• numpy 基础相关


    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)
     
     
     
  • 相关阅读:
    《Maven实战》知识点记录总结
    Git实战
    IDEA下out目录与target目录的区别详解
    Linux下MySQL(8.0.18)的安装
    ElasticSearch学习笔记尚硅谷
    【安装教程】Python IDLE win10+macOS
    【摄影教程笔记】中传《视听语言》
    PyTorch图文安装教程(Win10),含遇到的问题及解决办法
    golangbitmap
    获取IP地址
  • 原文地址:https://www.cnblogs.com/zhaoyingjie/p/14591843.html
Copyright © 2020-2023  润新知