Если вы хотите проверить, имеют ли два массива одинаковые shape
AND elements
, следует использовать np.array_equal
метод, рекомендованный в документации.
С точки зрения производительности не ожидайте, что любая проверка на равенство превзойдет другую, так как нет места для оптимизации comparing two elements
. Просто ради этого я все же провел несколько тестов.
import numpy as np
import timeit
A = np.zeros((300, 300, 3))
B = np.zeros((300, 300, 3))
C = np.ones((300, 300, 3))
timeit.timeit(stmt='(A==B).all()', setup='from __main__ import A, B', number=10**5)
timeit.timeit(stmt='np.array_equal(A, B)', setup='from __main__ import A, B, np', number=10**5)
timeit.timeit(stmt='np.array_equiv(A, B)', setup='from __main__ import A, B, np', number=10**5)
> 51.5094
> 52.555
> 52.761
Так что в равной степени, не нужно говорить о скорости.
В (A==B).all()
ведет себя довольно много , как в следующем фрагменте кода:
x = [1,2,3]
y = [1,2,3]
print all([x[i]==y[i] for i in range(len(x))])
> True
np.array_equal
IME.(A==B).all()
произойдет сбой, если A и B имеют разную длину . Начиная с версии 1.10, == в этом случае выдает предупреждение об устаревании .