深入理解浮点数的表示方法

为了在计算机里面表示浮点数，人们定义了一些标准，来描述浮点数

本文的浮点数介绍基于IEEE 754标准，这个标准广泛运用于许多CPU和浮点处理器上

IEEE的浮点标准为：：

• s为符号位，下图s
• M为尾数位，及下图的frac
• E为阶码，为下图的exp

(图1)单精度和双精度浮点数

图1显示的分别是单精度（float） 和双精度（double）表示形式。

 

一个IEEE标准的浮点数是由【规格化数】+【非规格化数】+【特殊的数】组成，下文将分别对这三个组成部分一一介绍：

 

【规格化数】

【定义】：当exp不全为0，也不全为1时则为规格化数

人们为了更广的定义浮点数，对规格化数中的exp进行了细分，在规格化数中最大的exp为，最小的exp则为1，所以人们在最大最小的两个数中间找到了一个中间值Bias： ，所以大于这个Bias的exp为正指数，小于这个Bias的exp为负指数，所以在规格化数中 ，单精度中这个Bias为127。

看了浮点数的表现形式，就有疑惑了，这个小数点打在哪里？

标准是这样定义【规格数】小数点的：

1. 对于二进制浮点数，小数点左侧必须只有一位且必须为1
2. 为了节省空间，小数点的左侧的1须省去（实际计算的时候由硬件电路加上）

所以抽象点想，小数点其实就打在了exp和frac的中间，但对于规格化数的运算时，M=1+frac。

那么单精度的浮点数计算公式：

 

【非规格化数】

【定义】：当exp为全0时，所表示的数就是非规格化数

非规格数主要解决的问题是浮点数表示0的问题，其次是解决那些近视于0的数：

1. 对于二进制浮点数，当exp全为0的时候，小数点左侧必须只有一位且必须为0

所以计算非规格化数的时候，M=0+frac。

不光是这点不同，

非规格数E（指数）的表示方法也不一样，虽然exp为0但是，为什么这个是1不是0呢？？这个其实主要为了保证数据的平滑过渡。

在规格化数中最小的数表达形式是取值范围为，而如果非规格数e取0则表达形式为取值范围为，所以规格化数和非规格化数中间会产生一个空隙，如果e取1的时候则非规格化数的取值范围为，这样就可以平滑的过渡过去

 

【特殊的数】

最后人们又定义了一些特殊的数：

1. 当阶码全为1，且尾数位全为0，则该数表示为无穷，s（符号位）为1表示正无穷，为0表示负无穷。
2. 当阶码全为1，且尾数位不全为0，这表示NaN，该数表示为“Not a Number”（不是一个数），这个东西很有用，当一些运算的结果不能用实数或无穷来表示的时候，就可以用该数表示，例如：