NumPy NumPy参考

• 数组对象
• 常数
• 通用功能（ufunc）
• 例行程序
•    数组创建例程
•    数组操作例程
•    Binary operations
•    String operations
•    C-Types Foreign Function Interface (numpy.ctypeslib)
•    Datetime Support Functions
•    Data type routines
•    Optionally Scipy-accelerated routines (numpy.dual)
•    Mathematical functions with automatic domain (numpy.emath)
•    Floating point error handling
•    Discrete Fourier Transform (numpy.fft)
•    Financial functions
•    Functional programming
•    NumPy-specific help functions
•    Indexing routines
•    输入输出
•    线性代数（numpy.linalg）
•    逻辑功能
•    Mathematical functions
•    Matrix library (numpy.matlib)
•    Miscellaneous routines
•    Padding Arrays
•    Polynomials
•    Random sampling (numpy.random)
•    Set routines
•    Sorting, searching, and counting
•    Statistics
•    Test Support (numpy.testing)
•          numpy.testing.assert_almost_equal
•          numpy.testing.assert_approx_equal
•          numpy.testing.assert_array_almost_equal
•          numpy.testing.assert_allclose
•          numpy.testing.assert_array_almost_equal_nulp
•          numpy.testing.assert_array_max_ulp
•          numpy.testing.assert_array_equal
•          numpy.testing.assert_array_less
•          numpy.testing.assert_equal
•          numpy.testing.assert_raises
•          numpy.testing.assert_raises_regex
•          numpy.testing.assert_warns
•          numpy.testing.assert_string_equal
•          numpy.testing.dec.deprecated
•          numpy.testing.dec.knownfailureif
•          numpy.testing.dec.setastest
•          numpy.testing.dec.skipif
•          numpy.testing.dec.slow
•          numpy.testing.decorate_methods
•          numpy.testing.Tester
•          numpy.testing.run_module_suite
•          numpy.testing.rundocs
•          numpy.testing.suppress_warnings
•          Testing Guidelines
•    Window functions
• Packaging (numpy.distutils)
• NumPy Distutils - Users Guide
• NumPy C-API
• NumPy内部
• NumPy和SWIG

numpy.testing.assert_almost_equal（实际，期望，十进制= 7，err_msg =''，详细= True ）[源代码] ¶

如果两个项不等于期望的精度，则引发AssertionError。

注意

对于更一致的浮点比较assert_allclose， 建议使用assert_array_almost_equal_nulp或之一assert_array_max_ulp代替此函数。

该测试验证的元素actual和desired满足。

abs(desired-actual) < 1.5 * 10**(-decimal)

这是比原始记录更宽松的测试，但与实际实现中assert_array_almost_equal对舍入变幻无常相一致。值冲突时会引发异常。对于ndarray，这委托给assert_array_almost_equal

参量

实际的array_like

要检查的对象。

所需的array_like

预期的对象。

十进制int，可选

所需精度，默认为7。

err_msg str，可选

发生故障时要打印的错误消息。

详细布尔值，可选

如果为True，则冲突值将附加到错误消息中。

加薪

断言错误

如果实际和期望值不等于指定的精度。

也可以看看

assert_allclose

比较两个array_like对象是否相等，并具有所需的相对和/或绝对精度。

assert_array_almost_equal_nulp，assert_array_max_ulp，assert_equal

例子

>>> import numpy.testing as npt
>>> npt.assert_almost_equal(2.3333333333333, 2.33333334)
>>> npt.assert_almost_equal(2.3333333333333, 2.33333334, decimal=10)
Traceback (most recent call last):
    ...
AssertionError:
Arrays are not almost equal to 10 decimals
 ACTUAL: 2.3333333333333
 DESIRED: 2.33333334

>>> npt.assert_almost_equal(np.array([1.0,2.3333333333333]),
...                         np.array([1.0,2.33333334]), decimal=9)
Traceback (most recent call last):
    ...
AssertionError:
Arrays are not almost equal to 9 decimals
Mismatch: 50%
Max absolute difference: 6.66669964e-09
Max relative difference: 2.85715698e-09
 x: array([1.         , 2.333333333])
 y: array([1.        , 2.33333334])