如何比较忽略nans的numpy数组？ [复制]答案

【问题标题】：How to compare numpy arrays ignoring nans? [duplicate]如何比较忽略nans的numpy数组？ [复制]
【发布时间】：2018-08-21 02:33:39
【问题描述】：

我需要比较两个 numpy 数组是否等于忽略 nan 值的所需精度。
例如：

a = [1,nan,3,nan]  
b = [1,0.2,3,4.1]

应该通过测试。
我试过使用 numpy.all 函数，但我知道它期望两个数组相同，我需要有一些容忍度，因为浮点值可能会有所不同。
我怎样才能做到这一点？

【问题讨论】：

标签： python arrays numpy comparison

【解决方案1】：

整数数组
使用np.isfinite 屏蔽您的数组并与np.array_equal 进行比较：

def array_nan_equal(a, b):
    m = np.isfinite(a) & np.isfinite(b)
    return np.array_equal(a[m], b[m])

assert array_nan_equal(
     np.array([1, np.nan, 3, np.nan]), np.array([1, 2, 3, 4])
)
assert not array_nan_equal(
     np.array([1, 4, 3, np.nan]), np.array([1, 2, 3, 4])
)

请注意，如果您想考虑 +/-inf，您可以按照@Paul Panzer 的回答中的提示使用m = ~(np.isnan(a) & np.isnan(b)) 而不是np.isfinite。

浮点数组
对于浮点数，您需要在容差范围内进行比较，因此将 np.array_equal 替换为对 np.allclose 的调用：

def array_nan_close(a, b):
    m = np.isfinite(a) & np.isfinite(b)
    return np.allclose(a[m], b[m])

assert array_nan_close(
     np.array([1.3, np.nan, 3.4, np.nan]), np.array([1.3000001, 2, 3.4, 4])
)
assert not array_nan_close(
     np.array([1.1, 4.0, 3.5, np.nan]), np.array([1, 2, 3, 4])
)

【讨论】：

您究竟想通过形状检查实现什么目标？
@PaulPanzer 看看累了会让你做什么......不幸的是，现在它与你的答案有点相似，所以如果你对它感到不舒服，请随时从我的答案中编辑它.干杯。还给你投票。

【解决方案2】：

使用np.allclose 和np.isnan：

mask = ~(np.isnan(a) | np.isnan(b))
np.allclose(a[mask], b[mask])

这可以正确处理+/- inf 并允许存在小的差异。绝对和相对公差可以指定为allclose 的参数。

【讨论】：