比较两个NumPy数组是否相等

Question

比较两个NumPy数组是否相等的最简单方法是什么（其中相等定义为：A=B iff，用于所有索引i:A[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)

我必须和这个数组的元素来确定这些数组是否相等，还是有更简单的方法来比较？




Answer 1

如果要检查两个数组是否具有相同的形状和元素，应使用np.array_equal，因为这是文档中推荐的方法。

就性能而言，不要期望任何相等性检查会击败另一个，因为没有太多空间来优化比较两个元素的。为了这个缘故，我还是做了一些测试。

import numpy as np
import timeit

A = np.zeros((300, 300, 3))
B = np.zeros((300, 300, 3))
C = np.ones((300, 300, 3))

timeit.timeit(stmt='(A==B).all()', setup='from __main__ import A, B', number=10**5)
timeit.timeit(stmt='np.array_equal(A, B)', setup='from __main__ import A, B, np', number=10**5)
timeit.timeit(stmt='np.array_equiv(A, B)', setup='from __main__ import A, B, np', number=10**5)
> 51.5094
> 52.555
> 52.761

几乎相等，没必要谈论速度。

（A==B）. all（）的行为与以下代码片段相似：

x = [1,2,3]
y = [1,2,3]
print all([x[i]==y[i] for i in range(len(x))])
> True

Answer 2

（A==B）.all（）解决方案非常简洁，但此任务有一些内置函数。即array_equal，allclose和array_equal。

（尽管使用timeit进行一些快速测试似乎表明（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。）

Answer 3

(A==B).all()

测试数组（A==B）的所有值是否为真。

注意：可能您还需要测试A和B形状，例如A.shape==B.shape

特殊情况和备选方案（摘自dbaupp的回答和yoavram的评论）

应当指出的是：

• 此解决方案在特定情况下可能有奇怪的行为：如果a或B为空，而另一个包含单个元素，则返回True。出于某种原因，比较A==B返回一个空数组，all运算符为其返回True

总之，如果您对a和B形状有疑问，或者只是想安全起见，请使用以下专门功能之一：

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