浮点运算结果为什么会出现误差

       在实际编程中，经常会用到浮点运算，大家可能会发现其结果出现误差，与实际期待值不一样。为什么。 其根本原因是计算机所使用二进制01代码无法准确表示某些带小数位的十进制数据。下面我们来分析下。我们知道将一个十进制数值转换为二进制数值。

在实际编程中，经常会用到浮点运算，大家可能会发现其结果出现误差，与实际期待值不一样。如下C#代码：

　　float a = 0.65f;

　　float b = 0.6f;

　　float c = a - b;

　　此时c为多少？

　　0.05？错误！

　　此时c为0.0499999523！

　　为什么？

　　其根本原因是计算机所使用二进制01代码无法准确表示某些带小数位的十进制数据。

　　下面我们来分析下：

　　我们知道将一个十进制数值转换为二进制数值，需要通过下面的计算方法：

　　1. 整数部分：连续用该整数除以2，取余数，然后商再除以2，直到商等于0为止。然后把得到的各个余数按相反的顺序排列。简称"除2取余法"。

　　2. 小数部分：十进制小数转换为二进制小数，采用"乘2取整，顺序排列"法。用2乘以十进制小数，将得到的整数部分取出，再用2乘余下的小数部分，然后再将积 的整数部分取出，如此进行，直到积中的小数部分为0或者达到所要求的精度为止。然后把取出的整数部分按顺序排列起来，即先取出的整数部分作为二进制小数的高位，后取出的整数部分作为低位有效位。简称"乘2取整法"。

　　3. 含有小数的十进制数转换成二进制，整数、小数部分分别进行转换，然后相加。

　　例如：将十进制数值25.75转换为二进制数值，步骤如下：

　　25(整数部分)

　　25/2=12......1

　　12/2=6.......0

　　6/2=3......0

　　3/2=1......1

　　1/2=0......1

　　(25) 10=(11001) 2

　　0.75(小数部分)

　　0.75*2=1.5......1

　　0.5*2=1......1

　　(0.75) 10=(0.11) 2

　　(25.75) 10=(11001) 2+(0.11) 2=(11001.11) 2

　　按照上述方法，我们将0.65及0.6转换为二进制代码：

　　(0.65)10 =(0.101001100110011001100110011001100110011......) 2

　　(0.6) 10 =(0.10011001100110011001100110011001100110011......) 2

　　后面的省略号表示已经算不完了，后面在无限重复 0011 这段二进制数值。

　　文章开始部分，我们用的float类型，下面我们来看看float类型是否能存储上面转换出的二进制代码。

　　目前计算机上存储浮点数值是按照IEEE（电气和电子工程师协会）754浮点存储格式标准来存储的。

　　IEEE单精度浮点格式共32位，包含三个构成字段：23位小数f，8位偏置指数e，1位符号s。将这些字段连续存放在一个32位字里，并对其进行编码。其中0:22位包含23位的小数f； 23:30位包含8位指数e；第31位包含符号s。如下图所示：

                                       

　　也就是说上面将0.65及0.5转换出的二进制代码，我们只能存储23位，即使数据类型为double，也只能存储52位，这样大家便能看出问题出现的原因了。

　　截取的二进制代码已无法正确表示0.65及0.5，根据这个二进制代码肯定无法正确得到结果0.05。

　　如何解决这个问题？知道其根本原因后，我们知道是无法从根本上解决这个问题的，但我们可以有一些曲线救国的方法，下面列举几个：

　　1. 因为二进制数值可以准确表示整数（可以使用整数转换为二进制方法验证下），所以可以将小数乘以10或100等变成整数，然后做运算，最后再通过除以10或100等获得结果；

　　2. 通过截取结果的有效小数位数等，来取得最好的近似结果，然后在做处理。

　　3. 对于可以用有限长度的二进制数值表示的十进制数值，可以使用存储位数大于其长度的数据类型。

　　解决方案正在补充中……，若各位有什么好的方法也可以提出来！

　　以上解决方案需要按照使用的实际情况来决定使用哪种方法。