요소 별 동일성을 위해 두 개의 numpy 배열 비교

요소 별 동일성을 위해 두 개의 numpy 배열 비교

---

평등이 개 NumPy와 배열을 비교하는 가장 간단한 방법은 무엇입니까 (평등과 같이 정의된다 : A = B의 IFF 모든 인덱스 I를 위해 : 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 동일한 지 또는 비교할 수있는 더 간단한 방법이 있는지 확인하려면이 배열의 요소에 있어야 합니까?

---

(A==B).all()

배열의 모든 값 (A == B)이 True인지 테스트합니다.

편집 (dbaupp의 답변과 yoavram의 의견에서)

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 all반환 하며 연산자는를 반환합니다 True.
• 경우에 또 다른 위험이 A와 B같은 모양을 가지고 있지 및 캐스트 가능한하지 않는,이 방법은 오류가 발생합니다.

결론적으로, 내가 제안 된 솔루션은 내가 생각하지만, 당신이에 대한 의심이있는 경우, 표준 하나입니다 A및 B전문 기능의 사용을 : 단순히 모양이나 안전 할 :

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

---

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.)

---

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 .

---

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

Performance-wise don't expect that any equality check will beat another, as there is not much room to optimize comparing two elements. Just for the sake, i still did some tests.

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

So pretty much equal, no need to talk about the speed.

The (A==B).all() behaves pretty much as the following code snippet:

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

---

Usually two arrays will have some small numeric errors,

You can use numpy.allclose(A,B), instead of (A==B).all(). This returns a bool True/False

참고URL : https://stackoverflow.com/questions/10580676/comparing-two-numpy-arrays-for-equality-element-wise