Membandingkan dua array NumPy untuk kesetaraan, elemen-bijaksana

Apa cara paling sederhana untuk membandingkan dua array NumPy untuk kesetaraan (di mana kesetaraan didefinisikan sebagai: A = B iff untuk semua indeks i:) A[i] == B[i]?

Cukup menggunakan ==memberi saya array boolean:

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

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

Apakah saya harus andelemen array ini untuk menentukan apakah array sama, atau apakah ada cara yang lebih sederhana untuk membandingkan?

(A==B).all()

uji apakah semua nilai array (A == B) Benar.

Catatan: mungkin Anda juga ingin menguji bentuk A dan B, seperti A.shape == B.shape

Kasus dan alternatif khusus (dari jawaban dbaupp dan komentar yoavram)

Perlu dicatat bahwa:

• solusi ini dapat memiliki perilaku aneh dalam kasus tertentu: jika salah satu Aatau Bkosong dan yang lain berisi elemen tunggal, maka ia kembali True. Untuk beberapa alasan, perbandingan A==Bmengembalikan array kosong, yang alldikembalikan operator True.
• Risiko lain adalah jika Adan Btidak memiliki bentuk yang sama dan tidak dapat disiarkan, maka pendekatan ini akan menimbulkan kesalahan.

Kesimpulannya, jika Anda memiliki keraguan tentang Adan Bbentuk atau hanya ingin aman: gunakan salah satu fungsi khusus:

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

The (A==B).all()solusi adalah sangat rapi, tetapi ada beberapa fungsi built-in untuk tugas ini. Yaitu array_equal, allclosedan array_equiv.

(Meskipun, beberapa pengujian cepat dengan timeittampaknya menunjukkan bahwa (A==B).all()metode ini adalah yang tercepat, yang agak aneh, mengingat harus mengalokasikan array yang sama sekali baru.)

Mari kita mengukur kinerja dengan menggunakan potongan kode berikut.

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)

Keluaran

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

Menurut hasil di atas, metode numpy tampaknya lebih cepat daripada kombinasi dari operator == dan metode all () dan dengan membandingkan metode numpy , yang tercepat tampaknya adalah metode numpy.array_equal .

Jika Anda ingin memeriksa apakah dua array memiliki shapeAND yang sama, elementsAnda harus menggunakannya np.array_equalkarena metode ini direkomendasikan dalam dokumentasi.

Dari segi kinerja jangan berharap bahwa pemeriksaan kesetaraan akan mengalahkan yang lain, karena tidak ada banyak ruang untuk dioptimalkan comparing two elements. Demi Tuhan, saya masih melakukan beberapa tes.

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

Jadi hampir sama, tidak perlu berbicara tentang kecepatan.

The (A==B).all()berperilaku cukup banyak seperti potongan kode berikut:

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

Biasanya dua array akan memiliki beberapa kesalahan numerik kecil,

Anda bisa menggunakan numpy.allclose(A,B), alih-alih (A==B).all(). Ini mengembalikan bool Benar / Salah

Sekarang gunakan np.array_equal. Dari dokumentasi:

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