Сравнение двух массивов numpy для равенства, по элементам
Каков самый простой способ сравнить два массива numpy для равенства (где равенство определено как: A = B iff для всех индексов i: A[i] == B[i] )?
Просто использование == дает мне логический массив:
- Обновить метку элемента меню tkinter?
- Альтернатива urllib.urlretrieve в Python 3.5
- сравнение строки в столбце и создание соответствующего нового столбца в python
- Как перевести этот код с Python 2.7 на Python 3.5, чтобы исправить -> AttributeError: объект '_io.TextIOWrapper' не имеет атрибута 'next'
- Использование нескольких версий Python
>>> numpy.array([1,1,1]) == numpy.array([1,1,1]) array([ True, True, True], dtype=bool)
Нужно ли мне and элементам этого массива определить, равны ли массивы, или есть более простой способ сравнения?
- Что такое атрибут AttributeError в этом коде? Патрон 3.4
- Python 3: Изменить значения по умолчанию для параметров существующей функции?
- Исключения для исключения Python
- Рекурсивный параболический треугольник
- Аргументы метакласса для Python 3.x
- Объединение нескольких фреймов данных с уникальными индексами
- Python matplotlib группировка значений оси x
- Что эквивалентно imp.find_module в importlib
3 Solutions collect form web for “Сравнение двух массивов numpy для равенства, по элементам”
(A==B).all()
если все значения массива (A == B) равны True.
Изменить (из ответа dbaupp и комментария yoavram)
Необходимо отметить, что:
- это решение может иметь странное поведение в конкретном случае: если
AилиBпуст, а другой содержит один элемент, то он возвращаетTrue. По какой-то причине сравнениеA==Bвозвращает пустой массив, для которого операторallвозвращаетTrue. - Другой риск заключается в том, что если
AиBне имеют одинаковой формы и не транслируются, тогда этот подход вызовет ошибку.
В заключение, решение, которое я предложил, является стандартным, я думаю, но если у вас есть сомнения относительно формы A и B или вы просто хотите быть в безопасности: используйте одну 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 аккуратно, но для этой задачи есть встроенные функции. А именно array_equal , allclose и array_equiv .
(Хотя некоторые быстрые тесты с использованием timeit похоже, указывают на то, что метод (A==B).all() является самым быстрым, что немного странно, поскольку ему нужно выделить целый новый массив.)
Оценим 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 вышеизложенным результатам, методы numpy кажутся быстрее, чем комбинация оператора == и метода all (), и, сравнивая методы numpy, самым быстрым из них является метод numpy.array_equal .