为什么大部分浮点数字计算机中是不精确的

Java中浮点数分为两种：

种类名称	存储大小	取值范围
float(单精度)	4字节（32bit）	-3.403E38 ~ 3.403E38
double(双精度)	8字节（64bit）	-1.798E308 ~ 1.798E308

存储结构

浮点数的存储分三个部分：

• 符号位
• 指数位
• 尾数位（有效数字）

 

单精度浮点数32位=1位符号位+8位指数位+23位有效数字

双精度浮点数64位=1位符号位+11位指数位+52位有效数字 

 

计算机存储浮点数

• 符号位：1表示负值，0表示正值
• 指数位：float的指数范围8位（为-128~+127），而double的指数范围11位（为-1024~+1023），并且指数位是按补码的形式来划分的。
  其中负指数决定了浮点数所能表达的绝对值最小的非零数；而正指数决定了浮点数所能表达的绝对值最大的数，也即决定了浮点数的取值范围。
• 尾数位：float和double的精度是由尾数的位数来决定的。浮点数在内存中是按科学计数法来存储的，其整数部分始终是一个隐含着的“1”，由于它是不变的，故不能对精度造成影响。
  float：2^23 = 8388608，一共七位，由于最左为1的一位省略了，这意味着最多能表示8位数： 2*8388608 = 16777216 。有8位有效数字，但绝对能保证的为7位，即 float的精度为7~8位有效数字；double：2^52 = 4503599627370496，一共16位，double的精度为16~17位。

IEEE 浮点标准

根据IEEE 浮点标准，任意一个二进制浮点数N可以表示成下面的形式：

32位浮点数

N = (-1)^s × （1.M ）× 2^（E-127）

64位浮点数

N = (-1)^s × （1.M ）× 2^（E-1023）

1. 符号(sign) s表示符号位，当s=0，N为正数；当s=1，N为负数。
2. 尾数(significand) M是一个二进制小数，1≤M<2。
3. 指数位(exponent) E的作用是对浮点数加权，这个权重是2的E次幂(可能是负数)

E阶码占用8位，阶符采用隐含方式，，即采用移码方法来表示正负指数。移码方法对两个指数大小的比较和对阶操作都比较方便，因为阶码域值大者其指数值也大。采用这种方式时，将浮点数的指数真值e变成阶码E时，应将指数e加上一个固定的偏移值127（01111111），即E=e+127。

精度损失的原因

例如

十进制小数转二进制小数

2.3

整数转整数

  2 =  0000 0010 

小数转小数，十进制的小数乘以2，得到结果如果不够1则补0，得到结果如果够1则补1（计算结果减1），结果一直乘以2，知道结果是1.0结束（大多数结果是无线循环）。

0.3 = 0100 1100 1100 1100 1100 1100....

0000 0010 . 0100 1100 1100 1100 1100 1100....= 1.0010 0011 0011 0011 0011 001*2^1

s（符号位）=0

E（指数位）=1+127 = 128  =10000000

M（有效位）=1.0010 0011 0011 0011 0011 001… 

短浮点数 =  0100 0000 0001 0001 1001 1001 1001 1001

1位	8位	23位	丢弃
0	10000000	0010 0011 0011 0011 0011 001	10011…

以二进制保存浮点数，所以一些原本有限位的小数，按照上面方法运算以后，可能变成一个无限循环的小数。

计算机保存浮点数的精度有限，例如float可以保留十进制最多7位(二进制23位)有效数字，double 可以保留十进制15~16位(二进制52位)有效数字。那有效数字以后的就被忽略了。