Beste Weg, um zu behaupten, für numpy.array Gleichheit?

Möchte ich einige unit-tests für meine app, und ich brauche, um zu vergleichen, zwei arrays. Da array.__eq__ gibt ein neues array zurück (so TestCase.assertEqual ausfällt), was ist der beste Weg, um zu behaupten, für die Gleichheit?

Derzeit bin ich mit

self.assertTrue((arr1 == arr2).all())

aber ich weiß nicht wirklich, wie es

InformationsquelleAutor maker | 2010-07-21
  1. 99

    check-out die assert-Funktionen in numpy.testing, z.B.

    assert_array_equal

    für floating-point-arrays Gleichheit test möglicherweise fehl, und assert_almost_equal ist zuverlässiger.

    update

    Ein paar Versionen her numpy erhalten assert_allclose das ist jetzt mein Favorit, da es erlaubt uns, geben Sie sowohl den absoluten und relativen Fehler und erfordert keine Dezimalstellen mit Rundung der Nähe-Kriterium.

    • Wie funktioniert das interagieren mit unittest? Ich denke, dass einige Worte in der Sache sinnvoll wäre.
    • Ich benutze nie den unittest. Jedoch, es funktioniert sehr gut mit nosetests die numpy, scipy und statsmodels. Verwenden Sie einfach die Bestätigungen innerhalb einer test-Funktion oder-Methode.
    • Dies bedeutet nicht, stellen Sie sicher, dass die beiden Argumente sind beide numpy-arrays. Zum Beispiel würde es gelingen, auf einem array und einer Liste. Für die Prüfung, könnte es nützlich sein, zu überprüfen, ob diese tatsächlich sind arrays, aber ich denke, es erfordern würde, um manuell überprüfen?
    • Nein, tut es nicht. Wir benutzen es nur, um zu überprüfen, zahlen einige Funktionen, die Skalare zurückgeben oder Tupel oder numpy-arrays oder pandas-Serie. Wenn wir überprüfen wollen, auch die Klasse oder die dtype, dann tun wir so getrennt. Pandas hat auch assert-Funktion, die auch überprüfen, dass der index-und Spalten-Namen sind, wie erwartet, die, AFAIK, verwenden Sie die numpy geltend machen, um zu überprüfen, die numerische Werte und vielleicht assert_equal für andere dtypes.
    • assert_allclose scheint schön zu spielen mit unittest 🙂
    InformationsquelleAutor Josef
  2. 21

    Ich denke (arr1 == arr2).all() sieht ziemlich nett. Aber man könnte:

    numpy.allclose(arr1, arr2)

    aber es ist nicht ganz das gleiche.

    Alternative, fast das gleiche wie dein Beispiel:

    numpy.alltrue(arr1 == arr2)

    Beachten Sie, dass scipy.array ist eigentlich ein Verweis numpy.array. Das macht es leichter zu finden in der Dokumentation.

    InformationsquelleAutor SiggyF
  3. 15

    Finde ich, dass
    self.assertEqual(arr1.tolist(), arr2.tolist())
    ist der einfachste Weg der Vergleich von arrays mit unittest.

    Ich Zustimmen, dass es nicht die schönste Lösung, und es ist wahrscheinlich nicht die Schnellste, aber es ist wahrscheinlich mehr einheitlich mit dem rest Ihrer Testfälle, erhalten Sie alle das unittest-Fehler Beschreibung und es ist wirklich einfach zu implementieren.

    InformationsquelleAutor asimoneau
  4. 5

    Da Python 3.2 können Sie assertSequenceEqual(array1.tolist(), array2.tolist()).

    Dies hat den zusätzlichen Wert zeigt Ihnen die genaue Elemente, in denen die arrays unterscheiden.

    • Leider, es funktioniert nicht gut, wenn arrays float geben. Brauchen wir wirklich assertSequenceAlmostEqual
    InformationsquelleAutor HagaiH
  5. 2

    In meinen tests verwende ich diese:

    try:
    numpy.testing.assert_array_equal(arr1, arr2)
    res = True
except AssertionError as err:
    res = False
    print (err)
self.assertTrue(res)
    InformationsquelleAutor Edo user1419293
  6. 0

    np.linalg.norm(arr1 - arr2) < 1e-6

    • Bitte fügen Sie einige Kontext
    InformationsquelleAutor schiebermc
Schreibe einen Kommentar