比较两个NumPy数组的相等性，按元素

比较两个NumPy数组是否相等的最简单方法是什么（其中相等定义为：对于所有索引i：，A = B iff A[i] == B[i]）？

简单地使用==给我一个布尔数组：

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

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

是否and需要确定该数组的元素是否相等，或者是否有更简单的比较方法？

(A==B).all()

测试数组（A == B）的所有值是否均为True。

注意：也许您还想测试A和B形状，例如 A.shape == B.shape

特殊情况和替代方法（来自dbaupp的回答和yoavram的评论）

应当指出的是：

• 在特定情况下，此解决方案可能会产生奇怪的行为：如果A或B为空且另一个包含单个元素，则返回True。由于某种原因，比较会A==B返回一个空数组，all操作员将为此返回一个空数组True。
• 另一个风险是，如果A且B形状不相同且不可广播，则此方法将引发错误。

总之，如果你有一个关于怀疑A和B形状或只是想安全：的专业功能用途之一：

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

该(A==B).all()解决方案是很整齐，但也有完成这个任务的一些内置的功能。也就是说array_equal，allclose和array_equiv。

（尽管，使用进行一些快速测试timeit似乎表明该(A==B).all()方法是最快的，由于必须分配一个全新的数组，因此该方法有点特殊。）

让我们通过使用以下代码来评估性能。

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)

输出量

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

根据上面的结果，numpy方法似乎比==运算符和all（）方法的组合要快，并且通过比较numpy方法，最快的方法似乎是numpy.array_equal方法。

如果要检查两个数组是否相同shape并且elements应该使用，np.array_equal因为这是文档中建议的方法。

在性能方面，不要期望任何相等性检查会胜过另一个，因为没有太多的优化空间comparing two elements。为了方便起见，我仍然进行了一些测试。

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

几乎相等，无需谈论速度。

的(A==B).all()的行为几乎如下面的代码片段：

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

通常两个数组会有一些小的数字误差，

您可以使用numpy.allclose(A,B)代替(A==B).all()。这将返回布尔值True / False

现在使用np.array_equal。从文档：

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