testing浮点相等
有没有一个函数来testingpython中的浮点近似相等？ 就像是，
def approx_equal(a, b, tol): return abs(a - b) < tol 我的用例类似于Google的C ++testing库gtest.h，它定义了EXPECT_NEAR 。
这里是一个例子：
def bernoulli_fraction_to_angle(fraction): return math.asin(sqrt(fraction)) def bernoulli_angle_to_fraction(angle): return math.sin(angle) ** 2 def test_bernoulli_conversions(): assert(approx_equal(bernoulli_angle_to_fraction(pi / 4), 0.5, 1e-4)) assert(approx_equal( bernoulli_fraction_to_angle(bernoulli_angle_to_fraction(0.1)), 0.1, 1e-4))
- 对于testing数字，有
nose.tools.assert_almost_equal和等价unittest.assertAlmostEqual - 为了testing数字或数组，有
numpy.testing.assert_allclose - 为了比较数字，从Python 3.5
math.isclose，按照PEP 485进行math.isclose计算。 - 为了比较数字或数组，有
numpy.allclose。
另一种方法是计算两个数字的相对变化 （或相对差异），这两个数字“用于比较两个数量，同时考虑被比较事物的”大小“。 Wikipedia文章中提到的两个公式可以用于比较，如Python中的以下内容，它们还处理一个或两个被比较的值为零的情况：
def approx_equal(a, b, tol): return abs(ab) <= max(abs(a), abs(b)) * tol def approx_equal(a, b, tol): return abs(ab) <= (abs(a)+abs(b))/2 * tol
两种情况下的计算值都是无单位的分数。 在第一种情况下，基准值是两个数字的最大绝对值，第二种情况是它们的平均绝对值。 文章更详细地讨论了每个细节以及它们的优缺点。 后者可以变成一个百分比的差异，如果乘以100比较（ tol成为一个百分比值）。 请注意，文章提出，如果变化的价值“本身就是一个百分比，最好用百分点来谈论它的变化” – 即绝对变化。
这两种方法（显然）都需要更多的计算，而不是简单地取两个数的差值的绝对值，这可能是一个考虑因素。
有没有一个函数来testingpython中的浮点近似相等？
不能有一个函数，因为定义取决于上下文。
def eq( a, b, eps=0.0001 ): return abs(a - b) <= eps
不总是工作。 有情况在哪里
def eq( a, b, eps=0.0001 ): return abs( a - b ) / abs(a) <= eps
可能更合适。
另外，还有一直stream行的
def eq( a, b, eps=0.0001 ): return abs(math.log( a ) - math.log(b)) <= eps
哪个可能更合适。
我看不出你怎么可以要求一个 （单一的）function结合所有的mathselect。 因为它取决于应用程序。
如果我是你，我只是使用你写的东西，或者把它放在一个单独的模块中（或许你需要的其他工具，Python没有实现），或者在任何代码所需的顶部。
您也可以使用lambdaexpression式（我最喜欢的语言function之一，但可能不太清楚）：
approx_equal = lambda a, b, t: abs(a - b) < t
比较花车平等通常是一个坏主意。 即使有你使用的宽容function，这实际上不是你想要做的。
如果你想使用浮点数，一个合理的select是重构你的algorithm来使用不等式， a < b因为这更有可能做你期望的，更less的漏报或肯定的，更重要的是，我们不得不猜测他们必须是平等的。
如果你不能这样做，另一个select是使用一个确切的表示。 如果你的algorithm仅由算术运算（ + ， - ， *和/ ）组成，那么你可以使用由fractions.Fraction提供的合理的represntation，或者可以是decimal.Decimal是你想要的（例如，用财务计算） 。
如果你的algorithm不能用任意的精度表示容易地expression出来，另一个select就是用区间algorithm明确地pipe理舍入误差，例如用这个模块 。
根据教程 ：
…虽然数字不能接近其预期的精确值，但是round（）函数对于后置四舍五入可能是有用的，这样带有不精确值的结果可以相互比较。
因此，这是我在Python中定义“isclose”函数的方式：
def isclose(a, b, ndigits): return round(ab, ndigits) == 0
我通常使用5作为ndigits ; 但是，这取决于您期望的精度。
