Python sum与numpy sum计算结果不一致的原因咨询

这问题我之前也碰到过，核心原因其实是整数溢出在搞鬼，咱们一步步拆解：

1. Numpy的数组类型限制导致溢出 #

np.arange(N)默认会生成int64类型的数组（64位系统上），这种类型能存储的最大整数是 2^63 - 1（也就是9223372036854775807）。当N=10^{8时，数组里的元素i接近10}8，此时i²=10^16，这已经远远超过了int64的最大值。

numpy的有符号整数溢出是按补码循环处理的——简单说就是超过最大值后，数值会“绕回去”变成错误的正数/负数，最后求和的结果自然就不对了，你看到的662921401752298880就是溢出后错误累加的结果。

2. Python原生int的任意精度救了场 #

Python 3的int确实是无大小限制的，不管数字多大都能精确存储。所以sum([i**2 for i in range(N)])里的每个i²都是精确计算的大整数，求和后的结果完全符合平方和公式 N*(N-1)*(2N-1)/6，代入N=10^8算出来就是你看到的333333328333333350000000。

3. 为什么N=10^3时结果一致？ #

因为当N=10^3时，最大的i是999，999²=998001，这个数值远小于int64的最大值，所以numpy数组里的元素没有溢出，计算自然和Python原生结果一致。

怎么让Numpy也得到正确结果？ #

如果非要用numpy计算大N的平方和，可以指定数组类型为object，让numpy使用Python的任意精度int来存储元素：

import numpy as np
def sum_numpy_fixed(N):
    return np.sum(np.arange(N, dtype=object)**2)

不过这样做会牺牲numpy的性能优势，因为它不再是处理原生数值类型，而是操作Python对象了。

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