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
本页内容