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
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)
测试数组(A==B)的所有值是否为真。
注意:也许您还需要测试A和B形状,例如
A.shape == B.shape
特殊情况和备选方案(摘自dbaupp的回答和yoavram的评论)
应当指出的是:
A
或B
为空,而另一个包含单个元素,则它返回True
。出于某种原因,比较A==B
返回一个空数组,为此,all
运算符返回True
。A
和B
的形状不同并且不可广播,则此方法将引发错误。总之,如果您对
A
和B
形状有疑问,或者只是希望安全:请使用以下专用函数之一:让我们使用下面的代码来衡量性能。
输出
根据上述结果,numpy方法似乎比=运算符和all()方法的组合快,并且通过比较numpy方法,最快的似乎是numpy.array_equal方法。
(A==B).all()
解决方案非常简洁,但是有一些内置函数可用于此任务。即^{(尽管,使用
timeit
进行的一些快速测试似乎表明,(A==B).all()
方法是最快的,这有点奇怪,因为它必须分配一个全新的数组。)相关问题 更多 >
编程相关推荐