2つのNumPy配列を要素ごとに比較して比較する

2つのNumPy配列の等価性を比較する最も簡単な方法は何ですか（等価性は次のように定義されています：A =すべてのインデックスのB iff i：）A[i] == B[i]？

単純に使用==するとブール配列が得られます：

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

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

私がしなければならないのand配列が同じである、または比較する簡単な方法があるかどうかを決定するために、この配列の要素？

(A==B).all()

配列（A == B）のすべての値がTrueかどうかをテストします。

注：次のように、AとBの形状もテストしたい場合があります。 A.shape == B.shape

特別なケースと代替案（dbauppの回答とyoavramのコメントから）

注意すべきこと：

• このソリューションは、特定のケースで奇妙な動作をする可能性があります。AまたはBが空で、もう一方が単一の要素を含んでいる場合は、を返しTrueます。なんらかの理由で、比較A==Bによって空の配列allが返され、演算子に対してはその配列が返されますTrue。
• 場合は、別のリスクがあるAとB同じ形状を有していないとbroadcastableではありませんん、このアプローチは、エラーが発生します。

結論として、あなたが疑いを抱いているA、Bまたは単に安全を望んでいる場合：特別な機能の1つを使用してください：

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

(A==B).all()解決策は非常にきれいですが、このタスクのためのいくつかの組み込みの機能があります。すなわちarray_equal、allcloseそしてarray_equiv。

（ただし、を使用したいくつかの簡単なテストでtimeitは、(A==B).all()メソッドが最も高速であることが示されているようです。まったく新しい配列を割り当てる必要があるため、これは少し変わっています。）

次のコードを使用してパフォーマンスを測定しましょう。

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)

出力

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

上記の結果によると、numpyメソッドは==演算子とall（）メソッドの組み合わせよりも高速であるように見えます。numpyメソッドを比較すると、最も速いのはnumpy.array_equalメソッドのようです。

あなたは、2つの配列が同じを持っているかどうかを確認したい場合shapeとelements、あなたが使用する必要がありnp.array_equal、それはマニュアルに推奨される方法ですと。

パフォーマンスに関しては、最適化の余地があまりないため、同等性チェックが他のテストに勝ることを期待しないでくださいcomparing two elements。ちょうどのために、私はまだいくつかのテストを行いました。

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

ほぼ同じなので、速度について話す必要はありません。

(A==B).all()かなり多くの次のコードスニペットのように振る舞います。

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

通常、2つの配列にはいくつかの小さな数値エラーがあります。

のnumpy.allclose(A,B)代わりにを使用できます(A==B).all()。これはブール値のTrue / Falseを返します

ここでを使用しますnp.array_equal。ドキュメントから：

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