如何在Python中使用opensmile将提取的特征保存为.arff文件？

opensmile处理后返回的y是pandas DataFrame，可以借助第三方库直接将其转换为符合Weka要求的ARFF格式，以下是两种可靠实现方式：

方法一：使用pandas-arff库（推荐） #

这个库专门针对pandas DataFrame和ARFF格式的转换，对Weka兼容性更好。

步骤1：安装依赖 #

pip install pandas-arff

步骤2：修改代码实现保存 #

import opensmile
from pandas_arff import dump

smile = opensmile.Smile(
    feature_set=opensmile.FeatureSet.ComParE_2016,
    feature_level=opensmile.FeatureLevel.Functionals,
)
y = smile.process_file('audio.wav')

# 可选：如果是分类任务，添加类别标签列（示例）
# y['class_label'] = 'positive'  # 根据你的实际标签修改

# 保存为ARFF文件
dump(
    y,
    'audio_features.arff',
    relation='audio_compar_features',  # 自定义ARFF的关系名称
    clean_string_values=True,
    arff_encode_nominal=True  # 自动将字符串类型列识别为Weka的nominal属性
)

方法二：使用scipy库（无需额外安装） #

如果已经安装了scipy，可以用其内置的ARFF处理工具：

import opensmile
from scipy.io import arff

smile = opensmile.Smile(
    feature_set=opensmile.FeatureSet.ComParE_2016,
    feature_level=opensmile.FeatureLevel.Functionals,
)
y = smile.process_file('audio.wav')

# 将DataFrame转换为结构化数组
structured_data = y.to_records(index=False)
# 保存ARFF文件
arff.savearff('audio_features_scipy.arff', structured_data)

注意事项 #

• 多文件处理：如果要批量处理音频，先将所有文件的特征合并到同一个DataFrame，再保存为单个ARFF文件，方便Weka批量加载。
• 特征名兼容性：opensmile的ComParE_2016特征名基本符合Weka要求，无需额外修改。
• 类别标签：如果添加标签列，确保标签为字符串类型，这样会被Weka识别为分类属性。

内容的提问来源于stack exchange，提问作者Mister Sir