声音的多次重复
在本练习中，您将从也许是最简单的分类技巧开始：对数据集的某个维度取平均值，并对结果进行可视化检查。
您将使用上一章介绍的心跳数据。有些录音是"正常"的心跳活动，另一些则是"异常"的活动。来看一看您是否能分辨出差异。
工作空间中提供了两个 DataFrame：normal 和 abnormal，它们的形状均为 (n_times_points, n_audio_files)，包含多段心跳音频。同时，采样频率已加载到名为 sfreq 的变量中。一个便捷的绘图函数 show_plot_and_make_titles() 也已在您的工作空间中可用。
本练习是课程的一部分
Python 中的时间序列机器学习
练习说明
- 首先，为这些音频文件创建时间数组（所有音频长度相同）。
- 然后，将两个 DataFrame（按
normal、abnormal的顺序）中的数值合并堆叠，使其成为形状为(n_audio_files, n_times_points)的单个数组。 - 最后，使用提供的代码遍历每个列表项/坐标轴，并在对应的轴对象上绘制随时间变化的音频。
- 在左列绘制正常心跳，在右列绘制异常心跳。
交互式实操练习
通过完成这段示例代码来试试这个练习。
fig, axs = plt.subplots(3, 2, figsize=(15, 7), sharex=True, sharey=True)
# Calculate the time array
time = np.arange(____) / ____
# Stack the normal/abnormal audio so you can loop and plot
stacked_audio = np.hstack([____, ____]).T
# Loop through each audio file / ax object and plot
# .T.ravel() transposes the array, then unravels it into a 1-D vector for looping
for iaudio, ax in zip(stacked_audio, axs.T.ravel()):
ax.plot(time, iaudio)
show_plot_and_make_titles()