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

actualdesired 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 actualdesired 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_nulpassert_array_max_ulpassert_equal

注释

actualdesired 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)