关于python：比较两个numpy数组的相等性，逐个元素

Comparing two numpy arrays for equality, element-wise

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

简单地使用==给了我一个布尔数组：

1
2
3

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

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

我是否必须用and这个数组的元素来确定数组是否相等，或者是否有更简单的比较方法？

1	(A==B).all()

测试数组(a==b)的所有值是否为真。

编辑(来自dbaupp的回答和yoavram的评论)

应注意：

在特定情况下，此解决方案可能有一种奇怪的行为：如果A或B为空，而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，因此all运算符返回True。
另一个风险是，如果A和B的形状不相同且不可广播，那么这种方法会产生错误。

总之，我认为我提出的解决方案是标准的，但是如果你对A和B的形状有疑问，或者只是想安全：使用一种专门的功能：

1
2
3

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

号

相关讨论

让我们用下面的代码来度量性能。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

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

1
2
3

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，通过比较numpy方法，最快的方法似乎是numpy.array_equal方法。