numpy.testing.assert_array_almost_equal¶
-
numpy.testing.
assert_array_almost_equal
(x, y, decimal=6, err_msg='', verbose=True)[source]¶ 如果两个对象不等于所需精度,则引发AssertionError。
注意
建议使用
assert_allclose
,assert_array_almost_equal_nulp
或assert_array_max_ulp
之一来代替此函数,以获得更一致的浮点比较。测试验证相同的形状并且用
abs(期望 - 实际) 0.5 * 10 **( - 十进制)
。给定两个array_like对象,检查形状是否相等,并且这些对象的所有元素几乎相等。在形状不匹配或冲突值时引发异常。与numpy中的标准用法相反,NaNs是以数字进行比较的,如果两个对象在相同位置具有NaN,则不会产生断言。
参数: x:array_like
要检查的实际对象。
y:array_like
期望的,期望的对象。
十进制:int,可选
所需的精度,默认为6。
err_msg:str,可选
出现故障时打印的错误消息。
verbose:bool,可选
如果为True,则冲突的值将附加到错误消息。
上升: AssertionError
如果实际和期望的不等于指定的精度。
也可以看看
assert_allclose
- 将两个array_like对象与所需的相对和/或绝对精度进行比较。
assert_array_almost_equal_nulp
,assert_array_max_ulp
,assert_equal
例子
第一个断言不会引发异常
>>> np.testing.assert_array_almost_equal([1.0,2.333,np.nan], [1.0,2.333,np.nan])
>>> np.testing.assert_array_almost_equal([1.0,2.33333,np.nan], ... [1.0,2.33339,np.nan], decimal=5) ... <type 'exceptions.AssertionError'>: AssertionError: Arrays are not almost equal (mismatch 50.0%) x: array([ 1. , 2.33333, NaN]) y: array([ 1. , 2.33339, NaN])
>>> np.testing.assert_array_almost_equal([1.0,2.33333,np.nan], ... [1.0,2.33333, 5], decimal=5) <type 'exceptions.ValueError'>: ValueError: Arrays are not almost equal x: array([ 1. , 2.33333, NaN]) y: array([ 1. , 2.33333, 5. ])