为什么平均值小于最小值，为什么这会随着 64 位浮点数而变化？

Question

我有一个输入数组，它是一个掩码数组。
当我检查平均值时，我得到一个无意义的数字：小于报告的最小值！

所以，原始数组：numpy.mean(A) < numpy.min(A)。注意A.dtype 返回float32。

修复：A3=A.astype(float)。 A3 仍然是一个掩码数组，但现在平均值介于最小值和最大值之间，所以我相信它是正确的！现在由于某种原因A3.dtype 是float64。为什么？？为什么会改变它，为什么它在 64 位是正确的，而在 32 位是完全错误的？

谁能解释为什么我需要重铸数组以准确计算平均值？ （事实证明，无论有没有 numpy）。

编辑：我使用的是 64 位系统，所以是的，这就是重铸将其更改为 64 位的原因。事实证明，如果我对数据进行子集化（使用 netCDF4 Dataset 从 netCDF 输入中提取），我没有遇到这个问题，较小的数组不会产生这个问题 - 因此它是由溢出引起的，所以切换到 64 位可以防止这个问题。
所以我仍然不清楚为什么它最初会加载为 float32，但我想它旨在节省空间，即使它是 64 位系统。数组本身是1872x128x256，非屏蔽值在 300 左右，结果足以导致溢出 :)

Answer 1

如果您使用的是大型数组，请注意潜在的溢出问题！！
在这种情况下，从 32 位浮点数更改为 64 位浮点数可避免（据我所知未标记）导致异常 mean 计算的溢出。