Python NumPy矩阵的结果不一致

Question

我有一个包含浮点数值的矩阵，想要对列和行进行汇总。这个矩阵是对称的。

>>> np.sum(n2[1,:]) #summing second row
0.80822400592582844
>>> np.sum(n2[:,1]) #summing second col
0.80822400592582844
>>> np.sum(n2, axis=0)[1]
0.80822400592582899
>>> np.sum(n2, axis=1)[1]
0.80822400592582844

它会给出不同的结果。为什么？

- user2979409

---

一个不太相关的注释：第一行（或列）的索引为0而不是1。 - Ohad Eytan

Answer 1

数字 numpy 使用的是双精度浮点数，精度高达16位小数。看起来差异发生在第16位，其余数字相等。如果您不需要这种精度，可以使用四舍五入函数np.around()，或者尝试使用np.longdouble类型获得更高的精度。

您可以使用np.finfo检查类型的精度：

>>> print np.finfo(np.double).precision
>>> 15

我相信有些 NumPy 函数不支持 long double 类型，会将其转换为 double 类型，从而截断额外的位数。详情请参阅Numpy 精度问题。

- Peter Wang

---

很可能这就是原因；为了完整起见，应该提到浮点数的总和取决于求和顺序，并且矩阵行或列的求和可能会以不同的顺序进行（必须查看源代码才能确定）。 - user3717023