Python 为什么平均值小于最小值？为什么64位浮点值会发生变化？

我有一个输入数组，它是一个屏蔽数组。
当我检查平均值时，我得到一个无意义的数字：小于报告的最小值

所以，原始数组：

numpy.mean（A）

。注意

A.dtype

返回

float32

修正：

A3=A.astype（float）

。A3仍然是一个蒙面数组，但现在平均值介于最小值和最大值之间，所以我相信它是正确的！现在由于某种原因，

A3.dtype

是

float64

。为什么？为什么这会改变它，为什么它在64位是正确的，在32位是非常不正确的

有人能解释为什么我需要重铸数组来精确计算平均值吗？（不管有没有numpy，事实证明）

编辑：我使用的是64位系统，所以是的，这就是为什么重铸将其更改为64位。事实证明，如果我对数据进行子集划分（使用

netCDF4数据集

从netCDF输入中提取），则不会出现此问题-因此它是由溢出引起的，因此切换到64位可以防止此问题。

---

所以我仍然不清楚为什么它最初会加载为float32，但我想它的目的是节省空间，即使它是64位系统。数组本身是

1872x128x256

，非屏蔽值约为300，这足以导致溢出：）

如果使用大型数组，请注意潜在的溢出问题

---

在本例中，将32位浮点值更改为64位浮点值可以避免（据我所知）溢出，从而导致异常的

mean

计算

请给出一个实际的代码示例来说明这个问题。

numpy

数组与Python数组完全不同，我想你是指前者吗？如果你在64位系统上，

a.astype（float）

将返回一个

np.float64

数组。我最终找到了它，将编辑post。没有添加代码或数组类型，因为我想保持其通用性，而不是将NetCDF引入其中：）和@ebarr您是对的，系统是64位的事实是关键，它迫使它转到首选精度，而不是所需的最低精度。这是精度损失而不是溢出。检查：