我了解数学上等效的算术运算如何因数值错误而导致不同的结果(例如,以不同的顺序对浮点数求和)。
然而,令我惊讶的是添加零sum
可以改变结果。我认为无论如何,这始终适用于浮动:x + 0. == x
.
这是一个例子。我预计所有的线都恰好为零。有人可以解释为什么会发生这种情况吗?
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
对于较小的值似乎不会发生M
and Z
.
我也确定了a.dtype==b.dtype
.
这里还有一个例子,它也演示了 python 的内置功能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。