浮点数在计算机中的表示

╰半橙微兮° 2022-08-11 06:59 217阅读 0赞

计算机中数字是以0和1二进制保存的，我们熟悉的是整数的如何在计算机中表示，那么浮点数是如何表示的呢？   
  
一．    转换    
我们先来看看如何将十进制的浮点数转换成二进制。  
一个十进制的浮点数，例如：abcd.efg  (其中a~g为0..9)，其值用多项式为：  
a\*10^3 + b\*10^2 + c\*10^1+d\*10^0+e\*10^(-1)+f\*10^(-1)+g\*10^(-3)。  
  
而一个二进制的浮点数，我们也将其表示成：abcd.efg  (其中a~g为0或1)，其值表示为：  
a\*2^3 + b\*2^2 + c\*2^1+d\*2^0+e\*2^(-1)+f\*2^(-1)+g\*2^(-3)。  
  
我们看到底由十进制时的10换成了二进制时的2了，其它都一样。所以一个十进制的浮点数转换成二进制必须分两步进行：整数部分和小数部分。   
1.    对于整数部分，和以前的整数转换是一样的。  
2.    对于小数部分，比较特殊。下面讲两种转换方法。

方法一：依次与2^(-n)作比较（n从1开始），若大于该值则为1，且减去此值，否则为0；然后继续下一轮比较。举例说明：将0.842356转换成二进制：

![Center][]

此时，你会发现比较将会是无穷无尽的。如果你截取到某位，必须做一些取舍。取舍的标准是：**其后一位若为1则进1；后一位为0则不进。** 还是以上面为例，若要截取9位，因为第10位为0，故不进位，则最终的结果为：**0.110101111** ；若要截取到8位，因为第9位为1，故要进位，则最终的结果为：**0.110110000** （即0.1101101111 + 0.0000000001）。从这个例子可以看出十进制小数的转换成二进制时只是一个近似值。

其实大部分浮点数保存在计算机中都只是一个近似值。至于是稍微大于原值还是稍微小于原值，要看截取时有无进位。

方法二：若在计算机中计算方法一的过程，因为2^(-n)本身就是一个浮点数，而浮点数之间的比较和计算难免有误差。所以我想到了下面这个方法：  
1）    首先生成首数字为1、后面0的个数为小数位数的基准数，比如0.254的基准数为1000、0.00353的基准数为100000。  
2）    将小数部分乘以上面的基准数，这样得到一个整数。  
3）    对该整数乘以2，若积大于基准数，则为1，同时将积减去基准数后得新的整数；若积小于基准数，则为0。  
4）    用新的整数重复步骤3，直到整数为0或者到需要的精确位数，作取舍后结束。  
  
举例说明：将0.842356转换成二进制，基准数为1000000，转换成整数为842356，

![Center 1][]

二．    存储   
现在已转换成浮点二进制了，那么如何在计算机中表示呢？这要说到科学计数法，这个大家比较熟悉。十进制的科学计算法可以表示成如下：(-1)^s \* M \* 10^E ，S表示符号：S为1表示负数；0为正数。M成为尾数，其范围为1<=M <10 。E被成为幂，也叫指数。  
  
二进制的科学计数法，也是IEEE的浮点数标准格式，和十进制格式一样：(-1)^s \* M \* 2^E 。M的范围1<= M <2。将一个二进制浮点数转换成科学计算法很简单，例如：  
1）10001.110001 小数点左移4位后成 (-1)^0 \* (1.0001110001) \* 2 ^ 4.  
2） -0.000010001 小数点右移4位后成(-1)^1 \* (1.0001) \* 2 ^ ( – 4)  
  
在计算机中，表示浮点数由两种常用的格式：单精度浮点数和双精度浮点数，它们在精度上有所差别，同时所需要的空间也有差别：

![Center 2][]

1）    当为负数时，符号位为1，否则为0。

2）    指数有正数亦有负数，这里保存时使用了加偏移量的方法：8位指数位的指数范围为-127~128，其偏移量为127；11位指数范围为-1023~1024，其偏移量为1023。保存时指数加上偏移量，可以避免负数问题；取值时再减去偏移量就行了。  
3）    因为尾数1<=M<2，就是说小数点前面总是有一个1。为了节省空间，将此处的1省去，直接将小数点后面的部分放入到小数部分（这也是这部分为什么叫“小数部分”，而不是“尾数部分”的原因）。  
  
举一例：将12.842356保存成单精度浮点格式。  
1）    首先将它转换成二进制格式：1100.11010111101001001010，后面位直接截去。  
2）    转换成科学计数法格式：1. 10011010111101001001010。右移3位于是指数为3+127=130，二进制为10000010。  
3）    于是符号位为0，指数为：10000010，小数去掉前面的1后为10011010111101001001010。这些二进制就是最终保存在电脑里的格式：0 10000010 10011010111101001001010，十六进制格式为：0x414D7A4A。  
  
三．    SQL SERVER中的浮点数   
SQL SERVER浮点数有float和real两种。Float类型定义格式：float \[ ( n ) \]。 n 为用于存储科学记数法 float 数尾数的位数，同时指示其精度和存储大小。n 必须为从 1 到 53 之间的值。  
   精度与存储字节之间的关系：

![Center 3][]

在 SQL Server 中，real 的同义词为 float(24)。   
  
比起其他的精确数值类型，浮点数的优点是保存的数值大。比如单精度由于其指数为8位，故其最大值约为1.1 \* 2^128 = 3.4 \* 10^38；双精度其指数为11位，故其最大值约为1.1 \* 2^1024 = 1.79 \* 10^308。  
  
当然，浮点数的最大缺点就是数据的近似值保存。就是这个原因，导致了下面的一个小小的问题。  
四．    SQL SERVER中浮点数的一个问题   
因为float和real格式只能保存近似值，除非要保存特别大的数值，否则推荐使用精确数值类型。下面说说在SQL SERVER中遇到的一个浮点问题，其实这也是为什么写这篇文章的原因。最近有人问下面这个问题：  
  
Declare @a, @b float  
Set @a = 1.465  
Set @b = 2.465  
Select round(@a, 2), round(@b, 2)  
  
结果分别为1.47和2.46，这是为什么？  
上文中我们说过，大部分浮点数保存在计算机中都只是一个近似值。小数部分转化成二进制时，会根据情况截去或进位。  
1.465保存到计算机中时，小数的最后一位需要进位（结果为0x3FF770A3D70A3D71），这就造成了保存的值比实际的1.465稍微大一点。0x3FF770A3D70A3D71转换成十进制后值约为1.4650000000000001。  
而2.465却正好相反，它在保存到计算机中时，小数的最后一位后面直接截掉（结果为0x4003B851EB851EB8），这就造成了保存的值比实际的2.465稍微小一点。0x4003B851EB851EB8转换成十进制后值约为2.4649999999999999。  
  
Round函数只是对保存的值进行了四舍五入，没有任何问题。若选择使用精确数值类型，可以有效地避免这种问题的发生。  
  
五．    参考文献   
1.    http://blog.csdn.net/YUKUILONGQQ/archive/2008/10/27/3157627.aspx  
2.    http://blog.sina.com.cn/s/blog\_4c7fa77b01000ai2.html

3.    http://blog.csdn.net/misterliwei/article/details/5455666

[Center]: /images/20220810/97971f6d64294826a530a9b9bd71f9ed.png
[Center 1]: /images/20220810/de56a26753944f61ba5da2e20192ceca.png
[Center 2]: /images/20220810/9e18e755d9db409d82fc8b44e4778b1f.png
[Center 3]: /images/20220810/582bd149b9d54d2f827cd10cd9433d23.png