(学习总结5)数据在内存中的存储

         大家好,这次的内容是讲解我对数据在内存中存储的初步理解,若有错误,恳请读者大大们批评指正。

一.整数在内存中的存储

整数的二进制表示方法有三种,原码、反码和补码

三种表示方法均有符号位和数值位两部分,符号位都是用0表示 “正”,用1表示 “负”,而数值位最高位的一位是被当做符号位,剩余的都是数值位

正整数的原码、反码、补码都相同。

负整数的三种表示方法各不相同

原码:直接将数值按照正负数的形式翻译成二进制得到的就是原码。

反码:将原码的符号位不变,其他位依次按位取反就可以得到反码。

补码:反码+1就得到补码

对于整型来说,数据存放内存中其实存放的是补码。

在计算机系统中,数值一律用补码来表示和存储。

原因在于,使用补码,可以将符号位和数值域统一处理

同时,加法和减法也可以统一处理(CPU只有加法器),此外,补码与原码相互转换,其运算过程是相同的,不需要额外的硬件电路

二.大小端字节序和字节序判断

1.什么是大小端?

其实超过一个字节的数据在内存中存储的时候,就有存储顺序的问题,按照不同的存储顺序,我们分为大端字节序存储小端字节序存储,下面是具体的概念:

大端(存储)模式:是指数据的低位字节内容保存在内存的高地址处,而数据的高位字节内容,保存在内存的低地址处

小端(存储)模式:是指数据的低位字节内容保存在内存的地址处,而数据的高位字节内容,保存在内存的地址处。

2.为什么有大小端?

这是因为在计算机系统中,我们是以字节为单位的,每个地址单元都对应着一个字节,一个字节为8 bit 位,但是在C语言中除了8 bit 的 char 之外,还有16 bit 的 short 型, 32 bit 的 long 型(要看具体的编译器),另外,对于位数大于8位的处理器,例如16位或者32位的处理器,由于寄存器宽度大于一个字节,那么必然存在着一个如何将多个字节安排的问题。因此就导致了大端存储模式和小端存储模式

三.浮点数在内存中的存储

常见的浮点数:3.14159、1E10等,浮点数家族包括:float、double、long double 类型。

浮点数表示的范围:float.h 中定义。

1.浮点数的存储

根据国际标准IEEE(电气和电子工程协会)754,任意一个二进制浮点数V可以表示成下面的形式:
                                     V    =    (-1) ^ S  *  M  *  2 ^ E( ‘ ^ ’ 意为次方)        
1(-1) ^ S 表示符号位,当S = 0,V为正数;当S = 1,V为负数
2M 表示有效数字,M是大于等于1,小于2的
32 ^ E 表示指数位

举例来说:

十进制的5.0,写成二进制是 101.0,相当于 1.01 * 2 ^ 2。

那么,按照上面V的格式,可以得出 S = 0, M = 1.01,E = 2。

十进制的 -5.0,写成二进制是 -101.0,相当于 -1.01 * 2 ^ 2。

那么,S = 1,M = 1.01,E = 2。

IEEE 754规定:

对于32位的浮点数,最高的1位存储符号位S,接着的8位存储指数E,剩下的23位存储有效数字M

对于64位的浮点数,最高位的1位存储符号位S,接着的11位存储指数E,剩下的52位存储有效数字M

2.1 浮点数存储的过程

IEEE 754 对有效数字M和指数E,还有一些特别规定

前面说过,1 <= M < 2,也就是说,M可以写成 1.xxxxxx 的形式,其中 xxxxxx 表示小数部分。IEEE 754 规定,在计算机内部保存M时,默认这个数的第一位总是1,因此可以被舍去,只保存后面的 xxxxxx 部分。比如保存 1.01 的时候,只保存01,等到读取的时候,再把第一位的1加上去。这样做的目的,是节省1位有效数字。以32位浮点数为例,留给M只有23位,将第一位的1舍去以后,等于可以保存24位有效数字。

至于指数E,情况就比较复杂

首先,E为一个无符号整数(unsigned int)这意味着,如果E为8位,它的取值范围为0~255;如果E为11位,它的取值范围为0~2047。但是,我们知道,科学计数法中的E是可以出现负数的,所以IEEE 754规定,存入内存时E的真实值必须再加上一个中间数,对于8位的E,这个中间数是127;对于11位的E,这个中间数是1023。比如,2 ^ 10 的E是10,所以保存成32位浮点数时,必须保存成 10 + 127 = 137,即10001001。

2.2 浮点数取的过程

指数E从内存中取出还可以再分成三种情况:
E不全为0或不全为1
这时,浮点数就采用下面的规则表示,即指数E的计算值减去127(或1023),得到真实值,再将有效数字M前加上第一位的1。
比如:0.5 的二进制形式为 0.1,由于规定正数部分必须为1,即将小数点右移1位,则为 1.0 * 2 ^ (-1),其阶码为 -1 + 127(中间值) = 126,表示为 01111110,而尾数 1.0 去掉整数部分为0,补齐0到23位00000000000000000000000,则其二进制表示形式为:
E全为0
这时,浮点数的指数E等于1-127(或者1-1023)即为真实值,有效数字M不再加上第一位的1,而是还原为0.xxxxxx的小数。这样做是为了表示 ±0,以及接近于0的很小的数字。
E全为1
这时,如果有效数字M全为0,表示±无穷大(正负取决于符号位s)
  • 20
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 非常好的问题,数据处理是数据科学的一个重要环节。对于数据清洗,我们可以使用一些数据清洗软件或者编写处理代码,对数据进行格式、完整性、准确性等多方面的检查和清洗。对于数据存储,可以使用各种数据库技术,例如MySQL、MongoDB等,也可以将数据存储为CSV、JSON等格式。对于数据分析,可以使用各种统计模型和数据分析工具,例如Python的pandas库,R语言等。 ### 回答2: 学习如何处理爬取到的数据,包括数据清洗、数据存储数据分析等,是现代信息时代的一个重要技能。数据清洗是指对爬取到的原始数据进行处理,包括去除重复数据、处理缺失值、剔除异常值等。数据清洗的目的是为了确保数据的准确性和完整性,使其可以被进一步有效地利用。 数据存储是指将清洗好的数据保存在适当的数据存储介质,以备后续使用。常见的数据存储方式包括数据库、文件、内存等。选择适合的存储方式要考虑数据量、查询速度、数据结构等因素。数据存储的好坏直接影响到后续数据分析的效率和准确性。 数据分析是指对爬取到的数据进行深入分析,找出其的规律、趋势和关联性。常用的数据分析方法包括统计分析、机器学习数据挖掘等。数据分析可以帮助我们从数据提取有价值的信息和洞察,并用于决策和优化。 学习如何处理爬取到的数据需要掌握一些相关的编程技术和工具,如Python、SQL、Excel等。另外,需要了解数据清洗的常用方法和技巧,如使用正则表达式进行数据清洗、使用统计方法处理缺失值等。同时,还需要了解常用的数据存储技术和数据分析方法,如数据库的设计与应用、数据可视化等。 总的来说,学习如何处理爬取到的数据需要综合运用多个知识领域,同时需要不断实践和探索。只有不断学习和提升,我们才能处理好爬取到的数据,从获取有价值的信息,并加以应用。 ### 回答3: 学习如何处理爬取到的数据,包括数据清洗、数据存储数据分析等,是数据科学和数据分析领域非常重要的一部分。 首先,数据清洗是指对爬取到的原始数据进行预处理,包括处理缺失值、异常值、重复值等问题。通过使用数据清洗技术,可以提高后续数据分析的准确性和可信度。 其次,数据存储是指将清洗后的数据保存到合适的存储介质,以便后续分析和使用。常见的数据存储方式包括关系型数据库、非关系型数据库、数据仓库等。根据数据的特点和应用需求选择合适的存储方式非常重要。 最后,数据分析是指对存储数据进行统计、挖掘、预测等操作,以获取有价值的信息和洞察。数据分析方法包括描述性分析、探索性分析、预测建模、机器学习等。通过数据分析,我们可以发现数据背后的规律、趋势和关联,为决策提供支持。 学习如何处理爬取到的数据需要具备一定的编程和数据分析的基础知识。可以通过学习Python等编程语言,掌握数据处理和分析库(如Pandas和NumPy)的使用。此外,还可以学习SQL等数据库查询语言,了解关系型数据库的操作和设计。同时,需要学习数据分析的基本概念和方法,以及常用的数据可视化工具(如Matplotlib和Tableau)。通过不断实践和探索,提升数据处理和分析的能力。 总结来说,学习如何处理爬取到的数据数据科学和数据分析的基础,需要通过学习相关知识和技能,包括数据清洗、数据存储数据分析等方面的内容,才能充分利用爬取到的数据,挖掘其背后的价值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值