NumPy(Numerical Python的缩写)是一个开源的Python科学计算库。使用NumPy,就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数,涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍一下NumPy中testing.assert_equal方法的使用。

numpy.testing.assert_equal

numpy.testing.assert_equal(actual, desired, err_msg='', verbose=True)    [source]

如果两个对象不相等,则引发AssertionError。

给定两个对象(标量,列表,元组,字典或numpy数组),请检查这些对象的所有元素是否相等。在第一个冲突值处引发异常。

当实际的和期望的一个是标量,另一个是array_like时,该函数检查array_like对象的每个元素是否等于标量。

此函数将NaN比较视为NaN是“normal”数字。 也就是说,如果两个对象在相同位置都具有NaN,则不会引发AssertionError。 这与NaN的IEEE标准相反,后者说NaN与任何东西相比都必须返回False。

参数 :

actual :array_like

要检查的对象。

desired :array_like

预期的对象。

err_msgstr, 可选

发生故障时要打印的错误消息。

verbosebool, 可选

如果为True,则冲突值将附加到错误消息中。

Raises :

AssertionError

如果实际和期望不相等。

例子

>>> np.testing.assert_equal([4,5], [4,6])
Traceback (most recent call last):
    ...
AssertionError:\nItems are not equal:
item=1
 ACTUAL: 5
 DESIRED: 6

以下比较不会引发异常。输入中有NaN,但它们处于相同位置。

>>> np.testing.assert_equal(np.array([1.0, 2.0, np.nan]), [1, 2, np.nan])

推荐文档

相关文档

大家感兴趣的内容

随机列表