web-dev-qa-db-ja.com

要素ごとに、2つの派手な配列が等しいかどうかを比較する

2つのnumpy配列が等しいかどうかを比較する最も簡単な方法は何ですか（ここで、すべてのインデックスがi：A[i] == B[i]の場合、等号は次のように定義されます）。

単に==を使うと、ブール配列が得られます。

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

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

配列が等しいかどうかを判断するためにこの配列の要素をandする必要がありますか、それとも比較するより簡単な方法がありますか

pythonarrayspython-3.xnumpyelementwise-operations
180
clstaudt
(A==B).all()

配列のすべての値（A == B）がTrueかどうかをテストします。

編集（dbauppの回答とyoavramのコメントから）

注意すべきこと：

  • この解決法は特定のケースで奇妙な振る舞いをすることがあります：AかBのどちらかが空でもう一方が単一の要素を含む場合、それはTrueを返します。何らかの理由で、比較A==Bは空の配列を返し、そのためにall演算子はTrueを返します。
  • もう1つのリスクは、AとBが同じ形状を持たず、ブロードキャストできない場合、この方法ではエラーが発生します。

結論として、私が提案した解決策は標準的なものですが、AとBの形状について疑問がある場合、または単に安全でありたい場合は、以下のいずれかの特殊関数を使用してください。

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
274
Juh_

(A==B).all()ソリューションは非常にきれいですが、このタスクのための組み込み関数がいくつかあります。すなわち、 array_equal 、 allclose 、 array_equiv .

（ただし、timeitを使った簡単なテストでは、(A==B).all()メソッドが最速であることを示しているようですが、まったく新しい配列を割り当てる必要があることを考えると、これは少し特殊です）。

78
huon

次のコードを使ってパフォーマンスを測定しましょう。

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)

出力

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

上記の結果によると、numpyメソッドは==演算子とall（）の組み合わせよりも速いようです。メソッドとnumpyメソッドを比較することで最も速いメソッドはnumpy.array_equalメソッドのようです。

13
funk

2つの配列が同じshape AND elementsを持っているかどうかを確認したい場合は、np.array_equalを使用する必要があります。これがドキュメントで推奨されている方法です。

comparing two elementsを最適化する余地はあまりないので、パフォーマンスの観点からは、同等性チェックが他のものに勝るとは思わないでください。単に目的のために、私はまだいくつかのテストをしました。

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

それで、ほとんど同じです、スピードについて話す必要はありません。

(A==B).all()は、次のコードスニペットとほとんど同じように動作します。

x = [1,2,3]
y = [1,2,3]
print all([x[i]==y[i] for i in range(len(x))])
> True
10
user1767754