浮点型数据的存储与比较

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