如何基于容差优雅地比较两个NumPy布尔数组？

针对你需要的布尔数组近似比较需求，核心思路是统计对应位置元素的差异比例，判断该比例是否在指定容差范围内，同时支持NaN的相等判定。这种方法既能允许少量元素差异，又能避免元素数量相同但位置全错的误判。

实现代码 #

import numpy as np

def bool_arrays_close(first, second, tolerance=1e-5, equal_nan=True):
    # 形状不一致直接判定为不相等
    if first.shape != second.shape:
        return False
    
    # 处理空数组情况
    if first.size == 0:
        return True
    
    if equal_nan:
        # 标记两个数组的NaN位置
        nan_first = np.isnan(first)
        nan_second = np.isnan(second)
        # NaN位置不匹配的部分全部计入差异
        nan_mismatch_count = np.sum(nan_first != nan_second)
        # 非NaN部分的差异计数
        non_nan_diff_count = np.sum(first[~nan_first] != second[~nan_first])
        total_diff = nan_mismatch_count + non_nan_diff_count
    else:
        # 不忽略NaN，直接统计所有不相等的元素
        total_diff = np.sum(first != second)
    
    # 计算差异比例并和容差比较
    diff_ratio = total_diff / first.size
    return diff_ratio <= tolerance

验证你的测试场景 #

1. 成功场景：

   tolerance = 1e-5
   seed = np.random.rand(100, 100, 100)
   first = seed > 0.5
   second = (seed > 0.5) & (seed < 1. - 1e-6)
   print(bool_arrays_close(first, second, tolerance))  # 输出True
   

   差异元素比例约为1e-6，小于容差1e-5，判定为相等。

2. 失败场景1：

   first = seed > 0.5
   second = (seed > 0.5) & (seed < 1. - 1e-4)
   print(bool_arrays_close(first, second, tolerance))  # 输出False
   

   差异元素比例约为1e-4，大于容差，判定为不相等。

3. 失败场景2：

   first = seed > 0.5
   second = first[::-1]
   print(bool_arrays_close(first, second, tolerance))  # 输出False
   

   反转后对应位置差异比例接近50%，远大于容差，判定为不相等。

方案优势 #

• 位置敏感：严格对应位置比较，避免元素数量相同但分布完全不同的误判
• 高效简洁：基于numpy向量运算，处理大数组（如100×100×100）性能优异
• 支持NaN：通过equal_nan参数兼容含NaN的数组比较，符合你的需求
• 容差合理：以差异比例作为判断标准，不受数组大小影响

内容的提问来源于stack exchange，提问作者Victor Zuanazzi