Python将dict与csr_矩阵作为值进行比较

我有两个变量

r

和

e

，它们都是字典，字符串作为键，csr\u矩阵作为值。现在我想断言他们是平等的。我该怎么做

尝试1:

from scipy.sparse.csr import csr_matrix
import numpy as np

def test_dict_equals(self):
    r = {'a': csr_matrix([[0, 0 ,1], [0, 1, 0], [1, 0, 0]])}
    e = {'a': csr_matrix([[0, 0 ,1], [0, 1, 0], [1, 0, 0]])}
    self.assertDictEqual(r, e)

def test_dict_equals(self):
    r = {'a': csr_matrix([[0, 0 ,1.01], [0, 1, 0], [1, 0, 0]])}
    e = {'a': csr_matrix([[0, 0 ,1.01], [0, 1, 0], [1, 0, 0]])}
    self.assertListEqual(r.keys(), e.keys())
    for k in r.keys():
        np.testing.assert_allclose(r[k], e[k])

def test_dict_equals(self):
    r = {'a': csr_matrix([[0, 0 ,1.01], [0, 1, 0], [1, 0, 0]])}
    e = {'a': csr_matrix([[0, 0 ,1.01], [0, 1, 0], [1, 0, 0]])}
    self.assertListEqual(list(r.keys()), list(e.keys()))
    for k in r.keys():
        np.testing.assert_allclose(r[k], e[k])

这不起作用：

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all().

AssertionError: First sequence is not a list: dict_keys(['a'])

TypeError: ufunc 'isinf' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

尝试2:

from scipy.sparse.csr import csr_matrix
import numpy as np

def test_dict_equals(self):
    r = {'a': csr_matrix([[0, 0 ,1], [0, 1, 0], [1, 0, 0]])}
    e = {'a': csr_matrix([[0, 0 ,1], [0, 1, 0], [1, 0, 0]])}
    self.assertDictEqual(r, e)

def test_dict_equals(self):
    r = {'a': csr_matrix([[0, 0 ,1.01], [0, 1, 0], [1, 0, 0]])}
    e = {'a': csr_matrix([[0, 0 ,1.01], [0, 1, 0], [1, 0, 0]])}
    self.assertListEqual(r.keys(), e.keys())
    for k in r.keys():
        np.testing.assert_allclose(r[k], e[k])

def test_dict_equals(self):
    r = {'a': csr_matrix([[0, 0 ,1.01], [0, 1, 0], [1, 0, 0]])}
    e = {'a': csr_matrix([[0, 0 ,1.01], [0, 1, 0], [1, 0, 0]])}
    self.assertListEqual(list(r.keys()), list(e.keys()))
    for k in r.keys():
        np.testing.assert_allclose(r[k], e[k])

这也不起作用：

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all().

AssertionError: First sequence is not a list: dict_keys(['a'])

TypeError: ufunc 'isinf' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

尝试3:

from scipy.sparse.csr import csr_matrix
import numpy as np

def test_dict_equals(self):
    r = {'a': csr_matrix([[0, 0 ,1], [0, 1, 0], [1, 0, 0]])}
    e = {'a': csr_matrix([[0, 0 ,1], [0, 1, 0], [1, 0, 0]])}
    self.assertDictEqual(r, e)

def test_dict_equals(self):
    r = {'a': csr_matrix([[0, 0 ,1.01], [0, 1, 0], [1, 0, 0]])}
    e = {'a': csr_matrix([[0, 0 ,1.01], [0, 1, 0], [1, 0, 0]])}
    self.assertListEqual(r.keys(), e.keys())
    for k in r.keys():
        np.testing.assert_allclose(r[k], e[k])

def test_dict_equals(self):
    r = {'a': csr_matrix([[0, 0 ,1.01], [0, 1, 0], [1, 0, 0]])}
    e = {'a': csr_matrix([[0, 0 ,1.01], [0, 1, 0], [1, 0, 0]])}
    self.assertListEqual(list(r.keys()), list(e.keys()))
    for k in r.keys():
        np.testing.assert_allclose(r[k], e[k])

这也不起作用：

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all().

AssertionError: First sequence is not a list: dict_keys(['a'])

TypeError: ufunc 'isinf' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

---

assertDictEqual

函数将调用对象的

方法。在
csr\u矩阵
的源代码中，您可以看到没有
方法

您必须编写一个子类
csr\u matrix
，然后执行断言。下面是一个
numpy.ndarray
的示例。代码必须相似

import copy
import numpy
import unittest

class SaneEqualityArray(numpy.ndarray):
    def __eq__(self, other):
        return (isinstance(other, SaneEqualityArray) and
                self.shape == other.shape and
                numpy.ndarray.__eq__(self, other).all())

class TestAsserts(unittest.TestCase):

    def testAssert(self):
        tests = [
            [1, 2],
            {'foo': 2},
            [2, 'foo', {'d': 4}],
            SaneEqualityArray([1, 2]),
            {'foo': {'hey': SaneEqualityArray([2, 3])}},
            [{'foo': SaneEqualityArray([3, 4]), 'd': {'doo': 3}},
             SaneEqualityArray([5, 6]), 34]
        ]
        for t in tests:
            self.assertEqual(t, copy.deepcopy(t))

if __name__ == '__main__':
    unittest.main()

希望有帮助。
assertDictEqual
函数将调用对象的
方法。在
csr\u矩阵
的源代码中，您可以看到没有
方法

您必须编写一个子类
csr\u matrix
，然后执行断言。下面是一个
numpy.ndarray
的示例。代码必须相似

import copy
import numpy
import unittest

class SaneEqualityArray(numpy.ndarray):
    def __eq__(self, other):
        return (isinstance(other, SaneEqualityArray) and
                self.shape == other.shape and
                numpy.ndarray.__eq__(self, other).all())

class TestAsserts(unittest.TestCase):

    def testAssert(self):
        tests = [
            [1, 2],
            {'foo': 2},
            [2, 'foo', {'d': 4}],
            SaneEqualityArray([1, 2]),
            {'foo': {'hey': SaneEqualityArray([2, 3])}},
            [{'foo': SaneEqualityArray([3, 4]), 'd': {'doo': 3}},
             SaneEqualityArray([5, 6]), 34]
        ]
        for t in tests:
            self.assertEqual(t, copy.deepcopy(t))

if __name__ == '__main__':
    unittest.main()

希望有帮助。：
暂时忘掉字典，集中精力比较2个
稀疏矩阵。它们不是
numpy
数组，因此不能直接使用
np
方法。这就是你第三次尝试失败的原因

有一个
scipy.sparse
unittesting目录。我还没有研究过它，但它可能会给你一些超出我下面建议的想法


它们是不同的对象

id(A)==id(B) # False

它们具有相同数量的非零

A.nnz == B.nnz  # True - just a comparison of 2 numbers

此稀疏格式的数据包含在3个数组中，
A.data
，
A.index
，
A.indptr
。因此，您可以使用
np
方法来测试其中的一个或多个

np.allclose(A.data, B.data)   # this would also compare dtype

你也可以比较形状等等

较新版本的
scipy
实现了稀疏矩阵的逐元素比较器<代码>=
已实现，但可能会给您一个警告：

SparseEfficiencyWarning:使用==比较稀疏矩阵效率低下，请尝试使用！=相反

如果形状匹配，这可能是比较稀疏矩阵的有效方法：

(A!=B).nnz==0 

如果形状不匹配，
A=C
返回
True

如果它们很小，你可以比较它们的稠密等价物：

np.allclose(A.A, B.A)

暂时忘掉字典，专注于比较2个稀疏矩阵。它们不是
numpy
数组，因此不能直接使用
np
方法。这就是你第三次尝试失败的原因

有一个
scipy.sparse
unittesting目录。我还没有研究过它，但它可能会给你一些超出我下面建议的想法


它们是不同的对象

id(A)==id(B) # False

它们具有相同数量的非零

A.nnz == B.nnz  # True - just a comparison of 2 numbers

此稀疏格式的数据包含在3个数组中，
A.data
，
A.index
，
A.indptr
。因此，您可以使用
np
方法来测试其中的一个或多个

np.allclose(A.data, B.data)   # this would also compare dtype

你也可以比较形状等等

较新版本的
scipy
实现了稀疏矩阵的逐元素比较器<代码>=
已实现，但可能会给您一个警告：

SparseEfficiencyWarning:使用==比较稀疏矩阵效率低下，请尝试使用！=相反

如果形状匹配，这可能是比较稀疏矩阵的有效方法：

(A!=B).nnz==0 

如果形状不匹配，
A=C
返回
True

如果它们很小，你可以比较它们的稠密等价物：

np.allclose(A.A, B.A)

谢谢我现在确实在测试A.data、A.index和A.indptr。您所指的测试目录是用于实现csr_矩阵的测试代码，而不是用于测试的辅助函数。注意：可能有两个相同的矩阵，但具有不同的indptr/索引/数据数组。因此，对于这两个元素，非零元素的顺序不相同。这会导致错误检测到不相等。谢谢。我现在确实在测试A.data、A.index和A.indptr。您所指的测试目录是用于实现csr_矩阵的测试代码，而不是用于测试的辅助函数。注意：可能有两个相同的矩阵，但具有不同的indptr/索引/数据数组。因此，对于这两个元素，非零元素的顺序不相同。这会导致错误检测到不相等。