numpy.isclose#

numpy.isclose(a, b, rtol=1e-05, atol=1e-08, equal_nan=False)[источник]#

Возвращает булев массив, где два массива поэлементно равны в пределах допуска.

Значения допуска положительные, обычно очень маленькие числа. Относительная разница (rtol * abs(b)) и абсолютная разница atol складываются для сравнения с абсолютной разницей между a и b.

Предупреждение

По умолчанию atol не подходит для сравнения чисел с величинами, значительно меньшими единицы (см. Примечания).

Параметры:

a, barray_like: Входные массивы для сравнения.
rtolarray_like: Параметр относительной погрешности (см. Примечания).
atolarray_like: Параметр абсолютной погрешности (см. Примечания).
equal_nanbool: Сравнивать ли NaN как равные. Если True, NaN в a будет считаться равным NaN в b в выходном массиве.

Возвращает:

yarray_like: Возвращает булев массив, указывающий, где a и b равны в пределах заданной погрешности. Если оба a и b являются скалярами, возвращает одно логическое значение.

Смотрите также

allclose
math.isclose

Примечания

Для конечных значений isclose использует следующее уравнение для проверки эквивалентности двух значений с плавающей точкой:

absolute(a - b) <= (atol + rtol * absolute(b))

В отличие от встроенной math.isclose, приведенное выше уравнение не симметрично относительно a и b – предполагается, что b является эталонным значением – так что isclose(a, b) может отличаться от isclose(b, a).

Значение по умолчанию для atol не подходит, когда эталонное значение b имеет величину меньше единицы. Например, маловероятно, что a = 1e-9 и b = 2e-9 должны считаться "близкими", однако isclose(1e-9, 2e-9) является True с настройками по умолчанию. Обязательно выберите atol для конкретного случая использования, особенно для определения порога, ниже которого ненулевое значение в a будет считаться "близким" к очень маленькому или нулевому значению в b.

isclose не определен для нечисловых типов данных. bool считается числовым типом данных для этой цели.

Примеры

>>> import numpy as np
>>> np.isclose([1e10,1e-7], [1.00001e10,1e-8])
array([ True, False])

>>> np.isclose([1e10,1e-8], [1.00001e10,1e-9])
array([ True, True])

>>> np.isclose([1e10,1e-8], [1.0001e10,1e-9])
array([False,  True])

>>> np.isclose([1.0, np.nan], [1.0, np.nan])
array([ True, False])

>>> np.isclose([1.0, np.nan], [1.0, np.nan], equal_nan=True)
array([ True, True])

>>> np.isclose([1e-8, 1e-7], [0.0, 0.0])
array([ True, False])

>>> np.isclose([1e-100, 1e-7], [0.0, 0.0], atol=0.0)
array([False, False])

>>> np.isclose([1e-10, 1e-10], [1e-20, 0.0])
array([ True,  True])

>>> np.isclose([1e-10, 1e-10], [1e-20, 0.999999e-10], atol=0.0)
array([False,  True])