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
现在使用np.array_equal。从文档:
np.array_equal([1, 2], [1, 2])
True
np.array_equal(np.array([1, 2]), np.array([1, 2]))
True
np.array_equal([1, 2], [1, 2, 3])
False
np.array_equal([1, 2], [1, 4])
False
其他回答
(A==B).all()
测试数组(A==B)的所有值是否为True。
注意:也许你还想测试A和B的形状，比如A.shape == B.shape
特殊情况和替代方案(来自dbaupp的回答和yoavram的评论)
应当指出的是:
这种解决方案在特定情况下可能会有奇怪的行为:如果a或B中有一个是空的，而另一个包含单个元素，则返回True。由于某些原因，比较A==B返回一个空数组，all操作符返回True。 另一个风险是，如果A和B没有相同的形状，并且不可广播，那么这种方法将引发一个错误。
总之，如果你对a和B的形状有疑问，或者只是想要安全:使用其中一个专门的功能:
np.array_equal(A,B) # test if same shape, same elements values
np.array_equiv(A,B) # test if broadcastable shape, same elements values
np.allclose(A,B,...) # test if same shape, elements have close enough values
(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。)
现在使用np.array_equal。从文档:
np.array_equal([1, 2], [1, 2])
True
np.array_equal(np.array([1, 2]), np.array([1, 2]))
True
np.array_equal([1, 2], [1, 2, 3])
False
np.array_equal([1, 2], [1, 4])
False
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
