numpy.testing.assert_array_equal

numpy.testing.assert_array_equal(x, y, err_msg='', verbose=True)

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)