Question

我有两个变量r和e，它们都是字典，字符串为键，csr_matrices为值。现在我想断言他们是平等的。我该怎么做？

尝试1：

from scipy.sparse.csr import csr_matrix
import numpy as np

def test_dict_equals(self):
    r = {'a': csr_matrix([[0, 0 ,1], [0, 1, 0], [1, 0, 0]])}
    e = {'a': csr_matrix([[0, 0 ,1], [0, 1, 0], [1, 0, 0]])}
    self.assertDictEqual(r, e)

这不起作用：

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all().

尝试2：

def test_dict_equals(self):
    r = {'a': csr_matrix([[0, 0 ,1.01], [0, 1, 0], [1, 0, 0]])}
    e = {'a': csr_matrix([[0, 0 ,1.01], [0, 1, 0], [1, 0, 0]])}
    self.assertListEqual(r.keys(), e.keys())
    for k in r.keys():
        np.testing.assert_allclose(r[k], e[k])

这也行不通：

AssertionError: First sequence is not a list: dict_keys(['a'])

尝试3：

def test_dict_equals(self):
    r = {'a': csr_matrix([[0, 0 ,1.01], [0, 1, 0], [1, 0, 0]])}
    e = {'a': csr_matrix([[0, 0 ,1.01], [0, 1, 0], [1, 0, 0]])}
    self.assertListEqual(list(r.keys()), list(e.keys()))
    for k in r.keys():
        np.testing.assert_allclose(r[k], e[k])

这也行不通：

TypeError: ufunc 'isinf' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

Answer 1

assertDictEqual函数将调用对象的__eq__方法。在csr_matrix的源代码中，您可以看到没有__eq__方法。

您必须编写csr_matrix的子类，然后执行断言。以下是numpy.ndarray的示例。代码必须类似。

import copy
import numpy
import unittest

class SaneEqualityArray(numpy.ndarray):
    def __eq__(self, other):
        return (isinstance(other, SaneEqualityArray) and
                self.shape == other.shape and
                numpy.ndarray.__eq__(self, other).all())

class TestAsserts(unittest.TestCase):

    def testAssert(self):
        tests = [
            [1, 2],
            {'foo': 2},
            [2, 'foo', {'d': 4}],
            SaneEqualityArray([1, 2]),
            {'foo': {'hey': SaneEqualityArray([2, 3])}},
            [{'foo': SaneEqualityArray([3, 4]), 'd': {'doo': 3}},
             SaneEqualityArray([5, 6]), 34]
        ]
        for t in tests:
            self.assertEqual(t, copy.deepcopy(t))

if __name__ == '__main__':
    unittest.main()

希望它有所帮助。:)

Answer 2

暂时忘掉字典，并专注于比较2个sparse矩阵。它们不是numpy数组，因此您无法直接使用np方法。这就是为什么你的第三次尝试不起作用。

有一个scipy.sparse单元测试目录。我还没有检查过它，但它可能会给你超出我建议的想法。

https://github.com/scipy/scipy/tree/master/scipy/sparse/tests

A=sparse.csr_matrix(np.arange(9).reshape(3,3))
B=sparse.csr_matrix(np.arange(9).reshape(3,3))

它们是不同的对象

id(A)==id(B) # False

他们拥有相同数量的非零

A.nnz == B.nnz  # True - just a comparison of 2 numbers

此稀疏格式的数据包含在3个数组A.data，A.indices，A.indptr中。因此，您可以使用np方法来测试其中一个或多个

np.allclose(A.data, B.data)   # this would also compare dtype

您还可以比较形状等。

较新版本的scipy已经为稀疏矩阵实现了逐元素比较器。 ==已实施但可能会给您一个警告：

SparseEfficiencyWarning：使用==比较稀疏矩阵是低效的，请尝试使用！=而不是。

如果形状匹配，这可能是与稀疏矩阵进行比较的有效方法：

(A!=B).nnz==0

如果形状不匹配，A!=C会返回True

如果它们很小，你可以比较它们的密集等价物：

np.allclose(A.A, B.A)

Python将dict与csr_matrices作为值进行比较

2 个答案: