将两个字典与numpy矩阵作为值进行比较 [英] Comparing two dictionaries with numpy matrices as values

问题描述

我想断言两个Python字典是相等的（这意味着：等量的键，从键到值的每个映射是相等的;顺序并不重要）。一个简单的方法是断言A == B ，但是，如果字典的值为 numpy数组。如果两个字典相同，我如何编写一个函数来检查？

 >>>导入numpy为np 
>>>> A = {1：np.identity（5）} 
>>> B = {1：np.identity（5）+ np.ones（[5,5]）} 
>>> A == B 
 ValueError：具有多个元素的数组的真值是不明确的。使用a.any（）或a.all（）
  

编辑我知道应该检查numpy矩阵是否与 .all（）相等。我正在寻找的是检查这个的一般方法，而不必检查 isinstance（np.ndarray）。这是可能的吗？

没有numpy数组的相关主题：

• 比较Python中的两个字典


• 比较/组合两个字典

解决方案

考虑这个代码

 >>>导入numpy为np 
>>>> np.identity（5）
 array（[[1.，0.，0.，0.，0.]，
 [0.，1.，0.，0.，0] ，
 [0.，0.，1.，0.，0.]，
 [0.，0.，0.，1.，0]，
 [ ，0.，0.，0.，1.]]）
>>>> np.identity（5）+ np.ones（[5,5]）
 array（[[2.，1.，1.，1.，1.]，
 [1.，2 ，1.，1.，1.]，
 [1.，1.，2.，1.，1.]，
 [1.，1.，1.， 1.]，
 [1.，1.，1.，1.，2.]]）
>>> np.identity（5）== np.identity（5）+ np.ones（[5,5]）
数组（[[False，False，False，False，False]，
 [False ，False，False，False]，
 [False，False，False，False，False]，
 [False，False，False，False，False]，
 [False，False ，False，False，False]]，dtype = bool）
>>> 
  

注意比较的结果是一个矩阵，而不是一个布尔值。字幕比较将使用值 cmp 方法比较值，这意味着当比较矩阵值时，dict比较将获得复合结果。你想做的是使用
numpy.all 将复合数组结果折叠为标量布尔值结果

 >>> np.all（np.identity（5）== np.identity（5）+ np.ones（[5,5]））
 False 
>>> np.all（np.identity（5）== np.identity（5））
 True 
>>> 
  

您需要编写自己的函数来比较这些字典，测试值类型，以查看它们是否matricies，然后使用 numpy.all 进行比较，否则使用 == 。当然，如果你也愿意，你可以随时看看，开始继承dict并重载 cmp 。

I want to assert that two Python dictionaries are equal (that means: equal amount of keys, and each mapping from key to value is equal; order is not important). A simple way would be assert A==B, however, this does not work if the values of the dictionaries are numpy arrays. How can I write a function to check in general if two dictionaries are equal?

>>> import numpy as np
>>> A = {1: np.identity(5)}
>>> B = {1: np.identity(5) + np.ones([5,5])}
>>> A == B
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

EDIT I am aware that numpy matrices shall be checked for equality with .all(). What I am looking for is a general way to check for this, without having to check isinstance(np.ndarray). Would this be possible?

Related topics without numpy arrays:

• Comparing two dictionaries in Python
• Comparing/combining two dictionaries

解决方案

Consider this code

>>> import numpy as np
>>> np.identity(5)
array([[ 1.,  0.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  0.,  0.],
       [ 0.,  0.,  1.,  0.,  0.],
       [ 0.,  0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  0.,  1.]])
>>> np.identity(5)+np.ones([5,5])
array([[ 2.,  1.,  1.,  1.,  1.],
       [ 1.,  2.,  1.,  1.,  1.],
       [ 1.,  1.,  2.,  1.,  1.],
       [ 1.,  1.,  1.,  2.,  1.],
       [ 1.,  1.,  1.,  1.,  2.]])
>>> np.identity(5) == np.identity(5)+np.ones([5,5])
array([[False, False, False, False, False],
       [False, False, False, False, False],
       [False, False, False, False, False],
       [False, False, False, False, False],
       [False, False, False, False, False]], dtype=bool)
>>> 

Note the the result of the comparison is a matrix, not a boolean value. Dict comparisons will compare values using the values cmp methods, which means that when comparing matrix values, the dict comparison will get a composite result. What you want to do is use numpy.all to collapse the composite array result into a scalar boolean result

>>> np.all(np.identity(5) == np.identity(5)+np.ones([5,5]))
False
>>> np.all(np.identity(5) == np.identity(5))
True
>>> 

You would need to write your own function to compare these dictionaries, testing value types to see if they are matricies, and then comparing using numpy.all, otherwise using ==. Of course, you can always get fancy and start subclassing dict and overloading cmp if you want too.

这篇关于将两个字典与numpy矩阵作为值进行比较的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！