一、浮點數(shù)是什么？

浮點數(shù)，是屬于有理數(shù)中某特定子集的數(shù)的數(shù)字表示，在計算機中用以近似表示任意某個實數(shù)。浮點數(shù)在計算機中主要用來表示小數(shù)，浮點數(shù)就是小數(shù)點可以出現(xiàn)改變的數(shù)字。

因為在計算機的機器語言中，只有二進制，機器語言只能識別0和1。所以，計算機也是不可能存儲小數(shù)的，所以需要有另一種變通的存儲方案。
這種方案就是:

1.指數(shù)方案

指數(shù)形式：其數(shù)值部分是一個小數(shù)，小數(shù)點前的數(shù)字是零，小數(shù)點后的第一位數(shù)字不是零。一個實數(shù)可以有多種指數(shù)表示形式，但只有一種屬于標準化指數(shù)形式。

上面的表格，我們可以很清晰的了解指數(shù)方案。同樣的我們也就能發(fā)現(xiàn)這樣表達小數(shù)會有一個嚴重的問題，那就是指數(shù)表示形式太多了，如果不能約定好唯一形式，不同代碼之間溝通將會出現(xiàn)問題。

2.規(guī)范化指數(shù)形式

在指數(shù)形式的多種表示方式中把小數(shù)部分中小數(shù)點前的數(shù)字為0、小數(shù)點后第1位數(shù)字不為0的表示形式稱為規(guī)范化的指數(shù)形式。

1.23 的規(guī)范化的指數(shù)形式 0.123*10^1

一個實數(shù)只有一個規(guī)范化的指數(shù)形式，在程序以指數(shù)形式輸出一個實數(shù)時，必然以規(guī)范化的指數(shù)形式輸出。

0.123e001

1.為什么要以 0 開頭

1.23456要二進制存放需分別存整數(shù)部和小數(shù)部，而0.123456則只需存小數(shù)部，這樣在占用相同字節(jié)的情況下，后一種方法可容納更大精度的浮點數(shù)。

2.為什么 e 后面要加 0 ，e001 和 e1 一樣嗎

后面加 0 是 %e 的輸出格式，并不是規(guī)范化的指數(shù)形式所必需的，
e001 和 e1 是一樣的

3.IEEE 754標準

由于不同機器對浮點數(shù)的表示有較大差別，這不利于軟件在不同計算機之間的移植。為此，美國IEEE提出了一個從系統(tǒng)角度支持浮點數(shù)的表示方法，稱為IEEE754標準（IEEE，1985），當今流行的計算機幾乎都采用了這一標準。

IEEE 754規(guī)定了四種表示浮點數(shù)值的方式：單精確度（32位）、雙精確度（64位）、延伸單精確度（43比特以上，很少使用）與延伸雙精確度（79比特以上，通常以80位實現(xiàn)）。只有32位模式有強制要求，其他都是選擇性的。

二、出現(xiàn)精度問題的情況

1.浮點數(shù)加減運算

輸入數(shù)據(jù)：

a = 2.3329 b = 3.1234

代碼如下（示例）：

package main

import "fmt"

func main() {

	// a = 2.3329 b = 3.1234
	a, b := 2.3329, 3.1234

	c := a + b

	fmt.Println(c) //5.456300000000001}

}

結果精度出現(xiàn)問題
2.3329 + 3.1234 = 5.456300000000001
已經(jīng)出錯

2.float64與float32之間轉換

輸入數(shù)據(jù)：

a = 9.99999

代碼如下（示例）：

package main

import "fmt"

func main() {

	var a float32
	a = 9.99999

	b := float64(a)
	fmt.Println(b) //9.999990463256836}

}

結果精度出現(xiàn)問題
9.99999 = 9.999990463256836
已經(jīng)出錯

3.int64和float64,int32和float32轉換

1.int32和float32轉換

輸入數(shù)據(jù)：

a = 9.99999

代碼如下（示例）：

package main

import "fmt"

func main() {

	var a int32
	a = 999990455

	b := float32(a)
	fmt.Printf("%f\n", b) //999990464.000000}

}

結果精度出現(xiàn)問題
999990455= 999990464.000000
已經(jīng)出錯

2.int64和float64轉換

輸入數(shù)據(jù)：

a = 999999942424527242

代碼如下（示例）：

package main

import "fmt"

func main() {

	var a int64
	a = 999999942424527242

	b := float64(a)
	fmt.Printf("%f\n", b) //999999942424527232.000000}

}

結果精度出現(xiàn)問題
999999942424527242 = 999999942424527232.000000
已經(jīng)出錯

4.float64位直接乘100

輸入數(shù)據(jù)：

a = 999999942424527242

代碼如下（示例）：

package main

import "fmt"

func main() {

	var a float64
	a = 1128.61

	b := a * 100
	fmt.Println(b) //112860.99999999999}

}

結果精度出現(xiàn)問題
1128.61 * 100= 112860.99999999999
已經(jīng)出錯

三、decimal 解決精度問題

利用 Decimal 包解決精度問題

 go get github.com/shopspring/decimal

1.浮點數(shù)加減運算

輸入數(shù)據(jù)：

a = 2.3329 b = 3.1234

代碼如下（示例）：

package main

import (
	"fmt"
	"github.com/shopspring/decimal"
)

func main() {

	// a = 2.3329 b = 3.1234
	a, b := 2.3329, 3.1234

	c := decimal.NewFromFloat(a)
	d := decimal.NewFromFloat(b)
	fmt.Println(a, b)
	fmt.Println(c, d)
	fmt.Println("此時ab 與 cd 相同")
	
	fmt.Println(a + b)    //5.456300000000001}
	fmt.Println(c.Add(d)) //5.4563}

}

結果精度不再出現(xiàn)問題

2.float64與float32之間轉換

輸入數(shù)據(jù)：

a = 9.99999

代碼如下（示例）：

package main

import (
	"fmt"
	"github.com/shopspring/decimal"
)

func main() {

	var a float32
	a = 9.99999
	c := decimal.NewFromFloat32(a)
	
	b := float64(a)
	c.Float64()
	fmt.Println(b) //9.999990463256836}
	fmt.Println(c.Float64()) //9.99999}

}

結果精度不再出現(xiàn)問題

3.float64位直接乘100

輸入數(shù)據(jù)：

a = 999999942424527242

代碼如下（示例）：

package main

import (
	"fmt"
	"github.com/shopspring/decimal"
)

func main() {

	var a float64
	a = 1128.61
	c := decimal.NewFromFloat(a)

	b := a * 100
	fmt.Println(b) //112860.99999999999}
	fmt.Println(c.Mul(decimal.NewFromInt(100))) //112861}

}

結果精度不再出現(xiàn)問題

總結

通過以上兩個例子，我們已經(jīng)了解了浮點數(shù)的精度問題，那么在工作中，我們就需要更換運算方式。我們需要盡量選擇Decimal，否則如果使用 Float 出現(xiàn)精度問題之后，到那時再更換方法，既費時又費力，能剛開始就解決，何樂而不為呢。

到此這篇關于Golang 處理浮點數(shù)遇到的精度問題(使用decimal)的文章就介紹到這了,更多相關Golang 浮點精度內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論