#Importar Modulo scipy para leer y grabar audio
from scipy.io import wavfile
import numpy as np
import IPython.display as ipd
AudioName = "Whistle.wav" # Archivo de Audio

# Salida fs: Frecuencia de muestreo and data: Señal de audio -> int16
fs, Audiodata = wavfile.read(AudioName)
print(f'Duracion = {Audiodata.shape[0]/fs} , Frecuencia de Muestreo = {fs} [=] Muestras/Seg' \
      f', Wav format = {Audiodata.dtype}')

ipd.Audio(AudioName) # Reproduce el audio directamente en el Jupyter notebook.

import matplotlib.pyplot as plt #Libreria para realizar graficos

plt.rcParams['figure.figsize'] = (15, 5) # Definir el tamaño de graficas
# Definir los valores de los datos de amplitud entre [-1 : 1] Audiodata.dtype es int16
AudiodataScaled = Audiodata / (2.**15)

#definir los valores del eje x en milisegundos
timeValues = np.arange(0, len(AudiodataScaled), 1)/ fs # Convertir Muestras/Seg a Segundos
timeValues = timeValues * 1000  #Escala de tiempo en milisegundos

# importar la libreria plotly offline para graficar
import plotly.offline as pyo # realizar graficas offline
from plotly.offline import init_notebook_mode #para poder graficar dentro del jupyter notebook
import plotly.graph_objs as go
init_notebook_mode() # inicializar el uso de plotly dentro del jupyter notebook

datos = [go.Scatter(x = timeValues,y = AudiodataScaled,mode = 'lines')]
layout = go.Layout(title = 'Señal de Audio',xaxis = dict(title = 'Tiempo (ms)'),yaxis = dict(title = 'Amplitud'))
fig = go.Figure(data=datos,layout=layout)
pyo.iplot(fig, filename='Audio')

AudioName = "oboe_c6.wav" # Archivo de Audio

# Salida fs: Frecuencia de muestreo and data: Señal de audio -> int16
fs, Audiodata = wavfile.read(AudioName)
Audiodata = Audiodata / (2.**15) #convertirla entre [-1,1]
timeValues = np.arange(0, len(Audiodata), 1)/ fs # Convertir Muestras/Seg a Segundos
timeValues = timeValues * 1000
print(f'Frecuencia de Muestreo = {fs} [=] Muestras/Seg, Numero de datos: {len(Audiodata)}')

datos1 = [go.Scatter(x = timeValues,y = Audiodata,mode = 'lines')]
fig = go.Figure(data=datos1,layout=layout)
pyo.iplot(fig, filename='Audio1')
ipd.Audio(AudioName)

import pandas as pd # convertir arreglo numpy en una serie de pandas
X = pd.Series(Audiodata)
X.describe()

print('Varianza = {}'.format( X.var())) # Varianza
print('Desviacion Standard = {}'.format( X.std())) # Desviacion estandard
print('Skewnesss = {}'.format( X.skew())) # Skewness
print('Kurtosis = {}'.format( X.kurt())) # Kurtosis

# Histograma y densidad
import plotly.figure_factory as ff
hist_data = [X]
group_labels = ['Oboe']
fig = ff.create_distplot(hist_data, group_labels,bin_size=0.01,show_rug=False)
fig['layout'].update(title='Histograma y KDE Señal de Audio')
pyo.iplot(fig, filename='Basic Distplot')

trace0 = [go.Box(y=X, name = 'Oboe')] # Boxplot
fig = go.Figure(data=trace0)
fig['layout'].update(title='Boxplot Señal de Audio')
pyo.iplot(fig, filename='Grafica-boxplot')

fs1, Audiodata1 = wavfile.read('oboe_c6.wav')
Audiodata1 = Audiodata1 / (2.**15)
ipd.display(ipd.Audio('oboe_c6.wav'))

fs2, Audiodata2 = wavfile.read('clarinet_c6.wav')
Audiodata2 = Audiodata2 / (2.**15)
ipd.display(ipd.Audio('clarinet_c6.wav'))

fs3, Audiodata3 = wavfile.read('Whistle.wav')
Audiodata3 = Audiodata3 / (2.**15)
ipd.display(ipd.Audio('Whistle.wav'))

# Graficar las formas de onda
plt.rcParams['figure.figsize'] = (15, 5) # Definir el tamaño de graficas
for n in range(3):
    pos = n+1
    plt.subplot(3,1,pos) # posición de la grafica
    nombre_variable = vars()['Audiodata'+str(pos)] #convertir string a nombre de variable
    plt.plot(nombre_variable); #graficar cada forma de onda
plt.tight_layout()

df = pd.DataFrame([Audiodata1,Audiodata2,Audiodata3]).T
print(f'frecuencias de muestreo de los archivos: fs1 = {fs1}, fs2 = {fs2} y fs3 = {fs3}')
print('Tamaño del data frame = {}'.format( df.shape))   # Tamaño del dataframe
print('Duracion en Segundos = {}'.format(len(df)/fs3)) # numero_de_datos / fs = tiempo

#df.plot.box(title = 'Boxplot de las señales de audio');
Oboe = go.Box(y=df[0], name = 'Oboe');
Clarinete = go.Box(y=df[1], name = 'Clarinete');Whistle = go.Box(y=df[2], name = 'Whistle')
datos = [Oboe, Clarinete,Whistle]
fig = go.Figure(data=datos);
fig['layout'].update(title='Boxplot Señales de Audio')
pyo.iplot(fig, filename='Grafica-boxplot2')

df.describe() # Descripcion Estadistica general de los datos

# Correlation Matrix
import numpy as np # se deben rotar los datos 90 grados
data = ff.create_annotated_heatmap( z=np.rot90((np.array(df.corr()))),
                                    x =  ['Whistle','Clarinete','Oboe'],
                                    y= ['Oboe', 'Clarinete','Whistle'])
pyo.iplot(data, filename='corr-heatmap')