我是python和numpy的新手所以请原谅我这个问题是如此简陋！ 我有一个负值数组（已排序）：
>>>neg
[ -1.53507843e+02 -1.53200012e+02 -1.43161987e+02 ..., -6.37326136e-1 -3.97518490e-10 -3.73480691e-10]
>>>neg.shape
(12922508,)
我需要将此数组添加到其副本（但具有正值），以找到平均分布的标准偏差为零。所以我做了以下几点：
>>>pos=-1*neg
>>>pos=pos[::-1] #Just to make it look symmetric for the display bellow!
>>>total=np.hstack((neg,pos))
>>>total
[-153.50784302 -153.20001221 -143.1619873 ..., 143.1619873 153.20001221 153.50784302]
>>>total.shape
(25845016,)
到目前为止一切都很好，但奇怪的是这个新数组的总和不是零：
>>>numpy.sum(total)
11610.6
标准偏差也完全没有达到我的预期，但我猜这个问题的根源是这样的：为什么总和不会导致零？
当我将此方法应用于小数组时;例如[-5，-3，-2]，总和变为零。所以我猜问题在于数组的长度（超过2000万个元素）。有什么方法可以解决这个问题吗？
如果有人能帮助我，我将非常感激。
答案 0 :(得分：3)
正如评论中所指出的那样，通过汇总数百万个等号数字，你会得到浮点数的问题。解决这个问题的一种可能方法是在组合数组中混合正数和负数，这样在求和时任何中间结果总是保持在大致相同的数量级：
neg = -100*numpy.random.rand(20e6)
pos = -neg
combined = numpy.zeros(len(neg)+len(pos))
combined[::2] = neg
combined[1::2] = pos
现在combined.sum()应该非常接近于零。
也许这种方法也有助于提高标准偏差计算的精确度。