为什么平均值小于最小值，为什么这会改变64位浮点数？

Question

我有一个输入数组，它是一个蒙版数组 当我检查平均值时，我得到一个荒谬的数字：小于报告的最小值！

所以，原始数组：numpy.mean(A) < numpy.min(A)。注意A.dtype会返回float32。

FIX：A3=A.astype(float)。 A3仍然是一个蒙面阵列，但现在平均值介于最小值和最大值之间，所以我有一些信念它是正确的！由于某种原因，A3.dtype为float64。为什么？？为什么会改变它，为什么它在64位时是正确的并且在32位时非常不正确？

任何人都可以解释为什么我需要来重铸阵列以准确计算平均值？ （有或没有numpy，事实证明）。

编辑：我正在使用64位系统，所以是的，这就是为什么重铸将它改为64位。事实证明，如果我对数据进行子集化（使用netCDF4 Dataset从netCDF输入中提取）我没有这个问题，较小的数组不会产生这个问题 - 因此它是由溢出引起的，所以切换到64位阻止了问题。
所以我还不清楚为什么它最初会以float32的形式加载，但我想它的目的是为了节省空间，即使它是一个64位系统。数组本身是1872x128x256，非掩码值大约为300，结果证明足以导致溢出：）

Answer 1

如果您正在使用大型阵列，请注意潜在的溢出问题!!
在这种情况下，从32位浮点数更改为64位浮点数可以避免导致异常mean计算的溢出（据我所知）。