事实上,不仅仅是 JS,在其他采用 IEEE754 浮点数标准的语言中,0.1 + 0.2 都不会等于 0.3,但是 0.2 + 0.3 却等于 0.5,这是为何?想必这类问题也困扰着不少程序员。
IEEE754 浮点数的演算
我们知道,科学计数法中 30000 可以写成 3x104,以 10 为底数 4 为指数的科学计数法。在 IEEE754 标准中是比较类似的,只不过它是二进制数,底数也为 2。
IEEE 754 中最常用的浮点数值表示法是:单精确度(32位)和双精确度(64位),JavaScript 采用的是后者。举个例子,十进制数 150,使用双精度浮点数表示法,表示如下:
// D 表示十进制,B 表示二进制
150D =
2^
8 *
0.1001011B
// 后面省略了 46 个 0
可以通过短除法计算:
150 余数位
÷ 2
---------------
75 0
÷ 2
---------------
37 1
÷ 2
---------------
18 1
÷ 2
---------------
9 0
÷ 2
---------------
4 1
÷ 2
---------------
2 0
÷ 2
---------------
1 0
÷ 2
---------------
0 1
最后一个余数为高位值,于是拿到 150 对应的二进制数位 1001011,也就等于 2^8 * 0.1001011。
上面是整数的表示法,而小数的表示法采用的是乘二取整,如 0.1,它的二进制表示为:
// (0011) 表示循环
0.1D =
2^
-3 *
0.110011(
0011)
其演算方法如下:
0.1 整数位
× 2
---------------
0.2 0
× 2
---------------
0.4 0 * ↓
× 2
---------------
0.8 0
× 2
---------------
1.6 1
× 2
---------------
1.2 1
× 2
---------------
0.4 0 * ↑
(0011循环)
与整数不同的是,第一个计算得到的整数位为最高位,故 0.1 对应的二进制数为 0.000110011(0011),也就等于 2^-3 0.1100110011(0011)。
如果一个数既包含整数部分,又包含小数部分,其表示法的计算,需要分拆为整数和小数两部分,然后相加得到结果。
IEEE754 浮点数精度丢失
IEEE754 浮点数表示法的数据格式如下图:
// 下图采用大端表示,高位在左,低位在右。
sign exponent fraction
+---+----------+---------------------+
|
1 |
2~
12 |
13~
64 |
+---+----------+---------------------+
符号位:高位第 1 位,如图 sign 部分
指数位:高位第 2~12 位,如图 exponent 部分
尾数位:剩下的 fraction 部分
从上面小数的乘二取整演算中可以看到,有些小数对应的二进制数是无法写全的,比如 0.1,而 fraction 尾数部分有要求,只允许 52 位,超过部分进一舍零。
那么,我们就可以得到:
0.1D
= 2^-4 * 1.10011(0011)B
= 2^-4 * 1.10011(0011 repeat 12 times)0011B // ← 最后一位为 1,进 1
= 2^-4 * 1.10011(0011 repeat 12 times)010B
揭秘 0.1 + 0.2
根据上面我们了解到的知识,我们可以很容易算出这些值:
0.1D =
2^
-4 *
1.1001100110011001100110011001100110011001100110011010B
0.2D =
2^
-3 *
1.1001100110011001100110011001100110011001100110011010B
0.3D =
2^
-2 *
1.0011001100110011001100110011001100110011001100110011B
0.1 + 0.2 时,先将两者指数统一为 -3,故 0.1 小数点向左移一位,于是:
0.1100110011001100110011001100110011001100110011001101B
+ 1.1001100110011001100110011001100110011001100110011010B
------------------------------------------------------------
= 10.0110011001100110011001100110011001100110011001100111B
得到的二进制数为:
10
.0110011001100110011001100110011001100110011001100111B
小数点往左移一位使得整数部分为 1,此时尾数部分为 53 位,进一舍零,于是得到最后的值是:
2^
-2 *
1.0011001100110011001100110011001100110011001100110100
这个值转化成真值,结果为:0.30000000000000004。那么 0.1 + 0.2 = 0.30000000000000004 的推演到这里就结束了。
相关验证
毕竟咱们手动计算可能存在笔误,可以通过一个叫做 double-bits 的 npm 进行推演,我写了一个小 demo,感兴趣的可以玩耍下:
const db =
require(
'double-bits');
const pad =
require(
'pad');
// [lo, hi] where lo is a 32 bit integer and hi is a 20 bit integer.
const base2Str =
(n) => {
const f = db.fraction(n);
const s = db.sign(n) ?
'-' :
'';
const e =
`2^${db.exponent(n) + 1}`;
const t =
`0.${pad(f[1].toString(2), 20, '0')}${pad(f[0].toString(2), 32, '0')}`;
return
`${s}${e} * ${t}`;
};
console.log(base2Str(
0.1).toString(
2));
console.log(base2Str(
0.2).toString(
2));
console.log(base2Str(
0.3).toString(
2));
console.log(base2Str(
1.2).toString(
2));
上面输出结果为:
2^
-3 *
0.11001100110011001100110011001100110011001100110011010
2^
-2 *
0.11001100110011001100110011001100110011001100110011010
2^
-1 *
0.10011001100110011001111001100110011001100110011001100
2^
1 *
0.10011001100110011001111001100110011001100110011001100
最后
为了按照计算机的思维,IEEE754 的标准来计算 0.1 + 0.2,又重新复习了一遍大学计算机基础的知识,原码、反码、补码,以及除二取余、乘二取整计算法,最后能够推演出来,也算是一个胜利吧~