Python 检查numpy数组中的所有元素是否匹配一个数字

在我的python测试脚本中，我想断言numpy数组的所有元素是否非常接近1.0或等于0.0。该数组如下所示：

[[0.9999999991268851 1.0000000223517418 0.999999986961484 ...,
  0.9999999841675162 1.0000000074505806 0.9999999841675162]
 [0.9999999991268851 1.0000000223517418 0.999999986961484 ...,
  0.9999999841675162 1.0000000074505806 0.9999999841675162]
 [0.9999999991268851 1.0000000223517418 0.999999986961484 ...,
  0.9999999841675162 1.0000000074505806 0.9999999841675162]
 ..., 
 [1.0000000198488124 1.0000000074505806 1.000000002568413 ...,
  0.9999999888241291 0.9999999925494194 0.0]
 [1.000000011001248 0.9999999850988388 0.9999999869323801 ...,
  1.0000000186264515 0.9999999925494194 0.0]
 [1.000000011001248 0.9999999850988388 0.9999999869323801 ...,
  1.0000000186264515 0.9999999925494194 0.0]]

---

我曾想过使用numpy.allclose或numpy.array_equal，但在这里两者都没有意义。理想情况下，函数应该能够在测试场景中使用

我能想到的最简单的事情就是迭代数组的每个元素，并测试它是否接近1或等于0：

import numpy as np

arr = np.array([[0.9999999991268851, 1.0000000223517418, 0.999999986961484],
                [1.0000000186264515, 0.9999999925494194, 0.0]])

def is_one_or_zero(arr):
  for elem in np.nditer(arr):
    if not (elem == 0 or np.isclose(1.0, elem)):
      return False
  return True

print is_one_or_zero(arr) # Should be True
arr[0, 0] = 1.01
print is_one_or_zero(arr) # Should be False

---

您可以获取0元素并使用布尔索引将其屏蔽。完成后，

np.allclose

正是您想要的：

zeros = arr == 0.0
without_zeros = arr[~zeros]
np.allclose(without_zeros, 1, ...)

---

什么是“非常接近”？我想你看到的是numpy的

assert\u几乎等于
。参见示例。为什么
allclose
没有意义？（它可以广播！）我会迭代
arr.flat
，而不是假设它是一个2D数组。@mgilson我将它改为使用
np.nditer
。
arr.flat
与
np.nditer
相比有什么优势吗？我不知道：-）。这两者之间可能没有太大区别——虽然我已经有一段时间没有大量使用numpy了，所以我可能在这里错了…
arr.flat
是一个非常简单的迭代器，总是以c-连续顺序进行迭代
nditer
能够执行更复杂的操作，请参阅。另一方面，由于严重的python性能损失，numpy数组的python循环通常不是一个好主意。