ฉันต้องการทดสอบหน่วยสำหรับแอปของฉันและฉันต้องการเปรียบเทียบอาร์เรย์สองอาร์เรย์ เนื่องจากarray.__eq__ส่งคืนอาร์เรย์ใหม่ (จึงTestCase.assertEqualล้มเหลว) วิธีที่ดีที่สุดในการยืนยันความเท่าเทียมกันคืออะไร?
ตอนนี้ฉันใช้
self.assertTrue((arr1 == arr2).all())แต่ฉันไม่ชอบมันจริงๆ
คำตอบ:
ตรวจสอบฟังก์ชันยืนยันในnumpy.testingเช่น
assert_array_equal
สำหรับการทดสอบความเท่าเทียมกันของอาร์เรย์ทศนิยมอาจล้มเหลวและassert_almost_equalมีความน่าเชื่อถือมากขึ้น
อัพเดต
ไม่กี่เวอร์ชันที่ผ่านมาได้รับ numpy assert_allcloseซึ่งตอนนี้เป็นที่ชื่นชอบเนื่องจากช่วยให้เราสามารถระบุทั้งข้อผิดพลาดสัมบูรณ์และข้อผิดพลาดสัมพัทธ์และไม่จำเป็นต้องมีการปัดเศษทศนิยมเป็นเกณฑ์ความใกล้ชิด
unittestคุณสามารถใช้self.assertIsNone(np.testing.assert_array_equal(a, b))เมื่อส่งคืนNoneหากอาร์เรย์เท่ากัน
ฉันคิดว่า(arr1 == arr2).all()ดูดีทีเดียว แต่คุณสามารถใช้:
numpy.allclose(arr1, arr2)แต่มันไม่เหมือนกันซะทีเดียว
อีกทางเลือกหนึ่งที่เกือบจะเหมือนกับตัวอย่างของคุณคือ:
numpy.alltrue(arr1 == arr2)โปรดทราบว่าจริงๆแล้ว scipy.array เป็น numpy.array อ้างอิง ซึ่งช่วยให้ค้นหาเอกสารได้ง่ายขึ้น
ฉันพบว่าการใช้
self.assertEqual(arr1.tolist(), arr2.tolist())
เป็นวิธีที่ง่ายที่สุดในการเปรียบเทียบอาร์เรย์กับ unittest
ฉันยอมรับว่ามันไม่ใช่วิธีแก้ปัญหาที่สวยที่สุดและอาจไม่ใช่วิธีที่เร็วที่สุด แต่อาจเป็นวิธีที่สม่ำเสมอกว่าสำหรับกรณีทดสอบที่เหลือของคุณคุณจะได้รับคำอธิบายข้อผิดพลาดที่ไม่เหมาะสมที่สุดทั้งหมดและมันง่ายมากที่จะนำไปใช้
np.nanตั้งแต่np.nan != np.nanและself.assertEqualพยายามที่จะไม่สามารถไปยังบัญชีที่
ตั้งแต่ Python 3.2 คุณสามารถใช้assertSequenceEqual(array1.tolist(), array2.tolist()).
สิ่งนี้มีมูลค่าเพิ่มในการแสดงรายการที่อาร์เรย์แตกต่างกัน
floatประเภท เราต้องการจริงๆassertSequenceAlmostEqual
ในการทดสอบของฉันฉันใช้สิ่งนี้:
try:
numpy.testing.assert_array_equal(arr1, arr2)
res = True
except AssertionError as err:
res = False
print (err)
self.assertTrue(res)
(np.array([1, 1]) == np.array([1])).all()จะให้ True