Numpy的逻辑运算
一、问题？
如果我们想要判断获取涨幅大于0.5一写区段？
二、逻辑运算
# 逻辑判断 temp > 0.5 # 赋值 temp[temp > 0.5] = 1 #如果小于2 为0否则保持不变 img = np.where(img < 2, 0,img) img = np.where(img >253, 255,img) img = np.where(np.logical_and(img >= 2, img <= 253), 128, img)
三、通用判断函数
- np.all()
#判断stock_day_rise[0:2,0:5]是否全是上涨的 np.all(stock_day_rise[0:2,0:5] > 0)
- np.unique()
返回新的数组的数值，不存在重复的值
#将序列中数值值唯一且不重复的值组成新的序列 change_int = stock_day_rise[0:2,0:5].astype(int) np.unique(change_int)
四、np.where（三元运算符）
通过使用np.where能够进行更加复杂的运算
- np.where()
np.where(temp > 0, 1, 0)
复合逻辑需要结合np.logical_and和np.logical_or使用
# 判断前四个股票前四天的涨跌幅 大于0.5并且小于1的，换为1，否则为0 # 判断前四个股票前四天的涨跌幅 大于0.5或者小于-0.5的，换为1，否则为0 np.where(np.logical_and(temp > 0.5, temp < 1), 1, 0) np.where(np.logical_or(temp > 0.5, temp < -0.5), 1, 0)
五、numpy获取白色区域的最左上角和最右下角坐标
img = cv2.imread("/tmp/t1_1/01989_nose.png") idx = np.where(img > 128) print(idx) left_x = min(idx[1]) left_y = min(idx[0]) right_x = max(idx[1]) right_y = max(idx[0]) print(left_x,left_y) print(right_x,right_y)