两个numpy.float64数值相加得到非预期结果如何解决

异常结果产生原因 #

这不是运算溢出，是双精度浮点数（float64）的正常精度特性：

• float64的有效十进制位数为15~17位，你用到的两个数值1.4617937201411304和-1.4617937201411302，从第17位小数开始存在差异，两者实际差值为2e-16，和float64的机器精度（约2.22e-16，即float64能表示的最小相对误差）处于同一量级。
• 两个绝对值接近、符号相反的数相加时会出现灾难性抵消，原本的微小误差会被直接暴露出来，你得到的1.1102230246251565e-16本质就是接近0的合理结果，并非计算错误。
• 你测试的(a*2)/2运算没有涉及不同数值的抵消操作，仅对单个数做乘除，误差没有被放大，因此结果符合预期。

这类问题的解决方法 #

• 若误差量级远小于业务可接受范围，直接忽略即可，仅需要注意后续判断数值是否为0时，不要用c == 0的严格相等判断，改用numpy提供的浮点近似相等接口：np.isclose(c, 0)，或是自定义误差阈值abs(c) < 1e-12来做判断。
• 若需要更高的计算精度，可以在计算均值时就指定更高精度的数值类型，比如np.float128（部分平台可能不支持），降低计算过程中的累积误差。
• 优化计算逻辑避免灾难性抵消场景，比如你当前计算两个数组均值的平均值的场景，可以直接合并两个数组后再求均值，从根源上避免两个接近值的抵消操作：

c = np.concatenate([arr1, arr2]).mean()

内容的提问来源于stack exchange，提问作者Link