required_time_stamps包含5911时邮票
time_based_mfcc_feature包含5911个样本，每个样本具有20个MFCC功能。
所以如果您要查看time_based_mfcc_feature
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)
＆lt;键入'numpy.ndarray'>
print required_time_stamps.shape
(5911，(
print type(time_based_mfcc_feature)
＆lt;键入'numpy.ndarray'>
print time_based_mfcc_feature.shape
(5911，20(
我想结合这两个，以便我有：
在r中，我可以简单地做
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)
我将如何在Python中实现这一目标？
使最终数据看起来像这样：
time1 row1 val2 val3 ... val 20
time2 row2 val2 val3 ... val 20
time3 row3 val2 val3 ... val 20
.
.
.
time5911 row5911 val2 val3 ... val 20
这些时间1到时间5911仅仅是所需的_time_stamps中包含的值。
我尝试了：
mfcc_features_with_times= np.hstack((required_time_stamps,time_based_mfcc_feature))
，但得到了此错误
--------------------------------------------------------------------------- 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
然后我尝试了转pose：
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
我还查看了：Numpy Condenate 2D数组与1D数组，但我认为这是其他的。
目标是将这些数据馈送到keras神经网络，排行。
我也有5911标签，与5911时戳相对应，稍后我将加入。
更新：根据我尝试的评论中的链接，
>>> 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]])
在此示例中，堆叠有效，但是不知道为什么相同的逻辑对我不起作用。
更新：我能够通过follwing cmaher的建议来解决：
mfcc_features_with_times= np.hstack((required_time_stamps[:,None],time_based_mfcc_feature))
但是，只有在两个都具有相同的维度时，这是正确的。在大多数情况下，我最终以具有形状的数组A(8400(和阵列B具有形状(8399，21(。
如何截断/删除A的最后几行，以使A和B具有相同的形状(8399，(和(8399，21(。请建议。
切片时更新错误：目前我做A = A[:B.shape[0],:]在哪里 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`
由于您已经在线程numpy-concatenate-2d-arrays-with-1d-array中找到了问题的第一部分的答案，我将解决第二个问题：
如何截断/删除A的最后几行，以使A和B 具有相同的形状，例如(8399，(和(8399，21(。请建议。
您可以像切片列表一样切成一个numpy数组。因此，要将2D阵列B沿轴0缩小到A的大小。
B = B[:A.shape[0],:]
这修剪了数组的末端。如果您想在开始时修剪，即扔掉不适合形状的前几行，而不是最后一个行：
B = B[-A.shape[0]:,:]
编辑：您的评论意味着您不提前知道哪个数组的时间更长。在这种情况下：
trim = min(A.shape[0], B.shape[0])
A = A[:trim]
B = B[:trim,:]
或分别
trim = min(A.shape[0], B.shape[0])
A = A[-trim:]
B = B[-trim:,:]