我似乎.sum()在numpy数组上使用时发现了一个陷阱，但是我找不到解释。本质上，如果我尝试对一个大数组求和，那么我会开始得到荒谬的答案，但这是
无声的， 而且我无法充分理解输出结果，而不是Google的原因。

例如，这完全按预期工作：

a = sum(xrange(2000)) 
print('a is {}'.format(a))

b = np.arange(2000).sum()
print('b is {}'.format(b))

为两者提供相同的输出：

a is 1999000
b is 1999000

但是，这不起作用：

c = sum(xrange(200000)) 
print('c is {}'.format(c))

d = np.arange(200000).sum()
print('d is {}'.format(d))

提供以下输出：

c is 19999900000
d is -1474936480

在更大的阵列上，有可能获得正面的结果。这是更隐蔽的，因为我可能根本不知道发生了什么不寻常的事情。例如：

e = sum(xrange(100000000))
print('e is {}'.format(e))

f = np.arange(100000000).sum()
print('f is {}'.format(f))

给出以下内容：

e is 4999999950000000
f is 887459712

我 猜想 这与数据类型有关，甚至使用python确实float可以解决问题：

e = sum(xrange(100000000))
print('e is {}'.format(e))

f = np.arange(100000000, dtype=float).sum()
print('f is {}'.format(f))

给予：

e is 4999999950000000
f is 4.99999995e+15

我没有Comp的背景。科学 发现自己被卡住了（也许这是骗子）。我尝试过的事情：

1. numpy数组具有固定的大小。不; 这似乎表明我应该打MemoryError第一个。
2. 我可能以某种方式进行了32位安装（可能不相关）；是的，我遵循了这一点，并确认我具有64位。
3. 怪异sum行为的其他示例；没了（ ？ ）我发现这个，但我看不出它如何应用。

有人可以简要解释一下我所缺少的内容，然后告诉我我需要阅读哪些内容吗？另外，除了记得定义dtype每次，还可以阻止这种情况发生或发出警告吗？

可能相关：

Windows 7的

numpy 1.11.3

在Python 2.7.9上用完了有思想的机盖