時間上的不變性
雖然你應該先從視覺化原始資料開始，但在要區分兩個類別的資料點時，這往往幫助不大。資料通常帶有雜訊，或呈現肉眼難以辨識的複雜模式。
另一個常見方法，是在同一類別的多個實例之間取「平均」，以找出兩組資料之間的簡單差異。這「可能」會去除雜訊並揭露底層模式（也可能不會）。
在本練習中，你將對每個心跳聲類別的多個實例取平均。
你在先前練習中使用的兩個 DataFrame（normal 和 abnormal）以及時間陣列（time）已可在你的工作環境中使用。
本練習屬於課程
Python 的時間序列資料機器學習
練習說明
- 在保留時間維度的情況下，對
normal與abnormal所包含的音訊檔取平均。 - 將這些平均值隨時間進行視覺化。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Average across the audio files of each DataFrame
mean_normal = np.mean(normal, axis=____)
mean_abnormal = np.mean(abnormal, axis=____)
# Plot each average over time
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 3), sharey=True)
ax1.plot(____, ____)
ax1.set(title="Normal Data")
ax2.plot(____, ____)
ax2.set(title="Abnormal Data")
plt.show()