Python 为什么numpy.sum（）会在同一个矩阵上以不同的顺序给出不同的结果，而sum（）不会？

当我初始化两个随机矩阵（这里是形状（6,2））并对行重新排序时，np.sum（）将给出不同的结果。我知道这可能是由于数值错误造成的，因为差异很小，但是np.sum（）对元素求和的准确程度如何？如何复制每个矩阵顺序的结果

x1 = np.array([[-0.31381854, -0.05944943],
               [ 0.3848904 , -0.36534384],
               [ 1.1122322 ,  1.2480698 ],
               [-1.4493011 ,  0.5094067 ],
               [ 0.00905334,  0.77591574],
               [ 0.25694364, -2.108599  ]], dtype=np.float32)

x2 = np.array([[-0.31381854, -0.05944943],
               [ 1.1122322 ,  1.2480698 ],
               [ 0.00905334,  0.77591574],
               [ 0.3848904 , -0.36534384],
               [-1.4493011 ,  0.5094067 ],
               [ 0.25694364, -2.108599  ]], dtype=np.float32)
    

print(np.sum(x1))
print(np.sum(x2))
0.0
-2.3841858e-07

尽管它们在每列和每行中具有完全相同的元素，但总和是不同的

如果使用sum（）函数对所有元素求和，结果不会不一致：

print(sum(sum(x1)))
print(sum(sum(x2)))
-5.960464477539063e-08
-5.960464477539063e-08

当我使用python sum（）函数单独对列求和时，得到的结果是相同的：

print(sum(x1[:,0]))
print(sum(x2[:,0]))
-6.705522537231445e-08
-6.705522537231445e-08

print(sum(x1[:,1]))
print(sum(x2[:,1]))
-2.9802322387695312e-08
-2.9802322387695312e-08

但同样，如果我单独对列求和，这次使用np.sum（axis=1），结果不同：

print(np.sum(x1),1)
print(np.sum(x2),1)
-2.3841858e-07 1
0.0 1

对于包含数千个元素的大型矩阵来说，这是一个问题，其中的数值不准确总结为巨大的差异

---

我只是不明白np.sum（）是如何运行的，在某种程度上，一个简单的sum会给出如此不同的结果，而python规范的sum（）函数却没有

@QuangHoang。它更简单：一个使用double，一个使用doublefloat@QuangHoang. 没有。Python没有float32类型，所以第二个sum有

sum（x1）.dtype->float32

，

sum（sum（x1））.dtype->float64

侧注@hirchme，

print（sum（x1），1）

不是沿轴=1求和。python

sum

委托参数的

add

方法的操作。如果您想要纯Python求和，请使用

sum（x1.ravel（）.tolist（））

。随着数据量的增大，问题将更加突出（而

float32

只会帮助将其放大更多）。