关于float,double的精度丢失
2013-11-16 17:43
501 查看
1.疑惑
由于对float或double 的使用不当,可能会出现精度丢失的问题。问题大概情况可以通过如下代码理解:
Java代码
<span style="font-size: small;">public class FloatDouble {
/**功能:打印float和double浮点数十进制和二进制表示
* @author mike
* @param args
*/
public static void main(String[] args) {
double d = 20014999;
long l = Double.doubleToLongBits(d);
System.out.println("Double:"+"十进制:"+d+",二进制:"+Long.toBinaryString(l));
float f = 20014999;
int i = Float.floatToIntBits(f);
System.out.println("Float:"+"十进制:"+f+",二进制:"+Integer.toBinaryString(i));
}
}
</span>
打印结果:
Double:十进制:2.0014999E7,二进制:100000101110011000101100111100101110000000000000000000000000000
Float:十进制:2.0015E7,二进制:1001011100110001011001111001100
从输出结果可以看出double 可以正确的表示20014999 ,而float 没有办法表示20014999 ,得到的只是一个近似值。这样的结果很让人讶异。20014999 这么小的数字在float下没办法表示。于是带着这个问
题,做了一次关于float和double学习,做个简单分享,希望有助于大家对java 浮 点数的理解。
2.分析
关于 java 的 float 和 double
Java 语言支持两种基本的浮点类型: float 和 double 。java 的浮点类型都依据 IEEE
754 标准。
IEEE 754 定义了32 位和 64 位浮点数使用二进制表示标准。
维基百科:http://zh.wikipedia.org/wiki/IEEE_754
浮点数在c/c++以及java中的内存布局遵循IEEE标准的,首先看一下IEEE所规定的存储的方式:
符号位 指数位 小数部分 指数偏移量 单精度浮点数 双精度浮点数
解释一下,首先float变量按上述标准是4个字节,其中最高位为符号位,1代表此浮点数为负数,0代表正数,接下来的8位为指数位,范围0~255,,IEEE规定了一个偏移量127,指数位的值减去127为小数的偏移。低23位为小数部分,这23位是来描述浮点数的值,偏移为0的情况下,这23位数是一个浮点数的小数部分,也就是说位于小数点的右边。
IEEE 754 用科学记数法以底数为 2 的小数来表示浮点数。32 位浮点数用 1 位表示数字的符号,用 8 位来表示指数,用 23 位来表示尾数,即小数部分。作为有符号整数的指数可以有正负之分。小数部分用二进制(底数 2)小数来表示。对于64 位双精度浮点数,用 1 位表示数字的符号,用 11 位表示指数,52 位表示尾数。如下两个图来表示:
float(32位):
double(64位):
都是分为三个部分:
(1)符号位: 一 个单独的符号位s 直接编码符号s 。
(2)幂指数(指数位):k 位 的幂指数E ,移 码表示 。
(3)小数位(尾数位):n 位 的小数,原码表示 。
那么 20014999 为什么用 float 没有办法正确表示?
结合float和double的表示方法,通过分析 20014999 的二进制表示就可以知道答案了。
以下是 20014999 在 double 和 float 下的二进制表示方式。
Double:100000101110011000101100111100101110000000000000000000000000000
Float:1001011100110001011001111001100
对于输出结果分析如下。对于 double 的二进制左边补上符号位 0 刚好可以得到 64 位的二进制数。根据double的表示法,分为符号数、幂指数和尾数三个部分如下:
0 10000010111 0011000101100111100101110000000000000000000000000000
对于 float 左边补上符
号位 0 刚好可以得到 32 位的二进制数。 根据float的表示法, 也分为 符号数、幂指数和尾数三个部分如下 :
0 10010111 00110001011001111001100
绿色部分是符号位,红色部分是幂指数,蓝色部分是尾数。
对比可以得出:符号位都是 0 ,幂指数为移码表示,两者刚好也相等。唯一不同的是尾数。
在 double 的尾数
为: 001100010110011110010111 0000000000000000000000000000 ,省略后面的零,至少需要24位才能正确表示 。
而在 float 下面尾数
为: 00110001011001111001100 ,共 23 位。
为什么会这样?原因很明显,因为 float尾数 最多只能表示 23 位,所以 24 位的 001100010110011110010111 在 float 下面经过四舍五入变成了 23 位的 00110001011001111001100 。所以 20014999 在 float 下面变成了 20015000 。
也就是说 20014999 虽然是在float的表示范围之内,但 在 IEEE
754 的 float 表示法精度长度没有办法表示出 20014999,而只能通过四舍五入得到一个近似值。
double 的尾数 为: 001100010110011110010111加1后舍弃最后一位,就变成 float 尾数
为: 00110001011001111001100
3.引申:
(1)十进制转二进制:
用2辗转相除至结果为1 将余数和最后的1从下向上倒序写 就是结果
例如
302 302/2 = 151 余0
151/2 = 75 余1
75/2 = 37 余1
37/2 = 18 余1
18/2 = 9 余0
9/2 = 4 余1
4/2 = 2 余0
2/2 = 1 余0
故二进制为100101110
(2)十进制转二进制,小数部分
小数乘以2,取整,小数部分继续乘以2,取整,得到小数部分0为止,将整数顺序排列。
例如
0.8125x2=1.625 取整1
小数部分是0.625 0.625x2=1.25 取整1
小数部分是0.25 0.25x2=0.5 取整0
小数部分是0.5 0.5x2=1.0 取整1
小数部分是0
结束 所以0.8125的二进制是0.1101
(3)二进制转十进制
从最后一位开始算,依次列为第0、1、2...位 第n位的数(0或1)乘以2的n次方 得到的结果相加就是答案
例如:
01101011.
转十进制:
第0位:1乘2的0次方=1
1乘2的1次方=2
0乘2的2次方=0
1乘2的3次方=8
0乘2的4次方=0
1乘2的5次方=32
1乘2的6次方=64
0乘2的7次方=0
然后:1+2+0 +8+0+32+64+0=107.
二进制01101011=十进制107.
(4)浮点数转化成二进制
已知:double类型38414.4。
求:其对应的二进制表示。
分析:double类型共计64位,折合8字节。由最高到最低位分别是第63、62、61、……、0位:
最高位63位是符号位,1表示该数为负,0表示该数为正; 62-52位,一共11位是指数位; 51-0位,一共52位是尾数位。
步骤:
按照IEEE浮点数表示法,下面先把38414.4转换为二制数。
把整数部和小数部分开处理:整数部直接化二进制进制: 1001011000001110 。
小数的处理:
0.4*2=0.8 取0
0.8*2=1.6 取1
0.6*2=1.2 取1
0.2*2=0.4 取0
0.4*2=0.8 取0
..............
实际上这永远算不完!这就是著名的浮点数精度问题。所以直到加上前面的整数部分算够53位就行了。
隐藏位技术:最高位的1不写入内存(最终保留下来的还是52位)。
如果你够耐心,手工算到53位那么因该是:38414.4(10)=1001011000001110.0110011001100110011001100110011001100(2)
科学记数法为:1.001011000001110 0110011001100110011001100110011001100,右移了15位,所以指数为15。
或者可以如下理解:
1.001011000001110 0110011001100110011001100110011001100×2^15
于是来看阶码,按IEEE标准一共11位,可以表示范围是-1024 ~ 1023。因为指数可以为负,为了便于计算,规定都先加上1023(2^10-1),在这里,阶码:15+1023=1038。二进制表示为:100 00001110; 符号位:因为38414.4为正对应 为0; 合在一起(注:尾数二进制最高位的1不要):
01000000 11100010 11000001 110 01100 11001100 11001100 11001100 11001100
4.总结:
浮点运算很少是精确的,只要是超过精度能表示的范围就会产生误差。往往产生误差不是 因为数的大小,而是因为数的精度。因此,产生的结果接近但不等于想要的结果。尤其在使用 float 和 double 作精确运
算的时候要特别小心。
可以考虑采用一些替代方案来实现。如通过 String 结合 BigDecimal 或
者通过使用 long 类型来转换。
ref:http://zhangzhaoaaa.iteye.com/blog/1669321
由于对float或double 的使用不当,可能会出现精度丢失的问题。问题大概情况可以通过如下代码理解:
Java代码
<span style="font-size: small;">public class FloatDouble {
/**功能:打印float和double浮点数十进制和二进制表示
* @author mike
* @param args
*/
public static void main(String[] args) {
double d = 20014999;
long l = Double.doubleToLongBits(d);
System.out.println("Double:"+"十进制:"+d+",二进制:"+Long.toBinaryString(l));
float f = 20014999;
int i = Float.floatToIntBits(f);
System.out.println("Float:"+"十进制:"+f+",二进制:"+Integer.toBinaryString(i));
}
}
</span>
打印结果:
Double:十进制:2.0014999E7,二进制:100000101110011000101100111100101110000000000000000000000000000
Float:十进制:2.0015E7,二进制:1001011100110001011001111001100
从输出结果可以看出double 可以正确的表示20014999 ,而float 没有办法表示20014999 ,得到的只是一个近似值。这样的结果很让人讶异。20014999 这么小的数字在float下没办法表示。于是带着这个问
题,做了一次关于float和double学习,做个简单分享,希望有助于大家对java 浮 点数的理解。
2.分析
关于 java 的 float 和 double
Java 语言支持两种基本的浮点类型: float 和 double 。java 的浮点类型都依据 IEEE
754 标准。
IEEE 754 定义了32 位和 64 位浮点数使用二进制表示标准。
维基百科:http://zh.wikipedia.org/wiki/IEEE_754
浮点数在c/c++以及java中的内存布局遵循IEEE标准的,首先看一下IEEE所规定的存储的方式:
符号位 指数位 小数部分 指数偏移量 单精度浮点数 双精度浮点数
1 位[31] | 8位 [30-23] | 23位 [22-00] | 127 |
1 位[63] | 11 位[62-52] | 52 位[51-00] | 1023 |
IEEE 754 用科学记数法以底数为 2 的小数来表示浮点数。32 位浮点数用 1 位表示数字的符号,用 8 位来表示指数,用 23 位来表示尾数,即小数部分。作为有符号整数的指数可以有正负之分。小数部分用二进制(底数 2)小数来表示。对于64 位双精度浮点数,用 1 位表示数字的符号,用 11 位表示指数,52 位表示尾数。如下两个图来表示:
float(32位):
double(64位):
都是分为三个部分:
(1)符号位: 一 个单独的符号位s 直接编码符号s 。
(2)幂指数(指数位):k 位 的幂指数E ,移 码表示 。
(3)小数位(尾数位):n 位 的小数,原码表示 。
那么 20014999 为什么用 float 没有办法正确表示?
结合float和double的表示方法,通过分析 20014999 的二进制表示就可以知道答案了。
以下是 20014999 在 double 和 float 下的二进制表示方式。
Double:100000101110011000101100111100101110000000000000000000000000000
Float:1001011100110001011001111001100
对于输出结果分析如下。对于 double 的二进制左边补上符号位 0 刚好可以得到 64 位的二进制数。根据double的表示法,分为符号数、幂指数和尾数三个部分如下:
0 10000010111 0011000101100111100101110000000000000000000000000000
对于 float 左边补上符
号位 0 刚好可以得到 32 位的二进制数。 根据float的表示法, 也分为 符号数、幂指数和尾数三个部分如下 :
0 10010111 00110001011001111001100
绿色部分是符号位,红色部分是幂指数,蓝色部分是尾数。
对比可以得出:符号位都是 0 ,幂指数为移码表示,两者刚好也相等。唯一不同的是尾数。
在 double 的尾数
为: 001100010110011110010111 0000000000000000000000000000 ,省略后面的零,至少需要24位才能正确表示 。
而在 float 下面尾数
为: 00110001011001111001100 ,共 23 位。
为什么会这样?原因很明显,因为 float尾数 最多只能表示 23 位,所以 24 位的 001100010110011110010111 在 float 下面经过四舍五入变成了 23 位的 00110001011001111001100 。所以 20014999 在 float 下面变成了 20015000 。
也就是说 20014999 虽然是在float的表示范围之内,但 在 IEEE
754 的 float 表示法精度长度没有办法表示出 20014999,而只能通过四舍五入得到一个近似值。
double 的尾数 为: 001100010110011110010111加1后舍弃最后一位,就变成 float 尾数
为: 00110001011001111001100
3.引申:
(1)十进制转二进制:
用2辗转相除至结果为1 将余数和最后的1从下向上倒序写 就是结果
例如
302 302/2 = 151 余0
151/2 = 75 余1
75/2 = 37 余1
37/2 = 18 余1
18/2 = 9 余0
9/2 = 4 余1
4/2 = 2 余0
2/2 = 1 余0
故二进制为100101110
(2)十进制转二进制,小数部分
小数乘以2,取整,小数部分继续乘以2,取整,得到小数部分0为止,将整数顺序排列。
例如
0.8125x2=1.625 取整1
小数部分是0.625 0.625x2=1.25 取整1
小数部分是0.25 0.25x2=0.5 取整0
小数部分是0.5 0.5x2=1.0 取整1
小数部分是0
结束 所以0.8125的二进制是0.1101
(3)二进制转十进制
从最后一位开始算,依次列为第0、1、2...位 第n位的数(0或1)乘以2的n次方 得到的结果相加就是答案
例如:
01101011.
转十进制:
第0位:1乘2的0次方=1
1乘2的1次方=2
0乘2的2次方=0
1乘2的3次方=8
0乘2的4次方=0
1乘2的5次方=32
1乘2的6次方=64
0乘2的7次方=0
然后:1+2+0 +8+0+32+64+0=107.
二进制01101011=十进制107.
(4)浮点数转化成二进制
已知:double类型38414.4。
求:其对应的二进制表示。
分析:double类型共计64位,折合8字节。由最高到最低位分别是第63、62、61、……、0位:
最高位63位是符号位,1表示该数为负,0表示该数为正; 62-52位,一共11位是指数位; 51-0位,一共52位是尾数位。
步骤:
按照IEEE浮点数表示法,下面先把38414.4转换为二制数。
把整数部和小数部分开处理:整数部直接化二进制进制: 1001011000001110 。
小数的处理:
0.4*2=0.8 取0
0.8*2=1.6 取1
0.6*2=1.2 取1
0.2*2=0.4 取0
0.4*2=0.8 取0
..............
实际上这永远算不完!这就是著名的浮点数精度问题。所以直到加上前面的整数部分算够53位就行了。
隐藏位技术:最高位的1不写入内存(最终保留下来的还是52位)。
如果你够耐心,手工算到53位那么因该是:38414.4(10)=1001011000001110.0110011001100110011001100110011001100(2)
科学记数法为:1.001011000001110 0110011001100110011001100110011001100,右移了15位,所以指数为15。
或者可以如下理解:
1.001011000001110 0110011001100110011001100110011001100×2^15
于是来看阶码,按IEEE标准一共11位,可以表示范围是-1024 ~ 1023。因为指数可以为负,为了便于计算,规定都先加上1023(2^10-1),在这里,阶码:15+1023=1038。二进制表示为:100 00001110; 符号位:因为38414.4为正对应 为0; 合在一起(注:尾数二进制最高位的1不要):
01000000 11100010 11000001 110 01100 11001100 11001100 11001100 11001100
4.总结:
浮点运算很少是精确的,只要是超过精度能表示的范围就会产生误差。往往产生误差不是 因为数的大小,而是因为数的精度。因此,产生的结果接近但不等于想要的结果。尤其在使用 float 和 double 作精确运
算的时候要特别小心。
可以考虑采用一些替代方案来实现。如通过 String 结合 BigDecimal 或
者通过使用 long 类型来转换。
ref:http://zhangzhaoaaa.iteye.com/blog/1669321
相关文章推荐
- 关于float,double的精度丢失(一)
- 关于double,float的精度丢失(二)
- 关于float,double的精度丢失
- 关于float和double丢失精度问题及解决方案
- java float double为什么精度会丢失
- float和double丢失精度问题,可用Long来转换
- 关于double/float运算精度问题
- Java double和 float丢失精度问题
- 关于c中 int, float, double转换中存在的精度损失问题
- float,double等精度丢失问题
- 关于float相减精度丢失的问题
- iOS - Json解析精度丢失处理(NSString, Double, Float)
- java中double和float精度丢失问题及解决方法
- float及double类型减法运算时精度丢失问题
- 关于float相减精度丢失的问题
- float,double等精度丢失问题
- 160309float,double等精度丢失问题
- [置顶] double、float类型进行运算造成精度丢失的问题解决
- iOS - Json解析精度丢失处理(NSString, Double, Float)
- 解决java数值范围以及float与double精度丢失的问题