比较两个以numpy矩阵为值的字典

Question

我想断言两个Python字典是相等的（这意味着：键的数量相等，并且从键到值的每个映射都是相等的；顺序并不重要）。一个简单的方法是assert A==B，但是，如果字典的值是numpy arrays，则这不起作用。如果两个字典相等，如何编写一个函数来检查一般情况？在

>>> import numpy as np
>>> A = {1: np.identity(5)}
>>> B = {1: np.identity(5) + np.ones([5,5])}
>>> A == B
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

编辑我知道应该检查numpy矩阵是否与.all()相等。我要找的是一种通用的检查方法，而不必检查isinstance(np.ndarray)。这有可能吗？在

没有numpy数组的相关主题：

• Comparing two dictionaries in Python
• Comparing/combining two dictionaries

Answer 1

考虑一下这个代码

>>> import numpy as np
>>> np.identity(5)
array([[ 1.,  0.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  0.,  0.],
       [ 0.,  0.,  1.,  0.,  0.],
       [ 0.,  0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  0.,  1.]])
>>> np.identity(5)+np.ones([5,5])
array([[ 2.,  1.,  1.,  1.,  1.],
       [ 1.,  2.,  1.,  1.,  1.],
       [ 1.,  1.,  2.,  1.,  1.],
       [ 1.,  1.,  1.,  2.,  1.],
       [ 1.,  1.,  1.,  1.,  2.]])
>>> np.identity(5) == np.identity(5)+np.ones([5,5])
array([[False, False, False, False, False],
       [False, False, False, False, False],
       [False, False, False, False, False],
       [False, False, False, False, False],
       [False, False, False, False, False]], dtype=bool)
>>> 

注意比较的结果是一个矩阵，而不是一个布尔值。Dict比较将使用valuescmp方法比较值，这意味着在比较矩阵值时，Dict比较将得到一个复合结果。你想做的是使用 numpy.all将复合数组结果折叠为标量布尔结果

^{2}$

您需要编写自己的函数来比较这些字典，测试值类型以确定它们是否是矩阵，然后使用numpy.all进行比较，否则使用==。当然，如果你想的话，你也可以开始编写dict的子类化和重载cmp。在

Answer 2

我将回答隐藏在你问题标题和前半部分的半个问题，因为坦率地说，这是一个需要解决的更常见的问题，而现有的答案并没有很好地解决这个问题。这个问题是“如何比较numpy数组的两个dicts以获得相等性？在

问题的第一部分是“从远处”检查dicts：看看它们的键是一样的。如果所有键都相同，则第二部分将比较每个对应的值。在

现在微妙的问题是很多numpy数组不是整数值，而且double-precision is imprecise。因此，除非您有整数值（或其他非浮点型）数组，否则您可能需要检查这些值是否几乎相同，即在机器精度范围内。所以在本例中，您不会使用^{}（它检查精确的数值相等性），而是使用^{}（它对两个数组之间的相对和绝对误差使用有限的公差）。在

问题的前一个半部分很简单：检查dicts的键是否一致，并使用生成器理解来比较每个值（并在理解之外使用all来验证每个项是否相同）：

import numpy as np

# some dummy data

# these are equal exactly
dct1 = {'a': np.array([2, 3, 4])}
dct2 = {'a': np.array([2, 3, 4])}

# these are equal _roughly_
dct3 = {'b': np.array([42.0, 0.2])}
dct4 = {'b': np.array([42.0, 3*0.1 - 0.1])}  # still 0.2, right?

def compare_exact(first, second):
    """Return whether two dicts of arrays are exactly equal"""
    if first.keys() != second.keys():
        return False
    return all(np.array_equal(first[key], second[key]) for key in first)

def compare_approximate(first, second):
    """Return whether two dicts of arrays are roughly equal"""
    if first.keys() != second.keys():
        return False
    return all(np.allclose(first[key], second[key]) for key in first)

# let's try them:
print(compare_exact(dct1, dct2))  # True
print(compare_exact(dct3, dct4))  # False
print(compare_approximate(dct3, dct4))  # True

正如您在上面的例子中所看到的，整数数组比较精确，并且根据您正在做什么（或者如果幸运的话），它甚至可以用于float。但是如果你的浮动是任何一种算术的结果（比如线性变换？）你一定要用近似的支票。有关后一个选项的完整描述，请参见the docs of ^{}（及其元素方面的朋友^{}），特别是rtol和{}关键字参数。在

Answer 3

您可以使用numpy.testing.assert_equal

http://docs.scipy.org/doc/numpy/reference/generated/numpy.testing.assert_equal.html