Python語(yǔ)言具有非常強(qiáng)大的音頻分析能力，可以進(jìn)行信號(hào)處理、音頻特征提取、音樂(lè)分析等操作，其中頻譜分析就是一個(gè)非常重要的領(lǐng)域。Python 中的音頻頻譜分析可以通過(guò)各種庫(kù)和工具來(lái)實(shí)現(xiàn)，比如Scipy、Numpy、Matplotlib等。在Python中進(jìn)行頻譜分析需要使用FFT算法（快速傅里葉變換），通過(guò)該算法可以將時(shí)域信號(hào)轉(zhuǎn)換為頻域信號(hào)，進(jìn)而進(jìn)行頻譜分析。

import numpy as np
import wave
import struct
import matplotlib.pyplot as plt
# 打開(kāi)音頻文件
waveFile = wave.open("test.wav", 'r')
# 獲取音頻文件各個(gè)參數(shù)
numChannels = waveFile.getnchannels()
frameRate = waveFile.getframerate()
numFrames = waveFile.getnframes()
# 讀取音頻文件中的數(shù)據(jù)并進(jìn)行格式化
waveData = waveFile.readframes(numFrames)
waveData = struct.unpack("<" + str(numFrames * numChannels) + "h", waveData)
# 將信號(hào)進(jìn)行FFT計(jì)算，并將結(jié)果可視化
fftData = np.fft.fft(waveData)
plt.plot(abs(fftData))
plt.show()

通過(guò)上面的代碼，我們可以打開(kāi)一個(gè)音頻文件，讀取其中的數(shù)據(jù)，并使用FFT算法進(jìn)行頻譜計(jì)算。最后，我們可以使用Matplotlib庫(kù)將結(jié)果進(jìn)行可視化，從而更好地觀察信號(hào)的頻域特征。當(dāng)然，這僅僅是頻譜分析的基礎(chǔ)操作，如果需要更深入的分析，可以使用其他的庫(kù)和工具。