Vergleich zweier NumPy-Arrays auf Gleichheit, elementweise

Question

Was ist der einfachste Weg, um zwei NumPy-Arrays auf Gleichheit zu vergleichen (wobei Gleichheit definiert ist als: A = B iff für alle Indizes i: A[i] == B[i] )?

Einfach mit == gibt mir ein boolesches Array:

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

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

Muss ich die and die Elemente dieses Arrays, um festzustellen, ob die Arrays gleich sind, oder gibt es einen einfacheren Weg, um zu vergleichen?

Answer 1

(A==B).all()

prüfen, ob alle Werte der Matrix (A==B) wahr sind.

Hinweis: Vielleicht möchten Sie auch die A- und B-Form testen, z. B. A.shape == B.shape

Sonderfälle und Alternativen (aus der Antwort von dbaupp und dem Kommentar von yoavram)

Es sollte beachtet werden, dass:

• kann diese Lösung in einem bestimmten Fall ein merkwürdiges Verhalten aufweisen: wenn entweder A o B leer ist und das andere ein einziges Element enthält, dann gibt es True . Aus irgendeinem Grund ist der Vergleich A==B gibt ein leeres Array zurück, für das die all Operator kehrt zurück True .
• Ein weiteres Risiko besteht darin, dass A y B nicht die gleiche Form haben und nicht übertragbar sind, führt dieser Ansatz zu einem Fehler.

Zusammenfassend lässt sich sagen, dass Sie, wenn Sie Zweifel haben an A y B Form oder wollen Sie einfach nur sicher sein: Verwenden Sie eine der speziellen Funktionen:

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

En (A==B).all() Lösung ist sehr übersichtlich, aber es gibt einige integrierte Funktionen für diese Aufgabe. Nämlich array_equal , allclose y array_equiv .

(Obwohl einige schnelle Tests mit timeit scheint darauf hinzudeuten, dass die (A==B).all() Methode ist die schnellste, was ein wenig seltsam ist, da sie ein ganzes neues Array zuweisen muss).

Answer 3

Wenn Sie prüfen wollen, ob zwei Arrays die gleiche shape UND elements sollten Sie np.array_equal da dies die in der Dokumentation empfohlene Methode ist.

Erwarten Sie nicht, dass eine Gleichheitsprüfung eine andere übertrifft, da es nicht viel Spielraum für Optimierungen gibt. comparing two elements . Nur um der Sache willen habe ich noch einige Tests durchgeführt.

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

Also ziemlich gleich, kein Grund, über die Geschwindigkeit zu reden.

En (A==B).all() verhält sich in etwa wie der folgende Codeschnipsel:

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

Answer 4

Lassen Sie uns die Leistung mit dem folgenden Code-Stück messen.

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)

Ausgabe

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

Nach den obigen Ergebnissen scheinen die Numpy-Methoden schneller zu sein als die Kombination der \== all() Methode und durch den Vergleich der Numpy-Methoden die schnellste einer scheint derjenige zu sein numpy.array_equal Methode.

Answer 5

Normalerweise haben zwei Arrays einige kleine numerische Fehler,

Sie können verwenden numpy.allclose(A,B) anstelle von (A==B).all() . Dies gibt ein bool True/False zurück