Il modo migliore per affermare l'uguaglianza numpy.array?

103

Voglio eseguire alcuni unit test per la mia app e devo confrontare due array. Poiché array.__eq__restituisce un nuovo array (quindi TestCase.assertEqualfallisce), qual è il modo migliore per affermare l'uguaglianza?

Attualmente sto usando

self.assertTrue((arr1 == arr2).all())

ma non mi piace molto

python unit-testing numpy

— creatore
fonte

1

nota che il tuo esempio può produrre True in modo imprevisto, ad es. (np.array([1, 1]) == np.array([1])).all()restituirà True

— M. Bernhardt

self.assertTrue (np.array_equal (array1, array2))

— Miszo97

120

controlla le funzioni di asserzione in numpy.testing, ad es

assert_array_equal

per gli array in virgola mobile il test di uguaglianza potrebbe non riuscire e assert_almost_equal è più affidabile.

aggiornare

Qualche versione fa ha ottenuto numpy assert_allcloseche ora è il mio preferito poiché ci permette di specificare sia l'errore assoluto che relativo e non richiede l'arrotondamento decimale come criterio di vicinanza.

— Josef
fonte

18

Come interagisce con unittest? Penso che alcune parole in merito sarebbero utili.

— Ramon Martinez

Non uso mai unittest. Tuttavia, funziona molto bene con i nosetest utilizzati da numpy, scipy e statsmodels. Basta usare le affermazioni all'interno di una funzione o di un metodo di test.

— Josef

Questo non verifica che i due argomenti siano entrambi array numpy. Ad esempio, riuscirà su un array e un elenco. Per il test, potrebbe essere utile verificare che questi siano effettivamente array, ma immagino che richiederebbe il controllo manuale del tipo?

— max

4

@RamonMartinez assert_allclose sembra giocare bene con unittest :)

— kotakotakota

4

@RamonMartinez se usi Python unittestpuoi usarlo self.assertIsNone(np.testing.assert_array_equal(a, b))poiché restituisce Nonese gli array sono uguali.

— mjkrause

24

Penso che sia (arr1 == arr2).all()molto carino. Ma potresti usare:

numpy.allclose(arr1, arr2)

ma non è proprio la stessa cosa.

Un'alternativa, quasi uguale al tuo esempio è:

numpy.alltrue(arr1 == arr2)

Nota che scipy.array è in realtà un riferimento numpy.array. Ciò semplifica la ricerca della documentazione.

— SiggyF
fonte

18

Lo trovo usando self.assertEqual(arr1.tolist(), arr2.tolist()) sia il modo più semplice per confrontare gli array con unittest.

Sono d'accordo che non sia la soluzione più carina e probabilmente non è la più veloce, ma probabilmente è più uniforme con il resto dei tuoi casi di test, ottieni tutte le descrizioni degli errori più unite ed è davvero semplice da implementare.

— asimoneau
fonte

1

Nota che questo non funzionerà bene con np.nan, poiché np.nan != np.nane il self.assertEqualtentativo non sarà in grado di spiegarlo.

— blacksite

5

A partire da Python 3.2 puoi usare assertSequenceEqual(array1.tolist(), array2.tolist()).

Questo ha il valore aggiunto di mostrarti gli elementi esatti in cui gli array differiscono.

— HagaiH
fonte

5

Sfortunatamente, non funziona bene quando gli array sono di floattipo. Abbiamo davvero bisognoassertSequenceAlmostEqual

— grwlf

3

Nei miei test lo uso:

try:
    numpy.testing.assert_array_equal(arr1, arr2)
    res = True
except AssertionError as err:
    res = False
    print (err)
self.assertTrue(res)

— Utente Edo1419293
fonte

1

np.linalg.norm(arr1 - arr2) < 1e-6

— schiebermc
fonte

4

Aggiungi un po 'di contesto

— Tobias Wilfert