如何比较 numpy 数组的内存表示的相等性（例如，包括 dtype）答案

【问题标题】：How to compare equality of memory representation of numpy arrays (e.g. including dtype)如何比较 numpy 数组的内存表示的相等性（例如，包括 dtype）
【发布时间】：2019-05-23 21:03:05
【问题描述】：

如何比较两个 numpy 数组在内存中是否完全相同，例如

np.array([0,1]) == np.array([0,1])

是真的，但是

np.array([0,1]) == np.array([[0,1]])
np.array([0,1], dtype=np.int32) == np.array([0,1], dtype=np.int64)

都是假的。 np.array_equal 没有 compare_dtypes 选项。我想可能还有其他方法可以使数组的内存表示也有所不同（例如字节序）

【问题讨论】：

标签： python numpy

【解决方案1】：

您可以使用itemsize 来比较它们的字节长度：

a1 = np.array([0,1], dtype=np.int32)
a2 = np.array([0,1], dtype=np.int64)
a1.itemsize == a2.itemsize
# False

如果你想比较它们的大小和内容，你可以用ndarray.tobytes检查数据内存的原始内容：

a1.tobytes() == a2.tobytes()
# False

【讨论】：

但这不比较内容？
所以你的意思是内容和内存完全相同？
是的 - 在所有方面都相同
更新@user2667066
我想我可以使用例如序列化pickle.dumps 并比较这些版本。不过有点hacky。肯定有内置的东西吗？

【解决方案2】：

根据您想要涵盖的最低限度，将比较x.dtype（包括字节序）x.shape 和x.strides。

您可能还想查看一些标志。例如，x.flags.aligned 可以被视为广义上的内存布局的一部分，x.flags.writeable 也可能是（也可能是x.flags.owndata）。

另一方面，一旦你知道形状和步幅，C/F_CONTIGUOUS 标志就是多余的，最后还有 UPDATEIFCOPY 和 WRITEBACKIFCOPY，我不太了解，无法评论。

【讨论】：

【解决方案3】：

目前我正在使用pickle.dumps：

import pickle
a1 = np.array([0,1], dtype=np.int32)
a2 = np.array([0,1], dtype=np.int64)
pickle.dumps(a1) == pickle.dumps(a2)

但这似乎有点不合时宜。

【讨论】：