요소 별 동일성을 위해 두 개의 NumPy 배열 비교 제공됩니다. >>> numpy.array([1,1,1])

두 NumPy 배열이 같은지 비교하는 가장 간단한 방법은 무엇입니까 A[i] == B[i]?

간단히 사용 ==하면 부울 배열이 제공됩니다.

 >>> numpy.array([1,1,1]) == numpy.array([1,1,1])

array([ True,  True,  True], dtype=bool)

and배열이 같은지 또는 비교할 수있는 더 간단한 방법이 있는지 확인하려면이 배열의 요소에 있어야 합니까?

답변

(A==B).all()

배열의 모든 값 (A == B)이 True인지 테스트합니다.

참고 : 아마도 A와 B 모양을 테스트하고 싶을 수도 있습니다. A.shape == B.shape

특수 사례 및 대안 (dbaupp의 답변 및 yoavram의 의견)

다음 사항에 유의하십시오.

  • 이 솔루션은 특정 경우에 이상한 동작을 가질 수 있습니다. A또는 B비어 있거나 다른 요소에 단일 요소가 포함되어 있으면를 반환 True합니다. 어떤 이유로 든 비교 A==B는 빈 배열을 반환하며, all연산자는를 반환합니다 True.
  • 경우에 또 다른 위험이 A와 B같은 모양을 가지고 있지 및 캐스트 가능한하지 않는,이 방법은 오류가 발생합니다.

당신이에 대한 의심이있는 경우 결론적으로, A그리고 B단순히 모양이나 안전 할 : 전문 기능의 사용을 :

np.array_equal(A,B)  # test if same shape, same elements values
np.array_equiv(A,B)  # test if broadcastable shape, same elements values
np.allclose(A,B,...) # test if same shape, elements have close enough values

답변

이 (A==B).all()솔루션은 매우 깔끔하지만이 작업에는 몇 가지 기본 제공 기능이 있습니다. 즉 array_equal, allclose와 array_equiv.

(단, 몇 가지 빠른 테스트를 수행 timeit하면 (A==B).all()메서드가 가장 빠르며 완전히 새로운 배열을 할당해야하기 때문에 조금 독특합니다.)

답변

다음 코드를 사용하여 성능을 측정 해 봅시다.

import numpy as np
import time

exec_time0 = []
exec_time1 = []
exec_time2 = []

sizeOfArray = 5000
numOfIterations = 200

for i in xrange(numOfIterations):

    A = np.random.randint(0,255,(sizeOfArray,sizeOfArray))
    B = np.random.randint(0,255,(sizeOfArray,sizeOfArray))

    a = time.clock()
    res = (A==B).all()
    b = time.clock()
    exec_time0.append( b - a )

    a = time.clock()
    res = np.array_equal(A,B)
    b = time.clock()
    exec_time1.append( b - a )

    a = time.clock()
    res = np.array_equiv(A,B)
    b = time.clock()
    exec_time2.append( b - a )

print 'Method: (A==B).all(),       ', np.mean(exec_time0)
print 'Method: np.array_equal(A,B),', np.mean(exec_time1)
print 'Method: np.array_equiv(A,B),', np.mean(exec_time2)

산출

Method: (A==B).all(),        0.03031857
Method: np.array_equal(A,B), 0.030025185
Method: np.array_equiv(A,B), 0.030141515

위의 결과에 따르면, numpy 메소드는 == 연산자와 all () 메소드 의 조합보다 빠르며 numpy 메소드를 비교 하면 가장 빠른 것이 numpy.array_equal 메소드 인 것 같습니다 .

답변

두 배열이 동일 할 수 있는지 확인하려면 shape및 elements사용한다 np.array_equal이 문서에서 권장하는 방법으로.

성능 측면에서는 최적화 할 여지가 많지 않기 때문에 동등성 검사가 다른 것을 이길 것으로 기대하지 않습니다 comparing two elements. 술을 위해, 나는 여전히 몇 가지 테스트를 수행했습니다.

import numpy as np
import timeit

A = np.zeros((300, 300, 3))
B = np.zeros((300, 300, 3))
C = np.ones((300, 300, 3))

timeit.timeit(stmt='(A==B).all()', setup='from __main__ import A, B', number=10**5)
timeit.timeit(stmt='np.array_equal(A, B)', setup='from __main__ import A, B, np', number=10**5)
timeit.timeit(stmt='np.array_equiv(A, B)', setup='from __main__ import A, B, np', number=10**5)
> 51.5094
> 52.555
> 52.761

속도에 대해 이야기 할 필요가 없습니다.

이 (A==B).all()동작은 다음 코드 스 니펫과 거의 비슷합니다.

x = [1,2,3]
y = [1,2,3]
print all([x[i]==y[i] for i in range(len(x))])
> True

답변

일반적으로 두 배열에는 작은 숫자 오류가 있습니다.

numpy.allclose(A,B)대신을 사용할 수 있습니다 (A==B).all(). 부울 True / False를 반환합니다.

답변

이제 사용하십시오 np.array_equal. 설명서에서 :

np.array_equal([1, 2], [1, 2])
True
np.array_equal(np.array([1, 2]), np.array([1, 2]))
True
np.array_equal([1, 2], [1, 2, 3])
False
np.array_equal([1, 2], [1, 4])
False

답변