Автор оригинала: Team Python Pool.

Иллюстрация Метода NumPy allclose () – С Примерами

Привет, кодеры!! В этой статье мы познакомимся с методом NumPy.allclose() в Python. href=”https://www.w3schools.com/python/numpy_intro.asp” >NumPy-это встроенный модуль в Python, используемый для массивоподобных функций. href=”https://www.w3schools.com/python/numpy_intro.asp” >NumPy-это встроенный модуль в Python, используемый для массивоподобных функций Без лишних слов давайте сразу перейдем к теме.

Что такое NumPy allclose ()?

numpy.allclose() – это функция модуля NumPy в Python. Он используется для определения того, равны ли два массива по элементам в пределах заданного допуска. Значения допуска – это небольшие положительные числа. Относительная разница и абсолютная разница суммируются и сравниваются с абсолютной разницей между двумя массивами. Если какой-либо массив содержит один или несколько NAN, он возвращает False. Элементы считаются равными, если они находятся в одном и том же месте и имеют один и тот же знак в обоих массивах.

Синтаксис:

numpy.allclose(arr1, arr2, rtol, atol,)

Параметры:

• arr1: 1-й вход массива
• arr2: 2-й вход массива
• rtol: относительная толерантность
• atol: абсолютная толерантность
• equal_nan: Следует ли сравнивать NaN как равные. Если True, то NaN в arr1 считается равным NaN в arr2

Возвращаемое значение:

True, если два массива равны в пределах заданного допуска, иначе False.

Примеры метода all close:

1) Базовый пример Numpy allclose():

import numpy as np
a=[1.67,3.56]
b=[1.68,3.56]
print(np.allclose(a,b))

Вывод и объяснение:

False

Поскольку первый элемент обоих элементов не равен, он возвращает False.

2) NumPy allclose() с относительным допуском:

import numpy as np

arr1 = [1e10,1e-8]
arr2 = [1.00001e10,1e-9]

print(np.allclose(arr1,.1) )

Вывод и объяснение:

True

Здесь мы использовали относительный допуск как 0.1 и абсолютный допуск как 0.1. В заданном диапазоне допусков элементы массива одинаковы, и поэтому он возвращает True.

3) Массив, имеющий значение NaN:

import numpy as np
print(np.allclose([2.0, np.nan], [2.0, np.nan]))

Вывод и объяснение:

False

Поскольку параметр equal_nan не установлен как True, значения nan обоих массивов считаются различными. В результате вывод оказывается ложным.

4) Массив, имеющий значение NaN со значением equal_nan, установленным как True:

import numpy as np
print(np.allclose([2.0, np.nan], [2.0,))

Вывод и объяснение:

True

Поскольку теперь мы использовали параметр equal_nan как True, значение NaN обоих массивов считается равным, и поэтому вывод является Истинным.

Разница между NumPy allclose () и is close():

Вывод:

С этой статьей мы подходим к концу этой статьи. Здесь мы увидели несколько иллюстрированных примеров, чтобы прояснить нашу концепцию метода NumPy allclose ().