1)浮点存储形式
对于语法等知识一般都是建立在一定的规范之上的，不然不利于技术的兼容统一发展，但是在不同的领域由于有着不同的需求，可能遵循的规范有所差异，对于浮点数的规范目前大部分系统都采用的是IEEE 754标准。我们这里以4字节单精度浮点类型为例子为大家讲解一下浮点数的存储形式:(其他浮点数存储仅仅每部分数据大小不同)
对于浮点数的存储形式可以用2进制科学计数法表示:
（符号:+/-）1.（二进制尾数）*2^（指数=实际指数+偏移量）
对于这几个名词不是特别好解释，结合实际转化过程会更加好理解:(这里以float型浮点数:4.25为例子，如下转化示意图)
对于小数部分的二进制表示采用除二反取的方法获得；
23bit的尾数部分前面0001即为科学二进制的小数点后面部分，其他bit用0填充；
指数部分会添加一个偏移量127，这个仅仅是对于float类型；对于其他浮点类型由于表示的数据范围不同偏移也不同，比如double需要+1023的偏移。
由于我们举例4.25 > 1，那么我们实际指数 > 0；如果我们的浮点是0.025,这个时候实际指数为负数，大家可以尝试编码转化。
2)浮点精度问题
我们通过上面浮点数的存储方式可以知道8bit的指数最大可以表示255，最大值的指数就是255 - 127 = 128，2^128 = 3.402..e+38;(确实非常大！)
如果用我们的4byte无符号整形表示最大数据为2^32,看起来远远小于浮点表示；不过大家是否想过一个问题，根据数据二进制一一对应原则都是4byte的表示方法为什么有这么大差异，难道浮点数凭空创造了更多的数据吗?
非也非也，指数部分代表着浮点数的范围，尾数部分代表着浮点数的精度；我们从尾数的角度来看，浮点的二进制科学计数法小数点前始终是最高位，这也就意味指数越大，尾数部分所表示的数值越大，其精度越差。所以float与uint表示的数据个数都是一样的，整形表示的数据是均匀的，而浮点表示的数据在数值比较小的时候精度比较高，而数值比较大的时候就比较低了，同时也说明浮点表示仅仅是一种近似的表示方法，不能精确的表示数值，所以有时候大家在编程的过程中明明向float类型变量赋值了一个准确的数据，仿真一看数据成了一个近似值。
|
|
楼主
