如何在Jupyter中同时遍历多子目录处理WAV文件？

嘿，我懂你现在的处境——已经搞定单个子目录的WAV特征提取，现在要把这个流程扩展到所有子目录对吧？这事儿其实不难，Python里有两种很实用的方法，我给你拆解清楚，直接就能套用在你的代码上：

方法1：用os.walk遍历（传统但稳定） #

os.walk会帮你递归遍历根目录下的所有子目录和文件，完美适配你的文件夹结构。我把你的代码改成多目录版本，还顺便帮你加上了类别标签存储（毕竟后续做数据建模肯定需要知道每个特征对应的音乐类型）：

import os
import librosa

# 初始化特征存储结构，方便后续扩展更多特征
all_features = {
    'zero_crossing_rate': []
    # 要加其他特征直接在这里加就行，比如'mfcc': [], 'spectral_centroid': []
}
genre_labels = []  # 记录每个特征对应的子目录（音乐类别）

# 替换成你的实际根目录路径
root_directory = '/content/Data/genres_original/'

# 开始遍历所有子目录
for current_dir, subdirs, files in os.walk(root_directory):
    # 跳过根目录本身，只处理子文件夹里的内容
    if current_dir == root_directory:
        continue
    # 获取当前子目录的名称（也就是音乐类别）
    current_genre = os.path.basename(current_dir)
    # 遍历当前子目录下的所有文件
    for filename in sorted(files):
        if filename.endswith('.wav'):
            # 拼接完整的文件路径，避免手动拼接出错
            file_path = os.path.join(current_dir, filename)
            # 加载音频文件
            audio_signal, sample_rate = librosa.load(file_path)
            # 提取零交叉率（和你原来的逻辑一致）
            zcr_feature = librosa.feature.zero_crossing_rate(audio_signal)
            all_features['zero_crossing_rate'].append(zcr_feature)
            # 记录这个文件对应的类别
            genre_labels.append(current_genre)
            # 要是想加其他特征，直接在这里复制逻辑就行
            # 比如提取MFCC：
            # mfcc_feature = librosa.feature.mfcc(y=audio_signal, sr=sample_rate)
            # all_features['mfcc'].append(mfcc_feature)

代码说明： #

• os.walk(root_directory)会返回三个值：当前遍历的目录路径、当前目录下的子目录列表、当前目录下的文件列表
• 我们跳过根目录，只处理它下面的子文件夹，这样就能精准获取每个WAV文件对应的类别
• 用os.path.join拼接路径比手动加斜杠更安全，能避免不同操作系统的路径格式问题

方法2：用pathlib遍历（更简洁现代） #

如果你喜欢更优雅的路径处理，pathlib是Python 3.4+的官方推荐方案，代码会更简洁：

from pathlib import Path
import librosa

all_features = {'zero_crossing_rate': []}
genre_labels = []

root_directory = Path('/content/Data/genres_original/')

# 递归查找所有子目录下的.wav文件，sorted保证顺序和你原来的一致
for wav_file in sorted(root_directory.rglob('*.wav')):
    # 获取父目录名称（也就是音乐类别）
    current_genre = wav_file.parent.name
    # 直接传入Path对象给librosa，它支持这种格式
    audio_signal, sample_rate = librosa.load(wav_file)
    zcr_feature = librosa.feature.zero_crossing_rate(audio_signal)
    all_features['zero_crossing_rate'].append(zcr_feature)
    genre_labels.append(current_genre)

代码说明： #

• rglob('*.wav')会递归匹配所有子目录下的WAV文件，省去了多层循环的麻烦
• Path对象自带各种路径操作方法，比如parent.name直接获取父目录名称，比os.path更直观

一些实用小贴士 #

1. 进度可视化：如果文件数量多，建议装个tqdm库，把循环改成for wav_file in tqdm(sorted(root_directory.rglob('*.wav')))，就能看到实时处理进度了
2. 特征维度统一：不同音频的长度可能不一样，提取的特征维度会有差异，后续建模前可以考虑对每个特征取均值、最大值，或者裁剪/补全到固定长度
3. 数据保存：处理完的特征和标签可以用pandas存成CSV，或者用numpy.savez保存成二进制文件，方便后续直接加载建模

内容的提问来源于stack exchange，提问作者Dario_Della