我遇到了一个奇怪/有趣的行为。
我有一个形状数组 (64,25(
对于这个数组的一个元素(称为'img'(的总和，我们得到：
print(np.sum(img[::1,[0,1,2,3,4,5,6,7,8,9,10,11,13,14,15,16,17,18,19,20,21,22,23,24]][14]))
#106.15421 get printed out
对于 np.sum(img， axis=1( 的相同元素，我们得到不同的东西：
k = np.sum(img[::1,[0,1,2,3,4,5,6,7,8,9,10,11,13,14,15,16,17,18,19,20,21,22,23,24]],1)
print(k[14])
#106.15422 get printed out
这怎么可能，我能做些什么吗？
附言 我检查了另一种方法来研究这种行为：
print(np.sum(np.delete(img,np.s_[12],1)[14]))
k_d = np.sum(np.delete(img,np.s_[12],1),1)
print(k_d[14])
# Here both times we get 106.15421
我检查了自己，并能够使用 img 的 float32 类型重建您的行为：
img=np.random.random((64,25)).astype(np.float32)
select=[0,1,2,3,4,5,6,7,8,9,10,11,13,14,15,16,17,18,19,20,21,22,23,24]
Isel=img[:,select]
h=np.sum(Isel[14,...])
print(h)
k = np.sum(Isel,axis=1)
print(k[14],h-k[14])
ks = sum(img[14,select])
print(ks,h-ks)
10.111376
10.111374 1.9073486e-06
10.11137617379427 -3.650784492492676e-07
它并不总是发生。 这似乎是一个数字错误。如果您使用 float64，它将下降到 e-16。 我假设添加的顺序或方式不同，导致不同的四舍五入。
顺便说一句：通用总和自行更改为 float64，这就是为什么它被打印得更精确。