python numpy中的长（> 2000万元素）数组求和
问题内容：
我是python和numpy的新手，所以如果这个问题太简单，请原谅！我有一个负值数组（已排序）：
>>>neg
[ -1.53507843e+02 -1.53200012e+02 -1.43161987e+02 ..., -6.37326136e-1 -3.97518490e-10 -3.73480691e-10]
>>>neg.shape
(12922508,)
我需要将此数组添加到它的重复数组中（但带有正值），以找到平均为零的分布的标准偏差。因此，我执行以下操作：
>>>pos=-1*neg
>>>pos=pos[::-1] #Just to make it look symmetric for the display bellow!
>>>total=np.hstack((neg,pos))
>>>total
[-153.50784302 -153.20001221 -143.1619873 ..., 143.1619873 153.20001221 153.50784302]
>>>total.shape
(25845016,)
到目前为止，一切都非常好，但是奇怪的是，这个新数组的总和不为零：
>>>numpy.sum(total)
11610.6
标准偏差也根本不符合我的预期，但我想问题的根源与此相同：为什么总和不为零？
当我将此方法应用于小型数组时；例如[-5，-3，-2]，总和为零。因此，我想问题出在数组的长度上（超过2000万个元素）。有什么办法可以解决这个问题？
如果有人能帮助我，我将不胜感激。
问题答案：
如注释中所述，通过对数百万个等号的数字求和会产生浮点取整问题。解决此问题的一种可能方法是在组合数组中混合正数和负数，以便在求和时得到的任何中间结果始终大致保持在相同的数量级内：
neg = -100*numpy.random.rand(20e6)
pos = -neg
combined = numpy.zeros(len(neg)+len(pos))
combined[::2] = neg
combined[1::2] = pos
现在combined.sum()应该几乎为零。
也许这种方法也将有助于提高标准偏差的计算精度。
