如何比較兩個 NumPy 陣列？

---

NumPy 是 Python 程式設計中廣泛使用的庫，它提供了有效且有用的陣列操作方法。在開發過程中，經常會遇到需要比較兩個 NumPy 陣列的情況。這可能是為了驗證是否存在相同的元素，或者檢測它們之間的差異。

在本文中，我們將探討比較兩個 NumPy 陣列的各種方法，包括基本比較運算子（如 ==）以及更高階的函式（如 numpy.array_equal() 和 numpy.setdiff1d()）。我們的目標是全面瞭解如何在 Python 中比較 NumPy 陣列，並指導您根據具體的比較需求選擇合適的方法。

方法 1

使用 == 運算子比較兩個陣列是最簡單的方法之一。此運算子檢查輸入陣列中相同位置的元素，並返回一個布林陣列。在此陣列中，每個元素表示輸入陣列中對應位置的元素是否相等。

以下是一個示例

示例

import numpy as np

a = np.array([1, 2, 3])
b = np.array([1, 2, 4])

print(a == b)

輸出

[ True  True False]

在這種情況下，輸出告訴我們陣列的前兩個元素相等，而第三個元素不相等。

此方法在比較兩個形狀相同的陣列時很有用，但如果陣列形狀不同，則不起作用。

示例

以下是一個示例

import numpy as np

a = np.array([1, 2, 3])
b = np.array([1, 2])

print(a == b)

輸出

False

在這種情況下，我們得到一個 ValueError，因為兩個陣列的形狀不同，無法一起顯示。

方法 2

另一個用於比較陣列的有用函式是 numpy.array_equal()。此函式返回一個布林輸出，指示兩個輸入陣列的形狀和元素是否相同。

示例

以下是一個示例

import numpy as np

a = np.array([1, 2, 3])
b = np.array([1, 2, 3])
c = np.array([1, 2])

print(np.array_equal(a, b))

print(np.array_equal(a, c))

輸出

True
False

在這種情況下，對 numpy.array_equal() 的第一次呼叫返回 True，因為兩個陣列的形狀和元素相同。第二次呼叫返回 False，因為陣列的形狀不同。

雖然 numpy.array_equal() 是一個用於比較兩個 NumPy 陣列是否完全相等的實用函式，但在處理具有細微差異的陣列時，它可能不是最佳方法。在這種情況下，numpy.allclose() 或其他方法可能更合適。

示例

以下是一個解釋的示例

import numpy as np

a = np.array([1.0, 2.0, 3.0])
b = np.array([1.0000001, 2.0000001, 3.0000001])

print(np.array_equal(a, b))

輸出

False

在這種特定情況下，兩個陣列幾乎相同，但 numpy.array_equal() 仍然返回 False，因為值不完全相等。

方法 3

如果要檢查一個數組中存在但另一個數組中不存在的元素，則使用 numpy.setdiff1d() 函式。透過比較兩個陣列，此函式返回在一個數組中存在但在另一個數組中不存在的元素。

示例

以下是一個示例

import numpy as np

a = np.array([1, 2, 3, 4, 5])
b = np.array([3, 4, 5, 6, 7])

print(np.setdiff1d(a, b))

print(np.setdiff1d(b, a))

輸出

[1 2]
[6 7]

方法 4

如果我們想要比較可能存在細微差異的兩個陣列，可以使用 numpy.allclose() 函式。它返回一個布林值，指示兩個陣列的所有元素是否在一定容差範圍內相等。

示例

以下是一個示例

import numpy as np

a = np.array([1.0, 2.0, 3.0])
b = np.array([1.0000001, 2.0000001, 3.0000001])

print(np.allclose(a, b))

輸出

True

在這種情況下，numpy.allclose() 返回 True，表示陣列相同。

方法 5

如果要查詢兩個 NumPy 陣列共有的元素，可以使用 numpy.intersect1d() 函式，它將只返回兩個陣列中都存在的元素。

示例

以下是一個示例

import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([3, 4, 5, 6])

print(np.intersect1d(a, b))

輸出

[3 4]

在這種情況下，numpy.intersect1d() 返回 a 和 b 中都存在的元素。

方法 6

比較兩個 NumPy 陣列的另一種方法是先對它們進行排序，然後使用 numpy.array_equiv() 函式逐元素進行比較。此函式檢查兩個陣列的形狀是否相同，以及在排序後它們的對應元素是否相等。

示例

以下是一個示例

import numpy as np

a = np.array([1, 2, 3])
b = np.array([2, 1, 3])

print(np.array_equiv(np.sort(a), np.sort(b)))

輸出

True

在這種情況下，numpy.array_equiv() 返回 True，表示排序後的陣列相等。

結論

總而言之，比較兩個 NumPy 陣列是許多科學和資料分析應用中的關鍵操作。透過利用本文中討論的不同方法，您可以比較陣列的相等性、相似性和差異，以應對各種場景。從簡單的 == 運算子到更高階的 numpy.array_equiv() 函式，每種方法都有其自身的優缺點，使其適用於特定的用例。無論您是處理小型資料集還是大型資料集，NumPy 都提供了一套強大的工具來幫助您有效地操作和分析資料。透過將這些技術整合到您的 Python 程式碼中，您可以簡化工作流程，並根據資料做出更明智的決策。