Question

对于我的unittest，我想检查两个数组是否相同。简化示例：

a = np.array([1, 2, np.NaN])
b = np.array([1, 2, np.NaN])
if np.all(a==b):
    print 'arrays are equal'

这不起作用，因为nan！= nan。最好的方法是什么？

提前致谢。

Answer 1

我不确定这是最好的方式，但它是 a 方式：

>>> ((a == b) | (numpy.isnan(a) & numpy.isnan(b))).all()
True

Answer 2

或者，您可以numpy.testing.assert_equal使用numpy.testing.assert_array_equal或{{3}}：

try/except

修改

由于您正在使用它进行单元测试，因此裸In : import numpy as np In : def nan_equal(a,b): ...: try: ...: np.testing.assert_equal(a,b) ...: except AssertionError: ...: return False ...: return True In : a=np.array([1, 2, np.NaN]) In : b=np.array([1, 2, np.NaN]) In : nan_equal(a,b) Out: True In : a=np.array([1, 2, np.NaN]) In : b=np.array([3, 2, np.NaN]) In : nan_equal(a,b) Out: False（而不是将其包装为获取assert）可能更自然。

Answer 3

最简单的方法是使用numpy.allclose()方法，该方法允许在具有nan值时指定行为。然后您的示例将如下所示：

a = np.array([1, 2, np.nan])
b = np.array([1, 2, np.nan])

if np.allclose(a, b, equal_nan=True):
    print 'arrays are equal'

然后会打印arrays are equal。

您可以找到here相关文档

Answer 4

您可以使用numpy蒙面数组，屏蔽NaN值，然后使用numpy.ma.all或numpy.ma.allclose：

http://docs.scipy.org/doc/numpy/reference/generated/numpy.ma.all.html

http://docs.scipy.org/doc/numpy/reference/generated/numpy.ma.allclose.html

例如：

a=np.array([1, 2, np.NaN])
b=np.array([1, 2, np.NaN])
np.ma.all(np.ma.masked_invalid(a) == np.ma.masked_invalid(b)) #True

Answer 5

当我使用上述答案时：

 ((a == b) | (numpy.isnan(a) & numpy.isnan(b))).all()

在评估字符串列表时，它给了我一些错误。

这是更通用的类型：

def EQUAL(a,b):
    return ((a == b) | ((a != a) & (b != b)))

Answer 6

只需完成@Luis Albert Centeno’s answer，您就可以使用：

np.allclose(a, b, rtol=0, atol=0, equal_nan=True)

rtol和atol控制相等性测试的容差。简而言之，allclose()返回：

all(abs(a - b) <= atol + rtol * abs(b))

默认情况下，它们未设置为0，因此如果您的数字接近但不完全相等，则该函数可能返回True。

PS：“我要检查两个数组是否相同。 “ >> 实际上，您正在寻找的是平等，而不是身份。它们在Python中并不相同，我认为每个人最好理解它们之间的差异，以便共享相同的词典。（https://www.blog.pythonlibrary.org/2017/02/28/python-101-equality-vs-identity/）

您将通过关键字is测试身份：

a is b

Answer 7

如果您是针对单元测试之类的东西这样做的，那么您就不必太在意所有类型的性能和“正确”行为，可以使用此来使某些东西起作用所有类型的数组，而不仅仅是数字：

a = np.array(['a', 'b', None])
b = np.array(['a', 'b', None])
assert list(a) == list(b)

将ndarray投射到list s 有时对于在某些测试中获得所需的行为很有用。（但是请不要在生产代码或更大的数组中使用它！）

Answer 8

numpy函数array_equal非常适合问题的要求。当被问到时，它很可能不存在。该示例如下所示：

a = np.array([1, 2, np.NaN])
b = np.array([1, 2, np.NaN])
assert np.array_equal(a, b, equal_nan=True)

Answer 9

从 v1.9 开始，numpy 的 array_equal 函数支持 equal_nan 参数：

assert np.array_equal(a, b, equal_nan=True)

Answer 10

对我来说这很好用：

a = numpy.array(float('nan'), 1, 2)
b = numpy.array(2, float('nan'), 2)
numpy.equal(a, b, where = 
    numpy.logical_not(numpy.logical_or(
        numpy.isnan(a), 
        numpy.isnan(b)
    ))
).all()

附注。有 nan 时忽略比较

比较含有NaN的numpy数组

10 个答案: