添加零时奇怪的numpy.sum行为

小编典典

添加零时奇怪的numpy.sum行为

python

我了解由于数值误差（例如，以不同顺序对浮点求和），在数学上等效的算术运算如何导致不同的结果。

但是，令我惊讶的是，将零加到sum可以更改结果。我认为无论哪种情况，这对于浮动广告始终有效x + 0. == x。

这是一个例子。我希望所有行都完全为零。有人可以解释为什么会这样吗？

M = 4  # number of random values
Z = 4  # number of additional zeros
for i in range(20):
    a = np.random.rand(M)
    b = np.zeros(M+Z)
    b[:M] = a
    print a.sum() - b.sum()

-4.4408920985e-16
0.0
0.0
0.0
4.4408920985e-16
0.0
-4.4408920985e-16
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
2.22044604925e-16
0.0
4.4408920985e-16
4.4408920985e-16
0.0

M和的较小值似乎不会发生Z。

我也确定a.dtype==b.dtype。

这是另一个示例，它还演示了python的内置sum行为符合预期：

a = np.array([0.1,      1.0/3,      1.0/7,      1.0/13, 1.0/23])
b = np.array([0.1, 0.0, 1.0/3, 0.0, 1.0/7, 0.0, 1.0/13, 1.0/23])
print a.sum() - b.sum()
=> -1.11022302463e-16
print sum(a) - sum(b)
=> 0.0

我正在使用numpy V1.9.2。

阅读 261

2020-12-20

共1个答案

小编典典

简短的答案：您看到了两者之间的区别

a + b + c + d

和

(a + b) + (c + d)

由于浮点数的不准确性而不同。

长答案： Numpy实现了成对求和，以优化速度（它使矢量化更容易）和舍入误差。

numpy sum-implementation可以在这里找到（函数pairwise_sum_@TYPE@）。它基本上执行以下操作：

如果数组的长度小于8，则执行常规的for-loop求和。这就是为什么W < 4在您的情况下不会观察到奇怪结果的原因-两种情况下都将使用相同的for循环求和。
如果长度在8到128之间，则会将总和累加到8个bin中，r[0]-r[7]然后将它们相加((r[0] + r[1]) + (r[2] + r[3])) + ((r[4] + r[5]) + (r[6] + r[7]))。
否则，它将对数组的两部分进行递归求和。
因此，在第一种情况下，您得到，a.sum() = a[0] + a[1] + a[2] + a[3]而在第二种情况下b.sum() = (a[0] + a[1]) + (a[2] + a[3])，导致a.sum() - b.sum() != 0。

2020-12-20