NumPy 1.14 - numpy.testing.assert_array_equal()

numpy.testing.assert_array_equal




numpy

numpy.testing.assert_array_equal

numpy.testing.assert_array_equal(x, y, err_msg='', verbose=True) [source]

यदि दो array_like ऑब्जेक्ट समान नहीं हैं, तो एक जोर देता है।

दो array_like ऑब्जेक्ट्स को देखते हुए, जांचें कि आकृति समान है और इन ऑब्जेक्ट्स के सभी तत्व समान हैं। एक अपवाद आकार बेमेल या परस्पर विरोधी मूल्यों पर उठाया जाता है। सुन्न में मानक उपयोग के विपरीत, NaNs की तुलना संख्याओं की तरह की जाती है, यदि दोनों वस्तुओं में समान पदों पर NaN हो तो कोई जोर नहीं दिया जाता है।

फ्लोटिंग पॉइंट नंबरों के साथ समानता की पुष्टि के लिए सामान्य सावधानी की सलाह दी जाती है।

पैरामीटर:

x : array_like

जाँच करने के लिए वास्तविक वस्तु।

y : array_like

इच्छित, अपेक्षित वस्तु।

इर_मस्ग : str, वैकल्पिक

विफलता के मामले में मुद्रित होने वाला त्रुटि संदेश।

क्रिया : बूल, वैकल्पिक

यदि सही है, तो त्रुटि संदेश में परस्पर विरोधी मान जोड़े जाते हैं।

जन्म देती है:

AssertionError

यदि वास्तविक और वांछित वस्तुएं समान नहीं हैं।

यह भी देखें

assert_allclose
वांछित रिश्तेदार और / या पूर्ण परिशुद्धता के साथ समानता के लिए दो array_like वस्तुओं की तुलना करें।

assert_array_almost_equal_nulp , assert_array_max_ulp , assert_equal

उदाहरण

पहले मुखर एक अपवाद नहीं उठाता है:

>>> np.testing.assert_array_equal([1.0,2.33333,np.nan],
...                               [np.exp(0),2.33333, np.nan])

फ़्लोट्स के साथ संख्यात्मक अक्रियता के साथ Assert विफल:

>>> np.testing.assert_array_equal([1.0,np.pi,np.nan],
...                               [1, np.sqrt(np.pi)**2, np.nan])
...
<type 'exceptions.ValueError'>:
AssertionError:
Arrays are not equal

(mismatch 50.0%)
 x: array([ 1.        ,  3.14159265,         NaN])
 y: array([ 1.        ,  3.14159265,         NaN])

इसके बजाय इन मामलों के लिए assert_allclose या nulp (फ़्लोटिंग पॉइंट वैल्यू की संख्या) फ़ंक्शन का उपयोग करें:

>>> np.testing.assert_allclose([1.0,np.pi,np.nan],
...                            [1, np.sqrt(np.pi)**2, np.nan],
...                            rtol=1e-10, atol=0)