numpy.isclose#
- numpy.isclose(a, b, rtol=1e-05, atol=1e-08, equal_nan=False)[source]#
返回一个布尔数组,其中两个数组在公差范围内逐元素相等。
容差值是正数,通常是很小的数字。相对差 (rtol * abs(b)) 和绝对差 atol 相加后与 a 和 b 之间的绝对差进行比较。
警告
默认的 atol 不适用于比较大小远小于 1 的数字(参见注释)。
- 参数:
- a, barray_like
要比较的输入数组。
- rtolarray_like
相对容差参数(参见注释)。
- atolarray_like
绝对容差参数(参见注释)。
- equal_nanbool
是否将 NaN 视为相等。如果为 True,则输出数组中 a 中的 NaN 将被视为与 b 中的 NaN 相等。
- 返回:
- yarray_like
返回一个布尔数组,其中 a 和 b 在给定容差范围内相等。如果 a 和 b 都是标量,则返回单个布尔值。
注释
对于有限值,isclose 使用以下等式来测试两个浮点值是否等效。
absolute(a - b) <= (atol + rtol * absolute(b))
与内置的
math.isclose
不同,上述等式在 a 和 b 中不对称——它假设 b 是参考值——因此 isclose(a, b) 可能与 isclose(b, a) 不同。当参考值 b 的大小小于 1 时,atol 的默认值并不合适。例如,
a = 1e-9
和b = 2e-9
不太可能被认为是“接近”的,但是使用默认设置时,isclose(1e-9, 2e-9)
为True
。务必根据实际用例选择 atol,尤其是在定义阈值时,该阈值以下 a 中的非零值将被认为与 b 中的非常小或零值“接近”。isclose
未定义非数值数据类型。为此,bool
被视为数值数据类型。示例
>>> import numpy as np >>> np.isclose([1e10,1e-7], [1.00001e10,1e-8]) array([ True, False])
>>> np.isclose([1e10,1e-8], [1.00001e10,1e-9]) array([ True, True])
>>> np.isclose([1e10,1e-8], [1.0001e10,1e-9]) array([False, True])
>>> np.isclose([1.0, np.nan], [1.0, np.nan]) array([ True, False])
>>> np.isclose([1.0, np.nan], [1.0, np.nan], equal_nan=True) array([ True, True])
>>> np.isclose([1e-8, 1e-7], [0.0, 0.0]) array([ True, False])
>>> np.isclose([1e-100, 1e-7], [0.0, 0.0], atol=0.0) array([False, False])
>>> np.isclose([1e-10, 1e-10], [1e-20, 0.0]) array([ True, True])
>>> np.isclose([1e-10, 1e-10], [1e-20, 0.999999e-10], atol=0.0) array([False, True])