比较两个numpy数组是否相等，元素方式

131

比较两个numpy数组是否相等（其中相等性定义为：A = B iff所有索引i：A[i] == B[i]）是什么最简单的方法？比较两个numpy数组是否相等，元素方式

只需用==给我一个布尔数组：

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

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

我必须and这个数组的元素，以确定是否数组是相等的，或者是有一个简单的比较方法是什么？

来源

2012-05-14 clstaudt

197

(A==B).all()

测试数组（A == B）的所有值是否为真。

编辑（从dbaupp的答案，并yoavram的评论）

应当注意的是：

这个解决方案可以在一个特定的情况下，一个奇怪的现象：如果任A或B是空的另一个包含单个元素，则返回True。出于某种原因，比较A==B返回一个空数组，all运算符返回True。
另一个风险是，如果A和B不具有相同的形状并且不能广播，则此方法将引发错误。

最后，我提出的解决方案是标准之一，但是我认为，如果你有一个疑问A和B形状或只是要安全：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

来源

2012-05-14 09:37:13

你几乎总是要'np.array_equal' IME。如果A和B具有不同的长度，那么'（A == B）.all（）'将会**。从1.10开始，[==在本例中引发了弃用警告]（https://github.com/numpy/numpy/commit/6bf0e419dc79ea6815557c57b7e9bb504ba20543）。 –

你有一个很好的观点，但是IME我通常会事先知道A和B的形状。我想这取决于上下文，并且我猜的口感。 –

(A==B).all()解决方案非常整洁，但有一些内置的功能用于此任务。即array_equal,allclose和array_equiv。

（尽管随着timeit一些快速的测试似乎表明(A==B).all()方法是最快的，这是一个有点特殊，因为它分配一个全新的阵列。）

来源

2012-05-14 11:00:58 huon

+10

你是对的，除了如果其中一个被比较的数组是空的，你会通过'（A == B）.all（）'得到错误的答案。例如，尝试：'（np.array（[1]）== np.array（[]））。all（）'，它给出'True'，而'np.array_equal（np.array（[1] ），np.array（[]））''false' – yoavram

我刚刚发现了这个性能差异。这很奇怪，因为如果你有两个完全不同的数组，'（a == b）.all（）'仍然比'np.array_equal（a，b）'快（它可能只检查了一个元素并退出）。 –

'np.array_equal'也适用于'数组列表'和'数组的列表'。这可能是性能下降的原因。 – TheEspinosa

让我们用衡量性能以下一段代码。

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)

输出

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

根据以上的结果，所述方法numpy的似乎是比==操作者的组合和所有（）方法和通过快比较numpy方法最快似乎是numpy.array_equal方法。

来源

2016-02-23 13:42:04 funk

您应该使用较大的阵列大小，它需要至少一秒钟才能编译以提高实验的准确性。 –

如果您想检查两个阵列是否有相同的shape和elements您应该使用np.array_equal，因为它是文档中建议的方法。

从性能角度看，不要指望任何平等检查会打败另一个平等检查，因为没有太多空间来优化comparing two elements。为了这个缘故，我仍然做了一些测试。

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

所以几乎相等，没有必要谈速度。

的(A==B).all()行为几乎如下面的代码片段：

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

来源

2018-01-11 22:35:53 user1767754

比较两个numpy数组是否相等，元素方式

回答

相关问题