numpy.testing.assert_array_equal#
- testing.assert_array_equal(actual, desired, err_msg='', verbose=True, *, strict=False)[source]#
如果两个类数组对象不相等,则引发 AssertionError。
给定两个类数组对象,检查形状是否相等,并且这些对象的所有元素都相等(但请参阅“注释”以了解标量的特殊处理)。如果形状不匹配或值冲突,则会引发异常。与 NumPy 中的标准用法相反,NaN 就像数字一样进行比较,如果两个对象在相同位置都有 NaN,则不会引发断言。
建议对使用浮点数验证相等性时通常的注意事项。
注意
当 actual 或 desired 已经是
numpy.ndarray
的实例并且 desired 不是dict
时,assert_equal(actual, desired)
的行为与此函数的行为相同。否则,此函数在比较之前对输入执行 np.asanyarray,而assert_equal
为常见 Python 类型定义了特殊的比较规则。例如,只有assert_equal
可用于比较嵌套的 Python 列表。在新代码中,请考虑仅使用assert_equal
,如果需要assert_array_equal
的行为,则显式地将 actual 或 desired 转换为数组。- 参数:
- actualarray_like
要检查的实际对象。
- desiredarray_like
所需的、期望的对象。
- err_msgstr,可选
如果失败,则打印的错误消息。
- verbosebool,可选
如果为 True,则将冲突的值追加到错误消息中。
- strictbool,可选
如果为 True,则当类数组对象的形状或数据类型不匹配时引发 AssertionError。禁用“注释”部分中提到的标量的特殊处理。
版本 1.24.0 中的新功能。
- 引发:
- AssertionError
如果实际对象和期望对象不相等。
另请参阅
assert_allclose
比较两个类数组对象是否相等,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
注释
当 actual 和 desired 之一为标量,而另一个为类数组时,该函数检查类数组对象的每个元素是否等于标量。可以使用 strict 参数禁用此行为。
示例
第一个断言不会引发异常
>>> np.testing.assert_array_equal([1.0,2.33333,np.nan], ... [np.exp(0),2.33333, np.nan])
使用浮点数时,断言因数值精度问题而失败
>>> np.testing.assert_array_equal([1.0,np.pi,np.nan], ... [1, np.sqrt(np.pi)**2, np.nan]) Traceback (most recent call last): ... AssertionError: Arrays are not equal Mismatched elements: 1 / 3 (33.3%) Max absolute difference among violations: 4.4408921e-16 Max relative difference among violations: 1.41357986e-16 ACTUAL: array([1. , 3.141593, nan]) DESIRED: array([1. , 3.141593, nan])
对于这些情况,请改用
assert_allclose
或其中一个 nulp(浮点数)函数>>> np.testing.assert_allclose([1.0,np.pi,np.nan], ... [1, np.sqrt(np.pi)**2, np.nan], ... rtol=1e-10, atol=0)
如“注释”部分所述,
assert_array_equal
对标量有特殊处理。此处,测试检查 x 中的每个值是否为 3>>> x = np.full((2, 5), fill_value=3) >>> np.testing.assert_array_equal(x, 3)
使用 strict 在比较标量和数组时引发 AssertionError
>>> np.testing.assert_array_equal(x, 3, strict=True) Traceback (most recent call last): ... AssertionError: Arrays are not equal (shapes (2, 5), () mismatch) ACTUAL: array([[3, 3, 3, 3, 3], [3, 3, 3, 3, 3]]) DESIRED: array(3)
strict 参数还确保数组数据类型匹配
>>> x = np.array([2, 2, 2]) >>> y = np.array([2., 2., 2.], dtype=np.float32) >>> np.testing.assert_array_equal(x, y, strict=True) Traceback (most recent call last): ... AssertionError: Arrays are not equal (dtypes int64, float32 mismatch) ACTUAL: array([2, 2, 2]) DESIRED: array([2., 2., 2.], dtype=float32)