如何比较两个 Numpy 数组?
Numpy 是 Python 编程中广泛使用的库，它提供了高效且有用的数组操作方法。在开发过程中，经常会遇到需要比较两个 Numpy 数组的情况。这可以用于验证相同元素的存在或检测它们之间的差异。
在本文中，我们将研究比较两个 Numpy 数组的各种方法，包括基本比较运算符(例如 ==)以及更高级的函数(例如 numpy.array_equal() 和 numpy.setdiff1d())。我们的目标是全面了解如何在 Python 中比较 Numpy 数组，并指导您根据特定的比较需求选择合适的方法。
方法:1
使用 == 运算符比较两个数组是最简单的方法之一。该运算符检查输入数组中相同位置的元素并返回一个布尔数组。在这个数组中，每个元素代表输入数组中相应位置的元素是否相等。
以下是相同的示例:
示例
import numpy as np a = np.array([1, 2, 3]) b = np.array([1, 2, 4]) print(a == b)
输出
[ True True False]
在本例中，输出告诉我们数组的前两个元素相等，而第三个元素不相等。
此方法在比较两个具有相同形状的数组时很有用，但如果数组具有不同的形状，则不起作用。
示例
以下是示例:
import numpy as np a = np.array([1, 2, 3]) b = np.array([1, 2]) print(a == b)
输出
False
在本例中，我们得到一个 ValueError，因为两个数组具有不同的形状，并且无法一起显示。
方法: 2
另一个用于比较数组的有用函数是 numpy.array_equal()。此函数返回一个布尔输出，指示两个输入数组是否具有相同的形状和元素。
示例
以下是示例:
import numpy as np a = np.array([1, 2, 3]) b = np.array([1, 2, 3]) c = np.array([1, 2]) print(np.array_equal(a, b)) print(np.array_equal(a, c))
输出
True False
在这种情况下，第一次调用 numpy.array_equal() 返回 True，因为两个数组具有相同的形状和元素。第二次调用返回 False，因为数组具有不同的形状。
虽然 numpy.array_equal() 是用于比较两个 Numpy 数组是否完全相等的有用函数，但在处理具有较小差异的数组时，它可能不是最佳方法。在这种情况下，numpy.allclose() 或其他方法可能更合适。
示例
下面是一个解释相同内容的示例:
import numpy as np a = np.array([1.0, 2.0, 3.0]) b = np.array([1.0000001, 2.0000001, 3.0000001]) print(np.array_equal(a, b))
输出
False
在此特定情况下，两个数组几乎相同，但 numpy.array_equal() 得出的结果为 False，因为值并不精确相等。
方法:3
如果要检查一个数组中存在但另一个数组中不存在的元素，则使用 numpy.setdiff1d() 函数。通过比较两个数组，此函数返回一个数组中存在但另一个数组中不存在的元素。
示例
以下是示例:
import numpy as np a = np.array([1, 2, 3, 4, 5]) b = np.array([3, 4, 5, 6, 7]) print(np.setdiff1d(a, b)) print(np.setdiff1d(b, a))
输出
[1 2] [6 7]
方法:4
如果我们想比较两个可能存在细微差异的数组，我们可以使用 numpy.allclose() 函数。它返回一个布尔值，表示两个数组的所有元素在一定公差范围内是否相等。
示例
下面是一个例子:
import numpy as np a = np.array([1.0, 2.0, 3.0]) b = np.array([1.0000001, 2.0000001, 3.0000001]) print(np.allclose(a, b))
输出
True
在这种情况下，numpy.allclose() 返回 True，表示数组相同。
方法: 5
如果要查找两个 Numpy 数组共有的元素，可以使用 numpy.intersect1d() 函数，该函数将仅返回两个数组中都存在的元素。
示例
以下是示例:
import numpy as np a = np.array([1, 2, 3, 4]) b = np.array([3, 4, 5, 6]) print(np.intersect1d(a, b))
输出
[3 4]
在本例中，numpy.intersect1d() 返回 a 和 b 中的元素。
方法:6
比较两个 Numpy 数组的另一种方法是对它们进行排序，然后使用 numpy.array_equiv() 函数逐个元素进行比较。此函数检查两个数组是否具有相同的形状，以及排序后它们对应的元素是否相等。
示例
以下是示例:
import numpy as np a = np.array([1, 2, 3]) b = np.array([2, 1, 3]) print(np.array_equiv(np.sort(a), np.sort(b)))
输出
True
在这种情况下，numpy.array_equiv() 返回 True，表示排序后的数组相等。
结论
总而言之，比较两个 Numpy 数组是至关重要的在许多科学和数据分析应用中，Numpy 都提供了一系列强大的工具来帮助您高效地操作和分析数据。通过利用本文讨论的不同方法，您可以在各种场景中比较数组的相等性、相似性和差异性。从简单的 == 运算符到更高级的 numpy.array_equiv() 函数，每种方法都有自己的优点和缺点，使其适合特定的用例。无论您处理的是小型还是大型数据集，Numpy 都提供了一套强大的工具来帮助您有效地操作和分析数据。通过将这些技术融入到您的 Python 代码中，您可以简化您的工作流程并根据您的数据做出更明智的决策。
