比较两个NumPy数组相等性的最简单方法是什么(其中相等性定义为:A = B iff对于所有索引i: A[i] == B[i])?

简单地使用==给我一个布尔数组:

 >>> numpy.array([1,1,1]) == numpy.array([1,1,1])

array([ True,  True,  True], dtype=bool)

我是否需要和这个数组的元素来确定数组是否相等,或者有更简单的比较方法吗?


当前回答

为了完整起见。我将添加 比较两个数组的Pandas方法:

import numpy as np
a = np.arange(0.0, 10.2, 0.12)
b = np.arange(0.0, 10.2, 0.12)
ap = pd.DataFrame(a)
bp = pd.DataFrame(b)

ap.equals(bp)
True

供你参考:如果你正在寻找如何 比较向量,数组或R中的数据框架。 你可以用:

identical(iris1, iris2)
#[1] TRUE
all.equal(array1, array2)
#> [1] TRUE 

其他回答

为了完整起见。我将添加 比较两个数组的Pandas方法:

import numpy as np
a = np.arange(0.0, 10.2, 0.12)
b = np.arange(0.0, 10.2, 0.12)
ap = pd.DataFrame(a)
bp = pd.DataFrame(b)

ap.equals(bp)
True

供你参考:如果你正在寻找如何 比较向量,数组或R中的数据框架。 你可以用:

identical(iris1, iris2)
#[1] TRUE
all.equal(array1, array2)
#> [1] TRUE 

让我们使用下面的代码段来衡量性能。

import numpy as np
import time

exec_time0 = []
exec_time1 = []
exec_time2 = []

sizeOfArray = 5000
numOfIterations = 200

for i in xrange(numOfIterations):

    A = np.random.randint(0,255,(sizeOfArray,sizeOfArray))
    B = np.random.randint(0,255,(sizeOfArray,sizeOfArray))

    a = time.clock() 
    res = (A==B).all()
    b = time.clock()
    exec_time0.append( b - a )

    a = time.clock() 
    res = np.array_equal(A,B)
    b = time.clock()
    exec_time1.append( b - a )

    a = time.clock() 
    res = np.array_equiv(A,B)
    b = time.clock()
    exec_time2.append( b - a )

print 'Method: (A==B).all(),       ', np.mean(exec_time0)
print 'Method: np.array_equal(A,B),', np.mean(exec_time1)
print 'Method: np.array_equiv(A,B),', np.mean(exec_time2)

输出

Method: (A==B).all(),        0.03031857
Method: np.array_equal(A,B), 0.030025185
Method: np.array_equiv(A,B), 0.030141515

根据上面的结果,numpy方法似乎比==运算符和all()方法的组合更快,通过比较numpy方法,最快的方法似乎是numpy。array_equal方法。

(A==B).all()解决方案非常简洁,但有一些用于此任务的内置函数。即array_equal, allclose和array_equiv。

(尽管,一些快速的测试似乎表明(A==B).all()方法是最快的,这有点奇怪,因为它必须分配一个全新的数组。)

通常两个数组会有一些小的数值错误,

你可以使用numpy.allclose(A,B),而不是(A==B).all()。返回bool值True/False

在其他答案之上,你现在可以使用断言:

numpy.testing.assert_array_equal(x, y)

还有类似的函数,如numpy.testing.assert_almost_equal()

https://numpy.org/doc/stable/reference/generated/numpy.testing.assert_array_equal.html