Tableau NumPy égal
-
NumPy Arrays Equality Check avec l’opérateur
==
en Python -
NumPy Arrays Equality Check avec la fonction
numpy.array_equal()
-
NumPy Arrays Equality Check avec la fonction
numpy.array_equiv()
en Python -
NumPy est égal à la fonction
numpy.allcloses()
en Python
Cet article présentera les méthodes pour effectuer une comparaison d’égalité au niveau des éléments sur les tableaux NumPy en Python.
NumPy Arrays Equality Check avec l’opérateur ==
en Python
L’opérateur de comparaison d’égalité ==
permet de vérifier si deux quantités sont égales ou non. L’opérateur ==
renvoie True
si les quantités sont égales et False
si les quantités ne sont pas égales. Nous pouvons utiliser l’opérateur ==
avec la fonction all()
pour vérifier si tous les éléments des deux tableaux sont égaux ou non. L’exemple de code suivant nous montre comment nous pouvons comparer deux tableaux pour l’égalité avec l’opérateur ==
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())
Production:
True
Dans le code ci-dessus, nous avons comparé élément par élément les tableaux array1
et array2
pour l’égalité avec l’opérateur ==
et la fonction all()
. Nous avons d’abord créé les tableaux array1
et array2
avec la fonction np.array()
. Nous avons ensuite utilisé l’opérateur ==
avec la fonction all()
pour vérifier si toutes les valeurs à l’intérieur de array1
sont égales aux valeurs à l’intérieur de array2
. Cette approche est très efficace et facile à comprendre, mais il y a quelques inconvénients à utiliser cette approche. Par exemple, si l’un des tableaux est vide et que le deuxième tableau ne contient qu’un seul élément, cette approche renverra une valeur True
. Un autre problème est que si les deux tableaux ont des formes différentes, cette approche nous donnera une erreur.
NumPy Arrays Equality Check avec la fonction numpy.array_equal()
Un moyen plus complet et sans erreur d’atteindre le même objectif que l’approche précédente consiste à utiliser la fonction numpy.array_equal()
. La fonction numpy.array_equal()
compare deux tableaux pour l’égalité. La fonction numpy.array_equal()
renvoie True
si les tableaux sont égaux et False
si les tableaux ne sont pas égaux. L’exemple de code suivant nous montre comment nous pouvons comparer deux tableaux pour l’égalité avec la fonction 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))
Production:
True
Dans le code ci-dessus, nous avons utilisé la fonction np.array_equal()
pour vérifier si toutes les valeurs à l’intérieur de array1
sont égales aux valeurs à l’intérieur de array2
.
NumPy Arrays Equality Check avec la fonction numpy.array_equiv()
en Python
La fonction numpy.array_equiv()
peut également être utilisée pour vérifier si deux tableaux sont égaux ou non en Python. La fonction numpy.array_equiv()
renvoie True
si les deux tableaux ont la même forme et tous les éléments sont égaux, et renvoie False
sinon.
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))
Production:
False
Dans le code ci-dessus, nous avons utilisé la fonction np.array_equiv()
pour vérifier si array1
est égal à array2
.
NumPy est égal à la fonction numpy.allcloses()
en Python
La fonction numpy.allclose()
peut également être utilisée pour vérifier si deux tableaux sont égaux ou non au niveau des éléments en Python. La fonction numpy.allclose()
renvoie True
si tous les éléments à l’intérieur des deux tableaux sont égaux dans une tolérance spécifiée.
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))
Production:
False
Dans le code ci-dessus, nous avons utilisé la fonction np.allclose()
pour vérifier si array1
est égal à 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