blocks|key|2022580|text|查看numpy.testing中的断言函数，例如|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|2022581|assert_array_equal|2022582|对于浮点数组，相等测试可能会失败，而assert_almost_equal更可靠。|2022583|更新|BOLD|2022584|在几个版本之前，numpy获得了assert_allclose，它现在是我的最爱，因为它允许我们指定绝对和相对误差，并且不需要将小数四舍五入作为接近标准。|2022585|entityMap|0|LINK|mutability|MUTABLE|url|https://numpy.org/doc/stable/reference/routines.testing.html^0|2|D|2|D|0|0|0|I|0|I|J|0|0|2|0|G|F|0^^$0|@$1|2|3|4|5|6|7|W|8|@$9|X|A|Y|B|C]]|D|@$9|Z|A|10|1|11]]|E|$]]|$1|F|3|G|5|6|7|12|8|@$9|13|A|14|B|C]]|D|@]|E|$]]|$1|H|3|I|5|6|7|15|8|@$9|16|A|17|B|C]]|D|@]|E|$]]|$1|J|3|K|5|6|7|18|8|@$9|19|A|1A|B|L]]|D|@]|E|$]]|$1|M|3|N|5|6|7|1B|8|@$9|1C|A|1D|B|C]]|D|@]|E|$]]|$1|O|3|-4|5|6|7|1E|8|@]|D|@]|E|$]]]|P|$Q|$5|R|S|T|E|$U|V]]]]

check out the assert functions in <a href="https://numpy.org/doc/stable/reference/routines.testing.html" rel="noreferrer"><code>numpy.testing</code></a>, e.g.

<code>assert_array_equal</code>

for floating point arrays equality test might fail and <code>assert_almost_equal</code> is more reliable.

update

A few versions ago numpy obtained <code>assert_allclose</code> which is now my favorite since it allows us to specify both absolute and relative error and doesn't require decimal rounding as the closeness criterion.

blocks|key|5550395|text|我觉得(arr1+==+arr2).all()看起来很不错。但是你可以使用：|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|5550396|numpy.allclose(arr1,+arr2)|code-block|syntax|javascript|5550397|但这并不完全一样。|5550398|与您的示例几乎相同的另一种选择是：|5550399|numpy.alltrue(arr1+==+arr2)|5550400|请注意，scipy.array实际上是一个引用numpy.array。这使得查找文档变得更容易。|5550401|entityMap^0|3|K|0|0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|U|8|@$9|V|A|W|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|X|8|@]|D|@]|E|$I|J]]|$1|K|3|L|5|6|7|Y|8|@]|D|@]|E|$]]|$1|M|3|N|5|6|7|Z|8|@]|D|@]|E|$]]|$1|O|3|P|5|H|7|10|8|@]|D|@]|E|$I|J]]|$1|Q|3|R|5|6|7|11|8|@]|D|@]|E|$]]|$1|S|3|-4|5|6|7|12|8|@]|D|@]|E|$]]]|T|$]]

I think <code>(arr1 == arr2).all()</code> looks pretty nice. But you could use:

<pre><code>numpy.allclose(arr1, arr2)
</code></pre>

but it's not quite the same. 

An alternative, almost the same as your example is:

<pre><code>numpy.alltrue(arr1 == arr2)
</code></pre>

Note that scipy.array is actually a reference numpy.array. That makes it easier to find the documentation.

blocks|key|2022608|text|我发现使用self.assertEqual(arr1.tolist(),+arr2.tolist())是比较数组和unittest最简单的方法。|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|2022609|我同意这不是最好的解决方案，它可能也不是最快的，但它可能与您的其余测试用例更一致，您可以获得所有单元测试错误描述，并且它真的很容易实现。|2022610|entityMap^0|5|1A|0|0^^$0|@$1|2|3|4|5|6|7|J|8|@$9|K|A|L|B|C]]|D|@]|E|$]]|$1|F|3|G|5|6|7|M|8|@]|D|@]|E|$]]|$1|H|3|-4|5|6|7|N|8|@]|D|@]|E|$]]]|I|$]]

I find that using
<code>self.assertEqual(arr1.tolist(), arr2.tolist())</code>
is the easiest way of comparing arrays with unittest.

I agree it's not the prettiest solution and it's probably not the fastest but it's probably more uniform with the rest of your test cases, you get all the unittest error description and it's really simple to implement.

blocks|key|1628154|text|从Python3.2开始，你可以使用assertSequenceEqual(array1.tolist(),+array2.tolist())。|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|1628155|这有一个附加的价值，它显示了数组不同的确切项。|1628156|entityMap^0|I|1H|0|0^^$0|@$1|2|3|4|5|6|7|J|8|@$9|K|A|L|B|C]]|D|@]|E|$]]|$1|F|3|G|5|6|7|M|8|@]|D|@]|E|$]]|$1|H|3|-4|5|6|7|N|8|@]|D|@]|E|$]]]|I|$]]

Since Python 3.2 you can use <code>assertSequenceEqual(array1.tolist(), array2.tolist())</code>.

This has the added value of showing you the exact items in which the arrays differ.

blocks|key|2022647|text|在我的测试中，我使用了以下代码：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|2022648|numpy.testing.assert_array_equal(arr1,+arr2)|code-block|syntax|javascript|2022649|entityMap^0|0|0^^$0|@$1|2|3|4|5|6|7|I|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|J|8|@]|9|@]|A|$E|F]]|$1|G|3|-4|5|6|7|K|8|@]|9|@]|A|$]]]|H|$]]

In my tests I use this:
<pre><code>numpy.testing.assert_array_equal(arr1, arr2)
</code></pre>

blocks|key|5550519|text|self.assertTrue(np.array_equal(x,+y,+equal_nan=True))|type|code-block|depth|inlineStyleRanges|entityRanges|data|syntax|javascript|5550520|如果您希望np.nan+==+np.nan返回True，则返回equal_nan+=+True|unstyled|offset|length|style|CODE|5550521|或者，您可以使用numpy.allclose与torelance进行比较。|5550522|entityMap|0|LINK|mutability|MUTABLE|url|https://numpy.org/doc/stable/reference/generated/numpy.allclose.html^0|0|5|G|N|4|V|G|0|8|E|0|0^^$0|@$1|2|3|4|5|6|7|U|8|@]|9|@]|A|$B|C]]|$1|D|3|E|5|F|7|V|8|@$G|W|H|X|I|J]|$G|Y|H|Z|I|J]|$G|10|H|11|I|J]]|9|@]|A|$]]|$1|K|3|L|5|F|7|12|8|@]|9|@$G|13|H|14|1|15]]|A|$]]|$1|M|3|-4|5|F|7|16|8|@]|9|@]|A|$]]]|N|$O|$5|P|Q|R|A|$S|T]]]]

<pre><code>self.assertTrue(np.array_equal(x, y, equal_nan=True))
</code></pre>
<code>equal_nan = True</code> if you want to <code>np.nan == np.nan</code> returns <code>True</code>
or you can use <a href="https://numpy.org/doc/stable/reference/generated/numpy.allclose.html" rel="nofollow noreferrer">numpy.allclose</a> to compare with torelance.

blocks|key|1631624|text|np.linalg.norm(arr1+-+arr2)+<+1e-6|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|1631625|entityMap^0|0|Y|0^^$0|@$1|2|3|4|5|6|7|H|8|@$9|I|A|J|B|C]]|D|@]|E|$]]|$1|F|3|-4|5|6|7|K|8|@]|D|@]|E|$]]]|G|$]]

<code>np.linalg.norm(arr1 - arr2) &lt; 1e-6</code>

blocks|key|2022655|text|使用numpy|type|unstyled|depth|inlineStyleRanges|entityRanges|data|2022656|numpy.array_equal(a,+b)|code-block|syntax|javascript|2022657|entityMap^0|0|0^^$0|@$1|2|3|4|5|6|7|I|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|J|8|@]|9|@]|A|$E|F]]|$1|G|3|-4|5|6|7|K|8|@]|9|@]|A|$]]]|H|$]]

Use numpy
<pre><code>numpy.array_equal(a, b)
</code></pre>

I want to make some unit-tests for my app, and I need to compare two arrays. Since <code>array.__eq__</code> returns a new array (so <code>TestCase.assertEqual</code> fails), what is the best way to assert for equality?

Currently I'm using

<pre><code>self.assertTrue((arr1 == arr2).all())
</code></pre>

but I don't really like it

Best way to assert for numpy.array equality?

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

我想为我的应用程序做一些单元测试，并且我需要比较两个数组。既然array.__eq__返回一个新的数组(所以TestCase.assertEqual会失败)，那么断言相等的最佳方式是什么？目前我使用的是self.assertTrue((arr1 == arr2).all())但我真的不喜欢

问断言numpy.array平等的最佳方式是什么？
EN

回答 8

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问断言numpy.array平等的最佳方式是什么？EN

回答 8

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问断言numpy.array平等的最佳方式是什么？
EN