浮点型数据
浮点数用指数形式表示
0.008->8E-3
8000->8E+3
输出%f,输出float
输出%lf,输出double
输出%Lf,输出long double
输出%.30f,代表输出浮点数保留30位小数
由上图可知,float类型的精度是6位,double与long double的精度是16位,精度之后的数不再准确。事实上绝大多数浮点数据都不是一个精确的数,而是经过省略的。比如1.0减去0.9不等于0.1,这与浮点型数据的存储有关。
浮点型数据的存储
与整型的原码,反码,补码存储不一样,浮点型存储遵循上述标准,文字比较难懂,下面举例说明。
- 将整数部分转换为二进制表示
- 将小数部分转换为二进制表示(见上图右上角),该例子可以直接转换成二进制,是一个精确数。但大部分情况小数部分不能精确转换成二进制,需要近似存储,比如0.2:
0.2*2=0.4 0.4*2=0.8 0.8*2=1.6 0.6*2=1.2 0.2*2=0.4开始循环,近似存储为.0011...
- 将转换为二进制的整数部分与小数部分合在一起并改写成1.xxx的形式,上述例子1001.101改成1.001101,小数点前移三位,因此指数E=3
- 最后S=0,M=001101,E=3,float E的偏移量为127,最终结果为127+3=130,二进制10000010
- 故存储数据为0 1000 0010 0011 0100 0...0
浮点数怎么作比较
由上述浮点型的存储可知,浮点型数据在存储时进行了近似处理,因此在判断浮点数是否相等时,比如1.0减去0.9是否等于0.1,不能直接判断。
浮点数存在精度损失,因此浮点数比较,比较的是差值绝对值是否小于精度
a=1.0,b=0.9
if(fabs(a-b-0.1)<0.0000 0000 0000 01)
输出a-b=0.1
绝对值函数fabs(a),求一个浮点型数的绝对值