numpy.testing.assert_approx_equal#

testing.assert_approx_equal(actual, desired, significant=7, err_msg='', verbose=True)[源代码]#

如果两个项目在有效数字内不相等,则引发 AssertionError.

备注

建议使用 assert_allclose, assert_array_almost_equal_nulp 或 assert_array_max_ulp 之一来代替此函数,以进行更一致的浮点数比较.

给定两个数字,检查它们是否近似相等.近似相等定义为同意的有效数字位数.

参数:
actualscalar

要检查的对象.

desiredscalar

预期的对象.

significantint, 可选

期望的精度,默认是 7.

err_msgstr, 可选

在失败情况下要打印的错误消息.

verbosebool, 可选

如果为真,冲突的值将被附加到错误消息中.

引发:
AssertionError

如果实际值和期望值在指定精度下不相等.

参见

assert_allclose

比较两个类似数组的对象,以达到期望的相对和/或绝对精度.

assert_array_almost_equal_nulp, assert_array_max_ulp, assert_equal

示例

>>> np.testing.assert_approx_equal(0.12345677777777e-20, 0.1234567e-20)
>>> np.testing.assert_approx_equal(0.12345670e-20, 0.12345671e-20,
...                                significant=8)
>>> np.testing.assert_approx_equal(0.12345670e-20, 0.12345672e-20,
...                                significant=8)
Traceback (most recent call last):
    ...
AssertionError:
Items are not equal to 8 significant digits:
 ACTUAL: 1.234567e-21
 DESIRED: 1.2345672e-21

引发异常的评估条件是

>>> abs(0.12345670e-20/1e-21 - 0.12345672e-20/1e-21) >= 10**-(8-1)
True
On this page