浮点数（Floating point）介绍

“95% of the folks out there are completely clueless about floatingpoint.”

– James Gosling, 1998-02-28

介绍

FLoating point是我们常用的一种数据类型，但是关于它的表达形式以及运算方式，我们真的理解清楚了吗？

请看下面的代码示例

#include <iostream>

int main()
{
	float a = 0.0001;
	float b = 10000000;
	float c = 10000000.0001;
	float d = a + c - b;
	float e = c - b + a;
	std::cout<<" a + c -b = "<<d<<std::endl;
        std::cout<<" c - b + a = "<<e<<std::endl;
}

针对上面的代码，我们期待的结果是什么？d和e是一样的吗？

答案如下：

这个当然可以归咎于浮点数的精度问题，但是值得注意的是，这个过程中并没有出现overflow。（数字的表达范围在float数字的范围以内）。那什么导致了计算的误差呢？

浮点数介绍

参考加州大学CS61C课程介绍一下FLoating point。

首先，小数基于二进制可以通过类似于10进制数字的方式表达。但是，对应的问题是，表达的范围和精度都很受限。特别大的数和特别小的数通过有限的bits数都很难表达。

因此，我们想到了科学计数法，并引入了float数据类型的表达方式，我们的小数点的位置不是固定的，有别于int类型的数据。

引入了下列的float表达形式。基于32bit，我们可以表达有符号的，非常大范围的小数。8bit用于表达指数，剩余的用于表达底数。此外，针对enponent，它也应该是有符号的，但是，我们希望直接通过exponent的大小来判断数字的大小，所以，我们选择了包含bias的数字表达方式。

下面的slides介绍了浮点数的具体表达形式和计算案例。所有数字按照二进制的方式计算。

浮点数的加减法不符合交换律。

   

因为，浮点数在进行加减法时，要进行exponent大小的统一，基于此，进行底数的加减。所以，针对指数较小的数，为了保证指数的对齐，需要进行底数数字的右移，从而造成精度的损失。

参考资料：

https://en.wikipedia.org/wiki/Floating-point_arithmetic
 

IEEE-754 Floating Point Converter

Home | CS 61C Fall 2023https://en.wikipedia.org/wiki/Floating-point_arithmetic