numpy.testing.assert_almost_equal

原文：https://docs.scipy.org/doc/numpy/reference/generated/numpy.testing.assert_almost_equal.html

译者：飞龙 UsyiyiCN

校对：（虚位以待）

numpy.testing.assert_almost_equal(actual, desired, decimal=7, err_msg='', verbose=True)[source]

如果两个项目不等于所需精度，则引发AssertionError。

注意

建议使用assert_allclose，assert_array_almost_equal_nulp或assert_array_max_ulp之一来代替此函数，以获得更一致的浮点比较。

该测试等效于abs（期望 - 实际） 0.5 * 10 **（ - 十进制）。

给定两个对象（数字或ndarrays），检查这些对象的所有元素几乎相等。在冲突的价值观中引发异常。对于ndarrays这个委托assert_array_almost_equal

参数：	actual：array_like 要检查的对象。 所需：array_like 预期对象。 十进制：int，可选 所需精度，默认为7。 err_msg：str，可选 出现故障时打印的错误消息。 verbose：bool，可选 如果为True，则冲突的值将附加到错误消息。
上升：	AssertionError 如果实际和期望的不等于指定的精度。

也可以看看

assert_allclose

将两个array_like对象与所需的相对和/或绝对精度进行比较。

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)
...
<type 'exceptions.AssertionError'>:
Items are not equal:
 ACTUAL: 2.3333333333333002
 DESIRED: 2.3333333399999998

>>> npt.assert_almost_equal(np.array([1.0,2.3333333333333]),
...                         np.array([1.0,2.33333334]), decimal=9)
...
<type 'exceptions.AssertionError'>:
Arrays are not almost equal

(mismatch 50.0%)
 x: array([ 1.        ,  2.33333333])
 y: array([ 1.        ,  2.33333334])