আমি আমার অ্যাপ্লিকেশনের জন্য কিছু ইউনিট-পরীক্ষা করতে চাই এবং আমাকে দুটি অ্যারে তুলনা করতে হবে। যেহেতু array.__eq__নতুন অ্যারে প্রদান করে (তাই TestCase.assertEqualব্যর্থ হয়), তাই সমতার পক্ষে দাবি করার সর্বোত্তম উপায় কী?
বর্তমানে আমি ব্যবহার করছি
self.assertTrue((arr1 == arr2).all())
তবে আমি আসলে এটি পছন্দ করি না
উত্তর:
এ্যাসার্ট ফাংশনগুলি পরীক্ষা করুন numpy.testing, যেমন
assert_array_equal
ভাসমান পয়েন্ট অ্যারে সমতা পরীক্ষা ব্যর্থ হতে পারে এবং assert_almost_equalআরও নির্ভরযোগ্য।
হালনাগাদ
কয়েকটি সংস্করণ পূর্বে নম্পি পেয়েছিল assert_allcloseযা এখন আমার প্রিয় কারণ এটি আমাদের নিখুঁত এবং আপেক্ষিক ত্রুটি উভয়ই নির্দিষ্ট করতে দেয় এবং নিকটতার মানদণ্ড হিসাবে দশমিক বৃত্তাকার প্রয়োজন হয় না।
unittestব্যবহার self.assertIsNone(np.testing.assert_array_equal(a, b))করেন Noneতবে অ্যারে সমান হলে এটির হিসাবে আপনি এটি ব্যবহার করতে পারবেন ।
আমার মনে হয় (arr1 == arr2).all()বেশ সুন্দর লাগছে। তবে আপনি ব্যবহার করতে পারেন:
numpy.allclose(arr1, arr2)
তবে এটি একরকম নয়।
একটি বিকল্প, আপনার উদাহরণের মতো প্রায়:
numpy.alltrue(arr1 == arr2)
নোট করুন যে scipy.array আসলে একটি রেফারেন্স numpy.array। এটি ডকুমেন্টেশনগুলি সন্ধান করা সহজ করে তোলে।
আমি এটি ব্যবহার করে দেখতে পাচ্ছি
self.assertEqual(arr1.tolist(), arr2.tolist())
ইউনিটেস্টের সাথে অ্যারের তুলনা করার সবচেয়ে সহজ উপায়টি ব্যবহার।
আমি সম্মতি জানাই যে এটি সর্বোত্তম সমাধান নয় এবং এটি সম্ভবত দ্রুততম নয় তবে এটি আপনার পরীক্ষার বাকী ক্ষেত্রেগুলির সাথে সম্ভবত আরও ইউনিফর্ম, আপনি সমস্ত ইউনিটেস্ট ত্রুটির বিবরণ পান এবং এটি বাস্তবায়ন করা সত্যই সহজ।
np.nan, যেহেতু np.nan != np.nanএবং self.assertEqualপ্রচেষ্টা এর জন্য অ্যাকাউন্ট করতে সক্ষম হবে না।
আমার পরীক্ষায় আমি এটি ব্যবহার করি:
numpy.testing.assert_array_equal(arr1, arr2)
(np.array([1, 1]) == np.array([1])).all()সত্যটি পাওয়া যাবে