numpy.testing.assert_approx_equal#

testing.assert_approx_equal(actual, desired, significant=7, err_msg='', verbose=True)[source]#

如果两个项目在有效位数范围内不相等，则引发 AssertionError。

注意

建议使用 assert_allclose、assert_array_almost_equal_nulp 或 assert_array_max_ulp 中的一个，而不是此函数，以获得更一致的浮点比较结果。

给定两个数字，检查它们是否近似相等。近似相等定义为它们之间一致的有效位数。

参数:

actual标量: 要检查的对象。
desired标量: 期望的对象。
significant整数，可选: 所需的精度，默认为 7。
err_msg字符串，可选: 失败时要打印的错误消息。
verbose布尔值，可选: 如果为 True，则会将冲突值附加到错误消息中。

引发:

AssertionError: 如果 actual 和 desired 在指定精度内不相等。

另请参阅

assert_allclose: 比较两个类数组对象，以检查它们是否在所需的相对和/或绝对精度范围内相等。
assert_array_almost_equal_nulp, assert_array_max_ulp, assert_equal

示例

>>> np.testing.assert_approx_equal(0.12345677777777e-20, 0.1234567e-20)
>>> np.testing.assert_approx_equal(0.12345670e-20, 0.12345671e-20,
...                                significant=8)
>>> np.testing.assert_approx_equal(0.12345670e-20, 0.12345672e-20,
...                                significant=8)
Traceback (most recent call last):
    ...
AssertionError:
Items are not equal to 8 significant digits:
 ACTUAL: 1.234567e-21
 DESIRED: 1.2345672e-21

引发异常的评估条件是

>>> abs(0.12345670e-20/1e-21 - 0.12345672e-20/1e-21) >= 10**-(8-1)
True