Python numpy数组和中的不理解

T1

和

P1

是两个numpy数组，分别包含温度（以开尔文表示，介于100和250之间）和压力（以帕斯卡表示，介于700和1之间）。它们的形状完全相同

432*45*135*135

这些数组的每个元素都是

numpy.float32

。这是我的密码：

1  T2=T1+1.
2  P2=P1+1.

3  print np.sum(np.square(np.subtract(T2,T1)))
4  print np.sum(np.square(np.subtract(P2,P1)))

5  print ((T2-T1)-1.<1e-3).sum()
6  print ((P2-P1)-1.<1e-3).sum()

我不明白为什么：

• 说明3和说明4给出的结果不同，因为

  T2-T1

  和

  P2-P1

  都应等于一个

  432*45*135*135

  满1的数组
• 指令3和4都没有给出好的结果，这是由指令5和6给出的，并且等于数组中的元素数（

  432*45*135*135=354294000

  ）

• T2-T1

  和

  P2-P1

  中的某些元素不等于1，如果我提高指令5和6中的比较精度，可以看出这一点

表情

print ((T2-T1)-1.<1e-5).sum()
print ((P2-P1)-1.<1e-5).sum()

我可以想象这些问题与精度有关，但我不应该使用dtype

numpy.float32

遇到这个问题。我试过：

T2=T1+np.float32(1.)
P2=P1+np.float32(1.)

---

这不会改变任何事情。有什么想法吗？谢谢，计算大量数字的总和是一个棘手的问题，因为计算机可能无法以足够的精度来表示数字

32位浮点只有大约7位精度。因此，如果将一个小数字与一个大数字相加，并且它们之间的比率大于

2^24

(≈

1.7*10^7

）那么结果可能就是这么大的数字。所以当求和时，一旦你的和达到这个值，加+1将不再改变和

---

您可能只需要使用双精度就可以了（但是结果仍然会有相当大的错误，因为值的数量太多）。否则，您将不得不使用像Kahan求和这样的算法，或者，如果没有负数，则分阶段进行求和。例如，您可以先计算每行432个数字的总和，然后计算列中45行的总和，等等。

在@roeland行之后，此代码实现了以下功能：

T1=T1.astype(np.float64)
T2=T1+np.float64(1.)
P1=P1.astype(np.float64)
P2=P1+np.float64(1.)

print np.sqrt(np.sum(np.square(np.subtract(T2,T1))))
print np.sqrt(np.sum(np.square(np.subtract(P2,P1))))

提供正确的输出：

354293978
354041812

354294000.0
354294000.0

---

谢谢你，罗兰。我理解你的观点，但我不认为在这种情况下，在每种情况下都会找到相同的值（1.7*10^7），对应于极限吗？@ArnaudPROST不确定，我认为这取决于数组中的精确值（它们不完全是1.0），以及这些中间结果的舍入方式。您可以通过将所有元素初始化为1.0的数组求和来进行测试。如果我创建一个数组

test=np.zero（[432,45135135]）

，然后执行

test=test+1.0

和

print test.sum（）

我获得了我解释为您所说的限制的

1.67772e+07

，在此基础上，添加1不会再改变任何事情。但我仍然不明白我们如何使用压力阵列进行检查，达到

2.24963e+07

可能后一个阵列的元素略大于1.0

354294000.0
354294000.0