【数据结构】定点数、浮点数是如何使用二进制实现的

Fist：why？

有时候只知道什么还不够，我们还需要为什么，所以我在整个数据结构系列中都要追寻这个答案。
Q1：为什么需要浮点型数据。
与整型数据一样，小数应用也是十分广泛，尤其是在高等数学方面。
由于计算机最初设计来就是为了进行数学计算的，所以小数出现是理所当然的。

至于在计算机中为什么小数会分成两类，等你看完这篇文章就明白了。

小数是如何使用二进制实现的

上一篇我们介绍了有符号无符号数在计算机低层如何表达。
1.整数类型之有符号、无符号数（原码、反码、补码）详解。
今天就讲一下小数在计算机低层如何实现的。

1. 定点数

定点数是很早很早就出现的数据类型，几乎在计算机出现没多久就出现了。
其实这也是很符合历史发展规律的，当人们找到合适的表达有符号数之后，
用定点数表达小数也是很理所应当的。

像有符号数一样我们，人为指定了一位数表达正负，定点数就是我们人为的指定，二进制数字的一部分表示小数的整数部分、一部分表示小数的小数部分，这样来表示小数。

小数点位固定在最后一位之后称为定点整数，小数点固定在最高位之后称为定点小数。

2. 浮点数

2.1科学记数法与浮点数

说到浮点数，我觉得使用科学记数法这样来理解时最好的。
科学记数法例：+1.99714×10^13
由符号位，数值和幂数表示。其中幂数表明数字值的小数点往前或往后（当幂数为正时）移动多少位。
浮点数也是这样的的，采用科学记数法，实现小数点位置的浮动，这样的大大增加了能表达的数字精确度，而且也能够，更好的计算。

根据国际标准IEEE 754/854，任意一个二进制浮点数V可以表示成下面的形式：
V = (-1)^s ×M×2^E
（1）(-1)^s表示符号位，当s=0，V为正数；当s=1，V为负数。
（2）M表示有效数字，大于等于1，小于2。
（3）2^E表示指数位。

其中s：取值为0，1。0为正；
E为有符号整数，取值为 -126~+127；
M为无符号整数，取值为0-2^22，其实际值为1.M（二进制）；
也就是说单精度浮点数最大精度为：
±1.00000000000000000000001 X 2^-126
转换为十进制数字是：
(1+2^-23) X (2^-126) = 1.401298 X 10^-45
但是：别看取值能取到10的负45次方，其实单精度浮点数的精度只有7位。
单精度浮点数的实际有效精度为24位二进制，这相当于24*log102≈7.2位10进制的精度，所以平时我们说“单精度浮点数具有7位精度”

2.2浮点数的特殊数值

IEEE 标准指定了以下特殊值：±0、反向规格化的数、±∞ 和 NaN（如下表所示）。这些特殊值都是使用 emax+1 或 emin-1 的指数进行编码的。

NaN：当指数段 exp 全为 1 时，小数段为非零时，结果值就被称为“NaN”（Not any Number），如图 3 所示。
无穷：当指数段 exp 全为 1，小数段全为 0 时，得到的值表示无穷。当 s=0 时是 +∞，或者当 s=1 时是 -∞

2.3浮点数的舍入误差

在浮点数的舍入问题上，IEEE 浮点格式定义了 4 种不同的舍入方式，如下表所示。其中，默认的舍入方法是向偶数舍入，而其他三种可用于计算上界和下界。

偶数舍入：四舍六入五成双

这种约定的问题在于，人们可以很容易地想象
在这种情况下，舍入一组数据值将引入统计偏差
计算平均值。一组数字的平均值
我们用这种方法四舍五入的结果会略高于
数字本身。相反，如果我们总是把数字四舍五入到一半
从下到下，一组四舍五入数的平均值是
略低于数字本身的平均值。四舍五入
在现实生活中，偶数可以避免这种统计偏差。
它将在大约50%的时间内向上舍入，在大约50%的时间内向下舍入。

这是IEEE里对偶数舍入的解释百度翻译。
就是舍入位的奇偶性决定是否进位。
例：10.0（10）, 10.0（11）, 10.1（10）, 11.0（01）向偶数舍入（保留小数点后一位）的结果分别为10.0, 10.1, 11.0, 11.0。
这样是为了避免统计偏差。

2.4不是总可靠的浮点数

正如我上面所讲的，单精度浮点数取值能取到10的负45次方，但是由于其数值位只有24位，所以它的精度只有七位。

而且最重要的还有一点，在十进制转换二进制计算的过程中会出现溢出的情况！
就是老师讲课都说过的float不精确。这也是在一些编程过程中容易出现的问题，包括在数据库等都会出现这个问题。
就像一个简单的0.1使用二进制表示需要
0 01111011 10011001100110011001101

s=0 e=123 尾数部分的隐含位为1 所以尾数是1.10011001100110011001101
以上二进制数据流对应的二进制数学运算表达式为：
(-1)^0*2123-1271.10011001100110011001101
即2^-4 X 1.10011001100110011001101
即2^23 X 1.10011001100110011001101 X 2^-27
即1100110011001100110011012^-27
即13421773*2^-27
=0.100000001490116119384765625
与0.1误差0.000000001490116119384765625
所以说并不精确，但是这个问题并不是不能解决的，在高级语言中都出现的特定的数据结构，来解决高精度数字，比如，java的BigDecimal，python的Decimal等等。
参考：IEEE 754浮点数标准详解