So sánh hai mảng NumPy cho sự bình đẳng, yếu tố khôn ngoan

Cách đơn giản nhất để so sánh hai mảng NumPy cho đẳng thức (trong đó đẳng thức được định nghĩa là: A = B iff cho tất cả các chỉ số i A[i] == B[i]:)?

Đơn giản chỉ cần sử dụng ==cung cấp cho tôi một mảng boolean:

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

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

Tôi có phải andcác yếu tố của mảng này để xác định xem các mảng có bằng nhau không, hoặc có cách nào đơn giản hơn để so sánh không?

(A==B).all()

kiểm tra xem tất cả các giá trị của mảng (A == B) có đúng không.

Lưu ý: có thể bạn cũng muốn kiểm tra hình dạng A và B, chẳng hạn như A.shape == B.shape

Các trường hợp đặc biệt và giải pháp thay thế (từ câu trả lời của dbaupp và bình luận của yoavram)

Cần lưu ý rằng:

• giải pháp này có thể có một hành vi lạ trong một trường hợp cụ thể: nếu một Ahoặc Btrống và một phần tử khác chứa một phần tử duy nhất, thì nó sẽ trả về True. Vì một số lý do, phép so sánh A==Btrả về một mảng trống mà alltoán tử trả về True.
• Một rủi ro khác là nếu Avà Bkhông có hình dạng giống nhau và không thể phát sóng được, thì phương pháp này sẽ gây ra lỗi.

Tóm lại, nếu bạn nghi ngờ Avà Bđịnh hình hoặc đơn giản là muốn an toàn: sử dụng một trong các chức năng chuyên biệt:

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

Các (A==B).all()giải pháp rất gọn gàng, nhưng có một số tích hợp chức năng cho nhiệm vụ này. Cụ thể array_equal, allclosevà array_equiv.

(Mặc dù, một số thử nghiệm nhanh timeitdường như chỉ ra rằng (A==B).all()phương pháp này là nhanh nhất, có một chút đặc biệt, do nó phải phân bổ một mảng hoàn toàn mới.)

Hãy đo hiệu suất bằng cách sử dụng đoạn mã sau.

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)

Đầu ra

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

Theo các kết quả ở trên, các phương thức numpy dường như nhanh hơn sự kết hợp của toán tử == và phương thức all () và bằng cách so sánh các phương thức numpy, phương thức nhanh nhất dường như là phương thức numpy.array_equal .

Nếu bạn muốn kiểm tra xem hai mảng có giống nhau shapeVÀ elementsbạn nên sử dụng np.array_equalvì đó là phương pháp được đề xuất trong tài liệu.

Hiệu suất khôn ngoan không hy vọng rằng bất kỳ kiểm tra bình đẳng sẽ đánh bại người khác, vì không có nhiều chỗ để tối ưu hóa comparing two elements. Chỉ vì lợi ích, tôi vẫn làm một số xét nghiệm.

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

Vì vậy, khá nhiều bằng nhau, không cần phải nói về tốc độ.

Các (A==B).all()hành vi khá nhiều như đoạn mã sau:

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

Thông thường hai mảng sẽ có một số lỗi số nhỏ,

Bạn có thể sử dụng numpy.allclose(A,B), thay vì (A==B).all(). Điều này trả về một bool Đúng / Sai

Bây giờ sử dụng np.array_equal. Từ tài liệu:

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