required_time_stamps
包含5911个时间戳time_based_mfcc_feature
包含5911个样本,每个样本具有20个mfcc特征。在
所以如果你看time_based_mfcc_feature
它看起来像:
row1 val2 val3 ... val 20
row2 val2 val3 ... val 20
row3 val2 val3 ... val 20
.
.
.
row5911 val2 val3 ... val 20
print type(required_time_stamps)
^{pr2}$< type 'numpy.ndarray'>
(5911年)
print type(time_based_mfcc_feature)
< type 'numpy.ndarray'>
print time_based_mfcc_feature.shape
(5911,20)
我想把这两者结合起来,这样我就能:
在R,我可以简单地
time_based_mfcc_feature<-as.data.frame(time_based_mfcc_feature)
required_time_stamps<-as.data.frame(required_time_stamps)
new_dataframe <- merge(required_time_stamps,time_based_mfcc_feature)
View(new_dataframe)
如何在python中实现这一点?在
最终数据如下:
time1 row1 val2 val3 ... val 20
time2 row2 val2 val3 ... val 20
time3 row3 val2 val3 ... val 20
.
.
.
time5911 row5911 val2 val3 ... val 20
其中,time1到time5911只是所需的时间戳中包含的值。
我试过了:
mfcc_features_with_times= np.hstack((required_time_stamps,time_based_mfcc_feature))
但是得到了这个错误
--------------------------------------------------------------------------- ValueError Traceback (most recent call last) <ipython-input-41-ce462d805743> in <module>() ----> 1 mfcc_features_with_times= np.hstack((required_time_stamps,time_based_mfcc_feature)) /usr/local/lib/python2.7/dist-packages/numpy/core/shape_base.pyc in hstack(tup) 289 # As a special case, dimension 0 of 1-dimensional arrays is "horizontal" 290 if arrs and arrs[0].ndim == 1: --> 291 return _nx.concatenate(arrs, 0) 292 else: 293 return _nx.concatenate(arrs, 1) ValueError: all the input arrays must have same number of dimensions
然后我试着转置:
t = required_time_stamps.transpose
mfcc_features_with_times= np.hstack((t,time_based_mfcc_feature))
但同样的错误:
--------------------------------------------------------------------------- ValueError Traceback (most recent call last) <ipython-input-43-47cddb391d3f> in <module>() ----> 1 mfcc_features_with_times= np.hstack((t,time_based_mfcc_feature)) /usr/local/lib/python2.7/dist-packages/numpy/core/shape_base.pyc in hstack(tup) 289 # As a special case, dimension 0 of 1-dimensional arrays is "horizontal" 290 if arrs and arrs[0].ndim == 1: --> 291 return _nx.concatenate(arrs, 0) 292 else: 293 return _nx.concatenate(arrs, 1) ValueError: all the input arrays must have same number of dimensions
我还看了:Numpy concatenate 2D arrays with 1D array但我认为是另外一回事。在
目标是将这些数据逐行输入keras神经网络。
我还有5911个对应于5911时间戳的标签,稍后我将连接这些标签。在
更新: 根据我试过的评论中的链接
>>> a = np.array([[1,2,3], [2,3,4]])
>>> a
array([[1, 2, 3],
[2, 3, 4]])
>>> b = np.array([[1,2,3,0], [2,3,4,0]])
>>> b
array([[1, 2, 3, 0],
[2, 3, 4, 0]])
>>> c= np.hstack((a,b))
>>> c
array([[1, 2, 3, 1, 2, 3, 0],
[2, 3, 4, 2, 3, 4, 0]])
在这个例子中,堆叠是可行的,但是不知道为什么同样的逻辑对我不起作用。在
最新消息:我按照克马尔的建议解决了这个问题:
mfcc_features_with_times= np.hstack((required_time_stamps[:,None],time_based_mfcc_feature))
然而,只有当两者具有相同的维度时,这才是正确的。 在大多数情况下,我的结果是数组A的形状(8400,)和数组B的形状(8399,21)。在
如何截断/删除A的最后几行,使A和B具有相同的形状 (8399,)和(8399,21)。 请告知。在
切片时发生更新错误:
现在我做A = A[:B.shape[0],:]
哪里
A = new_labels_np_array
B = time_based_mfcc_feature
` 64 if len(new_labels_np_array) > len(time_based_mfcc_feature):
---> 65 new_labels_np_array = new_labels_np_array[:time_based_mfcc_feature.shape[0],:]
66 elif len(time_based_mfcc_feature)>len(new_labels_np_array):
67 time_based_mfcc_feature = time_based_mfcc_feature[:,new_labels_np_array.shape[0],:]
IndexError: too many indices for array`
既然您已经在线程numpy-concatenate-2d-arrays-with-1d-array中找到了问题第一部分的答案,那么我将解决第二个问题:
您可以像分割slice a list那样对numpy数组进行切片。所以要沿轴0将2D数组
B
裁剪为A
的大小。在这将修剪阵列的末端。如果要在开始时修剪,即丢弃不适合形状的前几行,而不是最后几行:
^{pr2}$编辑:您的注释暗示您事先不知道哪个数组更长。在这种情况下:
或分别
相关问题 更多 >
编程相关推荐