numpy.testing.assert_array_equal

numpy.testing.assert_array_equal(x, y, err_msg='', verbose=True)    [source]

如果两个array_like对象不相等，则引发AssertionError。

给定两个array_like对象，检查形状是否相等以及这些对象的所有元素是否相等(但是请参阅注释，了解标量的特殊处理)。当形状不匹配或值冲突时引发异常。与numpy中的标准用法相反，将nan作为数字进行比较，如果两个对象的nan位于相同的位置，则不会产生断言。

建议使用浮点数验证是否相等时要格外小心。

Notes

当x和y中的一个是标量，另一个是array_like时，该函数将检查array_like对象的每个元素是否等于标量。

例子

第一个断言不会引发异常：

>>> np.testing.assert_array_equal([1.0,2.33333,np.nan],
...                               [np.exp(0),2.33333, np.nan])

声明由于浮点数值不精确而失败：

>>> np.testing.assert_array_equal([1.0,np.pi,np.nan],
...                               [1, np.sqrt(np.pi)**2, np.nan])
Traceback (most recent call last):
    ...
AssertionError:\nArrays are not equal
\nMismatched elements: 1 / 3 (33.3%)
Max absolute difference: 4.4408921e-16
Max relative difference: 1.41357986e-16
 x: array([1.      , 3.141593,      nan])
 y: array([1.      , 3.141593,      nan])

在这些情况下，使用assert_allclose或nulp（浮点值的数量）函数之一：

>>> np.testing.assert_allclose([1.0,np.pi,np.nan],
...                            [1, np.sqrt(np.pi)**2, np.nan],
...                            rtol=1e-10, atol=0)

如注释部分所述，assert_array_equal具有标量的特殊处理。在这里，测试检查x中的每个值是否为3：

>>> x = np.full((2, 5), fill_value=3)
>>> np.testing.assert_array_equal(x, 3)