比较两个numpy数组的相等性,逐个元素

Question

比较两个numpy数组是否相等的最简单的方法是什么(其中相等定义为:对于所有索引i,A = B iff A[i] == B[i])？

简单地使用==给我一个布尔数组:

 >>> numpy.array([1,1,1]) == numpy.array([1,1,1])

array([ True,  True,  True], dtype=bool)

我是否必须and使用此数组的元素来确定数组是否相等,还是有更简单的比较方法？

Answer 1

(A==B).all()

测试数组(A == B)的所有值是否为True.

编辑(来自dbaupp的回答和yoavram的评论)

应当指出的是:

• 在特定情况下,此解决方案可能具有奇怪的行为:如果其中一个A.shape == B.shape或A为空而另一个包含单个元素,则返回B.由于某种原因,比较True返回一个空数组,A==B运算符返回该数组all.
• 另一个风险是,如果True和A不具有相同的形状并且不可播放,那么这种方法将引发错误.

最后,我提出的解决方案是标准之一,但是我认为,如果你有一个关于怀疑B和A形状或只是想安全:使用专门的功能之一:

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

Answer 2

该(A==B).all()解决方案是很整齐,但也有完成这个任务的一些内置的功能.即array_equal,allclose和array_equiv.

(虽然,一些快速测试timeit似乎表明该(A==B).all()方法是最快的,这有点奇怪,因为它必须分配一个全新的数组.)

Answer 3

让我们使用下面的代码测量性能.

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)

产量

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

根据上面的结果,numpy方法似乎比==运算符和all()方法的组合更快,并且通过比较numpy方法,最快的方法似乎是numpy.array_equal方法.

Answer 4

如果要检查两个阵列是否具有相同的shapeAND elements,则应使用np.array_equal文档中建议的方法.

性能方面并不期望任何平等检查会击败另一个,因为没有太多优化空间comparing two elements.只是为了这个缘故,我还是做了一些测试.

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

所以非常平等,不需要谈论速度.

其(A==B).all()行为与以下代码片段相似:

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

Answer 5

通常两个数组会有一些小的数值误差，

您可以使用numpy.allclose(A,B), 而不是(A==B).all()。这将返回一个布尔值 True/False

Answer 6

现在使用np.array_equal. 来自文档：

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