浮点数精度问题——由Mathf.Floor()引发的思考

---

前言

最近刚入职，在公司做功能的时候，遇到一个问题。就是在C#中：
Mathf.Floor(9999.9995f) = 9999
Mathf.Floor(9999.9996f) = 10000

这就让我很迷惑。

因为Mathf.Floor()方法的官方文档上面些的是取float的最近的小于等于它的整数，而10000比9999.9996大啊！

于是查阅了相关资料后，发现原来这一切都是浮点数精度搞的鬼！

---

什么是浮点数

要解释为什么，就先要从底层原理说起。

所谓浮点数，简而言之就是小数。

IEEE754规定浮点数分为单精度浮点数（32位）、双精度浮点数（64位）、延伸单精确度（43位以上，很少使用）和延伸双精确度（79位以上，通常以80位实现）。

打个比方说，IEEE754将一个单精度浮点数-110.101写成 -1.10101 * 2¹⁰（注意这里的阶数10是二进制的2） 。转化后的数总共分为三个部分，数符、阶码和尾数。

数符

就是这个数的正负号，共占1位，1正0负。这里也就是1。

阶码

就是2的阶数（次方数），以移码表示，单精度浮点数共占8位，偏移量为127（2^8-1 - 1）；双精度浮点数共占11位，偏移量为1023（2^11-1 - 1）。这里的10可以看成是0000 0010，转换成移码就是1000 0001。（简单的计算方法为：原码 + 偏移量 = 移码）

尾数

就是小数点后的数，以原码表示，单精度浮点数共占23位，双精度浮点数共占52位。这里是101 0100 0000 0000 0000 0000。

所以这个数在IEEE754的标准下表示为1 1000 0001 101 0100 0000 0000 0000 0000，写好看一点就是1100 0000 1101 0100 0000 0000 0000 0000。

---

隐含尾数最高位1

在IEEE754标准下的浮点数的尾数实际上隐藏了最高位1的。也就是说，如果尾数是0000…，那么它表示的其实是1.0000…。因此，做浮点数计算和转化的时候需要注意一下。

---

特殊浮点数

IEEE754规定了几个特殊的浮点数：

NaN，阶码全1，尾数非全0；
无穷大，阶码全1，尾数全0；
非规格化，阶码全0，尾数非全0；
零，阶码全0，尾数全0。

为什么IEEE754的偏移量要为127（2^8-1 - 1）、1023（2^11-1 - 1）这种数，原因之一就是为了能够规定这4种特殊的浮点数。

---

舍入规则

先说尾数的舍入规则。因为这是精度问题的关键原因之一！！！

以单精度浮点数来说：
1、当尾数第24位为0时，直接保留前23位，不进位；
2、当尾数第24位为1，且尾数24位之后的位数不全为0时，保留前23位，之后尾数第23位加1（会影响到整个数，导致整个数改变）；
3、当尾数第24位为1，且尾数24位之后的位数全为0时，如果尾数第23位为0，则直接保留前23位，不进位；
4、当尾数第24位为1，且尾数24位之后的位数全为0时，如果尾数第23位为1，则保留前23位，之后尾数第23位加1（会影响到整个数，导致整个数改变）。

以上4条规则中，第2条和第4条是经尝导致数据出现无法解释的异常的罪魁祸首。

---

精度问题

实际上，9999.9995是不能精准转化为二进制的，因为0.9995不能用二进制小数来表示。
我们先把9999转化为二进制，即10 0111 0000 1111。整数部分一共14位，即规格化后需要占用尾数13位，也就是说作为一个单精度的float，还剩10位来表示它的小数部分。离0.9995最近的小数就是1111 1111 1101 1111 0011 1011…，这个数无限接近于0.9995。但实际上它只能保留10位，所以根据舍入规则10位以后的数就舍了。这样最后组成的float为0 1000 1100 001 1100 0011 1111 1111 1111，写好看点就是0100 0110 0001 1100 0011 1111 1111 1111。

而当数据为9999.9996时，离0.9996最近的小数是1111 1111 1110 0101 1100…，这个数无限接近于0.9996。根据舍入关系，这个是要进位的，也就是在尾数第23位上加1。0100 0110 0001 1100 0011 1111 1111 1111末尾加个1最终变成为0100 0110 0001 1100 0100 0000 0000 0000，而这个float写成整数形式就是二进制的10 0111 0001 0000也就是十进制的10000。


这也就解释了为什么：
Mathf.Floor(9999.9995f) = 9999
Mathf.Floor(9999.9996f) = 10000


再比如说，0.1f + 0.2f 不等于 0.3f。如果在C#中判断0.1f + 0.2f == 0.3f，编辑器会显示提示：Equality comparison of floating point numbers. Possible loss of precision while rounding values.
也就是说有可能会因为损失精度而产生未知的结果。


对于精度问题的解决方法，最简单的方式就是把单精度浮点数变为双精度浮点数。
在我们理解精度问题的底层原理之后，我们就可以有意识地避免精度问题发生。

---

总结

总的来说，基础知识十分重要。当遇到各种莫名其妙的问题时，挖底层原理永远是解决问题的好方法。

---

因为本人也还在学习过程中，所以肯定有很多地方考虑不全，以及会有很多错误。希望有大佬看到能够及时指出，我会立刻进行改正，帮助我自己和大家共同进步！

有问题的小伙伴们可以在下方留言，大家可以一起讨论。