NumPy Array Igual
-
Verificación de igualdad de matrices NumPy con el operador
==
en Python -
Verificación de igualdad de matrices NumPy con la función
numpy.array_equal()
-
Verificación de igualdad de matrices NumPy con la función
numpy.array_equiv()
en Python -
NumPy es igual a la función
numpy.allcloses()
en Python

Este artículo presentará los métodos para realizar una comparación de igualdad de elementos en matrices NumPy en Python.
Verificación de igualdad de matrices NumPy con el operador ==
en Python
El operador de comparación de igualdad ==
se utiliza para comprobar si dos cantidades son iguales o no. El operador ==
devuelve True
si las cantidades son iguales y False
si las cantidades no son iguales. Podemos utilizar el operador ==
junto con la función all()
para comprobar si todos los elementos de las dos matrices son iguales o no. El siguiente ejemplo de código nos muestra cómo podemos comparar dos matrices en términos de igualdad con el operador ==
en Python.
import numpy as np
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([1, 2, 3, 4, 5])
print((array1 == array2).all())
Producción :
True
En el código anterior, comparamos en forma de elementos las matrices array1
y array2
para la igualdad con el operador ==
y la función all()
. Primero creamos las matrices array1
y array2
con la función np.array()
. Luego usamos el operador ==
con la función all()
para verificar si todos los valores dentro de array1
son iguales a los valores dentro de array2
. Este enfoque es muy eficiente y fácil de entender, pero existen algunas desventajas al usar este enfoque. Por ejemplo, si cualquiera de los arrays está vacío y el segundo array contiene solo un elemento, este enfoque devolverá un valor True
. Otro problema es que si ambas matrices tienen formas diferentes, este enfoque nos dará un error.
Verificación de igualdad de matrices NumPy con la función numpy.array_equal()
Una forma más completa y sin errores de lograr el mismo objetivo que el enfoque anterior es usar la función numpy.array_equal()
. La función numpy.array_equal()
compara dos matrices para determinar la igualdad. La función numpy.array_equal()
devuelve True
si las matrices son iguales y False
si las matrices no son iguales. El siguiente ejemplo de código nos muestra cómo podemos comparar, en términos de elementos, dos matrices para la igualdad con la función numpy.array_equal()
.
import numpy as np
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([1, 2, 3, 4, 5])
print(np.array_equal(array1, array2))
Producción :
True
En el código anterior, usamos la función np.array_equal()
para verificar si todos los valores dentro de array1
son iguales a los valores dentro de array2
.
Verificación de igualdad de matrices NumPy con la función numpy.array_equiv()
en Python
La función numpy.array_equiv()
también se puede utilizar para comprobar si dos matrices son iguales o no en Python. La función numpy.array_equiv()
devuelve True
si ambas matrices tienen la misma forma y todos los elementos son iguales, y devuelve False
en caso contrario.
import numpy as np
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([0, 2, 3, 4, 5])
print(np.array_equiv(array1, array2))
Producción :
False
En el código anterior, usamos la función np.array_equiv()
para verificar si array1
es igual a array2
.
NumPy es igual a la función numpy.allcloses()
en Python
La función numpy.allclose()
también se puede utilizar para comprobar si dos matrices son iguales en elementos o no en Python. La función numpy.allclose()
devuelve True
si todos los elementos dentro de ambas matrices son iguales dentro de una tolerancia especificada.
import numpy as np
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([1, 2, 3, 4, 5])
print(np.allclose(array1, array2))
Producción :
False
En el código anterior, usamos la función np.allclose()
para verificar si array1
es igual a array2
.
Maisam is a highly skilled and motivated Data Scientist. He has over 4 years of experience with Python programming language. He loves solving complex problems and sharing his results on the internet.
LinkedIn