Python 3.12内置sum()与math.fsum()的差异及选型疑问

Python 3.12的内置sum()改用Neumaier求和算法后，精度已经大幅提升，但math.fsum()仍有其不可替代的场景，以下是具体的选择依据：

核心差异 #

• sum()（3.12+）：使用Neumaier求和，通过单个补偿项减少浮点数累加误差，精度优于旧版sum()，但仍属于近似高精度求和。
• math.fsum()：采用Shewchuk精确累加算法，跟踪所有中间误差项，保证最终结果是所有输入值精确算术和四舍五入到最近的可表示浮点数，精度比Neumaier算法更高。

优先选择math.fsum()的场景 #

• 极端精度要求的场景：当求和集合中包含大量极小值与极大值混合，或存在大量正负抵消的情况时，sum()的补偿项可能无法完全捕捉误差，math.fsum()能更可靠地保留精度。例如：

  import math
  # 大量极小值累加后，sum()可能丢失精度，fsum()可精确计算
  big_num = 1.0
  tiny_nums = [1e-16] * 10**7
  print(sum([big_num] + tiny_nums) - big_num)  # 结果可能存在误差
  print(math.fsum([big_num] + tiny_nums) - big_num)  # 精确返回0.001
  

• 严格的IEEE 754精确语义需求：如果代码依赖"精确求和后四舍五入"的严格语义（比如金融、科学计算中的核心逻辑），math.fsum()是唯一符合该标准的选择。
• 兼容旧Python版本：如果代码需要在3.11及以下版本运行，旧版sum()精度较低，必须用math.fsum()保证结果精度。

优先选择sum()的场景 #

• 日常非极端精度场景：普通数据统计、常规数值计算等场景下，3.12+的sum()精度完全足够。
• 更高的灵活性：sum()支持任意可迭代对象（包括整数、Decimal等非浮点类型），而math.fsum()仅接受浮点输入（非浮点会自动转成浮点）。
• 更好的性能：Neumaier算法的计算开销低于math.fsum()的精确算法，处理超大规模数据集时，sum()的速度优势会更明显。

内容的提问来源于stack exchange，提问作者Andrey Semakin