Сравнение двух массивов NumPy на равенство, поэлементно

(A==B).all()

проверьте, все ли значения массива (A == B) верны.

Примечание: возможно, вы также захотите протестировать формы A и B, например A.shape == B.shape

Особые случаи и альтернативы (из ответа dbaupp и комментария yoavram)

Необходимо отметить, что:

• это решение может иметь странное поведение в конкретном случае: если либо A, либо B пусто, а другое содержит единственный элемент, оно возвращает True. По какой-то причине сравнение A==B возвращает пустой массив, для которого оператор all возвращает True.
• Другой риск заключается в том, что если A и B не имеют одинаковой формы и не транслируются, этот подход вызовет ошибку.

В заключение, если вы сомневаетесь в форме A и B или просто хотите обезопасить себя: воспользуйтесь одной из специализированных функций:

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

Решение (A==B).all() очень изящное, но для этой задачи есть несколько встроенных функций. А именно array_equal, _ 3_ и _ 4_.

(Хотя некоторые быстрые тесты с timeit, похоже, указывают на то, что метод (A==B).all() является самым быстрым, что немного странно, учитывая, что он должен выделить целый новый массив.)

Если вы хотите проверить, имеют ли два массива одинаковые shape И elements, вы должны использовать np.array_equal, поскольку это метод, рекомендованный в документации.

С точки зрения производительности не ожидайте, что одна проверка на равенство превзойдет другую, поскольку для оптимизации comparing two elements не так много места. Ради интереса я еще сделал несколько тестов.

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

Так что почти равные, о скорости говорить не приходится.

(A==B).all() ведет себя примерно так же, как следующий фрагмент кода:

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

Давайте измерим производительность, используя следующий фрагмент кода.

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)

Вывод

Method: (A==B).all(),        0.03031857
Method: np.array_equal(A,B), 0.030025185
Method: np.array_equiv(A,B), 0.030141515

Согласно приведенным выше результатам, методы numpy кажутся быстрее, чем комбинация оператора == и метода all (), и при сравнении методов numpy самый быстрый - это метод numpy.array_equal.

Обычно два массива имеют небольшие числовые ошибки,

Вы можете использовать numpy.allclose(A,B) вместо (A==B).all(). Это возвращает логическое значение True / False

Теперь используйте np.array_equal. Из документации:

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

В дополнение к другим ответам теперь вы можете использовать утверждение:

numpy.testing.assert_array_equal(x, y)

У вас также есть похожая функция, например numpy.testing.assert_almost_equal()

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