oups

src/spikeinterface/qualitymetrics/tests/test_pca_metrics.py

@@ -15,18 +15,25 @@ def test_calculate_pc_metrics(small_sorting_analyzer):
     res2 = pd.DataFrame(res2)
 
     for metric_name in res1.columns:
-        if metric_name != "nn_unit_id":
-            assert not np.all(np.isnan(res1[metric_name].values))
-            assert not np.all(np.isnan(res2[metric_name].values))
-
-        # import matplotlib.pyplot as plt
-        # fig, ax = plt.subplots()
-        # ax.plot(res1[metric_name].values)
-        # ax.plot(res2[metric_name].values)
-        # ax.plot(res2[metric_name].values - res1[metric_name].values)
-        # plt.show()
+        values1 = res1[metric_name].values
+        values2 = res1[metric_name].values
 
-        np.testing.assert_almost_equal(res1[metric_name].values, res2[metric_name].values, decimal=4)
+        if metric_name != "nn_unit_id":
+            assert not np.all(np.isnan(values1))
+            assert not np.all(np.isnan(values2))
+
+        if values1.dtype.kind == "f":
+            np.testing.assert_almost_equal(values1, values2, decimal=4)
+            # import matplotlib.pyplot as plt
+            # fig, axs = plt.subplots(nrows=2, share=True)
+            # ax =a xs[0]
+            # ax.plot(res1[metric_name].values)
+            # ax.plot(res2[metric_name].values)
+            # ax =a xs[1]
+            # ax.plot(res2[metric_name].values - res1[metric_name].values)
+            # plt.show()
+        else:
+            assert np.array_equal(values1, values2)
 
 
 def test_pca_metrics_multi_processing(small_sorting_analyzer):