Python比较字典与csr_matrices作为值

Question

我有两个变量r和e这两个变量都是字典，字符串作为键和csr_matrices作为值。现在我想断言他们是平等的。我该怎么做呢？

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) 

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(). 

尝试2：

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]) 

但这也不起作用：

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

尝试3：

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]) 

但这也不起作用：

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'' 

Answer 1

的assertDictEqual功能将调用对象的方法__eq__。在源代码csr_matrix中，可以看到没有__eq__方法。

你必须写的csr_matrix一个子类，然后做断言。以下是numpy.ndarray的一个例子。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() 

希望它能帮助。:)

Answer 2

忘掉字典的瞬间，并专注于比较2点sparse矩阵。它们不是numpy数组，所以不能直接使用np方法。这就是为什么你的第三次尝试不起作用。

有一个scipy.sparse单元测试目录。我没有检查它，但它可能会给你超出我在下面建议的想法。

https://github.com/scipy/scipy/tree/master/scipy/sparse/tests

A=sparse.csr_matrix(np.arange(9).reshape(3,3)) 
B=sparse.csr_matrix(np.arange(9).reshape(3,3)) 

它们是不同的对象

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

它们具有

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

此稀疏格式的数据被包含在3个阵列，A.data相同数量的非零元素，A.indices，A.indptr。所以，你可以使用np方法来测试一个或一个以上的那些

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

您也可以比较形状等。

较新版本的scipy实现了元素比较器的稀疏矩阵元素。 ==实现，但可能给你一个警告：

SparseEfficiencyWarning：比较使用==是低效的稀疏矩阵，请尝试使用替代=。

如果形状匹配，这可能是比较稀疏矩阵的一种有效的方法：

(A!=B).nnz==0 

如果形状不匹配，A!=C回报True

如果他们是小，你可以比较他们的密集等价物：

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