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表示所有索引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and此数组的元素来确定数组是否相等，还是有更简单的比较方式？

Answer 1

(A==B).all()

测试数组的所有值（A == B）是否为真。

编辑（来自dbaupp的回答和yoavram的评论）

应该注意：

此解决方案在特定情况下可能会出现奇怪的行为：如果A或B为空且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运算符返回True。
另一个风险是，如果A和B形状不同且无法播放，则此方法会引发错误。

总之，我认为我提出的解决方案是标准解决方案，但是如果您对A和B形状有疑问或只是想要安全：使用其中一个专用函数：

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

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_equiv。

（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

让我们使用以下代码测量性能。

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)

<强>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（）方法的组合以及通过比较numpy方法更快最快的似乎是 numpy.array_equal 方法。

Answer 4

如果要检查两个数组是否具有相同的shape和elements，则应使用np.array_equal，因为这是文档中建议的方法。

在性能方面，不要指望任何相等检查会击败另一个，因为优化comparing two elements的空间不大。只是为了这个缘故，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

非常平等，不需要谈论速度。

(A==B).all()的行为与以下代码段完全相同：

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

Answer 5

通常两个数组会有一些小的数字错误，

您可以使用numpy.allclose(A,B)代替(A==B).all()。这会返回布尔值True / False

Answer 6

现在使用np.array_equal。来自文档：

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

Answer 7

在其他答案之上，您现在可以使用断言：

numpy.testing.assert_array_equal(x, y)

你也有类似的功能比如numpy.testing.assert_almost_equal()

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

比较两个numpy数组的相等性，逐个元素

7 个答案: