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数字方面不相同,则引发 AssertionError。
注意
建议使用
assert_allclose
、assert_array_almost_equal_nulp
或assert_array_max_ulp
而不是此函数,以获得更一致的浮点比较。给定两个数字,检查它们是否近似相等。近似相等定义为一致的有效数字位数。
- 参数:
- **actual**标量
要检查的对象。
- **desired**标量
预期对象。
- **significant**int,可选
所需的精度,默认为 7。
- **err_msg**str,可选
在发生错误时要打印的错误消息。
- **verbose**bool,可选
如果为 True,则冲突的值将附加到错误消息中。
- 引发:
- AssertionError
如果 actual 和 desired 在指定的精度范围内不相等。
另请参阅
assert_allclose
比较两个 array_like 对象是否相等,并具有所需的相对和/或绝对精度。
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
引发异常的计算条件为
>>> abs(0.12345670e-20/1e-21 - 0.12345672e-20/1e-21) >= 10**-(8-1) True