浮点数产生误差的根源

一、浮点数的精度

double型浮点数能精确到多少位小数？

试试就知道了！

#include<stdio.h>

int main(){

    printf("%.20f\n",0.5);

    printf("%.20f\n",0.25);

    printf("%.20f\n",0.1);

    printf("%.20f\n",0.3);

    printf("%.20f\n",0.7);

    return 0;

}

输出结果如下：

可见，它的精度并不是固定的。

二、浮点数产生误差的原因

浮点数的精度取决于要表示的具体值。

这个问题涉及到数在计算中的表示机制。虽然我们在代码中输入的是十进制数，但归根到底其在计算机内是以二进制存储的。计算机先要把我们输入的十进制数转化为二进制数，存储在内存中。当我们要输出时，它再把二制数转化为十进制数。

在转化的过程中，就会产生误差。更具体来说，它是产生在十进制转化为二进制这一过程中。

要弄清这一点，咱们首先要知道小数的实际意义，它表示的是几分之几，也就是“份数”。

比如我们知道0.25的分数是1/4，但这只是它的简写形式，它在十进制中的本质含义是这样的：

0.25=2/10+5/100

用文字描述，它表示10份中的2份加上100份中的5份。如果用饼表示，它表示把一张饼平均分成10份，取其中的2份，放在盘子里，再把同样一张饼平均分成100分，取其中的5份，放在盘子里，现在盘子里的饼就是2/10+5/100=0.25。

也就是说，在十进制小数中，其本质意义是，把一样东西分成10份、100份、1000份……，分别从中取0-9份凑到一块儿。它表现为分母为10的幂的分数的和，用代数式表示如下：

（的值为整数0-9）

合并同类项后可以写成：

同理，在二进制小数中，其本质意义是，把一样东西分成2份、4份、8份……，分别从中取0-1份凑到一块儿。它表现为分母为2的幂的分数的和，用代数式表示如下：

（的值为整数0、1）

合并同类项后可以写成：

比如0.101表示把一张饼平均分成2份，取其中的1份，放在盘子里，再把同样一张饼平均分成4分，取其中的0份，放在盘子里，再把同样一张饼平均分成8分，取其中的1份，放在盘子里，最后盘子里的数就是0.101。

这其实就是二进制小数转十进制的方法。

明白了小数的真实意义，十进制转二进制会产生误差就很好理解了。

因为份中的几份不一定能转化为份中的几份，即形如的数不一定能转为形如的数。

比如本文开头代码中测试的数：

0.5=5/10=1/2，0.25=25/100=1/4

这两个数都能转化为份中的几份，因此它们在转化为二进制时是不会产生误差的。也就是的十进制小数都不会产生浮点数误差。

因为：

所以这个数的小数部分必然是5的倍数，故这个结论也可以描述为：最后一位小数是5的十进制小数都不会产生浮点数误差，比如：0.125、0.375都不会产生误差。

反观0.1、0.3、0.7这样的数呢？拿最简单的小数0.1转化为二进制演示一下：

小数点后第1位：1/10<1/2（不到2份中的1份）→0

小数点后第2位：1/10<1/4（不到4份中的1份）→0

小数点后第3位：1/10<1/8（不到8份中的1份）→0

小数点后第4位：1/10>1/16（超过16份中的1份）→1

小数点后第5位：(1/10-1/16)=6/160>1/32（超过32份中的1份）→1

小数点后第6位：(6/160-1/32)=1/160<1/64（不到64份中的1份）→0

小数点后第7位：1/160<1/128（不到128份中的1份）→0

小数点后第8位：1/160>1/256（超过256份中的1份）→1

小数点后第9位：(1/160-1/256)=6/2560>1/512（超过512份中的1份）→1

这个式子永远找不到等号，最终的二进制数是这样一个无限循环小数：0.00011001100110011...

所以，像0.1、0.3、0.7这样无法写成形式的数，永远都无法分为 这样的分数的和，只能无穷无尽的往下分，分到山无棱、江水为竭。计算机对此情景表示很无奈，只好拦腰一刀砍下，保留前面一部分，这就产生了误差。

相反，二进制转十进制却不存在误差问题，因为任何一个都可以通过分子分母同时乘以转换为。