整形和浮点数的存储

整形的储存

1. 整形家族包括，无符号整数和有符号整数。（包括char，short，int，long。long long以及对应的unsigned(无符号类型）)。//char的字符再实际存的时候其ASCII码值就是整形。
2. 一般来说，计算机存储的二进制，所以一般整形都是转换位二进制数字，存储到内存里面去。
3. 一个十进制数字直接转换为二进制数字就是该数字的原码，反码就是除了符号位（符号位一般都是第一位）按位取反，反码加一就得到补码。一般来说，进行运算和使用的时候，都是改个数字的源码。（关于整型提升和算术转换之前有，有兴趣的可以看看）
4. 以char类型为例子 : char a = 10;//可以在编辑器里面去取内存出来看下存储的二进制。（一般表示的表示0x0a）char a = -10;就是10001010；
5. 大小端存储。这个和本身机器有关系。 小端存储：数据从低地址处开始存储 。大端存储：数据从高地址处开始存储。

	int a =10;
    char b = *(char*)*a;

可以取打印这份b的值小端应该是10，大端就是0；
这里还有个例子：

#include <stdio.h>

union  S
{
    int a;
    char b;
};


int main()
{
    union S s;
    s.a = 10;
    printf("%d\n",s.b);
    return 0;
}

因为联合体一起用存储位置的原因，所以这里就能很明显看出来。在小端存储上，依然结果是10，大端存储上结果是0。这是因为在低地址字节处存的值的差异，而本身寄存器一次性读取字节先后顺序不同导致。

浮点数的存储。

这个基本就是参考IEEE754标准了。

1. 二进制的科学计数法。一个二进制数字B，B = （-1)^s * M * 2^E; 这个表达式里面，s是符号位，M是一个【1，2)之间的数字，E是2的幂级数。比如1.5，那么就是 1.5 = (-1)^0 * 1.5 * 2^0; 3.0 = (-1)^0 * 1.5 *2^1;
2. 根据维基百科的资料：单精度浮点数，双精度浮点数存。

前面是单精度浮点数，后面图是双精度浮点数。
可以看见，符号位都是一位。不同的是指数（exponent）和尾数位（fraction）。浮点数的存储，指数位（下面叫做E）的bit位转换，不是直接转换。而是减去一半。因为我们知道指数是有正负的，但是这里表示出来的E是无符号数，所以为了表示负数，把所得的每一个值，减去一半（向下取整），E是8比特位的单精度浮点数就是减去127，那么E是16比特位的就减去1023.
接下来是尾数，我们知道，科学计数法一定1.xxxx 所以，在存储时，为了多一位尾数（提高精度），就省去了表示1的拿一位，剩下的都用来表示尾数。
这里举个例子：1.11*2^2这个数字就表示7.那么在单精度里面存储的方式就是

0 10000001 1100000000000000000000
这就是浮点数5在内存里面所存储的形式.
那么双精度浮点数也是类似的
1.111*2^3 这个数字也就是15，在双精度浮点数表示的形式是
0 10000000010 11100000000000000（剩下一些0，不然看起来压力大，补足就好）

以上就是整形和浮点数的储存了，如果你感觉有帮助，可以点个赞。有问题欢迎评论区指出，感谢观看。

二分查找

示例代码

int binarySearch(int arr[], int l, int r, int x)
{
    if(r >= l) {
        int mid = l + (r - l) / 2; // 计算中间索引

        // 如果元素正好在中间位置
        if (arr[mid] == x)
            return mid;

        // 如果元素大于中间元素，则在右半部分继续查找
        if (arr[mid] < x)
            return binarySearch(arr, mid + 1, r, x);

        // 否则，在左半部分继续查找
        return binarySearch(arr, l, mid - 1, x);
    }

    // 没有找到元素
    return -1;
}

虽然很简单，但是有几个值得一提。
我们不妨认为二分是区间缩小，每次查找少一半的区间，来看以下特性

• 凡是存在整形截断的编程语言，二分查找，最后必然左端点，右端点汇聚在同一个点。也就是只剩下一个值。 原因也很简单，任意一个大于1的数，不断/2，在有整形截断的情况下，最后必然有结果是1。

有了二分查找，不如进一步思考，如果求这个数所在该数组的最小区间呢？

• 判出条件自然就是需要改变，R>L
• 然后就是L取mid+1，或者是R取mid-1的问题了，如何抉择呢？
• 实际上，L取mid+1,就是不断让L向前移动，R取mid，那么就保证R所在的值是大于于目标值。且由于整型截断，R与L之间即使只相差1，也会在mid计算时总是计算的是整个区间中间值左边的那一个，这样使得必然是L=mid+1,而使得L与R重合（L=R），让对应的值是 区间是[ arr[R-1],arr[R] ]
• 对应的，你如果取R是mid-1，L=mid,就可能导致死循环，因为整型截断，导致mid=L，而L与R的值相差1时，mid永远时L。

int binarySearch(int arr[], int l, int r, int x)
{
    if(r > l) {
        int mid = l + (r - l) / 2; // 计算中间索引

        // 如果元素正好在中间位置
        if (arr[mid] == x)
            return mid;

        // 如果元素大于中间元素，则在右半部分继续查找
        if (arr[mid] < x)
            return binarySearch(arr, mid , r, x);

        // 否则，在左半部分继续查找
        return binarySearch(arr, l, mid - 1, x);
    }

    // 没有找到元素
    return -1;
}