将两个字典与 numpy 矩阵作为值进行比较

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，如果字典的值为numpy arrays，这将不起作用。如何编写一个函数来检查两个字典是否相等？

>>> 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 numpy 矩阵应检查是否与 .all() 相等。我正在寻找的是一种检查此问题的通用方法，而无需检查isinstance(np.ndarray)。这可能吗？

没有numpy数组的相关主题：

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

Answer 1

你可以使用numpy.testing.assert_equal

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

Answer 2

我将回答隐藏在你的问题标题和前半部分中的一半问题，因为坦率地说，这是一个更常见的问题需要解决，现有的答案并不能很好地解决它。这个问题是“如何比较两个 numpy 数组的字典是否相等”？

问题的第一部分是“从远处”检查字典：查看它们的键是否相同。如果所有键都相同，则第二部分是比较每个对应的值。

现在微妙的问题是很多 numpy 数组不是整数值的，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。所以在这种情况下，您不会使用np.array_equal（检查精确的数值相等性），而是使用np.allclose（对两个数组之间的相对和绝对误差使用有限容差）。

问题的前半部分很简单：检查字典的键是否一致，并使用生成器推导来比较每个值（并在推导之外使用all 来验证每个项目是同样）：

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

正如您在上面的示例中所看到的，整数数组比较准确，并且取决于您正在做什么（或者如果您很幸运），它甚至可以用于浮点数。但是，如果您的浮点数是任何算术的结果（例如线性变换？），您绝对应该使用近似检查。有关后一个选项的完整描述，请参阅the docs of numpy.allclose（及其元素朋友numpy.isclose），特别注意rtol 和atol 关键字参数。

Answer 3

您可以分离两个字典的键和值，并比较键与键以及值与值： 这是解决方案：

import numpy as np

def dic_to_keys_values(dic):
    keys, values = list(dic.keys()), list(dic.values())
    return keys, values

def numpy_assert_almost_dict_values(dict1, dict2):
    keys1, values1 = dic_to_keys_values(dict1)
    keys2, values2 = dic_to_keys_values(dict2)
    np.testing.assert_equal(keys1, keys2)
    np.testing.assert_almost_equal(values1, values2)

dict1 = {"b": np.array([1, 2, 0.2])}
dict2 = {"b": np.array([1, 2, 3 * 0.1 - 0.1])}  # almost 0.2, but not equal
dict3 = {"b": np.array([999, 888, 444])} # completely different

numpy_assert_almost_dict_values(dict1, dict2) # no exception because almost equal
# numpy_assert_almost_dict_values(dict1, dict3) # exception because not equal

（注意，上面检查了精确的键和几乎相等的值）

Answer 4

考虑这段代码

>>> 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values cmp方法比较值，这意味着在比较矩阵值时，dict比较会得到一个复合结果。你想要做的是使用 numpy.all 将复合数组结果折叠成标量布尔结果

>>> np.all(np.identity(5) == np.identity(5)+np.ones([5,5]))
False
>>> np.all(np.identity(5) == np.identity(5))
True
>>> 

您需要编写自己的函数来比较这些字典，测试值类型以查看它们是否为矩阵，然后使用numpy.all 进行比较，否则使用==。当然，如果您愿意，您也可以随时花哨并开始子类化 dict 和重载 cmp。