关于bottleneck.move_mean对同一数组子集两种计算方式结果存在微小差异的疑问

最近我碰到一个困惑的问题：按理说用bottleneck.move_mean计算同一组数据的滑动均值，不管是先对完整数组做均值再取对应位置的值，还是先取数组子集再做均值，结果应该完全一致才对，但实际却出现了微小的非零差异。之前我看到过类似的问题，但那个问题描述得不够清晰，所以没人给出回答。

我写了一段测试代码来复现这个问题：

import numpy as np
import bottleneck as bn

howManyIters = 10
smallDifferences = np.zeros([howManyIters])

for whichIter in range(howManyIters):
    testArray = np.random.random_sample([512, 353, 53])
    # 方式1：先取数组子集，再做滑动平均后提取对应位置的值
    val1 = bn.move_mean(testArray[:, :, 46:49], window=3, axis=2)[0, 41, 2]
    # 方式2：先对完整数组做滑动平均，再提取对应位置的值
    val2 = bn.move_mean(testArray, window=3, axis=2)[0, 41, 48]
    smallDifferences[whichIter] = val1 - val2

print(smallDifferences)

运行这段代码后，我得到的结果类似这样：

[ 1.11022302e-16 4.44089210e-16 2.22044605e-16 2.77555756e-16 8.32667268e-17 -3.33066907e-16 1.11022302e-16 -5.55111512e-17 1.66533454e-16 -1.11022302e-16]

我原本预期这些差值应该全是0.0。按照我的理解，窗口长度为3时，bottleneck的滑动均值是取当前值和前两个值的平均，所以这里的切片索引应该是完全对应的才对，为什么会出现这些微小差异呢？

内容来源于stack exchange