嗨！我試著寫點關(guān)于浮點數(shù)的東西，我發(fā)現(xiàn)自己對這個 64 位浮點數(shù)的計算方法很好奇：

>>> 0.1 + 0.2

0.30000000000000004

我意識到我并沒有完全理解它是如何計算的。我的意思是，我知道浮點計算是不精確的，你不能精確地用二進制表示0.1，但是：肯定有一個浮點數(shù)比0.30000000000000004更接近 0.3！那為什么答案是0.30000000000000004呢？

如果你不想閱讀一大堆計算過程，那么簡短的答案是：0.1000000000000000055511151231257827021181583404541015625 + 0.200000000000000011102230246251565404236316680908203125正好位于兩個浮點數(shù)之間，即0.299999999999999988897769753748434595763683319091796875（通常打印為0.3） 和0.3000000000000000444089209850062616169452667236328125（通常打印為0.30000000000000004）。答案是0.30000000000000004，因為它的尾數(shù)是偶數(shù)。

浮點加法是如何計算的

以下是浮點加法的簡要計算原理：

?把它們精確的數(shù)字加在一起 ?將結(jié)果四舍五入到最接近的浮點數(shù)

讓我們用這些規(guī)則來計算 0.1 + 0.2。我昨天才剛了解浮點加法的計算原理，所以在這篇文章中我可能犯了一些錯誤，但最終我得到了期望的答案。

第一步：0.1 和 0.2 到底是多少

首先，讓我們用 Python 計算0.1和0.2的 64 位浮點值。

>>> f"{0.1:.80f}"

'0.10000000000000000555111512312578270211815834045410156250000000000000000000000000'

>>> f"{0.2:.80f}"

'0.20000000000000001110223024625156540423631668090820312500000000000000000000000000'

這確實很精確：因為浮點數(shù)是二進制的，你也可以使用十進制來精確的表示。但有時你只是需要一大堆數(shù)字:)

第二步：相加

接下來，把它們加起來。我們可以將小數(shù)部分作為整數(shù)加起來得到確切的答案：

>>> 1000000000000000055511151231257827021181583404541015625 + 2000000000000000111022302462515654042363166809082031250

3000000000000000166533453693773481063544750213623046875

所以這兩個浮點數(shù)的和是0.3000000000000000166533453693773481063544750213623046875。

但這并不是最終答案，因為它不是一個 64 位浮點數(shù)。

第三步：查找最接近的浮點數(shù)

現(xiàn)在，讓我們看看接近0.3的浮點數(shù)。下面是最接近0.3的浮點數(shù)（它通常寫為0.3，盡管它不是確切值）：

>>> f"{0.3:.80f}"

'0.29999999999999998889776975374843459576368331909179687500000000000000000000000000'

我們可以通過struct.pack將0.3序列化為 8 字節(jié)來計算出它之后的下一個浮點數(shù)，加上 1，然后使用struct.unpack：

>>> struct.pack("!d", 0.3)

b'?xd3333333'

# 手動加 1

>>> next_float = struct.unpack("!d", b'?xd3333334')[0]

>>> next_float

0.30000000000000004

>>> f"{next_float:.80f}"

'0.30000000000000004440892098500626161694526672363281250000000000000000000000000000'

當然，你也可以用math.nextafter：

>>> math.nextafter(0.3, math.inf)

0.30000000000000004

所以0.3附近的兩個 64 位浮點數(shù)是0.299999999999999988897769753748434595763683319091796875和0.3000000000000000444089209850062616169452667236328125。

第四步：找出哪一個最接近

結(jié)果證明0.3000000000000000166533453693773481063544750213623046875正好在0.299999999999999988897769753748434595763683319091796875和0.3000000000000000444089209850062616169452667236328125的中間。

你可以通過以下計算看到：

>>> (3000000000000000444089209850062616169452667236328125000 + 2999999999999999888977697537484345957636833190917968750) // 2 == 3000000000000000166533453693773481063544750213623046875

True

所以它們都不是最接近的。

如何知道四舍五入到哪一個？

在浮點數(shù)的二進制表示中，有一個數(shù)字稱為“尾數(shù)”。這種情況下（結(jié)果正好在兩個連續(xù)的浮點數(shù)之間），它將四舍五入到偶數(shù)尾數(shù)的那個。

在本例中為0.300000000000000044408920985006261616945266723632812500。

我們之前就見到了這個數(shù)字的尾數(shù)：

?0.30000000000000004 是struct.unpack('!d', b'?xd3333334')的結(jié)果 ?0.3 是struct.unpack('!d', b'?xd3333333')的結(jié)果

0.30000000000000004的大端十六進制表示的最后一位數(shù)字是4，它的尾數(shù)是偶數(shù)（因為尾數(shù)在末尾）。

我們用二進制來算一下

之前我們都是使用十進制來計算的，這樣讀起來更直觀。但是計算機并不會使用十進制，而是用 2 進制，所以我想知道它是如何計算的。

我不認為本文的二進制計算部分特別清晰，但它寫出來對我很有幫助。有很多數(shù)字，讀起來可能很糟糕。

64 位浮點數(shù)如何計算：指數(shù)和尾數(shù)

64 位浮點數(shù)由 2 部分整數(shù)構(gòu)成：指數(shù)和尾數(shù)，還有 1 比特符號位.

以下是指數(shù)和尾數(shù)對應(yīng)于實際數(shù)字的方程：

例如，如果指數(shù)是1，尾數(shù)是2**51，符號位是正的，那么就可以得到：

它等于2 * (1 + 0.5)，即 3。

步驟 1：獲取 0.1 和 0.2 的指數(shù)和尾數(shù)

我用 Python 編寫了一些低效的函數(shù)來獲取正浮點數(shù)的指數(shù)和尾數(shù):

def get_exponent(f):

# 獲取前 52 個字節(jié)

bytestring = struct.pack('!d', f)

return int.from_bytes(bytestring, byteorder='big') >> 52

def get_significand(f):

# 獲取后 52 個字節(jié)

bytestring = struct.pack('!d', f)

x = int.from_bytes(bytestring, byteorder='big')

exponent = get_exponent(f)

return x ^ (exponent << 52)

我忽略了符號位（第一位），因為我們只需要處理 0.1 和 0.2，它們都是正數(shù)。

首先，讓我們獲取 0.1 的指數(shù)和尾數(shù)。我們需要減去 1023 來得到實際的指數(shù)，因為浮點運算就是這么計算的。

>>> get_exponent(0.1) - 1023

-4

>>> get_significand(0.1)

2702159776422298

它們根據(jù)2**指數(shù) + 尾數(shù) / 2**(52 - 指數(shù))這個公式得到0.1。

下面是 Python 中的計算:

>>> 2**-4 + 2702159776422298 / 2**(52 + 4)

0.1

（你可能會擔心這種計算的浮點精度問題，但在本例中，我很確定它沒問題。因為根據(jù)定義，這些數(shù)字沒有精度問題 -- 從2**-4開始的浮點數(shù)以1/2**(52 + 4)步長遞增。）

0.2也一樣:

>>> get_exponent(0.2) - 1023

-3

>>> get_significand(0.2)

2702159776422298

它們共同工作得到0.2:

>>> 2**-3 + 2702159776422298 / 2**(52 + 3)

0.2

（順便說一下，0.1 和 0.2 具有相同的尾數(shù)并不是巧合 —— 因為x和2*x總是有相同的尾數(shù)。）

步驟 2：重新計算 0.1 以獲得更大的指數(shù)

0.2的指數(shù)比0.1大 -- -3 大于 -4。

所以我們需要重新計算：

2**-4 + 2702159776422298 / 2**(52 + 4)

等于X / (2**52 + 3)

如果我們解出2**-4 + 2702159776422298 / 2**(52 + 4) = X / (2**52 + 3)，我們能得到：

X = 2**51 + 2702159776422298 /2

在 Python 中，我們很容易得到：

>>> 2**51 + 2702159776422298 //2

3602879701896397

步驟 3：添加符號位

現(xiàn)在我們試著做加法：

2**-3 + 2702159776422298 / 2**(52 + 3) + 3602879701896397 / 2**(52 + 3)

我們需要將2702159776422298和3602879701896397相加：

>>> 2702159776422298 + 3602879701896397

6305039478318695

棒。但是6305039478318695比2**52-1（尾數(shù)的最大值）大，問題來了:

>>> 6305039478318695 > 2**52

True

第四步：增加指數(shù)

目前結(jié)果是：

2**-3 + 6305039478318695 / 2**(52 + 3)

首先，它減去 2**52：

2**-2 + 1801439850948199 / 2**(52 + 3)

完美，但最后的2**(52 + 3)需要改為2**(52 + 2)。

我們需要將1801439850948199除以 2。這就是難題的地方 --1801439850948199是一個奇數(shù)!

>>> 1801439850948199 / 2

900719925474099.5

它正好在兩個整數(shù)之間，所以我們四舍五入到最接近它的偶數(shù)（這是浮點運算規(guī)范要求的），所以最終的浮點結(jié)果是:

>>> 2**-2 + 900719925474100 / 2**(52 + 2)

0.30000000000000004

它就是我們預(yù)期的結(jié)果：

>>> 0.1 + 0.2

0.30000000000000004

在硬件中它可能并不是這樣工作的

在硬件中做浮點數(shù)加法，以上操作方式可能并不完全一模一樣（例如，它并不是求解 “X”），我相信有很多有效的技巧，但我認為思想是類似的。

打印浮點數(shù)是非常奇怪的

我們之前說過，浮點數(shù) 0.3 不等于 0.3。它實際上是:

>>> f"{0.3:.80f}"

'0.29999999999999998889776975374843459576368331909179687500000000000000000000000000'

但是當你打印它時，為什么會顯示0.3？

計算機實際上并沒有打印出數(shù)字的精確值，而是打印出了最短的十進制數(shù)d，其中f是最接近d的浮點數(shù)。

事實證明，有效做到這一點很不簡單，有很多關(guān)于它的學術(shù)論文，比如快速且準確地打印浮點數(shù) legacy.cs.indiana.edu、如何準確打印浮點數(shù) lists.nongnu.org等。

如果計算機打印出浮點數(shù)的精確值，會不會更直觀一些？

四舍五入到一個干凈的十進制值很好，但在某種程度上，我覺得如果計算機只打印一個浮點數(shù)的精確值可能會更直觀 -- 當你得到一個奇怪的結(jié)果時，它可能會讓你看起來不那么驚訝。

對我來說，0.1000000000000000055511151231257827021181583404541015625 + 0.200000000000000011102230246251565404236316680908203125 = 0.3000000000000000444089209850062616169452667236328125比0.1 + 0.2 = 0.30000000000000000004驚訝少一點。

這也許是一個壞主意，因為它肯定會占用大量的屏幕空間。

PHP 快速說明

有人在評論中指出在 PHP 中會輸出0.3，這是否說明在 PHP 中浮點運算不一樣？

非也 —— 我在這里 replit.com運行:

，得到了與 Python 完全相同的答案：5.5511151231258E-17。因此，浮點運算的基本原理是一樣的。

我認為在 PHP 中0.1 + 0.2輸出0.3的原因是 PHP 顯示浮點數(shù)的算法沒有 Python 精確 —— 即使這個數(shù)字不是最接近 0.3 的浮點數(shù)，它也會顯示0.3。

總結(jié)

我有點懷疑是否有人能耐心完成以上所有些算術(shù)，但它寫出來對我很有幫助，所以我還是發(fā)表了這篇文章，希望它能有所幫助。