Vergleich zweier NumPy-Arrays auf Gleichheit, elementweise

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]?

Durch einfaches Verwenden ==erhalte ich ein boolesches Array:

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

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

Muss ich anddie Elemente dieses Arrays verwenden, um festzustellen, ob die Arrays gleich sind, oder gibt es eine einfachere Möglichkeit zum Vergleichen?

(A==B).all()

Testen Sie, ob alle Werte des Arrays (A == B) True sind.

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

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

Es sollte erwähnt werden, dass:

• Diese Lösung kann in einem bestimmten Fall ein seltsames Verhalten haben: Wenn entweder Aoder Bleer ist und das andere ein einzelnes Element enthält, wird es zurückgegeben True. Aus irgendeinem Grund gibt der Vergleich A==Bein leeres Array zurück, für das der allOperator zurückgibt True.
• Ein weiteres Risiko ist , wenn Aund Bnicht die gleiche Form hat und nicht sandte, dann wird dieser Ansatz einen Fehler erhöhen.

Zum Schluss, wenn Sie einen Zweifel haben Aund Bwollen Form oder einfach nur um sicher zu sein: Verwendung einer der spezialisierten 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

Die (A==B).all()Lösung ist sehr ordentlich, aber es gibt einige integrierte Funktionen für diese Aufgabe. Nämlich array_equal, allcloseund array_equiv.

(Obwohl einige schnelle Tests mit timeitzu zeigen scheinen, dass die (A==B).all()Methode die schnellste ist, was etwas eigenartig ist, da sie ein ganz neues Array zuweisen muss.)

Lassen Sie uns die Leistung mithilfe des folgenden Codes 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

Gemäß den obigen Ergebnissen scheinen die numpy-Methoden schneller zu sein als die Kombination des == -Operators und der all () -Methode, und durch Vergleichen der numpy-Methoden scheint die numpy.array_equal- Methode die schnellste zu sein .

Wenn Sie überprüfen möchten, ob zwei Arrays dasselbe shapeUND haben elements, sollten Sie diese verwenden, np.array_equalda dies die in der Dokumentation empfohlene Methode ist.

In Bezug auf die Leistung erwarten Sie nicht, dass eine Gleichstellungsprüfung eine andere schlägt, da nicht viel Raum für Optimierungen besteht comparing two elements. Nur um der Sache willen habe ich noch einige Tests gemacht.

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

So ziemlich gleich, dass man nicht über die Geschwindigkeit sprechen muss.

Das (A==B).all()verhält sich so ziemlich wie das folgende Code-Snippet:

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

Normalerweise weisen zwei Arrays einige kleine numerische Fehler auf.

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

Jetzt verwenden np.array_equal. Aus der Dokumentation:

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