导数特征：Tempogram（速度图）

清洗数据的一个好处是，能够计算更复杂的特征。例如，您之前计算的包络（envelope）就是计算速度（tempo）和节奏（rhythm）特征的常用技术。在本练习中，您将使用 librosa 为心跳数据计算一些速度和节奏特征，并再次拟合一个模型。

请注意，librosa 的函数通常只接受 numpy 数组，不直接处理 DataFrame，因此我们将通过 .values 属性把 Pandas 数据以 Numpy 数组的形式取出。

本练习是课程的一部分

Python 中的时间序列机器学习

查看课程

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Calculate the tempo of the sounds
tempos = []
for col, i_audio in audio.items():
    tempos.append(lr.beat.____(y=i_audio.values, sr=sfreq, hop_length=2**10))

# Convert the list to an array so you can manipulate it more easily
tempos = np.array(tempos)

# Calculate statistics of each tempo
tempos_mean = tempos.____(axis=-1)
tempos_std = tempos.____(axis=-1)
tempos_max = tempos.____(axis=-1)

编辑并运行代码