numpy.testing.assert_array_equal¶
-
numpy.testing.
assert_array_equal
(x, y, err_msg='', verbose=True)[source]¶ 如果两个array_like对象不相等,则引发AssertionError。
给定两个array_like对象,检查形状是否相等,这些对象的所有元素是否相等。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。
建议用于验证与浮点数的等同性的通常警告。
参数: x:array_like
要检查的实际对象。
y:array_like
期望的,期望的对象。
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
如果实际和所需对象不相等。
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_equal([1.0,2.33333,np.nan], ... [np.exp(0),2.33333, np.nan])
Assert失败,数值不准确,带有浮点数:
>>> np.testing.assert_array_equal([1.0,np.pi,np.nan], ... [1, np.sqrt(np.pi)**2, np.nan]) ... <type 'exceptions.ValueError'>: AssertionError: Arrays are not equal (mismatch 50.0%) x: array([ 1. , 3.14159265, NaN]) y: array([ 1. , 3.14159265, NaN])
对于这些情况,请使用
assert_allclose
或其中一个nulp(浮点值数量)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)