技术内参 | 数据分析，如何解决精度丢失的问题？

 

 

本文由神策数据技术大咖皮成投稿

谈到大数据技术，数据采集和计算是永远绕不开的话题，采集的准确度、计算的精度都是做数据分析的前提条件。

神策数据服务的客户覆盖互联网各个细分领域，其中不乏有做目前大火的虚拟货币的客户，比如涉及区块链和比特币领域的客户，从接触之初，他们对大数据工具的要求就极其严苛，当然，这与虚拟货币自身的特点也分不开。

事实上，每个虚拟货币的精确程度小到小数点后 4 位，大到小数点后 12 位。客户在分析用户每次成交的货币量，每日的人均成交货币量等指标，或者在分布分析中查看比持币的分布情况时，常常是需要精确到小数点后 8 位甚至更多。

因为虚拟货币的单价不同，更高的精确度可以让客户更加精准的细分出用户群，进而进行更深度的分析。高精度确保了分析结果的准确性，甚至决定了虚拟货币企业的核心竞争力。

所以，虚拟货币企业对精度的要求极高也不足为奇了。不过，在用 JavaScript 开发数据可视化产品时，会遇到数值的展现和计算丢失精度的问题，这是很多技术者想要解决的难题。下面我们从两方面来为你解决这个问题：

一、为什么会出现精度的丢失？

二、如何解决精度丢失问题？

下面我们先介绍下计算精度的背景：

1. 二进制小数

在十进制中，123.45 可以表示为 1 × 10² + 2 × 10¹ + 3 × 10⁰ + 4 × 10⁻¹ + 5 × 10⁻² = 123 ⁴⁵⁄₁₀₀，小数点的位置决定了数字的权重，左边的数是 10 的正幂，右边的数是 10 的负幂。

类似，二进制数 101.11 也可以表示为 1 × 2² + 0 × 2¹ + 1 × 2⁰ + 1 × 2⁻¹ + 1 × 2⁻² = 4 + 0 + 1 + ¹⁄₂ + ¹⁄₄ = 5 ³⁄₄，小数点向左移动一位相当于这个数被 2 除，小数点向右移动一位相当于这个数乘以 2。

在有限的长度下，十进制无法准确表示像 ¹⁄₃、⁵⁄₇ 这样的数，二进制也无法准确表示像 ¹⁄₅ 这样的数，增加数字的长度可以提高表示的精度。

2. IEEE 745 标准

IEEE 745 定义了在计算机中浮点数的表示及其运算的标准，标准指定了两种基本浮点格式：单精度和双精度，两种扩展浮点格式：单精度扩展和双精度扩展。

浮点格式是一种数据结构，用于指定包含浮点数的字段、这些字段的布局及其算术解释。浮点存储格式指定如何将浮点格式存储在内存中，具体选择哪种存储格式由实现工具决定，JavaScript 采用的是 IEEE 745 双精度浮点格式。

IEEE 浮点标准用 V = (−1)ˢ × 2ᴱ × M 的形式来表示一个数：