关于浮点数精度的解释

什么？有被浮点数疑惑到；别急，我们一起来探讨一下~

---

首先来了解一下计算机的存储机制

1.整数,和数学概念一样，C语言中整数是没有小数部分的数的，计算机以二进制存储整数

例如 7以二进制写是111，要在8位字节中存储就要变为00000111

2.浮点数,C语言中整数加上小数就成了浮点数，比如7.00，同样计算机也是二进制存储浮点数， 不过计算机却是把浮点数分为小数部分和指数部分分开存储，

（这里不理解也没关系）而书写浮点数的方法（e计数法）也做一下简单介绍

1e-10 = 1*10-10

1e10 = 1*1010

相比于整数，浮点数可以表示的范围更大，同时对于一些算术运算（如：两个很大的数相加减）浮点数损失的精度更多

---

接下来正文来了

因为在任何区间内都存在无穷个实数，所以计算机的浮点数不能表示区间内的所有值，浮点数通常只能是实际值无限接近的近似值，总之一句话就是“浮点数有误差”C语言中无法做到精确，

我们这样写下一段代码:

#include<stdio.h>

int main()
{
    printf("%.17f", 0.1+0.2);
    return 0;
}

却发现发现这段代码的输出结果并非0.300000...00000而是0.30000...00004，嗯哼？

大家都是知道1/10（0.1）这个数在十进制中当然没有任何问题，但是在二进制却没有这样的表示，1/10被写作为了

0.000110011001100110011.....这样.无限循环下去

我们平常使用的32位浮点数只有23个有效数字，也就是说在23为以后我们的循环小数就被截断了，也就照成了精度损失。实际上我们的计算机存储的0.1已经非常接近了

但却不完全相等

输入值 0.1

实际存储 0.100000001490116119384765625...

再来看一个经典的例子

1/3 + 1/3 + 1/3 = 1

但是

0.33333+0.33333+0.33333却不等于1

OK

到这里已经差不到了，那么判断浮点数使用

0.3 + 0.4 == 0.7

显然是非常不可靠的

正确的做法是去计算这两个数的差别是否小于某个误差范围

如：

a = 0.3 + 0.4

b = 0.7

fabs(a-b)<1e-6 (,某个误差范围）

【参考手册：基础类型】【参考手册：浮点误差】