)
    merged_signal = []
    for filename in glob.glob(os.path.join(path_read_folder, '*.wav')):
        # print(filename)
        sr, signal = wav.read(filename)
        merged_signal.append(signal)
    merged_signal=np.hstack(merged_signal)
    merged_signal = np.asarray(merged_signal, dtype=np.int16)
    wav.write(path_write_wav_file, sr, merged_signal)


#noisy train total
path_read_folder    = "datasets/timit_noisy_selected/train/"
path_write_wav_file = "datasets/timit_noisy_selected_train_total.wav"
merge_files(path_read_folder, path_write_wav_file)

含有多层子文件夹下的多句语音合并为一个语音:

import os
import glob
import numpy as np
import scipy.io.wavfile as wav

# merge_files_n , 拼接音频文件
def merge_files_n(path_read_folder, path_write_wav_file):
    files = os.listdir(path_read_folder)      #返回指定路径下的文件和文件夹列表
    print(files)
    merged_signal = []
    for file_single in files:                 # files为os.listdir()返回的列表
        file_single_path = path_read_folder + file_single + "/"
        print(file_single_path)
        files = os.listdir(file_single_path)  # 返回指定路径下的文件和文件夹列表
        for file in files:                    # files为os.listdir()返回的列表
            path_n = os.path.join(file_single_path, file)  # 连接两个或更多的路径名
            path_ns = path_n + "/"
            print(path_ns)
            for filename in glob.glob(os.path.join(path_ns, '*.wav')):
                sr, signal = wav.read(filename)
                merged_signal.append(signal)
    print(len(merged_signal))
    merged_signal=np.hstack(merged_signal)      #在水平方向上平铺
    merged_signal = np.asarray(merged_signal, dtype=np.int16)
    wav.write(path_write_wav_file, sr, merged_signal)
    print("completed!")

if __name__=='__main__':
    path_read_train_folder    = "datasets/timit_clean_selected/train/"
    path_write_train_wav_file = "datasets/timit_clean_selected/timit_clean_selected_train.wav"
    path_read_test_folder    = "datasets/timit_clean_selected/test/"
    path_write_test_wav_file = "datasets/timit_clean_selected/timit_clean_selected_test.wav"
    # merge train, test waves to a wave file each
    merge_files_n(path_read_train_folder, path_write_train_wav_file)
    # merge_files_n(path_read_test_folder, path_write_test_wav_file)

文件结构:

 

  • 5
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 可以使用python中的pandas库,通过读取excel文件,并使用merge函数合并。具体步骤为: 1. 使用pandas的read_excel函数读取需要合并的excel文件,并转化为dataframe类型。 2. 使用merge函数将需要合并的dataframe进行合并,根据合并所需的关键列,在on参数中指定。 3. 将合并后的结果保存为需要的格式,如excel文件。 例子: ```python import pandas as pd # 读取需要合并的excel文件 df1 = pd.read_excel('file1.xlsx') df2 = pd.read_excel('file2.xlsx') # 合并 merged_df = pd.merge(df1, df2, on='key_column') # 保存为excel merged_df.to_excel('merged_file.xlsx', index=False) ``` 其中,key_column为需要合并的关键列。 ### 回答2: Pandas是一个扩展的Python库,它提供了许多功能来进行数据操作,其中包括对Excel数据的合并。Pandas的merge()函数提供了一种将多个Excel数据表合并为一个数据表的方法。下面是如何使用Pandas库进行Excel数据表的合并操作的步骤。 1.导入Pandas库:首先,必须导入Pandas和NumPy库。Pandas库将用于数据分析和处理,而NumPy库将用于数组操作。 import pandas as pd import numpy as np 2.读入Excel文件:将要合并的所有Excel文件读入到Pandas DataFrame中。可以使用read_excel方法读入数据。将excel文件读入为数据框。 df1=pd.read_excel("文件路径1") df2=pd.read_excel("文件路径2") 3.合并Excel文件:使用Pandas的merge()函数将两个DataFrame合并为一个。可以使用类似于SQL inner join,left join,right join和outer join的类型来进行合并。使用merge()函数完合并merged_df=pd.merge(df1,df2,on="id",how="outer") 上述代码中,id是两个数据框共有的行,outer join表示合并两个数据框并保留所有行,以最长的数据框中的行为准。结果merged_df包含合并数据。 4.保存数据:最后,我们可以通过to_excel()函数将合并的数据保存为新Excel文件。 merged_df.to_excel("合并后的文件路径") 总之,使用Pandas的merge()函数可以非常方便地将多个Excel数据表合并为一个数据表,这将大大简化数据操作,提高数据分析的效率。 ### 回答3: Pandas是Python数据处理的一个强大工具,可用于读取、写入、合并和处理各种数据格式,包括Excel文件。在Pandas中,merge是一种合并数据的方法,可以在不同的DataFrame之间共享相同的列名,并将它们合并一张表。 要在Pandas中合并Excel文件,需要首先加载Excel文件,使用Pandas库的read_excel函数可以读取Excel文件,它将Excel文件读取为Pandas DataFrame。 例如: import pandas as pd file1 = pd.read_excel('file1.xlsx') file2 = pd.read_excel('file2.xlsx') 此时可以使用merge函数将两个DataFrame对象进行合并。需要注意的是,在进行merge操作之前需要确认两个DataFrame中需要合并的列名,这样才能确保merge操作的正确性。 例如,合并file1和file2的'Student ID'列: merged_file = pd.merge(file1, file2, on='Student ID') 此时合并后的DataFrame将包含file1和file2中的所有行,并且只保留包含共同的'Student ID'的行。如果有名称不同的列需要合并,可以使用left_on和right_on。 例如: merged_file = pd.merge(file1, file2, left_on='ID', right_on='Student ID') 在合并之后,可以使用to_excel方法将合并后的结果写入一个新的Excel文件中,代码如下: merged_file.to_excel('merged_file.xlsx',index=False) 可以设置index参数将DataFrame中的索引排除在输出文件之外,这是为了减轻文件大小并避免任何可能的索引问题。 总的来说,Pandas库的merge方法使合并Excel文件变得非常简单和容易,在任何需要合并多个Excel文件或多个DataFrame的情况下,这些步骤都是非常实用和有用的。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值