浮点数在内存中是如何存放的?
float浮点数要比同为4字节的int定点数表示的范围大的多,那么是否可以使用浮点数替代定点数?
为什么float型浮点数9.87654321
如何才能精确比较浮点数真实的大小?
看完本文档,你将会得到答案!
在论坛上或QQ群中有时会看到新同学问一些有关浮点数运算的问题,经常是走了错误的方向,但苦于交流方式不方便,无法为其详细说明,在此,我将我所掌握的一些知识加以整理写出来,希望对大家能有所帮助。更多案例请访问我的博客blog.sina.com.cn/ifreecoding。
我主要是从事底层软件开发的,最开始写驱动程序,后来也做一些简单的业务层软件,在我所涉及的工作范围内,我使用的都是定点数,而且90%以上都是无符号定点数,在我印象中并没有使用过浮点数,即使做过一个专门使用DSP来处理信号的项目,也只是使用了无符号定点数,我将在另一篇案例《C语言使用定点数代替浮点数计算》里介绍定点数处理简单的浮点数的方法,这也是在底层驱动中常使用的方法。
C语言浮点数
C语言标准C89里规定了3种浮点数,float型、double型和long
float型可以表示的范围是-3.402823466e38~3.402823466e38,而作为同为4个字节的定点数却只能表示-2147483648~2147483647的范围,使用同样的内存空间,浮点数却能比定点数表示大得多的范围,这是不是太神奇了?既然浮点数能表示这么大的范围,那么我们为何不使用浮点数来代替定点数呢?
先不说浮点数实现起来比较复杂,有些处理器还专门配置了硬件浮点运算单元用于浮点运算,主要原因是浮点数根本就无法取代定点数,因为精度问题。鱼和熊掌不可兼得,浮点数表示了非常大的范围,但它失去了非常准的精度。在说明精度问题前,我们先了解一下浮点数的格式。
ANSI/IEEE Std 754-1985标准
IEEE
其中S位占1bit,为bit31。S位为0代表浮点数是正数,S位为1代表浮点数是负数,比如说0x449A522C的S位为0,表示这是一个正数,0x849A522C的S位为1,表示这是一个负数。
E位占8bits,为bit23~bit30。E位代表2的N次方,但需要减去127,比如说E位为87,那么E位的值为2(87-127)=9.094947017729282379150390
F位占23bits,为bit0~bit22。F位是小数点后面的位数,其中bit22是2-1=0.5,bit21是2-2=0.25,以此类推,bit0为2-23=0.00000011920928955078125。但F位里隐藏了一个1,也就是说F位所表示的值是1+(F位bit22~bit0所表示的数值),比如说F位是0b1010000000000000000000
综上所述,从二进制数换算到浮点数的公式为:(-1)S×2E-127×(1+F)。但还有几个特殊的情形:
u
u
u
u
浮点型在多个处理器间通信时,传递的数值是它的二进制数,比如说1234.5678这个浮点数的二进制数是0x449A522B,如果使用串口发送的话,就会发现串口里发送的是0x44、0x9A、0x52和0x2B这4个数(发送的顺序也可能是逆序,这与约定的字节序有关,与浮点格式无关),接收端接收到这4个数字后再组合成0x449A522B,按照IEEE
浮点数的换算
下面来看看浮点数与二进制数如何转换。
例1,二进制数换算成浮点数:
假如在内存中有一个二进制数为0x449A522C,先将十六进制转换成二进制,如下:
0100
按照SEF的格式分段,如下:
0
这个数值不是特殊的情形,可以按照公式(-1)S×2E-127×(1+F)转换。S位的值为(-1)0=1,E位的值为2137-127=1024。F位的值为1+2-3+2-4+2-6+2-9+2-11+2-14+2-18+2-20+2-21=
其中F位比较长,使用二进制方式转换比较麻烦,也可以先转换成十六进制再计算,转换为十六进制如下:
0011
0x3
F位为23bits,需要在最后补一个0凑成24bits,共6个十六进制数。F位的值为1+3×16-1+4×16-2+10×16-3+4×16-4+5×16-5+8×16-6=1.205632686614990234375,与上面使用二进制方法得到的结果相同。
例2,浮点数换算成二进制数:
下面我们将-987.654e30换算成二进制数。我们先不看符号位,将987.654e30归一化为整数部分为1的形式,也就是写作987.654e30=2E-127×(1+F)的标准形式,其中E=log(987.654e30)/log2+127=109.6+127,取E位的整数值为109+127=236,再求F=987.654e30/2236-127-1=0.52172193,这个小数位数保留8位就够了,已经超出了7位的精度。然后我们求小数部分的二进制数,这个转换就没啥好说的了,依次减去2的幂,从2-1一直到2-23,够减的位置1,不够减的位置0,例如,2-1为0.5,0.52172193-0.5=0.02172193,F位的bit22置1,2-2为0.25,0.02172193不够减,F位的bit21置0,2-3为0.125,0.02172193不够减,F位的bit20置0,2-4为0.0625,0.02172193不够减,F位的bit19置0……,一直算到F位的bit0,这样就得到F位的数值。
如果觉得使用二进制方式转换太麻烦的话也可以使用十六进制进行转换。16-1为0.0625,0.52172193/0.0625=8.3,说明够减8个,记做0x8,0.52172193-0.0625×8=0.02172193,16-2为0.00390625,0.02172193/0.00390625=5.6,说明够减5个,加上刚才的0x8记做0x85,以此类推:
| 16的-N次幂 | 被减数 | 十六进制数 | 减后的数 |
1 | 0.0625 | 0.52172193 | 0x8 | 0.02172193 |
2 | 0.00390625 | 0.02172193 | 0x85 | 0.00219068 |
3 | 0.000244140625 | 0.00219068 | 0x858 | 0.000237555 |
4 | 0.0000152587890625 | 0.000237555 | 0x858F | 0.0000086731640625 |
5 | 0.00000095367431640625 | 0.0000086731640625 | 0x858F9 | 0.00000009009521484375 |
6 | 0.000000059604644775390625 | 0.00000009009521484375 | 0x858F91 | |
一直凑够23bits,也就是6个十六进制,得到0x858F91,换算成二进制如下所示:
1000
由于只有23bits有效,因此需要去掉最后一个bit,二进制本着0舍1入的原则,变成
1000
最后需要再补上前面的S位和E位。由于是负数,S位为1。E位为236,二进制形式为1110
1
从左边最高位开始,4个一组合并成十六进制:
1111
换算成十六进制为:
0xF
综上所述,-987.654e30换算成二进制数为0xF642C7C9。
浮点数的精度
在前面的讲解中可以看到1.xx这个数量级的最小数是2-23,对应的十进制数值为1.00000011920928955078125,可以精确表示到小数点后23位,但有些C语言书上却说float型的有效位只有6~7位,这是为什么?
这是因为二进制小数与十进制小数没有完全一一对应的关系,二进制小数对于十进制小数来说相当于是离散的而不是连续的,我们来看看下面这些数字:
二进制小数 | 十进制小数 |
2-23 | 1.00000011920928955078125 |
2-22 | 1.0000002384185791015625 |
2-21 | 1.000000476837158203125 |
2-20 | 1.00000095367431640625 |
2-19 | 1.0000019073486328125 |
2-18 | 1.000003814697265625 |
不看S位和E位,只看F位,上表列出了1.xx这个数量级的6个最小幂的二进制小数,对应的十进制在上表的右边,可以看到使用二进制所能表示的最小小数是1.00000011920928955078125,接下来是1.0000002384185791015625,这两个数之间是有间隔的,如果想用二进制小数来表示8位有效数(只算小数部分,小数点前面的1是隐藏的默认值)1.00000002、1.00000003、1.00000004...这些数是无法办到的,而7位有效数1.0000001可以用2-23来表示,1.0000002可以用2-22来表示,1.0000003可以用2-23+2-22来表示。从这个角度来看,float型所能精确表示的位数只有7位,7位之后的数虽然也是精确表示的,但却无法表示任意一个想表示的数值。
但还是有一些例外的,比如说7位有效数1.0000006这个数就无法使用F位表示,二进制小数对于十进制小数来说相当于是离散的,刚好凑不出1.0000006这个数,从这点来看float型所能精确表示的位数只有6位。至于5位有效值的任何数都是可以使用F位相加组合出来的,即便是乘以E位的指数后也是可以准确表示出来的。
因此float型的有效位数是6~7位,但这个说法应该不是非常准确,准确来说应该是6位,C语言的头文件中规定也是6位。
对于一个很大的数,比如说1234567890,它是F位乘上E位的系数被放大了的,但它的有效位仍然是F位所能表示的6位有效数字。1234567890对应的二进制数是0x4E932C06,其中F位的数值为1.1497809886932373046875,E位的数值为230=1073741824,1073741824×1.1497809886932373046875=1234567936,对比1234567890,也只有高7位是有效位,后3位是无效的。int型定点数可以准确的表示1234567890,而float浮点数则只能近似的表示1234567890,精度问题决定了float型根本无法取代int型。
浮点数的比较
从上面的讨论可以看出,float型的有效位数是6位,那么我们在用float型运算时就要注意了,来看下面这段程序:
#include
int
{
}
}
按照我们平时的经验来说这段程序应该走a
某些编译器在编译时会发现a和b的值超出了浮点数的精度,会产生一个告警,提示数据超过精度,但有些编译器则不会做任何提示。最可怕的是有一类编译器,调试窗口里显示的长度超出float型的精度,比如说a的值显示为9.87654321,b的值显示为9.87654322,但在运行时,硬件可不管这套,硬件认为这2个数都是0x411E0652,因此实际运行结果是a
由于精度这个问题的限制,我们在浮点数比较时就需要加一个可接受的精度条件来做判决,比如说上面的这个问题,如果我们认为精度在0.00001就足够了,那么a
#include
int
{
}
}
例子中a和b之差的绝对值小于0.00001,因此认为a和b是相等的,运行程序,也正确的打印了a
也许你会觉得费了这么大的劲,最后2个程序运行的结果还是一样的,这不是画蛇添足么?硬件已经自动考虑到精度问题了,为什么我们还要去再做一个精度的限定?这是因为我们在应用中的精度往往要低于硬件的6位精度。比如说我们使用2个AD采集2V的电压,并对这2个电压值做比较,一般要求精确到0.1V即可。实际情况下AD采集出来的数值都会围绕真实值有上下的波动,比如说AD的精度是0.001V,我们采集出的电压数值就可能是2.003V、2.001V、1.999V等围绕2V波动的数值,如果我们在程序里不对精度加以限制就对这些数值做比较,就会发现几乎每次采集到的电压值都是不同的。在这种情况下我们就需要将精度设定为0.1V,将上面例子中的0.00001改为0.1,就可以正确的判断出每次采集的电压值都是相同的了。
在实际使用AD采样时可能并不需要使用浮点数,我一般都是使用定点数来代替浮点数进行处理的,请参考另一篇案例《C语言使用定点数代替浮点数计算》。
下面我们再看一个例子:
#include
int
{
}
}
这个例子中的两个数都是很大的数,已经远远超过了0.00001的精度,运行结果是不是应该是a
由此可见,设定一个合理的精度是需要结合浮点数的数量级的,这看起来似乎比较难,毕竟在程序运行时十分精确的跟踪每个浮点数的数量级并不容易实现,但实际应用中需要比较的浮点数往往都会有其物理含义,例如上面电压的例子,因此,根据浮点数的物理含义,浮点数的精度还是比较好确定的。当然在一些复杂的数值运算过程中可能会存在非常复杂的情况,这时浮点数的精度问题就比较棘手了,所幸我所做的都是比较简单的东西,那些复杂的情况就不讨论了,我也没能力讨论^_^。
上面所说的都是同等数量级下的浮点数进行比较的情况,不同数量级的浮点数比较则没有这个限制,比如说1.23456789与12.23456789的比较,在E位已经足以区分大小了,因此F位的精度就没有必要再比较了。
浮点数的加减
二进制小数与十进制小数之间不存在一一对应的关系,因此某些十进制很整的加减法小数运算由二进制小数来实现就表现出了不整的情况,来看下面的例子:
#include
int
{
printf("%f\n",
}
如果用十进制计算的话变量c应该为1.2,在Visual
两个数量级相差很大的数做加减运算时,数值小的浮点数会受精度限制而被忽略,看下面的例子:
#include
int
{
}
Visual
987654321
+
----------------
987655308.654322
987655296.000000
987655296
对于这种数量级相差很大的计算,计算结果会保证高位数有效,数量级小的数相对计算结果显的太小了,不能按自身6位的精度保持,而是需要按照计算结果的6位精度保持。
使用二进制数比较浮点数
下面我们从另一个方向探索一下浮点数的比较问题。
我们可以使用(-1)S×2E-127×(1+F)这个公式来计算IEEE
看下面程序,使用联合体将浮点数转换成二进制数再做比较:
#include
typedef
{
}FLOAT_INT;
int
{
}
上面的程序使用联合体使浮点型和整型共享同一个内存空间,浮点型变量.f输入浮点数,使用整型变量.i就可以获取到.f的二进制数,比较时利用.i的E位和F位就可以判断浮点数的绝对大小了,这个判决的精度为硬件所支持的精度。
如果考虑到S位,情况会有些变化。S位是符号位,0正1负,与int型的符号位有一样的作用,并且都在bit31。从这点来看,不对浮点数的二进制数进行(&
#include
typedef
{
}FLOAT_INT;
int
{
}
如果再考虑IEEE
使用二进制数比较浮点数的方法可以依据硬件精度判断出浮点数的真正大小,但实际使用过程中往往不是根据硬件精度做判断的,因此最好还是使用上面所介绍的加入精度的判断方法。
C语言中有关浮点数的定义
C语言对浮点数做了一些规定,下面是摘自Visual
#define
#define
#define
#define
#define
#define
#define
#define
#define
#define
其中FLT_DIG定义了float型的十进制精度,是6位,与我们上面的讨论是一致的。
FLT_EPSILON定义了float型在1.xx数量级下的最小精度,1.xx数量级下判断浮点数是否为0可以使用这个精度。
FLT_GUARD不知道是啥意思--!
FLT_MANT_DIG定义了float型F位的长度。
FLT_MAX定义了float型可表示的最大数值。
FLT_MAX_10_EXP定义了float型十进制的最大幂。
FLT_MAX_EXP定义了float型二进制的最大幂。
FLT_MIN定义了float型所能表示的最小正数。
FLT_MIN_10_EXP定义了float型十进制的最小幂。
FLT_MIN_EXP定义了float型二进制的最小幂。
float.h文件里对其它的浮点数也做了规定,本文不再做介绍了。