浮点数在计算机中存储方式

最新推荐文章于 2024-04-24 16:14:41 发布

foxdesert

最新推荐文章于 2024-04-24 16:14:41 发布

阅读量631

点赞数 1

文章标签：存储 behavior float url list numbers

浮点数在计算机中存储方式

2008-10-29 13:21

C 语言和C# 语言中，对于浮点类型的数据采用单精度类型（float ）和双精度类型(double) 来存储，float 数据占用32bit,double 数据占用64bit, 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？如果胡乱分配，那世界岂不是乱套了么，其实不论是float 还是double 在存储方式上都是遵从IEEE 的规范的，float 遵从的是IEEE R32.24 , 而double 遵从的是R64.53 。

无论是单精度还是双精度在存储中都分为三个部分：

符号位 (Sign) : 0 代表正， 1 代表为负
指数位（ Exponent ） : 用于存储科学计数法中的指数数据，并且采用移位存储
尾数部分（ Mantissa ）：尾数部分

其中float 的存储方式如下图所示：

float类型的存储方式

而双精度的存储方式为:

double类型数据的存储方式

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8.25 用十进制的科学计数法表示就为:8.25* , 而120.5 可以表示为:1.205* , 这些小学的知识就不用多说了吧。而我们傻蛋计算机根本不认识十进制的数据，他只认识0 ，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，8.25 用二进制表示可表示为1000.01, 我靠，不会连这都不会转换吧? 那我估计要没辙了。120.5 用二进制表示为：1110110.1 用二进制的科学计数法表示1000.01 可以表示为1.0001* ,1110110.1 可以表示为1.1101101* , 任何一个数都的科学计数法表示都为1.xxx* , 尾数部分就可以表示为xxxx, 第一位都是1 嘛，干嘛还要表示呀？可以将小数点前面的1 省略，所以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，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 能精确到小数点后6 位，而对于指数部分，因为指数可正可负，8 位的指数位能表示的指数范围就应该为:-127-128 了，所以指数部分的存储采用移位存储，存储的数据为元数据+127 ，下面就看看8.25 和120.5 在内存中真正的存储方式。

首先看下8.25 ，用二进制的科学计数法表示为:1.0001*

按照上面的存储方式，符号位为:0 ，表示为正，指数位为:3+127=130 , 位数部分为, 故8.25 的存储方式如下图所示:

单精度浮点数8.25的存储方式

而单精度浮点数120.5 的存储方式如下图所示:

单精度数120.5的存储方式

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，你如何知道该数据的十进制数值呢？其实就是对上面的反推过程，比如给出如下内存数据：0100001011101101000000000000 ，首先我们现将该数据分段，0 10000 0101 110 1101 0000 0000 0000 0000 ，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:1.1101101* =120.5

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。所以这里不再详细的介绍双精度的存储方式了，只将120.5 的最后存储方式图给出，大家可以仔细想想为何是这样子的

下面我就这个基础知识点来解决一个我们的一个疑惑，请看下面一段程序，注意观察输出结果

            float f = 2.2f;
            double d = (double)f;
            Console.WriteLine(d.ToString("0.0000000000000"));
            f = 2.25f;
            d = (double)f;
            Console.WriteLine(d.ToString("0.0000000000000"));

可能输出的结果让大家疑惑不解，单精度的2.2 转换为双精度后，精确到小数点后13 位后变为了2.2000000476837 ，而单精度的2.25 转换为双精度后，变为了2.2500000000000 ，为何2.2 在转换后的数值更改了而2.25 却没有更改呢？很奇怪吧？其实通过上面关于两种存储结果的介绍，我们已经大概能找到答案。首先我们看看2.25 的单精度存储方式，很简单 0 1000 0001 001 0000 0000 0000 0000 0000, 而2.25 的双精度表示为:0 100 0000 0001 0010 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000, 这样2.25 在进行强制转换的时候，数值是不会变的，而我们再看看2.2 呢，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为将小数*2 ，取整数部分，所以0.282=0.4 ，所以二进制小数第一位为0.4 的整数部分0 ，0.4×2=0.8 ，第二位为0,0.8*2=1.6, 第三位为1 ，0.6×2 = 1.2 ，第四位为1 ，0.2*2=0.4 ，第五位为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 00110011001100110011... , 对于单精度数据来说，尾数只能表示24bit 的精度，所以2.2 的float 存储为:

但是这样存储方式，换算成十进制的值，却不会是2.2 的，应为十进制在转换为二进制的时候可能会不准确，如2.2 ，而double 类型的数据也存在同样的问题，所以在浮点数表示中会产生些许的误差，在单精度转换为双精度的时候，也会存在误差的问题，对于能够用二进制表示的十进制数据，如2.25 ，这个误差就会不存在，所以会出现上面比较奇怪的输出结果。

本文属作者原创，只发布在博客园，希望大家在转载的时候，注明出处和作者，谢谢。

注：本文在写作过程中，参照了如下资料：

http://www.msdn.net/library/chs/default.asp?url=/library/CHS/vccore/html/_core_why_floating_point_numbers_may_lose_precision.asp

http://blog.csdn.net/ganxingming/archive/2006/12/19/1449526.aspx

浮点数的表示范围

2008-06-16 17:50

、浮点数的表示
　　一个浮点数（ Floating Point Number ）由三个基本成分构成：符号（ Sign ）、阶码（ Exponent ）和尾数（ Mantissa ）。
　　通常，可以用下面的格式来表示浮点数：

　　其中 S 是符号位， P 是阶码， M 是尾数。
　　根据 IEEE （美国电气和电子工程师学会） 754 标准中的定义，单精度（ Single Precision ）浮点数是 32 位（即 4 字节）的，双精度（ Double Precision ）浮点数是 64 位（即 8 字节）的。两者的 S 、 P 、 M 所占的位数以及表示方法由下表可知：

	S	P	M	表示公式	偏移量
单精度浮点数	1 （第31 位）	8 （30 到23 位）	23 （22 到0 位）	(-1)^S2(P-127)1.M	127
双精度浮点数	1 （第63 位）	11 （62 到52 位）	52 （51 到0 位）	(-1)^S2(P-1023)1.M	1023

　　其中 S 是符号位，只有 0 和 1 ，分别表示正负。
　　 P 是阶码，通常使用移码表示（移码和补码只有符号位相反，其余都一样。对于正数而言，原码、反码和补码都一样；对于负数而言，补码就是其绝对值的原码全部取反，然后加 1 ）。阶码可以为正数，也可以为负数，为了处理负指数的情况，实际的指数值按要求需要加上一个偏差（ Bias ）值作为保存在指数域中的值，单精度数的偏差值为 127 ，双精度数的偏差值为 1023 。例如，单精度的实际指数值 0 在指数域中将保存为 127 ，而保存在指数域中的 64 则表示实际的指数值 -63 ，偏差的引入使得对于单精度数，实际可以表达的指数值的范围就变成 -127 到 128 之间（包含两端）。
　　 M 为尾数，其中单精度数为 23 位长，双精度数为 52 位长。 IEEE 标准要求浮点数必须是规范的。这意味着尾数的小数点左侧必须为 1 ，因此在保存尾数的时候，可以省略小数点前面这个 1 ，从而腾出一个二进制位来保存更多的尾数。这样实际上用 23 位长的尾数域表达了 24 位的尾数。例如对于单精度数而言，二进制的 1001.101 （对应于十进制的 9.625 ）可以表达为 1.001101 × 23 ，所以实际保存在尾数域中的值为 00110100000000000000000 ，即去掉小数点左侧的 1 ，并用 0 在右侧补齐。
　　根据标准要求，无法精确保存的值必须向最接近的可保存的值进行舍入，即不足一半则舍，一半以上（包括一半）则进。不过对于二进制浮点数而言，还多一条规矩，就是当需要舍入的值刚好是一半时，不是简单地进，而是在前后两个等距接近的可保存的值中，取其中最后一位有效数字为零者。
　　据以上分析， IEEE 754 标准中定义浮点数的表示范围为：

	二进制（Binary ）	十进制（Decimal ）
单精度浮点数	± (2-2^-23) × 2127	~ ± 10^38.53
双精度浮点数	± (2-2^-52) × 21023	~ ± 10^308.25

　　浮点数的表示有一定的范围，超出范围时会产生溢出（ Flow ），一般称大于绝对值最大的数据为上溢（ Overflow ），小于绝对值最小的数据为下溢（ Underflow ）。
二、浮点数的表示约定
　　单精度浮点数和双精度浮点数都是用 IEEE 754 标准定义的，其中有一些特殊约定，例如：
　　 1 、当 P=0 ， M=0 时，表示 0 。
　　 2 、当 P=255 ， M=0 时，表示无穷大，用符号位来确定是正无穷大还是负无穷大。
　　 3 、当 P=255 ， M≠0 时，表示 NaN （ Not a Number ，不是一个数）。
三、非规范浮点数
　　当两个绝对值极小的浮点数相减后，其差值的指数可能超出允许范围，最终只能近似为 0 。为了解决此类问题， IEEE 标准中引入了非规范（ Denormalized ）浮点数，规定当浮点数的指数为允许的最小指数值时，尾数不必是规范化（ Normalized ）的。有了非规范浮点数，去掉了隐含的尾数位的制约，可以保存绝对值更小的浮点数。而且，由于不再受到隐含尾数域的制约，上述关于极小差值的问题也不存在了，因为所有可以保存的浮点数之间的差值同样可以保存。
　　根据 IEEE 754 标准中的定义，规范和非规范浮点数的表示范围可归纳为下表：

	规范浮点数	非规范浮点数	十进制近似范围
单精度浮点数	± 2^-149 至 (1-2^-23)*2^-126	± 2^-126 至 (2-2^-23)*2^127	± ~10^-44.85 至 ~10^38.53
双精度浮点数	± 2^-1074 至 (1-2^-52)*2^-1022	± 2^-1022 至 (2-2^-52)*2^1023	± ~10^-323.3 至 ~10^308.3

四、与 IEEE 754 相关的标准
　　本文的结论基于 IEEE 754 标准，另外一个标准是 IEEE 854 ，这个标准是关于十进制浮点数的，但没有规定具体格式，所以很少被采用。另外，从 2000 年开始， IEEE 754 开始修订，被称为 IEEE 754R ，目的是融合 IEEE 754 和 IEEE 854 标准。该标准在浮点格式方面的修订有： 1 、加入了 16 位和 128 位的二进制浮点数格式； 2 、加入了十进制浮点数格式，采用了 IBM 公司提出的格式。

foxdesert

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
浮点数在计算机中存储方式

v/:* {behavior:url(#default#VML);}o/:* {behavior:url(#default#VML);}w/:* {behavior:url(#default#VML);}.shape {behavior:url(#default#VML);} Normal 0 7.8 磅 0 2
复制链接

扫一扫