浮点数的储存

储存，在平时写代码时并不会过多注意的一个点。

知道这篇文章，实际上就是在修炼自己的内功。

一、整数的储存

在谈浮点数的储存时，我们先讲回整数的储存。

我们知道整数的储存和正负有关系。

正整数的原码、反码、补码都相同。

而负整数的储存则是补码（原码取反+1就可得到，同时补码取反+1就得到原码）。

一共32位，左起第一位为符号位，而剩余的为数值位。

范围就是-2^32~2^32-1。非常庞大的数字范围。

二、浮点数的储存

说回正题，浮点数的储存和整数储存有什么相同之处吗？答案是没有什么共同之处，除了都得用二进制以外。

（V就是浮点数）（图示为float类型，double类型的E为11bit，其余52个比特位留给M）

根据IEEE（电气电子工程师学会）规定，M虽然是一个1~2之间的数字，但是在储存时不会储存整数部分的1，只会储存小数部分，这相当于增加了精度，同时也扩大了范围。

有同学可能会好奇M部分是如何储存的，毕竟我们之前一直都学的是1、2、4这种。

M部分的储存仍是二进制，这点不变。但是左起的第一位变成了2^-1，也就是说，越往右越小，均为2的负数次方。

也就是说float类型的储存方式是符号位+指数位+有效数字位。

储存范围比int大？

当你掐指一算，如果指数部分全取1，那么E=63，可以知道float的最大值大约会是2^63~2^64这个量级。而int小了一半。

一个问题逐渐浮现出来，为什么我们不用float这种储存方式？比int高效啊（同为32位）

这个时候就不得不指出个中奥秘——精度问题。

不妨试试几个数字。

如果我们想储存4，这个时候只需S=0,E=2,M=1便可以轻松做到。

如果我们想储存6，这个时候只需S=0,E=2,M=1.5便可以轻松做到。

如果我们想储存99，这个时候只需S=0,E=8，M=1.546875。

意识到问题了吗？M的小数位在变长，而且我们储存的数据其实并不大。

事实上，范围内数据并不能完全用浮点数的方式表示完全，而整数的储存方式保证了可以完全包括范围内整数。

储存精度

float的储存精度并没有想象中这么高，我们随便编几个小数位略多的数字，你就会发现有几个很难通过23位小数得到（要记住，M的第1位是0.5或0，第2位是0.25或0，这是定好的）

所以计算机在比较两个float类型的数字时，容许了计算误差，这也是为什么我们偶尔会发现数字被打印成了xx.9999的形式。这也是double类型存在的意义，“双精度”三个字不是浪得虚名。

但是在实际操作中，我们还是需要注意空间问题，在需要精度高的地方使用double，不需要尽量用float。

这就和long long、long、int、short的使用考量一样。