float类型数据在计算机中的表示方法以及转换方法

一、float类型数据在计算机中的表示方法

A.

下面的代码为什么第一行返回false，而第二行和第三行都返回true。

 

        Console.WriteLine("1.123f + 1.345f == 2.468f ? {0}",

            1.123f + 1.345f == 2.468f); // False

        Console.WriteLine("1.123f + 1.344f == 2.467f ? {0}",

            1.123f + 1.344f == 2.467f); // True

        Console.WriteLine("1.123 + 1.345 == 2.468 ? {0}",

            1.123 + 1.345 == 2.468); // True

 

我们知道,integer类型占用的是4个字节,可以表示的数字范围在2**-32到2**32之间.而且每一个整数在计算机里面都有相应的内存表示方法,例如数字12345的表示方法就是:

00000000 00000000 00110000 00111001

即根据二进制到十进制的转换方法: 12345 = 213 + 212 + 25 + 24 + 23 + 20

 

而在计算机float型,这种表示方法最大的问题就是如何在二进制里面保存小数点的位置--因为小数点的位置不固定.于是计算机专家们就想到了用科学计数法的方式来表示浮点数,因为在科学计数法里面,小数点的位置总是固定,就是在第一个数字的后面,例如12345的科学计数法的表示为: 1.2345 * 105。而0.012345的科学计数法表示方式为: 1.2345 * 10-2.

 

使用公式来表示的话,科学计数法的公式是 。

 

因为我们的计算机比较笨,只能处理0和1,所以在计算机里面表示浮点数的时候,上面的公式中的基数b是2,而不是10.在计算机内存当中,保存的实际是浮点数的计算公式,而不是确切的值,所以说计算机里面浮点数都是近似值,而不是确切的值.在计算机中,以float类型为例,内存中32个位所代表的内容分别是:

SEEEEEEE EMMMMMMM MMMMMMMM MMMMMMMM

其中S代表符号位，1代表这个浮点数是一个负数，而0则表示是正数。而E就是科学计数法里面的指数e，由于 e既有可能是正数，也有可能是负数，因为1234.5的科学计数法是1.2345 * 104,而0.12345的科学计数法是1.2345 * 10-1。所以e的计算规则是EEEEEEE E表示的数减去27- 1（7是因为我们有8个位来表示指数），这样8个表示指数的位就可以用来表示负数和正数了。

 

而M就是用来计算科学计数法里面的m，计算规则是，从左往右开始，第一个M代表2-1，第二个M表示2-2，依次类推。由于m要么就是大于1的小数，要么就是小于1的小数（记住，我们计数法里面的基数是2 ，而不是10），如果e的值大于0，那么我们就可以加上这个1，如果e的值小于0，那么我们可以省略这个1，这是因为我们总是可以通过调整e的值来做到这一点。因此m里面小数点前面的1被省略掉了，这个省略掉的1可以根据e的值来推算出m的小数点前面到底有没有这个1。

 

而对于double类型来说，在计算机中各个位表示的信息如下所示：

SEEEEEEE EEEEMMMM MMMMMMMM MMMMMMMM MMMMMMMM MMMMMMMM MMMMMMMM MMMMMMMM

现在我们再回过头来看看上面的代码:

        double a = 1.345f;

        double b = 1.123f;

        double result = a + b;

        double expected = 2.468f;

 

        Console.WriteLine("result == expected ? {0}", result == expected);

调试这个程序,在内存中看一看a的值是3ff5851ec0000000（为了说明方便，我将文章开头的程序改头换面了一下）,在计算器里面将这个十六进制的值换算成二进制的是:

11111111110101100001010001111011000000000000000000000000000000

 

因为计算器会将前缀零省略掉,因此上面的值实际上是:

00111111 11110101 10000101 00011110 11000000 00000000 00000000 00000000

 

由于e部分的值大于等于0，因为127 – (27 – 1) = 1,所以我们在计算m的时候需要加上隐含的1,也就是说上面黄色背景的值实际上表示的是:

 

(十进制的)1.0 + 0101 10000101 00011110 11000000 00000000 00000000 00000000所表示的小数

= 1.0 + 2**-2 + 2**-4 + 2**-5 + 2**-10 + 2**-12 + 2**-16 + 2**-17 + 2**-18 + 2**-19 + 2**-21 + 2**-22

= 1.0 + 0.25

      + 0.0625

      + 0.03125

      + 0.0009765625

      + 0.000244140625

      + 0.0000152587890625

      + 0.00000762939453125

      + 0.000003814697265625

      + 0.0000019073486328125

      + 0.000000476837158203125

      + 0.0000002384185791015625

= 1.0 + 0.3450000286102294921875

= 1.3450000286102294921875

 

因此按照上面的算法，b的值实际上应该是1.1230000257492065，因此a + b实际上是2.468000054359436，而上面的程序expected的实际值应该是2.4679999351501465，这就是为什么上面1.345f + 1.123f != 2.468f的原因。

 

而1.344f + 1.123f == 2.467f，纯粹是巧合，因为前两者相加的值恰好等于后者在计算机里面的表现形式。

 

最后洋洋洒洒一大篇的结论就是，浮点类型不能用==号来判断，因为浮点数是一个近似值，只能通过两者相减小于一个可以接受的误差来判断。

B.

C语言和C#语言中，对于浮点类型的数据采用单精度类型（float）和双精度类型(double)来存储，float数据占用32bit,double数据占用64bit,我们在声明一个变量float f= 2.25f的时候，是如何分配内存的呢？如果胡乱分配，那世界岂不是乱套了么，其实不论是float还是double在存储方式上都是遵从IEEE的规范的，float遵从的是IEEE R32.24 ,而double 遵从的是R64.53。

    无论是单精度还是双精度在存储中都分为三个部分：

1. 符号位(Sign) : 0代表正，1代表为负
2. 指数位（Exponent）:用于存储科学计数法中的指数数据，并且采用移位存储
3. 尾数部分（Mantissa）：尾数部分

 其中float的存储方式如下图所示：

而双精度的存储方式为:

 

    R32.24和R64.53的存储方式都是用科学计数法来存储数据的，比如8.25用十进制的科学计数法表示就为:8.25*,而120.5可以表示为:1.205*,这些小学的知识就不用多说了吧。而我们傻蛋计算机根本不认识十进制的数据，他只认识0，1，所以在计算机存储中，首先要将上面的数更改为二进制的科学计数法表示，8.25用二进制表示可表示为1000.01,我靠，不会连这都不会转换吧?那我估计要没辙了。120.5用二进制表示为：1110110.1用二进制的科学计数法表示1000.01可以表示为1.0001*,1110110.1可以表示为1.1101101*,任何一个数都的科学计数法表示都为1.xxx*,尾数部分就可以表示为xxxx,第一位都是1嘛，干嘛还要表示呀？可以将小数点前面的1省略，所以23bit的尾数部分，可以表示的精度却变成了24bit，道理就是在这里，那24bit能精确到小数点后几位呢，我们知道9的二进制表示为1001，所以4bit能精确十进制中的1位小数点，24bit就能使float能精确到小数点后6位，而对于指数部分，因为指数可正可负，8位的指数位能表示的指数范围就应该为:-127-128了，所以指数部分的存储采用移位存储，存储的数据为元数据+127，下面就看看8.25和120.5在内存中真正的存储方式。

     首先看下8.25，用二进制的科学计数法表示为:1.0001*

按照上面的存储方式，符号位为:0，表示为正，指数位为:3+127=130 ,位数部分为,故8.25的存储方式如下图所示:

而单精度浮点数120.5的存储方式如下图所示:

那么如果给出内存中一段数据，并且告诉你是单精度存储的话，你如何知道该数据的十进制数值呢？其实就是对上面的反推过程，比如给出如下内存数据：0100001011101101000000000000，首先我们现将该数据分段，0 10000 0101 110 1101 0000 0000 0000 0000，在内存中的存储就为下图所示：

根据我们的计算方式，可以计算出，这样一组数据表示为:1.1101101*=120.5

而双精度浮点数的存储和单精度的存储大同小异，不同的是指数部分和尾数部分的位数。所以这里不再详细的介绍双精度的存储方式了，只将120.5的最后存储方式图给出，大家可以仔细想想为何是这样子的

下面我就这个基础知识点来解决一个我们的一个疑惑，请看下面一段程序，注意观察输出结果

            float f = 2.2f;
            double d = (double)f;
            Console.WriteLine(d.ToString("0.0000000000000"));
            f = 2.25f;
            d = (double)f;
            Console.WriteLine(d.ToString("0.0000000000000"));

可能输出的结果让大家疑惑不解，单精度的2.2转换为双精度后，精确到小数点后13位后变为了2.2000000476837，而单精度的2.25转换为双精度后，变为了2.2500000000000，为何2.2在转换后的数值更改了而2.25却没有更改呢？很奇怪吧？其实通过上面关于两种存储结果的介绍，我们已经大概能找到答案。首先我们看看2.25的单精度存储方式，很简单 0 1000 0001 001 0000 0000 0000 0000 0000,而2.25的双精度表示为:0 100 0000 0001 0010 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000,这样2.25在进行强制转换的时候，数值是不会变的，而我们再看看2.2呢，2.2用科学计数法表示应该为：将十进制的小数转换为二进制的小数的方法为将小数*2，取整数部分，所以0.282=0.4，所以二进制小数第一位为0.4的整数部分0，0.4×2=0.8，第二位为0,0.8*2=1.6,第三位为1，0.6×2 = 1.2，第四位为1，0.2*2=0.4，第五位为0，这样永远也不可能乘到=1.0，得到的二进制是一个无限循环的排列 00110011001100110011... ,对于单精度数据来说，尾数只能表示24bit的精度，所以2.2的float存储为:

但是这样存储方式，换算成十进制的值，却不会是2.2的，应为十进制在转换为二进制的时候可能会不准确，如2.2，而double类型的数据也存在同样的问题，所以在浮点数表示中会产生些许的误差，在单精度转换为双精度的时候，也会存在误差的问题，对于能够用二进制表示的十进制数据，如2.25，这个误差就会不存在，所以会出现上面比较奇怪的输出结果。

二、float类型数据的转换方法

C++

#include "stdafx.h"
#include <process.h>
int _tmain(int argc, _TCHAR* argv[])
{
// 将十六进制转换为float形式
unsigned char pMem[] = {0x66,0xE6,0xF0,0x42};
float *p = (float*)pMem;
printf("%g\r\n",*p);

// 将float转换为16进制
float a=120.45f;
unsigned char * b = (unsigned char*)&a;

for(int i = 0; i<4; i++) 
printf("0x%2X,", b[i]); 

system("pause");
return 0;
}

python:

from ctypes import *
def convert(s):
    i = int(s, 16)                  
    cp = pointer(c_int(i))           
    fp = cast(cp, POINTER(c_float))  
    return fp.contents.value         
print(convert('4756D800'))

源自:

http://www.cnblogs.com/killmyday/archive/2009/03/22/1419079.html  

http://www.cnblogs.com/jillzhang/archive/2007/06/24/793901.html  

http://blog.csdn.net/kingsollyu/article/details/8270168