JAVA学习- 浮点型精度问题（float double）

最新推荐文章于 2024-06-24 03:31:40 发布

SOTF

最新推荐文章于 2024-06-24 03:31:40 发布

阅读量996

点赞数

分类专栏： study 文章标签： java

原文链接：https://www.cnblogs.com/yewsky/articles/1864934.html；https://www.it610.com/article/953129.htm

版权

study 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

问题描述

简要描述

Java中的浮点型 Float、Double；

程序运行中都将10进制的数据转换为2进行运算，而浮点型小数点后的数字使用2进制表示时将是无限的（下述将解释），故需要四舍五入保留有效数字，从而导致精度问题。

示例

public class FloatTest {
    public static void main(String[] args) {
        //浮点数运算
        float i = 0.3f;
        float j = 0.2f;
        System.out.println(i*j);//0.060000002

        //数字20014999使用 float 或doble存储
        float f = 20014999;
        double d = f;
        double d2 = 20014999;
        System.out.println("f=" + f);//f=2.0015E7
        System.out.println("d=" + d);//d=2.0015E7
        System.out.println("d2=" + d2);//d2=2.0014999E7
    }
}

问题原因

浮点型使用二进制表示

十进制整数如何转化为二进制数

算法很简单。举个例子，11表示成二进制数：

11/2=5 余 1

5/2=2 余 1

2/2=1 余 0

1/2=0 余 1

0结束 11二进制表示为(从下往上):1011

这里提一点：只要遇到除以后的结果为0了就结束了，大家想一想，所有的整数除以2是不是一定能够最终得到0。换句话说，所有的整数转变为二进制数的算法会不会无限循环下去呢？绝对不会，整数永远可以用二进制精确表示 ，但小数就不一定了。

十进制小数如何转化为二进制数

算法是乘以2直到没有了小数为止。举个例子，0.9表示成二进制数

0.9*2=1.8 取整数部分 1

0.8(1.8的小数部分)*2=1.6 取整数部分 1

0.6*2=1.2 取整数部分 1

0.2*2=0.4 取整数部分 0

0.4*2=0.8 取整数部分 0

0.8*2=1.6 取整数部分 1

0.6*2=1.2 取整数部分 0

......... 0.9二进制表示为(从上往下): 1100100100100......

注意：上面的计算过程循环了，也就是说*2永远不可能消灭小数部分，这样算法将无限下去。很显然，小数的二进制表示有时是不可能精确的 。其实道理很简单，十进制系统中能不能准确表示出1/3呢？同样二进制系统也无法准确表示1/10。这也就解释了为什么浮点型减法出现了"减不尽"的精度丢失问题。

Float型在内存中的存储

Float内存中的数据结构

众所周知、 Java 的float型在内存中占4个字节。float的32个二进制位结构如下：

float内存中结构
	位	描述
实数符号位	31	符号位，1表示正，0表示负
指数符号位	30	小数点移动使数值有一位有效数字，1左移，0右移
指数位	29----23	小数点移动使数值有一位有效数字，移动的位置存储左移n减去1后化为二进制左边加“0”补足七位右移n化为二进制后在左边加“0”补足七位，再取反
有效数位	22----0	小数点后有效数值二级制保存

将一个float型转化为内存存储格式的步骤为：

     （1）先将这个实数的绝对值化为二进制格式，注意实数的整数部分和小数部分的二进制方法在上面已经探讨过了。
     （2）将这个二进制格式实数的小数点左移或右移n位，直到小数点移动到第一个有效数字的右边。
     （3）从小数点右边第一位开始数出二十三位数字放入第22到第0位。
     （4）如果实数是正的，则在第31位放入“0”，否则放入“1”。
     （5）如果n 是左移得到的，说明指数是正的，第30位放入“1”。如果n是右移得到的或n=0，则第30位放入“0”。
     （6）如果n是左移得到的，则将n减去1后化为二进制，并在左边加“0”补足七位，放入第29到第23位。如果n是右移得到的或n=0，则将n化为二进制后在左边加“0”补足七位，再各位求反，再放入第29到第23位。

举例说明： 11.9的内存存储格式

(1) 将11.9化为二进制后大约是" 1011. 1110011001100110011001100..."。

(2) 将小数点左移三位到第一个有效位右侧： "1. 011 11100110011001100110 "。保证有效位数24位，右侧多余的截取（误差在这里产生了 ）。

(3) 这已经有了二十四位有效数字，将最左边一位“1”去掉，得到“ 011 11100110011001100110 ”共23bit。将它放入float存储结构的第22到第0位。

(4) 因为11.9是正数，因此在第31位实数符号位放入“0”。

(5) 由于我们把小数点左移，因此在第30位指数符号位放入“1”。

(6) 因为我们是把小数点左移3位，因此将3减去1得2，化为二进制，并补足7位得到0000010，放入第29到第23位。

最后表示11.9为： 0 1 0000010 011 11100110011001100110

再举一个例子：0.2356的内存存储格式
      （1）将0.2356化为二进制后大约是0.00111100010100000100100000。
      （2）将小数点右移三位得到1.11100010100000100100000。
      （3）从小数点右边数出二十三位有效数字，即11100010100000100100000放入第22到第0位。
      （4）由于0.2356是正的，所以在第31位放入“0”。
      （5）由于我们把小数点右移了，所以在第30位放入“0”。
      （6）因为小数点被右移了3位，所以将3化为二进制，在左边补“0”补足七位，得到0000011，各位取反，得到1111100，放入第29到第23位。
         最后表示0.2356为：0 0 1111100 11100010100000100100000

将一个内存存储的float二进制格式转化为十进制的步骤：

（1）将第22位到第0位的二进制数写出来，在最左边补一位“1”，得到二十四位有效数字。将小数点点在最左边那个“1”的右边。
     （2）取出第29到第23位所表示的值n。当30位是“0”时将n各位求反。当30位是“1”时将n增1。
     （3）将小数点左移n位（当30位是“0”时）或右移n位（当30位是“1”时），得到一个二进制表示的实数。
     （4）将这个二进制实数化为十进制，并根据第31位是“0”还是“1”加上正号或负号即可。

浮点型的减法运算

浮点加减运算过程比定点运算过程复杂。完成浮点加减运算的操作过程大体分为四步：
(1) 0操作数的检查；

如果判断两个需要加减的浮点数有一个为0，即可得知运算结果而没有必要再进行有序的一些列操作。

(2) 比较阶码（指数位）大小并完成对阶；

两浮点数进行加减，首先要看两数的 指数位 是否相同，即小数点位置是否对齐。若两数指数位相同，表示小数点是对齐的，就可以进行尾数的加减运算。反之，若两数阶码不同，表示小数点位置没有对齐，此时必须使两数的阶码相同，这个过程叫做对阶。

如何对阶(假设两浮点数的指数位为 Ex 和 Ey )：

通过尾数的移位以改变 Ex 或 Ey ，使之相等。由于浮点表示的数多是规格化的，尾数左移会引起最高有位的丢失，造成很大误差；而尾数右移虽引起最低有效位的丢失，但造成的误差较小，因此，对阶操作规定使尾数右移，尾数右移后使阶码作相应增加，其数值保持不变。很显然，一个增加后的阶码与另一个相等，所增加的阶码一定是小阶。因此在对阶时，总是使小阶向大阶看齐 ，即小阶的尾数向右移位 ( 相当于小数点左移 ) ，每右移一位，其阶码加 1 ，直到两数的阶码相等为止，右移的位数等于阶差 △ E 。
(3) 尾数（有效数位）进行加或减运算；

对阶完毕后就可有效数位求和。不论是加法运算还是减法运算，都按加法进行操作，其方法与定点加减运算完全一样。
(4) 结果规格化并进行舍入处理。

例如：计算12.0f-11.9f

12.0f 的内存存储格式为： 0 1 0000010 10000000000000000000000

11.9f 的内存存储格式为: 0 1 0000010 011 11100110011001100110

可见两数的指数位完全相同，只要对有效数位进行减法即可。

12.0f-11.9f 结果： 0 1 0000010 00000011001100110011010

将结果还原为十进制为： 0.000 11001100110011010= 0.10000038

Float和Double使用不当

public class FloatTest {
    public static void main(String[] args) {
       //数字20014999使用 float 或doble存储
        float f = 20014999;
        double d = f;
        double d2 = 20014999;
        System.out.println("f=" + f);//f=2.0015E7
        System.out.println("d=" + d);//d=2.0015E7
        System.out.println("d2=" + d2);//d2=2.0014999E7
    }
}

从输出结果可以看出double 可以正确的表示20014999 ，而float 没有办法表示20014999 ，得到的只是一个近似值。这样的结果很让人讶异。20014999 这么小的数字在float下没办法表示。于是带着这个问题，做了一次关于float和double学习，做个简单分享，希望有助于大家对java 浮点数的理解。

关于 java 的 float 和 double

Java 语言支持两种基本的浮点类型： float 和 double 。java 的浮点类型都依据 IEEE 754 标准。IEEE 754 定义了32 位和 64 位双精度两种浮点二进制小数标准。

IEEE 754 用科学记数法以底数为 2 的小数来表示浮点数。32 位浮点数用 1 位表示数字的符号，用 8 位来表示指数，用 23 位来表示尾数，即小数部分。作为有符号整数的指数可以有正负之分。小数部分用二进制（底数 2 ）小数来表示。对于64 位双精度浮点数，用 1 位表示数字的符号，用 11 位表示指数，52 位表示尾数。如下两个图来表示：

float(32位):

double(64位):

都是分为三个部分：

(1) 一个单独的符号位s 直接编码符号s 。

(2)k 位的幂指数E ，移码表示。

(3)n 位的小数，原码表示。

20014999 为什么用 float 没有办法正确表示？

结合float和double的表示方法，通过分析 20014999 的二进制表示就可以知道答案了。

以下程序可以得出 20014999 在 double 和 float 下的二进制表示方式：

public class FloatTest {
    public static void main(String[] args) {
        double d = 8;
        long l = Double.doubleToLongBits(d);
        System.out.println(Long.toBinaryString(l));//结果：100000000100000000000000000000000000000000000000000000000000000
        float f = 8;
        int i = Float.floatToIntBits(f);
        System.out.println(Integer.toBinaryString(i));//结果：100000000100000000000000000000000000000000000000000000000000000
    }
}

对于输出结果分析如下：

对于 double 的二进制左边补上符号位 0 刚好可以得到 64 位的二进制数，根据double的表示法：

0 10000010111 0011000101100111100101110000000000000000000000000000

对于 float 左边补上符号位 0 刚好可以得到 32 位的二进制数。根据float的表示法：

0 10010111 00110001011001111001100

1.绿色部分是符号位，红色部分是幂指数，蓝色部分是尾数；

2.对比可以得出:符号位都是 0 ，幂指数为移码表示,两者刚好也相等，唯一不同的是尾数；

double 的尾数为： 001100010110011110010111 0000000000000000000000000000 省略后面的零，至少需要24位才能正确表示；

float 下面尾数为： 00110001011001111001100 ，共 23 位。

为什么不一样了？

原因很明显，因为 float尾数最多只能表示 23 位，所以 24 位的 001100010110011110010111 在 float 下面经过四舍五入变成了 23 位的 00110001011001111001100 ，所以 20014999 在 float 下面变成了 20015000 。

也就是说 20014999 虽然是在float的表示范围之内，但在 IEEE 754 的 float 表示法精度长度没有办法表示出 20014999 ，而只能通过四舍五入得到一个近似值。

解决问题

浮点数在实际应用的过程中有两种解决方案：

一. 转换为BigDecimal

将Double, Float在计算的时候先转换成String然后传入BigDecimal 然后再进行计算这样可以保证不会有进度问题。

BigDecimal的实现原理：当将Double, Float存入BigDecimal的时候，Java是用2进制保存的，所以会有误差。这时把Double, Float转成String或用BigDecimal.valueOf(Double)(只用于double类型) 将数据放入BigDecimal后，再用BigDecimal计算。

BigDecimal的四舍五入

BigDecimal b = new BigDecimal(Double.toString(double类型));
b.divide(BigDecimal.ONE, scale, BigDecimal.ROUND_HALF_UP);

上述可以完成四舍五入，如果用这个函数BigDecimal.round(MathContext mc) 不能完成通常意味上的四舍五入，因为：一般情况下，当准确结果（在除法中，可能有无限多位）比返回的数值具有更多位数时，舍入模式和精度设置确定操作如何返回具有有限位数的结果。首先，MathContext 的 precision 设置指定要返回的总位数；这确定了结果的精度。位数计数从准确结果的最左边的非零数字开始。舍入模式确定丢弃的尾部位数如何影响返回的结果。

将 double 转换为 BigDecimal，后者是 double 的二进制浮点值准确的十进制表示形式。返回的 BigDecimal 的标度是使 (10scale × val) 为整数的最小值。
1. 此构造方法的结果有一定的不可预知性。有人可能认为在 Java 中写入 new BigDecimal(0.1) 所创建的 BigDecimal 正好等于 0.1（非标度值 1，其标度为 1），但是它实际上等于 0.1000000000000000055511151231257827021181583404541015625。这是因为 0.1 无法准确地表示为 double（或者说对于该情况，不能表示为任何有限长度的二进制小数）。这样，传入到构造方法的值不会正好等于 0.1（虽然表面上等于该值）。
2. 另一方面，String 构造方法是完全可预知的：写入 new BigDecimal("0.1") 将创建一个 BigDecimal，它正好等于预期的 0.1。因此，比较而言，通常建议优先使用 String 构造方法。

结论

当 double 必须用作 BigDecimal 的源时，先使用 Double.toString(double) 方法，然后使用 BigDecimal(String) 构造方法；

将 double 转换为 String，要获取该结果，请使用 static valueOf(double) 方法。

BigDecimal bd = new BigDecimal("39.555");
System.out.println(bd.doubleValue());//39.555
BigDecimal bd1 = bd.setScale(2, BigDecimal.ROUND_HALF_EVEN);
System.out.println(bd1.doubleValue());//39.56

二. 最后四舍五入

在计算精度不是要求很高的情况下，可以对最后的结果进行四舍五入，已达到所要的精度，这样结果会正确，但这种方法只实用于对精度要求不高的情况。

参考文献：https://www.cnblogs.com/yewsky/articles/1864934.html

https://www.it610.com/article/953129.htm

上述掺杂个人理解，如有不当欢迎一起沟通！！！

SOTF

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
JAVA学习- 浮点型精度问题（float double）

问题描述简要描述Java中的浮点型Float、Double；程序运行中都将10进制的数据转换为2进行运算，而浮点型小数点后的数字使用2进制表示时将是无限的（下述将解释），故需要四舍五入保留有效数字，从而导致精度问题。示例public class FloatTest { public static void main(String[] args) { //浮点数运算 float i = 0.3f; float j = 0.2f;.
复制链接

扫一扫