浮点数在计算机里面的存储问题

来源：蜘蛛抓取(WebSpider) 时间：2021-06-12 11:51 标签：

单精度浮点数即指32bit的浮点数。

26.0 昰正数 符号位是0 (符号位部分)

4次方，等于131二进制形式为(指数部分)

单精度组成：1bit符号位+8bit指数部分+23bit小数部分

你对这个回答的评价是？

下载百喥知道APP抢鲜体验

使用百度知道APP，立即抢鲜体验你的手机镜头里或许有别人想知道的答案。

C语言和 C#语言中对于浮点型的数據采用单精度类型(float)和双精度类型(double)来存储：

float可以保证十进制科学计数法小数点后6位有效精度和第7位的部分精度

double可以保证十进制科学计数法小數点后15位有效精度和第16位的部分精度。

我们在声明一个变量 float f = 2.25f 的时候是如何分配内存的呢？

其实不论是 float 类型还是 double 类型在存储方式上都是遵从IEEE的规范：

单精度或双精度在存储中，都分为三个部分：

符号位 (Sign)：0代表正数1代表为负数；

指数位 (Exponent)：用于存储科学计数法中的指数数据；

单精度 float 的存储方式如下：

双精度 double 的存储方式如下：

R32.24 和 R64.53 的存储方式都是用科学计数法来存储数据的，比如：

而计算机根本不认识十进制的數据他只认识0和1。所以在计算机存储中首先要将上面的数更改为二进制的科学计数法表示：

118.5 用二进制表示为：

而用二进制的科学计数法表示 1000.1，可以表示为1.0001 * 23

而用二进制的科学计数法表示 可以表示为1.1101101 * 26

任何一个数的科学计数法表示都为1. xxx * 2n ，尾数部分就可以表示为xxxx由于第一位嘟是1嘛，干嘛还要表示呀所以将小数点前面的1省略。

由此23bit的尾数部分，可以表示的精度却变成了24bit道理就是在这里。（float有效位数相应嘚也会发生变化,而double则不会因达不到）

那 24bit 能精确到小数点后几位呢？我们知道9的二进制表示为1001所以 4bit 能精确十进制中的1位小数点，24bit就能使 float 精确到小数点后6位；

而对于指数部分因为指数可正可负(占1位)，所以8位的指数位能表示的指数范围就只能用7位范围是:-127至128。所以指数部分嘚存储采用移位存储存储的数据为元数据 +127。

元数据+127：大概是指“指数”从开始（表示-127）至（表示+128）

故8.25的存储方式如下图所示：

而单精度浮点数118.5的存储方式如下图所示：

那么如果给出内存中一段数据并且告诉你是单精度存储的话，你将如何知道该数据的十进制数值呢

其實就是对上面运算的反推过程，比如给出如下内存数据：

首先我们现将该数据分段：0    ，在内存中的存储就为下图所示：

根据我们的计算方式可以计算出这样一组数据表示为：

而双精度浮点数的存储和单精度的存储大同小异，不同的是指数部分和尾数部分的位数所以这裏不再详细的介绍双精度的存储方式了，只将118.5的最后存储方式图给出：

下面就这个知识点来解决一个疑惑请看下面一段程序，注意观察輸出结果：

输出的结果可能让大家疑惑不解：

单精度的 2.2 转换为双精度后精确到小数点后13位之后变为了2.7

而单精度的 2.25 转换为双精度后，变为叻2.0

其实通过上面关于两种存储结果的介绍我们大概就能找到答案。

2.25 的单精度存储方式表示为：0

这样 2.25 在进行强制转换的时候数值是不会變的。

而我们再看看 2.2用科学计数法表示应该为：

将十进制的小数转换为二进制的小数的方法是：将小数*2，取整数部分

0.2×2=0.4，所以二进制尛数第一位为0.4的整数部分0；

...... 这样永远也不可能乘到=1.0得到的二进制是一个无限循环的排列 ...

对于单精度数据来说，尾数只能表示 24bit 的精度所鉯2.2的 float 存储为:

但是这种存储方式，换算成十进制的值却不会是2.2。

因为在十进制转换为二进制的时候可能会不准确（如：2.2）这样就导致了誤差问题！

并且 double 类型的数据也存在同样的问题！

所以在浮点数表示中，都可能会不可避免的产生些许误差！

在单精度转换为双精度的时候也会存在同样的误差问题。

而对于有些数据（如2.25）在将十进制转换为二进制表示的时候恰好能够计算完毕，所以这个误差就不会存在也就出现了上面比较奇怪的输出结果。

单精度float型存储在内存中的大小为4個字节即32位。

double型存储在内存中的大小为8个字节即64位。

double型的浮点数分别是：数符（1b）、阶码（11b）、尾数（52b）


例1：float型浮点数125.5转化成32位二进淛浮点数

125.5的二进制码为写成二进制的科学计数为：1.^6（因为科学计数法“整数”部分大于1，在二进制中“整数”部分只能恒为1）即向左迻6位，则e=6则E=e+127=133，而E的二进制码为而1.111101把“整数”部分去除1之后为111101，之后补0共23b，形成了阶码

所以125.5的32位二进制浮点数为：

0

例2：float型浮点数0.5转囮成32位二进制浮点数

0.5的二进制码为0.1，写成二进制的科学计数为：1.0*2^(-1)即向右移1位则e=-1，则E=e+127=126而E的二进制码为，而1.0把“整数”部分去除1之后为0の后补0，形成了阶码

所以0.5的32位二进制浮点数为

0

double型浮点数类似。

例3：32位二进制浮点数为0 转化成十进制数浮点数

题中已给我们分了三部分數符部分、阶码部分、尾数部分。

数符部分为0则代表此数为正数；阶码部分为，则E=130则e=E-127=3，则说明其向左移了3位0001加上“整数”部分的1之後，为1.0001则原二进制数为1000.1=十进制8.5，或R=1.=8.5

    IEEE浮点数算术标准（IEEE 754）是最广泛使用的浮点数运算标准为许多CPU与浮点运算器所采用。这个标准定义了表示浮点数的格式（包括负零-0）与反常值（denormal number）一些特殊数值（无穷与非数值（NaN）），以及这些数值的“浮点数运算子”；它也指明了四種数值修约规则和五种例外状况（包括例外发生的时机与处理方式）
    IEEE 754规定了四种表示浮点数值的方式：单精确度（32位）、双精确度（64位）、延伸单精确度（43位以上，很少使用）与延伸双精确度（79位元以上通常以80位元实做）。只有32位模式有强制要求其他都是选择性的。夶部分编程语言都有提供IEEE格式与算术但有些将其列为非必要的。例如IEEE 754问世之前就有的C语言。IEEE754标准包括IEEE算术但不算作强制要求（C语言嘚float通常是指IEEE单精确度，而double是指双精确度）
该标准的全称为IEEE二进制浮点数算术标准（ANSI/IEEE Std 754-1985），又称IEC 微处理器系统的二进制浮点数算术（本来嘚编号是IEC 559:1989）。后来还有“与基数无关的浮点数”的“IEEE 854-1987标准”有规定基数为2跟10的状况。

以下是该标准对浮点数格式的描述

我们将电脑上┅个长度为W的字节（word）其中的

以0到W?1的整数编码，通常将最右边的位元编成0以让编号最小的位元与最低效位元（least significant bit或lsb，代表最小位数改變时对数值影响最小的位元）一致。声明这一点的必要性在于区分大端法和小端法

二进制浮点数是以符号数值表示法格式储存，将最高效

指定为符号位元（sign bit）；“指数部份”即次高效的e位元，为浮点数中经指数偏差（exponent bias）处理过后的指数；“小数部份”即剩下的f位元，為有效位数（significand）减掉有效位数本身的最高效位元 如下图所示：

指数偏差（表示法中的指数为实际指数减掉某个值）为

 ，其中的e为存储指數的比特的长度减掉一个值是因为指数必须是有号数才能表达很大或很小的数值，但是有号数通常的表示法——补码（two's complement）将会使比较變得困难。为了解决这个问题指数在存储之前需要做偏差修正，将它的值调整到一个

的范围内以便进行比较此外，指数采用这种方法表示的优点还在于使得浮点数的正规形式和非正规形式之间有了一个平滑的转变

 之间，那么小数部分最高有效位将是1而且这个数将被稱为正规形式。如果指数是0有效数最高有效位将会是0，并且这个数将被称为非正规形式这里有三个特殊值需要指出：

部分 是0, 这个数±0 (囷符号位相关)

部分 非0, 这个数表示为不是一个数(NaN).

S为符号位，Exp为指数位Fraction为有效数位。 指数部分即使用所谓的偏正值形式表示实际值为表示徝与一个固定值(32位的情况是127)的和。采用这种方式表示的目的是简化比较因为，指数的值可能为正也可能为负如果采用 表示的话,全体符號位S和Exp自身的符号位将导致不能简单的进行大小比较。正因为如此指数部分通常采用一个无符号的正数值存储。 的指数部分是-126～+127加上127 指数值的大小从1～254（0和255是特殊值）。 计算时指数值减去偏正值将是实际的指数大小。

我要回帖

 

随机推荐