В этом примере сумма столбцов для массива pr вычисляется двумя различными способами:
(a) взять сумму по первой оси, используя p.sum 'axisпараметр
(b) разрезать массив вдоль второй оси и взять сумму каждого среза
import matplotlib.pyplot as plt
import numpy as np
m = 100
n = 2000
x = np.random.random_sample((m, n))
X = np.abs(np.fft.rfft(x)).T
frq = np.fft.rfftfreq(n)
total = X.sum(axis=0)
c = frq @ X / total
df = frq[:, None] - c
pr = df * X
a = np.sum(pr, axis=0)
b = [np.sum(pr[:, i]) for i in range(m)]
fig, ax = plt.subplots(1)
ax.plot(a)
ax.plot(b)
plt.show()
Оба метода должны возвращать одно и то же, но по какой-либо причине, в этом примере,они не.Как вы можете видеть на графике ниже, a и b имеют совершенно разные значения.Разница, однако, настолько мала, что np.allclose(a, b) - это Истина.
a and b">
Если вы замените pr на несколько небольших случайных значений,нет никакой разницы между двумя методами суммирования:
pr = np.random.randn(n, m) / 1e12
a = np.sum(pr, axis=0)
b = np.array([np.sum(pr[:, i]) for i in range(m)])
fig, ax = plt.subplots(1)
ax.plot(a)
ax.plot(b)
plt.show()
a and b set with random values">
Второй пример показывает, что различия в суммах первого примера не связаны сметоды суммирования.Тогда эта проблема связана с суммированием значений с плавающей запятой?Если так, то почему такой эффект не возникает во втором примере?
Почему суммы по столбцам отличаются в первом примере и какой из них правильный?