Question

我有一个非常简单的功能，如下所示

def new_price(A, B, x):
    return np.linalg.inv(A @ B) @ x

这些是我给它的输入

A = np.array([
    [2, 0, 1, 0],
    [1, 1, 1, 1],
    [0, 0, 0, 10]
]) 

B = np.array([
    [3, 3, 3],
    [2, 0, 8],
    [0, 5, 3],
    [0, 0, 10] 
])

x = np.array([ 84, 149, 500])

这将返回数组[ 1. 3. 5.]。但是，当我进行以下等式检查时，它会返回False

v1 = new_price(A, B, x)
v2 = np.array([1.0, 3.0, 5.0])
np.array_equal(new_price(A, B, [ 84, 149, 500]), np.array([1.0, 3.0, 5.0]))

我检查了两个阵列的形状和类型是一样的。我在这里缺少什么？

Answer 1

不完全相同：

myExtendedList = myList + myValues

更好地使用>>> new_price(A, B, [ 84, 149, 500]) - np.array([1, 3, 5]) array([ 2.84217094e-14, -1.42108547e-14, 0.00000000e+00])：

np.allclose()

如果两个数组在容差范围内在元素方面相等，则返回True。

您可以调整相对和绝对容差。

对于非常小的值仍然如此：

>>> np.allclose(new_price(A, B, [ 84, 149, 500]), np.array([1.0, 3.0, 5.0]))
True

找到限制：

>>> np.allclose(new_price(A, B, [ 84, 149, 500]), np.array([1.0, 3.0, 5.0]),
                atol=1e-13, rtol=1e-14)
True

numpy.array_equal返回False，即使数组具有相同的形状和值

1 个答案: