我有一个包含大量N个32位浮点数的文件。此文件使用numpys memmap函数创建，如下所示：
mmoutput = np.memmap("filename", dtype='f4', mode='w+', offset=0, shape=N)
mmoutput[:] = my_floats
mmoutput.flush()
当我使用numpy加载这些系数并使用以下方法求和时：
mminput = np.memmap("filename", dtype="f4", mode='c', offset=0, shape=N)
mminput.sum()
我得到的值是82435.047（这是正确的）。
但是，当我使用C＆＃39的mmap读取浮点数时，如下所示：
int fd = open("filename", O_RDONLY, 0);
float * coefs = (float*) mmap(NULL, sizeof(float) * N, PROT_READ, MAP_SHARED, fd, 0);
double sum = 0.0;
for (int i = 0; i < N; i++) sum += coefs[i];
数字总和为不同的值：82435.100。
有人可以帮助发现我的错误吗？也许numpy写它的浮点数和C读它们的方式有区别？
我实际上只是计算这些数字的总和作为检查它们是相同的。它们的实际用途是作为bspline中的系数（使用如图所示的einspline库实现，例如，https://github.com/ahay/src/blob/master/user/cram/esc_slow2.c）。当我在python和C中评估样条曲线时，我会得到不同的值。
答案 0 :(得分：0)
我得到的值是82435.047（这是正确的）。
不，不是。您已将“大量”单精度浮点值相加，因此不可能精确到超过四位或五位有效数字，特别是如果值中存在较大的动态范围。
我怀疑numpy正在执行求和以提高精度，例如转换为双精度。 source追溯到几次调用umath.add.reduce然后我迷路了，所以很可能是双精度求和。尝试转换为双打或使用Kahan summation得到一个不会失去精度的结果 - Kahan将提供比任何减少加法更准确的结果，因为它具有动态范围效果的校正。