Question

是否存在一种惯用的方法来比较两个NumPy数组，它们将NaN视为彼此相等（但不等于任何其他而不是NaN）。

例如，我希望以下两个数组相等：

np.array([1.0, np.NAN, 2.0])
np.array([1.0, np.NAN, 2.0])

和以下两个比较不相等的数组：

np.array([1.0, np.NAN, 2.0])
np.array([1.0, 0.0, 2.0])

我正在寻找一种可以产生标量布尔结果的方法。

以下会这样做：

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

但它很笨重，并创建了所有这些中间数组。

有没有一种方法可以让眼睛更容易并且更好地利用记忆？

P.S。如果它有帮助，则已知阵列具有相同的形状和dtype。

Answer 1

如果您真的关心内存使用（例如，有非常大的数组），那么您应该使用numexpr，以下表达式将适合您：

np.all(numexpr.evaluate('(a==b)|((a!=a)&(b!=b))'))

我在长度为3e8的非常大的数组上进行了测试，代码在我的机器上具有相同的性能

np.all(a==b)

并使用相同数量的内存

Answer 2

Numpy 1.10将equal_nan关键字添加到np.allclose（https://docs.scipy.org/doc/numpy/reference/generated/numpy.allclose.html）。

所以你现在可以做到：

In [24]: np.allclose(np.array([1.0, np.NAN, 2.0]), 
                     np.array([1.0, np.NAN, 2.0]), equal_nan=True)
Out[24]: True

Answer 3

免责声明：我不建议将其用于常规用途，我不会自己使用它，但我可以想象它可能有用的罕见情况。

如果阵列具有相同的形状和dtype，您可以考虑使用低级memoryview：

>>> import numpy as np
>>> 
>>> a0 = np.array([1.0, np.NAN, 2.0])
>>> ac = a0 * (1+0j)
>>> b0 = np.array([1.0, np.NAN, 2.0])
>>> b1 = np.array([1.0, np.NAN, 2.0, np.NAN])
>>> c0 = np.array([1.0, 0.0, 2.0])
>>> 
>>> memoryview(a0)
<memory at 0x85ba1bc>
>>> memoryview(a0) == memoryview(a0)
True
>>> memoryview(a0) == memoryview(ac) # equal but different dtype
False
>>> memoryview(a0) == memoryview(b0) # hooray!
True
>>> memoryview(a0) == memoryview(b1)
False
>>> memoryview(a0) == memoryview(c0)
False

但要注意这样的微妙问题：

>>> zp = np.array([0.0])
>>> zm = -1*zp
>>> zp
array([ 0.])
>>> zm
array([-0.])
>>> zp == zm
array([ True], dtype=bool)
>>> memoryview(zp) == memoryview(zm)
False

这是因为二进制表示形式不同，即使它们比较相等（当然，它们必须知道如何打印负号）

>>> memoryview(zp)[0]
'\x00\x00\x00\x00\x00\x00\x00\x00'
>>> memoryview(zm)[0]
'\x00\x00\x00\x00\x00\x00\x00\x80'

从好的方面来说，它会让你希望的方式短路：

In [47]: a0 = np.arange(10**7)*1.0
In [48]: a0[-1] = np.NAN    
In [49]: b0 = np.arange(10**7)*1.0    
In [50]: b0[-1] = np.NAN     
In [51]: timeit memoryview(a0) == memoryview(b0)
10 loops, best of 3: 31.7 ms per loop
In [52]: c0 = np.arange(10**7)*1.0    
In [53]: c0[0] = np.NAN   
In [54]: d0 = np.arange(10**7)*1.0    
In [55]: d0[0] = 0.0    
In [56]: timeit memoryview(c0) == memoryview(d0)
100000 loops, best of 3: 2.51 us per loop

并进行比较：

In [57]: timeit np.all((a0 == b0) | (np.isnan(a0) & np.isnan(b0)))
1 loops, best of 3: 296 ms per loop
In [58]: timeit np.all((c0 == d0) | (np.isnan(c0) & np.isnan(d0)))
1 loops, best of 3: 284 ms per loop

Answer 4

不确定这是否更好，但想到了......

import numpy
class FloatOrNaN(numpy.float_):
    def __eq__(self, other):
        return (numpy.isnan(self) and numpy.isnan(other)) or super(FloatOrNaN,self).__eq__(other)

a = [1., np.nan, 2.]
one = numpy.array([FloatOrNaN(val) for val in a], dtype=object)
two = numpy.array([FloatOrNaN(val) for val in a], dtype=object)
print one == two   # yields  array([ True,  True,  True], dtype=bool)

这将丑陋推入dtype，代价是使内部工作python而不是c（Cython / etc会解决这个问题）。但它确实大大降低了内存成本。

虽然仍然有点难看:(

比较NumPy数组，使NaNs相等

4 个答案: