我必須通過(guò)使用以 100 為步長(zhǎng)遍歷的 for 循環(huán)并將原始數(shù)組的值復(fù)制到新數(shù)組中來(lái)降低數(shù)組的密度：soundDataHere 是一個(gè)[7][22000]暗淡的數(shù)組，我希望 cleanSoundData 是一個(gè)[7][220]暗淡的數(shù)組def reduceDensity(soundDataHere): for i in range(numberOfFiles): for j in range(0, soundDataHere[i].size-1, 100): cleanSoundData.extend(soundDataHere[i][j])我一直不知道如何在 foo 循環(huán)中使用 append 和 extend 函數(shù)來(lái)重新創(chuàng)建一個(gè)新的密度較低的數(shù)組。例如：[[1,2,3,4,5],[6,7,8,9,10]]一個(gè)step = 2 應(yīng)該返回[[1,3,5],[6,8,10]]我的新cleanSoundData陣列但只是像這樣擴(kuò)展它 [1,3,5,6,8,10]
2 回答
茅侃侃
TA貢獻(xiàn)1842條經(jīng)驗(yàn) 獲得超22個(gè)贊
假設(shè)數(shù)組soundData是一個(gè)7 X 22000保存你的數(shù)據(jù)。因此cleanSoundData，7 x 220可以按如下方式創(chuàng)建一個(gè)新的大小數(shù)組。甚至更普遍的是它的2 x 1000或1000 x 50000。
cleanSoundData = []
for i in range(len(soundData)):
cleanSoundData.append([]) # adding new row
for j in range(0, len(soundData[i]), 100):
cleanSoundData[i].append(soundData[i][j]) # adding data to the row
希望這對(duì)你有用。
一只甜甜圈
TA貢獻(xiàn)1836條經(jīng)驗(yàn) 獲得超5個(gè)贊
使用 Numpy 和您的示例：
import numpy as np
l = [1,3,5,6,8,10]
l2 = np.reshape(l,[2,-1])
>>> l2
array([[ 1, 3, 5],[ 6, 8, 10]])
看起來(lái)您正在處理聲音數(shù)據(jù)，因此我強(qiáng)烈建議使用 numpy 模塊，因?yàn)槭噶炕瘮?shù)組操作將比對(duì) Python 對(duì)象使用 for 循環(huán)快得多（在某些情況下，速度高達(dá) 100 倍）。
Numpy 模塊是專門為這些類型的用例設(shè)計(jì)的，因此我鼓勵(lì)您學(xué)習(xí)如何使用它。
添加回答
舉報(bào)
0/150
提交
取消