Comparación de dos matrices numpy para la igualdad, elemento-sabio

¿Cuál es la forma más sencilla de comparar dos matrices numpy para la igualdad (donde la igualdad se define como: A = B iff para todos los índices i: A[i] == B[i])?

Simplemente usando == me da una matriz booleana: 

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

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

¿Tengo que and los elementos de esta matriz para determinar si las matrices son iguales, o hay una forma más simple de comparar?

Author: smci, 2012-05-14
Source

4 answers

(A==B).all()

Pruebe si todos los valores de la matriz (A==B) son Verdaderos.

Edit (de la respuesta de dbaupp y el comentario de yoavram)

Cabe señalar que:

  • esta solución puede tener un comportamiento extraño en un caso particular: si A o B está vacía y la otra contiene un solo elemento, a continuación, volver True. Por alguna razón, la comparación A==B devuelve un array vacío, para el cual el operador all devuelve True.
  • Otro riesgo es si A y B no tienen la misma forma y no son broadcastable, entonces este enfoque generará un error.

En conclusión, la solución que propuse es la estándar, creo, pero si tiene alguna duda sobre A y B la forma o simplemente quiere estar seguro: use una de las funciones especializadas:

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
 224
Author: Juh_,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2014-10-06 07:56:59

La solución (A==B).all() es muy ordenada, pero hay algunas funciones integradas para esta tarea. Es decir,array_equal, allclose y array_equiv.

(Aunque algunas pruebas rápidas con timeit parecen indicar que el método (A==B).all() es el más rápido, lo cual es un poco peculiar, dado que tiene que asignar una matriz completamente nueva.)

 70
Author: huon,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2012-05-14 11:00:58

Vamos a medir el rendimiento utilizando el siguiente fragmento de código.

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)

Salida

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

De acuerdo con los resultados anteriores, los métodos numpy parecen ser más rápidos que la combinación de == operador y el método all () y comparando los métodos numpy el más rápido parece ser el numpy.método array_equal.

 12
Author: funk,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2016-02-23 13:42:04

Si desea comprobar si dos matrices tienen el mismo shape Y elements debe usar np.array_equal ya que es el método recomendado en la documentación.

En cuanto al rendimiento, no espere que ninguna comprobación de igualdad supere a otra, ya que no hay mucho espacio para optimizar comparing two elements. Sólo por el bien, todavía hice algunas pruebas. 

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

Así que prácticamente igual, no hay necesidad de hablar de la velocidad.

El (A==B).all() se comporta más o menos como el siguiente fragmento de código: 

x = [1,2,3]
y = [1,2,3]
print all([x[i]==y[i] for i in range(len(x))])
> True
 4
Author: user1767754,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2018-04-30 00:44:52