C语言深入分析浮点型数据存储

1. 前言

上篇文章，我们对整形是如何存储的做出了讲解，而在本篇文章中，我将讲解浮点型是如何存储的，以及对于浮点型数据之间的比较做出一个探究，相信在阅读本篇文章后，你会对数据在内存中的存储有一个新的认识。话不多说，我们进入正题。

2. 浮点型在内存中的存储

浮点数包括float(单精度浮点数）、double(双精度浮点数)、long double类型。

常见的浮点数有：

3.14
1E10//1.0 * (10 ^ 10)

而浮点数的取值范围的相关信息也在float.h中定义。

例如：

注：DBL_EPSILON和FLT_EPSILON分别是双精度浮点数和单精度浮点数的精度。

了解基本概念之后，我们再看一个关于浮点型存储的经典样例。

3. 例题引入

下列程序输出的结果是什么？

int main()
{
	int n = 9;
	float* pFloat = (float*)&n;
	printf("n的值为：%d\n", n);//9
	printf("*pFloat的值为：%f\n", *pFloat);//0.000000
	*pFloat = 9.0;
	printf("num的值为：%d\n", n);//1091567616
	printf("*pFloat的值为：%f\n", *pFloat);//9.000000
	return 0;
}

按照我们平常的思路，结果也许为：9，9.0，9，9.0，因为存进去什么样拿出来就应该是什么样，对于浮点型只要加上小数点后六位就好了，但是结果真的是这样吗？让我们运行一下：

发现结果和我们的想法大相庭径，那么说明浮点型和整形在内存中的存储方式是不同的！

接下来让我们了解一下浮点型的存储规则！

4. 浮点数存储规则

根据国际标准IEEE 754，任意一个二进制浮点数可以表示成下面的形式：

• (-1)^S * M * 2^E
• (-1)^S表示符号位，当S=0，V为正数；当S=1，V为负数。
• M表示有效数字，大于等于1，小于2。
• 2^E表示指数位。

4.1 浮点数的存

举个栗子：

5.5
二进制表示：101.1
解释：(1*2^2 + 0*2^1 + 1*2^0).(1*2^(-1))
开始转化：
101.1表示一个整数，所以S = 0；
而二进制需要转化成如下形式表示M：101.1 ->1.011；M >= 1 && M < 2
由于小数点向左移动两位，所以指数位E为2；

表示结果：(-1)^0*1.011*2^2
               S   M     E

通过如上步骤，5.5就正确按照规则存到了内存中！

我们在观察一下S E M在内存中是如何划分的：

32位浮点数：

对于32位浮点数，最高位的1位是符号位S，接着的8位是指数E，剩下的23位为有效数字M。

64位浮点数：

对于64位的浮点数，最高的1位是符号位S，接着的11位是指数E，剩下的52位为有效数字M。

IEEE 754的特殊规定：

有效数字M：

前面说过， 1≤M<2 ，也就是说，M可以写成1.xxxxxx 的形式，其中xxxxxx表示小数部分。

IEEE 754规定，在计算机内部保存M时，默认这个数的第一位总是1，因此可以被舍去，只保存后面的xxxxxx部分。

比如保存1.01的时候，只保存01，等到读取的时候，再把第一位的1加上去。这样做的目的，是节省1位有效数字。以32位浮点数为例，留给M只有23位，

将第一位的1舍去以后，等于可以保存24位有效数字。

指数E：

至于指数E，情况就比较复杂。

首先，E为一个无符号整数，这意味着，如果E为8位，它的取值范围为0255；如果E为11位，它的取值范围为02047。

但是，我们知道，科学计数法中的E是可以出现负数的，所以IEEE 754规定，存入内存时E的真实值必须再加上一个中间数，对于8位的E，这个中间数是127；对于11位的E，这个中间数是1023。

比如，2^10的E是10，所以保存成32位浮点数时，必须保存成10+127=137，即10001001。

4.2 浮点数的取

了解了浮点数的存储，那么它将数据取出又是什么样的呢？

指数E从内存中取出可以分成三种情况：

E不全为0或不全为1：

这时，浮点数就采用下面的规则表示，即指数E的计算值减去12（或1023），得到真实值，再将有效数字M前加上第一位的1。

比如：

0.5（1/2）的二进制形式为0.1，由于规定正数部分必须为1，即将小数点右移1位，则为1.0*2^(-1)，在内存中为-1+127=126，表示为01111110，而尾数1.0去掉整数部分为0，补齐0到23位00000000000000000000000，

则其二进制表示形式为:0 01111110 00000000000000000000000

E全为0：

这时，浮点数的指数E等于1-127（或者1-1023）即为真实值，

有效数字M不再加上第一位的1，而是还原为0.xxxxxx的小数。这样做是为了表示±0，以及接近于0的很小的数字。

比如：

0.000000001 * 2 ^(-126)，这是不是一个极小的数字，几乎接近于0(正负取决于符号位s)。

E全为1：

这时，若有效数字M全为0(0/1 11111111 00000000000000000000000)，表示±无穷大。

若有效数字M不全为0，则表示有效数据，是一个非常大的值。

5. 例题解答

int main()
{
	int n = 9;
	//补码：0000 0000 0000 0000 0000 0000 0000 1001
	float* pFloat = (float*)&n;
	//浮点型存储：0 00000000 00000000000000000001001
	//E为全零，E = 1 - 127 = -126
	//M不再加上1，M = 0.00000000000000000001001
	//正数，S = 0
	//(-1)^0 * 0.00000000000000000001001 * 2^(-126)
	//几乎为0
	printf("n的值为：%d\n", n);//存储为整形，取出来也是按照整形的方式取：9
	printf("*pFloat的值为：%f\n", *pFloat);//0.000000
	*pFloat = 9.0;
	//二进制表示：1001.0
	//小数点右移三位：1.001 * 2 ^ 3
	//S = 0
	//M = 1.001
	//E = 3
    (-1)^0 * 1.001 * 2^3
	//浮点型存储：0 01000010 00100000000000000000000
	printf("num的值为：%d\n", n);//1091567616
	//认为内存中放的是有符号整数，符号位为0，正数
	//认为二进制序列就是它的原码
	printf("*pFloat的值为：%f\n", *pFloat);//存储为浮点型，取出来也是按照浮点型的方式取：9.000000
	return 0;
}

至此，浮点型的存储方式，你明白了吗？

6. 浮点型的精度探究(※)

此部分为浮点型存储的拓展部分，内容为对浮点型数据之间的比较和浮点型精度的讲解，由于这部分内容在实际学习时很少提及，故归为拓展部分，有兴趣的话可以了解一下。

(由于浮点数默认是double类型，使用float可能会出现告警，考虑到方便起见和double精度更高，所以以下内容均使用double类型)

6.1 浮点数的精度丢失

我们了解了浮点数的存储方式之后，发现浮点数在存储时有时是无法精确保存的，是可能会有精度损失的，注意这里的损失，不是一味的减少了，还有可能增多。浮点数本身存储的时候，在计算不尽的时候，会采用“四舍五入”或者其他策略。

样例：

int main()
{
	double x = 3.6;
	printf("%.50lf\n", x);
	return 0;
}

运行结果：

6.2 浮点数之间如何比较

上述例子意味着，浮点数存入时数据会不一样，这是否说明浮点数之间无法正常比较？事实胜于雄辩，接着探究：

int main()
{
	double x = 1.0;
	double y = 0.1;
	printf("%.50lf\n", x - 0.9);
	printf("%.50lf\n", y);
	if ((x - 0.9) == 0.1)
	{
		printf("==");
	}
	else
	{
		printf("!=");
	}
	return 0;
}

运行结果：

我们观察结果，发现不仅存储的内容发生了变化，而且直接用==相比较得出的结果也是不等于，那么浮点数之间是如何比较的？应该如何理解？

C语言中浮点数应该进行范围精度比较！！！

如图：两个浮点数只要进行比较时，它们的差值，只需要在-EPS ~ EPS的精度范围内，那么便认定两个数相等！！！

同样的，条件也可以写成绝对值的形式：fabs((x - y) < EPSLION)。fabs是一个库函数，计算变量的绝对值，相关头文件为#include<math.h>。

这里的EPSILON是精度，精度分为系统提供的精度(float.h中定义)和自定义的精度：

自定义的精度：

#define EPS 0.00000000000001//自定义的精度，名字，数值可以自定义

系统提供的精度：

#define DBL_EPSILON//系统提供的精度，需要引头文件
#include<float.h>

转到定义观察一下：

这个数小到什么程度呢？1.0虽然加很多数据都不等于1.0，但是这个DBL_EPSILON是最小的。

使用精度后，再进行比较：

//#define EPS 0.00000000000001//自定义方案
#define DBL_EPSILON//系统提供的精度，是一个非常小的值
#include<stdio.h>
#include<float.h>
#include<math.h>
int main()
{
	double x = 1.0;
	double y = 0.1; 
	printf("%.50lf\n", x - 0.9);
	printf("%.50lf\n", y);
	//if (fabs((x - 0.9) - y) < EPS)//自定义
	if (fabs((x - 0.9) - y) < DBL_EPSILON)//系统
	{
		printf("==\n");
	}
	else
	{
		printf("!=\n");
	}
	return 0;
}

运行结果：

6.3 浮点数和0比较

对于两个浮点数之间比较写做x - y的形式，那么对于浮点数和0比较就为x - 0，直接写做x即可。

样例：

#include<float.h>
#include<stdio.h>
#include<math.h>
int main()
{
	double x = 0.0;
	if (fabs(x) < DBL_EPSILON)//fabs(x - 0)
	//if(x > -DBL_EPSILON && x < DBL_EPSILON)
	{
		printf("yes\n");//一个浮点数和0比较，只要保证它的绝对值在精度范围内就相等
	}
	return 0;
}

运行结果：

但是，浮点数和零值比较要不要相等？x >= -DBL_EPSILON && x <= DBL_EPSILON)(fab(x) <= DBL_EPSILON)？

精度是引起x变化的最小值，但是精度 + x依旧能引起精度变化；

如果写成fab(x) <= DBL_EPSILON；也就是fab(x) == DBL_EPSILON的形式，这时x就是精度；

double y + x != y;也就是加上x(精度)会引起变化，相当于double y + DBL_EPSILON ！= y;

但是y + 0.0 == y，y加上零值时，值是不会变的！！！

因为精度本身就会引起值的变化，只是很小而已，就不符合0的概念；

写法比较矛盾，不建议写上等号！！！

所以，浮点数和零值进行比较，只要保证浮点数的绝对值在精度范围内，就判定浮点数和零值相等，且比较时，不建议加上等号。

7. 结语

到这里本篇博客到此结束，相信通过这两篇文章，大家也可以对数据在内存中的存储有了一定的认识，虽然这些知识并不会对编程能力有很大的提高，但是能扩大我们看待问题的视角，也算修炼了"内功"。

到此这篇关于C语言深入分析浮点型数据存储的文章就介绍到这了,更多相关C语言数据存储内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！