python把浮点数转换成整数_最安全的方法来将浮点数转换为整数在Python中？

这工作不是微不足道的！ 它是IEEE浮点表示的一个属性，如果所讨论的数字的幅度足够小，但int(floor(2.3))可能是1，则可能有不同的表示。

这篇文章解释了为什么它在这个范围内工作 。

在double中，你可以代表32位整数，没有任何问题。 不能有任何舍入问题。 更确切地说，双打可以代表2 53和-2 53之间的所有整数。

简短说明 ：一个double可以存储多达53个二进制数字。 当你需要更多的时候，这个数字在右边填零。

因此，53个是最大的可以存储没有填充的数字。 自然地，所有需要较less数字的(整数)数字都可以被精确地存储。

加一个111(省略)111 (53个)产生100 … 000(53个零)。 正如我们所知，我们可以存储53位数字，这使得最右边的零填充。

这是2 53来自哪里。

更多细节：我们需要考虑IEEE-754浮点如何工作。

1 bit 11 / 8 52 / 23 # bits double/single precision [ sign | exponent | mantissa ]

然后计算如下(不包括与此无关的特殊情况)：

-1 符号 ×1.mantissa×2 指数 – 偏差

其中bias = 2 指数 – 1 – 1 ，即1023和127分别为双精度/单精度。

知道乘以2 X只是简单地将所有位X位移到左边，很容易看出任何整数都必须在尾数的小数点右边的所有位都为零。

除零以外的任何整数在二进制中具有以下forms：

1x … x其中x -es表示MSB右边的位(最高有效位)。

因为我们排除了零， 总是会有一个MSB，这就是为什么它没有被存储。 要存储整数，我们必须把它带入前面的forms： -1 符号 ×1.mantissa×2 指数 – 偏差 。

这就像移位小数点一样，直到只有最高位在MSB的左边。 然后将所有小数点右边的位存储在尾数中。

由此我们可以看到，我们最多可以存储52位二进制数字。

由此可见，所有比特被明确存储的最高数字是

111(omitted)111. that's 53 ones (52 + implicit 1) in the case of doubles.

为此，我们需要设置指数，使得小数点将被移位52位。 如果我们要将指数增加1，我们就不能知道小数点后面的数字。

111(omitted)111x.

按照惯例，它是0.设置整个尾数为零，我们收到以下数字：

100(omitted)00x. = 100(omitted)000.

这是一个1，其次是53个零，52个存储和1个由于指数增加。

它代表2 53 ，它标志着我们可以准确地表示所有整数的边界(包括正面和负面)。 如果我们想把1加到2 53 ，我们必须将隐含的零(用x表示)设置为1，但这是不可能的。