使用“ np.testing.assert_array_equal”的形状不匹配的形状错误在相同的功能和输入上

Question

我想检查两个函数是否得到相同的结果。这种相似性检查无法通过列表比较来完成。结果包含嵌套形式的列表和 NumPy 数组，因此我尝试使用循环将它们更改为 ndarrays，然后尝试 np.testing.assert_array_equal，但它出现不匹配的形状错误：

值错误：
断言期间出错：

回溯（最近一次调用最后一次）：
文件“/usr/local/lib/python3.7/dist-packages/numpy/testing/_private/utils.py”，第 817 行，位于assert_array_compare
max_abs_error = max(误差)
文件“<array_function 内部结构>”，第 6 行，位于 amax
文件“/usr/local/lib/python3.7/dist-packages/numpy/core/fromnumeric.py”，第 2755 行，在 amax 中 keepdims=keepdims，initial=初始，where=哪里）
文件“/usr/local/lib/python3.7/dist-packages/numpy/core/fromnumeric.py”，第 86 行，位于 _wrapreduction
返回 ufunc.reduce(obj, axis, dtype, out, **passkwargs)
ValueError：操作数无法与形状 (27,2,1) (26,2,1) 一起广播

数组不相等
x: 数组([数组([[[0.21456296],
[0.66358573]]，
...
y: 数组([数组([[[0.21456296],
[0.66358573]]，
...

我不知道为什么会发生这种情况，以及它是否与“形状不匹配或冲突值引发异常。”在其文档中；两个功能相同，数据输入相同。
这个问题可以通过以下代码重现：

import numpy as np

cv = np.array([[1, 0], [2, 1], [3, 2], [4, 3], [5, 4]], dtype=np.int32)
vc = np.array([[0.73901752, 0.29121358], [0.43416323, 0.09588229], [0.66348142, 0.31610006],
               [0.82838408, 0.91985854], [0.80829238, 0.38857108], [0.95869708, 0.96481968],
               [0.02026681, 0.43935289], [0.95321295, 0.30348123], [0.7182516 , 0.85782094],
               [0.89697646, 0.99626489]])
change = 0.05
iters = np.arange(3, 8)
mi = np.array([[0.24122257, 0.56981744], [0.24122257, 0.14708398], [0.54651088, 0.14708398],
               [0.67472099, 0.20946646], [0.33991152, 0.36013738]])
ma = np.array([[0.66782044, 0.77456042], [0.54651088, 0.77456042], [0.69503927, 0.20946646],
               [0.69503927, 0.7711305 ], [0.67472099, 0.7711305 ]])


def ex(cv, vc, iters, change, mi, ma):
    rng = np.random.default_rng(85)
    Rand_ = []
    for i, j in enumerate(cv):
        rand_lim = []
        for m in range(iters[i]):
            rand_x = rng.uniform(mi[i, 0] - change, ma[i, 0] + change, 1)
            rand_y = rng.uniform(mi[i, 1] - change, ma[i, 1] + change, 1)
            rand_lim.append([rand_x, rand_y])
        Rand_.append(rand_lim)
    return Rand_


def new(cv, vc, iters, change, mi, ma):
    rng = np.random.default_rng(85)
    Rand_ = []
    for i, j in enumerate(cv):
        rand_lim = []
        for m in range(iters[i]):
            rand_x = rng.uniform(mi[i, 0] - change, ma[i, 0] + change, 1)
            rand_y = rng.uniform(mi[i, 1] - change, ma[i, 1] + change, 1)
            rand_lim.append([rand_x, rand_y])
        Rand_.append(rand_lim)
    return Rand_


ex_ = ex(cv, vc, iters, change, mi, ma)
new_ = new(cv, vc, iters, change, mi, ma)

ex_ = np.array([np.array(xi) for xi in ex_])
new_ = np.array([np.array(xi) for xi in new_])

# ex_ = np.array([np.array(xi, dtype=float) for xi in ex_], dtype=object)
# new_ = np.array([np.array(xi, dtype=float) for xi in new_], dtype=object)

np.testing.assert_array_equal(ex_, new_)

为什么会发生这个错误？