我需要比较两个numpy数组是否等于忽略nan值的所需精度。 例如:
a = [1,nan,3,nan]
b = [1,0.2,3,4.1]
应该通过测试。 我已经尝试使用numpy.all函数,但我知道它期望两个数组相同,我需要有一些容差,因为浮点值可能会略有不同。 我怎样才能实现这一目标?
使用np.allclose
和np.isnan
:
mask = ~(np.isnan(a) | np.isnan(b))
np.allclose(a[mask], b[mask])
这正确处理+/- inf
并允许小的差异。绝对和相对公差可以指定为allclose
的参数。
整数数组
使用np.isfinite
掩盖您的数组并与np.array_equal
进行比较:
def array_nan_equal(a, b):
m = np.isfinite(a) & np.isfinite(b)
return np.array_equal(a[m], b[m])
assert array_nan_equal(
np.array([1, np.nan, 3, np.nan]), np.array([1, 2, 3, 4])
)
assert not array_nan_equal(
np.array([1, 4, 3, np.nan]), np.array([1, 2, 3, 4])
)
请注意,如果您想要考虑+/- inf
,您可以按照@Paul Panzer的答案中的提示并使用m = ~(np.isnan(a) & np.isnan(b))
而不是np.isfinite
。
浮点数组
对于浮点数,您需要在容差范围内进行比较,因此将np.array_equal
替换为np.allclose
:
def array_nan_close(a, b):
m = np.isfinite(a) & np.isfinite(b)
return np.allclose(a[m], b[m])
assert array_nan_close(
np.array([1.3, np.nan, 3.4, np.nan]), np.array([1.3000001, 2, 3.4, 4])
)
assert not array_nan_close(
np.array([1.1, 4.0, 3.5, np.nan]), np.array([1, 2, 3, 4])
)