浮点数在计算机中的存储

转载于：浮点数在计算机中存储方式

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？
答：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。浮点数存储算术标准IEEE 754。

浮点数存储分为3部分：

1. 符号位（Sign）:$0$ 为正，$1$ 为负数
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(如：float指数范围$from-127to128$，存储为$from0to255$)
3. 尾数部分（Mantissa）:…

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:$8.25\ast 10^0$,而120.5可以表示为:$1.205\ast 10^2$。计算机根本以0-1方式存储，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；120.5用二进制表示为：1110110.1（整数部分除二取余，小数部分乘二取整）。
用二进制的科学计数法表示1000.01可以表示为$1.00001\ast 2^3$; 1110110.1可以表示$为1.1101101\ast 2^6$。
任何一个数都的科学计数法表示都为$1.xxx\ast 2^n$,二进制下用科学计数法表示，整数部分肯定是 $1$，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 $24bit$ 。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
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这样都变为整数了

例子：

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。

疑惑：

  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"));
  
  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
  单精度的2.25转换为双精度后，变为了2.2500000000000

解答：
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 $01000000100100000000000000000000$ , 而 $2.25$ 的双精度表示为: $0100000000010010000000000000000000000000000000000000000000000000$ ,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 $0，0.4\times 2=0.8$ ，第二位为 $0,0.8\ast 2=1.6$ ,第三位为 $1$，$0.6\times 2=1.2$ ，第四位为 $1$ ，$0.2\ast 2=0.4$，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$1/2^n$的小数可以精确表示，且单双精度转换不会丢失或多小数。这主要由 十进制下小数部分 转换成 二进制的小数部分 的乘二取整的方法特性决定的。