Python 对于数组和数组副本，Numpy.mean返回不同的结果

我有一个问题可以归结为以下几点：

import numpy as np

X = np.array([[98489.46, 98491.95000000001, 98496.93000000001,
98499.42000000001, 98504.40000000001, 98506.89000000001,
98511.87000000001, 98514.36000000002, 98519.34000000001,
98521.83], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]], order='F')

Y = X.copy()
assert(np.array_equal(X, Y))

print(X.mean(axis=1)[0] - X[0, :].mean())

print(Y.mean(axis=1)[0] - Y[0, :].mean())

第一个案例打印了

-1.4551915228366852e-11

，我发现这是出乎意料的。它基本上说，第一行的平均值不同于第一行的平均值

第二种情况打印的是

0

，这是独立结果的预期结果，但我没有预料到这与第一种情况不同，因为

Y

只是

X

的一个（内存连续的，我猜）副本

也许所有这些都可以用求和的顺序来解释，但这里到底发生了什么？

a.copy（）方法相当于

np.array（a）

。如中所述，要获得具有相同内存布局的副本，应将

顺序指定为：

Y = X.copy(order='F')

像
mean
或
sum
这样的函数具有固有的浮点精度，这可能是该内存布局的错误源。使用顺序“K”、“A”或“C”（numpy默认值）时，我得到了0个错误。
可能是不同的表达式导致平均值以不同的顺序计算。浮点运算不能保证是正确的，所以不同的运算顺序会产生不同的结果。另一个例子：比较
X[0，：].mean（）
和
X[0，：：-1].mean（）
。谢谢！实际上，
Z=X.copy（order='F'）
的行为类似于
X
，而
Y=X.copy（）
的行为则不同。