关于0.1+0.2≠0.3的问题

发现问题

啥也不说，我们先看一段python代码的执行情况：

1+2=3，0.1+0.3=0.4没毛病，但是：0.1+0.2=0.30000000000000004，什么鬼？？？

很多老猿估计都清楚是啥情况，但还有些小伙伴可能不太了解，不管怎样，还是要给大家娓娓道来。
我们都知道，在计算机中所有的数据最终都会被转化为0和1进行存储，所以我们需要清楚以下两点问题：

1. 浮点数如何转化为二进制

2. 浮点数的二进制如何存储

浮点数如何转化为二进制

首先我们要了解浮点数的二进制表示，有以下两个原则：

1. 整数部分对2取余然后逆序排列

2. 小数部分乘2取整数部分，然后顺序排列

接下来我们来看看0.1的二进制表示，由于0.1的整数部分是0，所以直接计算小数部分即可。下面我们来看小数部分的计算，按照“小数部分乘2取整数部分，然后顺序排列”的计算方式：

0.1*2 = 0.2 //整数部分为0，所以小数点后第一位为0

0.2*2 = 0.4 //整数部分为0，所以小数点后第二位为0

0.4*2 = 0.8 //整数部分为0，所以小数点后第三位为0

0.8*2 = 1.6 //整数部分为1，所以小数点后第四位为1

0.6*2 = 1.2 //整数部分为1，所以小数点后第五位为1 （整数部分不在乘2的范围）

0.2*2 = 0.4 //整数部分为0，所以小数点后第6位为0

……

按这种方式计算你会发现，0.1的二进制表示是0.00011001100110011001100110011……0011，0011作为二进制小数的循环数进行无限循环。这是不是就意味着你永远都存不下0.1的二进制小数。所以引出第二个问题：浮点数的二进制如何存储。

浮点数的二进制如何存储

简要介绍下IEEE754浮点格式：它采用科学计数法以底数为2的小数来表示浮点数。单精度浮点数（32位）用1个bit作为符号位表示正数还是负数，用8个bit表示指数，剩下的23个bit用来表示尾数（即小数部分）。此处指数用移码存储，尾数则是原码（没有符号位）。双精度浮点数（64位）最高位第1个bit为用来作为符号位，然后顺下的11个bit来存储指数部分，最后，剩下的52个bit存储尾数部分。
下图为64位浮点数的存储示意图：

回到最初的问题

我们回到问题：为什么0.1+0.2=0.30000000000000004？首先声明一点：这不是bug，这是十进制与二进制的转换导致的精度问题！就好比十进制无法精确表示1/3(0.33333333……)一样，二进制也有无法精确表示的值。其次，这个问题出现在很多的编程语言中，如：c/c++、java、js、python。准确的说：采用了IEEE754规范来存储浮点数的任何编程语言都有这个问题。下面我们分析下整个运算过程：

a. 0.1的二进制表示为：

1.1001100110011001100110011001100110011001100110011001 1(0011)+ * 2^-4；

b. 按64bit的存储空间以及IEEE 754 Floating-point采用round to nearest, tie to
even的舍入模式计算，0.1实际存储时的位模式是0-01111111011-1001100110011001100110011001100110011001100110011010；

c. 0.2的二进制表示为 ：

1.1001100110011001100110011001100110011001100110011001 1(0011)+ * 2^-3；

d.同样的计算方式，0.2实际存储时的位模式是0-01111111100-1001100110011001100110011001100110011001100110011010；

e. 实际存储的位模式作为操作数进行浮点数加法，得到
0-01111111101-0011001100110011001100110011001100110011001100110100，转换为十进制即为0.30000000000000004。

原来0.30000000000000004是这么来的。借用虎扑名言：我好了！不知道在屏幕前的您“好了吗”？

到文末了，在这里出一道题：1.1+2.2等于多少？您可以用python运行试试看，提前告诉您，结果既不是3.3也不是3.30000000000000004，很有意思哦，试试吧！

欢迎留言讨论，同时有兴趣的朋友可以关注微信公众号：麻辣软硬件，精彩内容不要错过！