将 NumPy 数组与阈值进行比较并返回差异答案

【问题标题】：Compare NumPy arrays with threshold and return the differences将 NumPy 数组与阈值进行比较并返回差异
【发布时间】：2017-12-23 15:25:48
【问题描述】：

在我的脚本中，我需要将相当大的 NumPy 数组（2D 或 3D）与阈值进行比较。比较本身可以使用“allclose”函数轻松完成，如下所示：

Threshold = 0.1
if (np.allclose(Arr1, Arr2, Threshold, equal_nan=True)):
    Print('Same')

了解哪些单元格不同的最简单（但幼稚）的方法是使用简单的 for 循环代码，如下所示：

def CheckWhichCellsAreNotEqualInArrays(Arr1,Arr2,Threshold):
   if not Arr1.shape == Arr2.shape:
       return ['Arrays size not the same']
   Dimensions = Arr1.shape  
   Diff = []
   for i in range(Dimensions [0]):
       for j in range(Dimensions [1]):
           if not np.allclose(Arr1[i][j], Arr2[i][j], Threshold, equal_nan=True):
               Diff.append(',' + str(i) + ',' + str(j) + ',' + str(Arr1[i,j]) + ',' 
               + str(Arr2[i,j]) + ',' + str(Threshold) + ',Fail\n')
       return Diff

（对于 3D 数组也是如此 - 还有 1 个 for 循环）

当数组很大并且充满不相等的单元格时，这种方式非常慢。

如果它们不相同，是否有一种快速直接的方法 - 获取不均匀单元格的列表？也许是 NumPy 本身的一些内置函数？

【问题讨论】：

生成样本数据？
是的。如果单元格不相等 - 我想获取单元格的坐标，以及两个数组中的值。

标签： python arrays python-3.x numpy

【解决方案1】：

函数allclose相当于all和isclose的组合。因此，您可以将isclose 应用于整个数组，然后在需要时将all 应用于某些轴，而不是循环遍历数组的某些维度。（至关重要的是，all 采用轴参数，而 allclose 没有）。以 4D 随机数据数组为例，其中正在比较一些 2D 切片。

threshold = 0.1
arr1 = 10 + np.random.normal(size=((40, 30, 20, 10)))
arr2 = arr1 + 0.3 * np.random.normal(size=((40, 30, 20, 10)))
print(np.all(np.isclose(arr1, arr2, threshold), axis=(2, 3)))

打印一个二维数组，显示哪些切片满足allclose 条件：

array([[False,  True,  True, ...,  True,  True, False],
       [ True, False,  True, ...,  True,  True, False],
       [False,  True,  True, ..., False,  True,  True],
       ..., 
       [False, False,  True, ...,  True,  True,  True],
       [ True,  True,  True, ..., False,  True,  True],
       [ True, False,  True, ...,  True, False, False]], dtype=bool)

即arr1[0, 0]和arr2[0, 0]不接近；但arr1[0, 1] 和arr2[0, 1] 是。如有必要，您可以深入到元素级别以找出究竟是什么不符合close 条件； np.isclose(arr1, arr2, threshold) 拥有所有这些信息。

【讨论】：