为什么Python sum()与np.sum()对整数求和会返回不同结果？

核心原因：固定宽度整数溢出 #

• Python原生int是任意精度类型，运算过程中会自动扩容，不存在溢出限制，所以functools.reduce和原生sum不管计算多大的整数累加，都能返回正确结果。
• NumPy的数值类型为固定宽度，你的测试中arr_big的dtype是int32（32位有符号整数），取值范围仅为[-2147483648, 2147483647]。

0到99999的累加和为(99999 * 100000) / 2 = 4999950000，远大于int32的最大值2147483647，就会触发溢出。有符号int32溢出后会按照模2^32的规则回绕，4999950000对2^32（4294967296）取余的结果正好是704982704，和你得到的错误结果完全一致。

小数组求和正常的原因是0到999的累加和仅为499500，远小于int32的上限，不会触发溢出。
你直接调用np.sum(big_l)也得到错误结果的原因是：NumPy会先将传入的range对象转换为默认的int32类型数组再求和，同样触发了溢出规则。

修复方案 #

• 创建数组时指定更大的整数类型：arr_big = np.array(big_l, dtype=np.int64)，int64的取值范围可达[-9e18, 9e18]，完全可以容纳普通场景的整数累加结果。
• 调用求和方法时指定累加精度：np.sum(arr_big, dtype=np.int64)，即使原数组是int32类型，累加过程会用int64计算，也能避免溢出。

内容的提问来源于stack exchange，提问作者Marcel