• home > theory > CST > Constitution >

    浮点数精度问题透析:小数计算不准确+浮点数精度丢失根源

    Author:[email protected] Date:

    无论在java python javaScript里面都存在 1+ 2!== 3 问题,这个问题的产生根源在于计算存储数字是二进制,对无限循环小数和无理数采用双精度64位double浮点数_float为32位,即52位小数+11位指数+1位符号。超过52位小数溢出而产生精度丢

    在知乎上上看到如下问题:

    浮点数精度问题的前世今生?

    1.该问题出现的原因 ?

    2.为何其他编程语言,比如java中可能没有js那么明显

    3.大家在项目中踩过浮点数精度的坑?

    4.最后采用哪些方案规避这个问题的?

    5.为何采用改方案?

    例如在 chrome js console 中:
    alert(0.7+0.1); //输出0.7999999999999999

    之前自己答的不是满意(对 陈嘉栋的回答 还是满意的),想对这个问题做个深入浅出的总结

    再看到这几篇长文[ JS 基础 ] JS 浮点数四则运算精度丢失问题 (3)》、《JavaScript数字精度丢失问题总结》、《细说 JavaScript 七种数据类型,略有所悟,整理如下:

    这个问题并不只是在Javascript中才会出现,任何使用二进制浮点数的编程语言都会有这个问题,只不过在 C++/C#/Java 这些语言中已经封装好了方法来避免精度的问题,而 JavaScript 是一门弱类型的语言,从设计思想上就没有对浮点数有个严格的数据类型,所以精度误差的问题就显得格外突出。

    java浮点数丢失问题

    python浮点数丢失问题

    浮点数丢失产生原因

    JavaScript 中的数字类型只有 Number 一种,Number 类型采用 IEEE754 标准中的 “双精度浮点数” 来表示一个数字,不区分整数和浮点数。

    什么是IEEE-745浮点数表示法

    IEEE-745浮点数表示法是一种可以精确地表示分数的二进制示法,比如1/2,1/8,1/1024

    十进制小数如何表示为转为二进制

    十进制整数转二进制

    十进制整数换成二进制一般都会:1=>1 2=>10 3=>101 4=>100 5=>101 6=>110   

    6/2=3…0

    3/2=1…1

    1/2=0…1

    倒过来就是110

    十进制小数转二进制

    0.25的二进制

    0.25*2=0.5 取整是0

    0.5*2=1.0    取整是1

    即0.25的二进制为 0.01 ( 第一次所得到为最高位,最后一次得到为最低位)

    0.8125的二进制

    0.8125*2=1.625   取整是1

    0.625*2=1.25     取整是1

    0.25*2=0.5       取整是0

    0.5*2=1.0        取整是1

    即0.8125的二进制是0.1101(第一次所得到为最高位,最后一次得到为最低位)

    0.1的二进制

    0.1*2=0.2======取出整数部分0

    0.2*2=0.4======取出整数部分0

    0.4*2=0.8======取出整数部分0

    0.8*2=1.6======取出整数部分1

    0.6*2=1.2======取出整数部分1

    0.2*2=0.4======取出整数部分0

    0.4*2=0.8======取出整数部分0

    0.8*2=1.6======取出整数部分1

    0.6*2=1.2======取出整数部分1

    接下来会无限循环

    0.2*2=0.4======取出整数部分0

    0.4*2=0.8======取出整数部分0

    0.8*2=1.6======取出整数部分1

    0.6*2=1.2======取出整数部分1

    所以0.1转化成二进制是:0.0001 1001 1001 1001…(无限循环)

    0.1 => 0.0001 1001 1001 1001…(无限循环)

    同理0.2的二进制是0.0011 0011 0011 0011…(无限循环)

    科普科学计数法

    科学记数法是一种把一个数表示成a与10的n次幂相乘的形式(1≤a<10,n为整数)的记数法。

    例如:19971400000000=1.99714×10^13。计算器或电脑表达10的幂是一般是用E或e,也就是1.99714E13=19971400000000。

    科学记数法的形式是由两个数的乘积组成的。表示为a×10^b(aEb),其中一个因数为a(1≤|a|<10),另一个因数为10^n。

    科学计数法的精确度

    运用科学记数法a×10^n的数字,它的精确度以a的最后一个数在原数中的数位为准。

    • 13600,精确到十位,记作:1.360X10^4

    • 13600 ,精确到百位,记作:1.36X10^4

    • 13600,精确到千位,记作:1.3X10^4

    十进制的5.0,写成二进制是101.0,相当于1.01×2^2

    十进制的-5.0,写成二进制是-101.0,相当于-1.01×2^2,推荐阅读《浮点数的二进制表示 

    在二进制里面,即a×2^b,1≤a<2,也就是说,a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a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64位浮点数为例,留给a只有52位,将第一位的1舍去以后,等于可以保存53位有效数字

    所以js浮点数表示的数字为[-1*2^53*2^1023,1*2^53*2^1024] ,±1 为符号位,2^53 为小数位(53-1), 2^1024 1024位指数位(1024*2=2048=2^11为指数位)

    IEEE-745浮点数表示法存储结构

    在 IEEE754 中,双精度浮点数采用 64 位存储,即 8 个字节表示一个浮点数 。其存储结构如下图所示:

    指数位可以通过下面的方法转换为使用的指数值:

    IEEE-745浮点数表示法记录数值范围

    从存储结构中可以看出, 指数部分的长度是11个二进制,即指数部分能表示的最大值是 2047(2^11-1)

    取中间值进行偏移,用来表示负指数,也就是说指数的范围是 [-1023,1024] 


    因此,这种存储结构能够表示的数值范围为 2^1024 到 2^-1023 ,超出这个范围的数无法表示 。2^1024  和 2^-1023  转换为科学计数法如下所示:

    1.7976931348623157 × 10^308

    5 × 10^-324

    因此,JavaScript 中能表示的最大值是 1.7976931348623157 × 10^308,最小值为 5 × 10-324 。java双精度类型 double也是如此。

    这两个边界值可以分别通过访问 Number 对象的 MAX_VALUE 属性和 MIN_VALUE 属性来获取:

    Number.MAX_VALUE; // 1.7976931348623157e+308
    Number.MIN_VALUE; // 5e-324

    如果数字超过最大值或最小值,JavaScript 将返回一个不正确的值,这称为 “正向溢出(overflow)” 或 “负向溢出(underflow)” 。 

    Number.MAX_VALUE+1 == Number.MAX_VALUE; //true
    Number.MAX_VALUE+1e292; //Infinity
    Number.MIN_VALUE + 1; //1
    Number.MIN_VALUE - 3e-324; //0
    Number.MIN_VALUE - 2e-324; //5e-324

    IEEE-745浮点数表示法数值精度

    在 64 位的二进制中,符号位决定了一个数的正负,指数部分决定了数值的大小,小数部分决定了数值的精度

    IEEE754 规定,有效数字第一位默认总是1 。因此,在表示精度的位数前面,还存在一个 “隐藏位” ,固定为 1 ,但它不保存在 64 位浮点数之中。也就是说,有效数字总是 1.xx...xx 的形式,其中 xx..xx 的部分保存在 64 位浮点数之中,最长为52位 。所以,JavaScript 提供的有效数字最长为 53 个二进制位,其内部实际的表现形式为:

    (-1)^符号位 * 1.xx...xx * 2^指数位

    这意味着,JavaScript 能表示并进行精确算术运算的整数范围为:[-2^53-1,2^53-1],即从最小值 -9007199254740991 到最大值 9007199254740991 之间的范围

    Math.pow(2, 53)-1 ; // 9007199254740991
    -Math.pow(2, 53)-1 ; // -9007199254740991

    可以通过 Number.MAX_SAFE_INTEGER 和  Number.MIN_SAFE_INTEGER 来分别获取这个最大值和最小值。 

    console.log(Number.MAX_SAFE_INTEGER) ; // 9007199254740991
    console.log(Number.MIN_SAFE_INTEGER) ; // -9007199254740991

    对于超过这个范围的整数,JavaScript 依旧可以进行运算,但却不保证运算结果的精度。

    Math.pow(2, 53) ; // 9007199254740992
    Math.pow(2, 53) + 1; // 9007199254740992
    9007199254740993; //9007199254740992
    90071992547409921; //90071992547409920
    0.923456789012345678;//0.9234567890123456


    IEEE-745浮点数表示法数值精度丢失

    计算机中的数字都是以二进制存储的,二进制浮点数表示法并不能精确的表示类似0.1这样 的简单的数字

    如果要计算 0.1 + 0.2 的结果,计算机会先把 0.1 和 0.2 分别转化成二进制,然后相加,最后再把相加得到的结果转为十进制 

    但有一些浮点数在转化为二进制时,会出现无限循环 。比如, 十进制的 0.1 转化为二进制,会得到如下结果:

    0.1 => 0.0001 1001 1001 1001…(无限循环)

    0.2 => 0.0011 0011 0011 0011…(无限循环)

    而存储结构中的尾数部分最多只能表示 53 位。为了能表示 0.1,只能模仿十进制进行四舍五入了,但二进制只有 0 和 1 , 于是变为 0 舍 1 入 。 因此,0.1 在计算机里的二进制表示形式如下:

    0.1 => 0.0001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 101

    0.2 => 0.0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 001

    用标准计数法表示如下:

    0.1 => (−1)0 × 2^4 × (1.1001100110011001100110011001100110011001100110011010)2

    0.2 => (−1)0 × 2^3 × (1.1001100110011001100110011001100110011001100110011010)2 

    在计算浮点数相加时,需要先进行 “对位”,将较小的指数化为较大的指数,并将小数部分相应右移:

    最终,“0.1 + 0.2” 在计算机里的计算过程如下:

    经过上面的计算过程,0.1 + 0.2 得到的结果也可以表示为:

    (−1)0 × 2−2 × (1.0011001100110011001100110011001100110011001100110100)2=>.0.30000000000000004

    通过 JS 将这个二进制结果转化为十进制表示:

    (-1)**0 * 2**-2 * (0b10011001100110011001100110011001100110011001100110100 * 2**-52); //0.30000000000000004

    console.log(0.1 + 0.2) ; // 0.30000000000000004

    这是一个典型的精度丢失案例,从上面的计算过程可以看出,0.1 和 0.2 在转换为二进制时就发生了一次精度丢失,而对于计算后的二进制又有一次精度丢失 。因此,得到的结果是不准确的。

    几乎所有的编程语言浮点数都是都采用IEEE浮点数算术标准

    在C或者java里面,double是64位浮点数,float 是32 浮点数:  1bit符号  8bit指数部分 23bit尾数。推荐阅读《JAVA 浮点数的范围和精度

    1. long与double在java中本身都是用64位存储的,但是他们的存储方式不同,导致double可储存的范围比long大很多

    2. long可以准确存储19位数字,而double只能准备存储16位数字(实际测试,是17位,)。double由于有exp位,可以存16位以上的数字,但是需要以低位的不精确作为代价。如果一个大于17位的long型数字存到double上,就会丢失数字末尾的精度

    3. 如果需要高于19位数字的精确存储,则必须用BigInteger来保存,当然会牺牲一些性能。

    java 基本数据类型

    基本类型存储需求位数bit数取值范围取值范围
    byte1byte8bit1*8(8)-2^7~2^7-1-128~127
    short2byte16bit2*8(16)-2^15~2^15-1-32768~32767
    int4byte32bit4*8(32)-2^31~2^31-1-2147483648~2147483647
    long8byte64bit8*8(64)-2^63~2^63-1=-9223372036854775808~9223372036854775807
    float4byte32bit4*8(32)3.4028235E38~1.4E-453.4028235*10^38~1.4*10^-45
    double8byte64bit8*8(64)-2^1023~2^10241.7976931348623157*10^308~4.9*10^-324
    char2byte16bit2*8(16)2^16 - 1unicode编码范围

     java中char类型占2个字节、16位可以存放汉子,字母和数字占一个字节,一个字节8位,中文占2个字节,16位。

    在表中,long最大为=2^63-1,而double为2^1024,

    java中int和float都是32位,long和double都是64位。为什么float和double表示的范围大那么多呢?因为double采用IEEE-745浮点数表示法

    double是n*2^m(n乘以2的m次方)这种形式存储的,只需要记录n和m两个数就行了,m的值影响范围大,所以表示的范围比long大。

    但是m越大,n的精度就越小,所以double并不能把它所表示的范围里的所有数都能精确表示出来,而long就可以。

    • float浮点数,小数点后第7位是部分准确的。例如,1.0000004就是1.00000035通过得到的,其实际保存和1.0000003相同。1.0000006也是通过舍入得到的。再往前第6位及以后均可以通过小数准确表示出来。通常说float数据的有效位是6~7位,也是这个原因。一般来说,无论是整数或者小数,用float表示时,从左边第一个非0的数字算起,从高到低的7位是准确的。此后的数位是不能保证精确的

    • double双精度浮点数小数部分有52位,和上面类似,最低6位(2^-52,2^-51,......)表示的规格化小数如下所示。从图中可以看出,双精度浮点数能准确表示到小数点后第15位,第16位部分准确。用double表示时,从左边第一个非0的数字起,从高到低的16位是准确的,此后的数位不一定精确

    尽管浮点数表示的范围很广,但由于精度损失的存在,加上幂次的放大作用,一个浮点数实际上是表示了周围的一个有理数区间。如果将浮点数绘制到一个数轴上,直观上看,靠近0的部分,浮点数出现较密集。越靠近无穷大,浮点数分布越稀疏,一个浮点值代表了周围一片数据。如下图所示。从这个意义上来说,浮点数不宜直接比较相等,它们是代表了一个数据范围。实际应用中,如果要使用浮点数计算,一定要考虑精度问题。在满足精度要求的前提下,计算结果才是有效的。 

    浮点数的取值范围图例说明在计算精度要求情形下,例如商业计算等,应该避免使用浮点数,严格采取高精度计算。

    浮点数丢失解决方案

    我们常用的分数(特别是在金融的计算方面)都是十进制分数1/10,1/100等。或许以后电路设计或许会支持十进制数字类型以避免这些舍入问题。在这之前,你更愿意使用大整数进行重要的金融计算,例如,要使用整数‘分’而不是使用小数‘元’进行货比单位的运算

    即在运算前我们把参加运算的数先升级(10的X的次方)到整数,等运算完后再降级(0.1的X的次方)。

    在java里面有BigDecimal库,js里面有big.js js-big-decimal.js。当然BCD编码就是为了十进制高精度运算量制。

    BCD编码

    BCD编码(一般指8421BCD码形式)亦称二进码十进数或二-十进制代码。用4位二进制数来表示1位十进制数中的0~9这10个数。一般用于高精度计算。比如会计制度经常需要对很长的数字串作准确的计算。相对于一般的浮点式记数法,采用BCD码,既可保存数值的精确度,又可免去使电脑作浮点运算时所耗费的时间

    为什么采用二进制

    1. 二进制在电路设计中物理上更易实现,因为电子器件大多具有两种稳定状态,比如晶体管的导通和截止,电压的高和低,磁性的有和无等。而找到一个具有十个稳定状态的电子器件是很困难的。

    2. 二进制规则简单,十进制有55种求和与求积的运算规则,二进制仅有各有3种,这样可以简化运算器等物理器件的设计。另外,计算机的部件状态少,可以增强整个系统的稳定性。

    3. 与逻辑量相吻合。二进制数0和1正好与逻辑量“真”和“假”相对应,因此用二进制数表示二值逻辑显得十分自然。

    4. 可靠性高。二进制中只使用0和1两个数字,传输和处理时不易出错,因而可以保障计算机具有很高的可靠性

    我觉得主要还是因为第一条。如果比如能够设计出十进制的元器件,那么对于设计其运算器也不再话下。

    JS数字精度丢失的一些典型问题

    两个简单的浮点数相加

    0.1 + 0.2 != 0.3 // true

    toFixed 不会四舍五入(Chrome)

    1.335.toFixed(2) // 1.33


    再问问一个问题 :在js数字类型中浮点数的最高精度多少位小数?(16位 or 17位?……why?

    1. JavaScript 能表示并进行精确算术运算的整数范围为:[-2^53-1,2^53-1],即从最小值 -9007199254740991 到最大值 9007199254740991 之间的范围。'9007199254740991'.length//16 

    2. IEEE754 规定,有效数字第一位默认总是1 。因此,在表示精度的位数前面,还存在一个 “隐藏位” ,固定为 1 ,但它不保存在 64 位浮点数之中。也就是说,有效数字总是 1.xx...xx 的形式,其中 xx..xx 的部分保存在 64 位浮点数之中,最长为52位 。所以,JavaScript 提供的有效数字最长为 53 个二进制位

    let a=1/3

    a.toString();//"0.3333333333333333"

    a.toString();.length//18

    a*3===0.3333333333333333*3===1

    0.3333333333333332*3!==1


    相关链接:  

    http://0.30000000000000004.com

    http://docs.oracle.com/cd/E19957-01/806-3568/ncg_goldberg.html




    转载本站文章《浮点数精度问题透析:小数计算不准确+浮点数精度丢失根源》,
    请注明出处:https://www.zhoulujun.cn/html/theory/ComputerScienceTechnology/Constitution/2016_0714_7860.html