np.allclose, np.array_equal含义和用法

### numpy.allclose 和 numpy.array_equal 的含义及用法 #### 1. numpy.allclose `numpy.allclose` 是一个用于比较两个数组是否在容差范围内相等的函数。它允许存在一定的误差，适用于浮点数计算中由于精度问题导致的小误差。 - **函数签名**： ```python numpy.allclose(a, b, atol=1e-08, rtol=1e-05, equal_nan=False) ``` - **参数详解**： - `a` 和 `b`：要比较的两个数组。 - `atol`：绝对容差，默认值为 `1e-08`。 - `rtol`：相对容差，默认值为 `1e-05`。 - `equal_nan`：如果设置为 `True`，则两个 `NaN` 值被视为相等。 - **返回值**： 如果两个数组的所有元素都在给定的容差范围内，则返回 `True`；否则返回 `False`。 - **示例代码**： ```python import numpy as np a = [1e10, 1e-8] b = [1.00001e10, 2e-8] print(np.allclose(a, b)) # 输出: False print(np.allclose(a, b, atol=1e-7)) # 输出: True ``` - **注意**： `allclose` 使用广播机制进行比较，因此输入数组不需要具有相同的形状[^3]。 --- #### 2. numpy.array_equal `numpy.array_equal` 是一个用于判断两个数组是否完全相等的函数。它要求两个数组的形状和所有元素都必须相同。 - **函数签名**： ```python numpy.array_equal(a1, a2) ``` - **参数详解**： - `a1` 和 `a2`：要比较的两个数组。 - **返回值**： 如果两个数组的形状和所有元素都相同，则返回 `True`；否则返回 `False`。 - **示例代码**： ```python import numpy as np a = np.array([1, 2, 3]) b = np.array([1, 2, 3]) c = np.array([1, 2, 4]) print(np.array_equal(a, b)) # 输出: True print(np.array_equal(a, c)) # 输出: False ``` - **注意**： `array_equal` 不支持广播机制，因此输入数组必须具有相同的形状[^3]。 --- #### 3. numpy.allclose 和 numpy.array_equal 的区别 | 特性 | `numpy.allclose` | `numpy.array_equal` | |---------------------|---------------------------------------------------|-----------------------------------------| | **容差范围** | 支持相对容差和绝对容差 | 不支持容差，要求完全相等 | | **适用场景** | 浮点数运算结果的比较 | 精确匹配的数组比较 | | **广播支持** | 支持广播机制 | 不支持广播机制 | | **NaN 处理** | 可通过 `equal_nan=True` 将两个 NaN 视为相等 | 两个 NaN 始终不相等 | --- ### 示例对比 ```python import numpy as np # 示例 1 a = np.array([1.0, 2.0, np.nan]) b = np.array([1.0, 2.0, np.nan]) print(np.allclose(a, b, equal_nan=True)) # 输出: True print(np.array_equal(a, b)) # 输出: False # 示例 2 c = np.array([1.0000001, 2.0]) d = np.array([1.0, 2.0]) print(np.allclose(c, d)) # 输出: True print(np.array_equal(c, d)) # 输出: False ``` --- ###