JS中的运算问题

目录

问题产生

    1、浮点数的二进制存储

    2、对阶运算

    3、IEEE754标准下的舍入规则

  总结 

---

问题产生

    JS 中进行浮点数运算时，会有 0.1 + 0.2 = 0.1+0.2=0.300000000000000004 的结果，但同样是浮点数运算，0.3 + 0.4 = 0.7却可以很精确的得到正确结果，出现这样的问题归结于 JavaScript 遵循IEEE754 标准，对浮点数的二进制存储及运算的舍入规则造成的

这个问题点搬运来自知乎的一篇文章：为什么 JavaScript 中 0.1+0.2 不等于 0.3 ？ - 知乎 (zhihu.com)

    1、浮点数的二进制存储

      JavaScript遵循IEEE754标准，在64位中存储一个数据的有效数字形式。

       

    ①.第0位为符号位，0表示正数、1表示负数

    ②.第1到11位存储指数部分

    ③.第12到63位存小数部分（尾数部分，即有效数字），由于二进制的有效数字总是表示为 1.xxx...的形式，尾数部分在规约形式下的第一位默认为1，故存储时第一位省略不写，尾数部分f存储有效数字小数点后的xxx..., 最长52位。因此 --> JavaScript提供的有效数字最长为53个二进制位（尾数部分52位 + 被省略的1位）

      0.1、0.2、0.3、0.4、0.7 二进制形式如下：

0.1->0.0001100110011...(0011无限循环)->0-01111111011-(1 .)1001100110011001100110011001100110011001100110011010(入)
0.2->0.001100110011...(0011无限循环)->0-01111111100-(1 .)1001100110011001100110011001100110011001100110011010(入)
0.3->0.01001100110011...(0011无限循环)->0-01111111101-(1 .)0011001100110011001100110011001100110011001100110011(舍)
0.4->0.01100110011...(0011无限循环)->0-01111111101-(1 .)1001100110011001100110011001100110011001100110011010(入)
0.7->0.101100110011...(0011无限循环)->0-01111111110-(1 .)0110011001100110011001100110011001100110011001100110(舍)

      对于52位之后进行舍入运算，此时可看作 "0舍1入"（具体舍入规则在第三部分内容说明），可以知道的是，由于舍入运算，必然存在精度损失的可能

    2、对阶运算

      由于指数位数不同，运算时需要进行对阶运算。对阶过程略，0.1 + 0.2 与 0.3 + 0.4 的尾数求和结果分别如下：

0.1+0.2->10.0110011001100110011001100110011001100110011001100111
0.3+0.4->10.1100110011001100110011001100110011001100110011001101

    求和结果需规格化（有效数字表示），右规导致低位丢失，此时需对丢失的低位进行舍入操作：

0.1+0.2->1.00110011001100110011001100110011001100110011001100111->1.0011001100110011001100110011001100110011001100110100(入)
0.3+0.4->1.01100110011001100110011001100110011001100110011001101->1.0110011001100110011001100110011001100110011001100110(舍)

    即：

      00111 -> 0100

      01101 -> 0110

      此处同样有精度损失。在这里我们可以发现，0.3+0.4对阶阶运算且规格化后的运算结果与0.7在二进制中的存储尾数相同（可对照尾数后几位），而0.1+0.2的运算结果与0.3的存储尾数不同，且0.1+0.2转化为十进制时结果为0.300000000000000004。
此时，虽然0.1+0.2与0.3+0.4进行舍入操作的近似位都为1，但一入一舍导致计算结果与“标准答案”的异同 

    3、IEEE754标准下的舍入规则

      维基百科对最近偶数舍入原则的解释如下：舍入到最接近，在一样接近的情况下偶数优先（Ties To Even，这是默认的舍入方式），即会将结果舍入为最接近（精度损失最小）且可以表示的值，但是当存在两个数一样接近的时候，则取其中的偶数（在二进制中是以0结尾的）。

    首先要注意的是，保留小数不是只看后面一位或者两位，而是看保留位后面的所有位。

       如图，可以看到近似需要看三位，保留位（近似后的最低位）、近似位（保留位的后一位）、粘滞位（sticky bit 近似位后的所有位进行或运算后看作一位）。
当粘滞位为1时，舍入规则可以看作0舍1入，近似位为0舍，近似位为1入（即第一部分小数二进制存储为52位尾数时所进行的舍入操作）。
当粘滞位为0时，若近似位为0则舍去。
当粘滞位为0时，若近似位为1，无论舍入精度损失都相同，故需取舍入两种结果中的偶数：保留位为1时入，保留位为0时舍（即第二部分对阶运算规格化时的舍入操作）。

  总结 

    由于IEEE754标准，这样的“bug”不止在JavaScript中会出现，在所有采用该标准的语言中都会存在，实际编程中可以通过设置精度保留位数等方式解决。

    开发中若是有两个浮点数的运算判断，则会造成不小的问题

console.log(0.1+0.2 === 0.3)  //false

    对于这个精度误差，这里再提供两种方法进行解决

      1、ES6中，已经为我们提供了一个属性：Number.EPSILON，这个值非常非常小，在底层计算机已经帮我们运算好，并且无限接近0（但不等于0），原理就是只要判断（0.1+0.2）- 0.3 < Number.EPSILON，这个误差的范围内就可以判定 0.1 + 0.2 === 0.3 为 true

//写一个专门判断运算结果是否等价的方法
function numbersEqual(a,b){
  return Math.abs(a-b)<Number.EPSILON;
}

//测试
let a = 0.1+0.2;
let b = 0.3

console.log(numbersEqual(a,b));    //true

      2、还有种办法就是规避掉这类小数计算时的精度问题即可 --> 将浮点数转化成整数计算。因为整数都是可以精确表示的

      通常解决办法就是把计算数字提升 10 的 N 次方倍，再除以 10 的 N 次方。如下：

(0.1*1000 + 0.2*1000)/1000 == 0.3   //true

      这样就避免了 两个浮点数 0.1 和 0.2 直接计算而造成精度误差了