详解浮点数在计算机中的存储方式

存储方式（以单精度为例）

存储原理

先解释存储原理，更容易理解后面的内容。

例 4.25 这个浮点数
先将其转换为二进制，即 100.01
然后再用二进制科学计算法表示,转换过程为：100.01 -> 1.0001 ^ 2 -> >1.0001 ^ 10
最终，十进制8.25的二进制为 1.0001^10。
那么，其中的 1.0001 是尾数，存放在尾数位
10 为 指数，存放在指数位
符号为0（代表正数）。存放在符号位

大概原理就是这样，具体下面有一些细节补充

float 为单精度，共有32位。按照作用，分为三部分：1、符号位；2、指数位；3、尾数位。

1、符号位

表示整个浮点数的正负

2、指数位

存放浮点数的指数部分（二进制科学记数法的指数，不是十进制科学记数法的指数）。指数也有正负，使用移位存储来表示正负。

3、尾数位

存放浮点数的尾数部分。因为二进制科学记数法的尾数都是以1开头，因此尾数开头的1省去不记。即 23 位的尾数位可存储 24 位尾数。

附1，十进制浮点数转二进制

将整数部分和小数部分 分开转化。最后合到一起。

例如 4.6 -> 100.1001 1001……
整数： 4 -> 100，
小数：0.6 -> 1001 1001 ……

小数部分* 2 ，取结果的整数部分为第一位，然后再*2，取结果的整数部分为第二位，依次类推。

0.6 * 2 = 1.2 ，取 1
0.2 * 2 = 0.4 ，取 0
0.4 * 2 = 0.8 ，取 0
0.8 * 2 = 1.6 ，取 1
0.6 * 2 = 1.2 ，取 1

发现这里循环了。即部分浮点数的二进制是无限的。但是计算机存储浮点数的位数是固定的。计算机只能表示它能表示的部分。所以浮点数 有时候会出现精度丢失的问题。

练习： 8.5 转化为二进制。

附2，二进制浮点数转十进制

反过来就是了。将浮点数的第一位 * 2^ -1 , 第二位 * 2 ^ -2 , 第三位 * 2 ^ -3 ……。然后全部相加，计算总值。即
和 = 0.597656 （少了的部分为精度丢失）

附3，移位存储（移码）

8位有符号整型的表示范围是 [-127，127]，如何 使用这个二进制表示255呢？

答：将 -127映射为 0， -126 映射为 1，……，最终，127则会被映射为255。移位存储原理与其类似。

在移位存储中，将每个数 + 偏置值（bias，值=2^k-1 -1）作为最终结果存储。

将原本的 -127 +127，变成0，转成二进制 0000 0000存放。
原来的 0 + 127 = 127 ，转成二进制 0111 1111 存放。
原本的 1 + 127 = 128 ， 转成 1000 0000 存放。
可以看出，最高位的0和1 代表 负 正。

为什么采用移码而不是补码？

日常生活中我们对小数进行加减法时，为了方便，通常先把它们的指数化成一致，再比较前面的数值部分；

比如1e-3与1e-1，我们化为1e-3和100e-3,这样就能很明显的得到结果 99e-3了

同样，在计算机中亦是如此；容易得知，移码是有大小顺序的。简单说就是：移码方便。