浮点数(三)

从结果为我们得知，无论是使用float类型的变量来存储数值，还是用double类型的变量来存储数值，都损失了一定的精度，在使用浮点数来输出时，都未能输出准确的结果。

【浮点数的缺陷2】测试一下用浮点数来存储较小的数据。
Java代码
public class FloatTest2 {
public static void main(String[] args) {
for(float f = 0.1f; f < 1; f += 0.1){
System.out.println(f);
}
for(double d = 0.1f; d < 1; d += 0.1){
System.out.println(d);
}
}
}

// 运行结果：
// 0.1
// 0.2
// 0.3
// 0.4
// 0.5
// 0.6
// 0.70000005
// 0.8000001
// 0.9000001
// 0.10000000149011612
// 0.20000000149011612
// 0.30000000149011613
// 0.40000000149011616
// 0.5000000014901161
// 0.6000000014901161
// 0.7000000014901161
// 0.8000000014901161
// 0.900000001490116

从结果可知，虽然在计算的时候每次递增0.1，然而结果却是如此的不尽人意。从两个例子可以得出：不论是存储达的数值，还是小的数值，浮点数都不是十分的准确。浮点数在计算机中只是近似的存储，类似于1/3这样的无限小数，用浮点数也不能准确地表示出来。这里需要注意的是，在第二个例子中，我们看到0.1~0.6的输出结果是正确的，而从0.7开始才出现误差。其实是我们的眼睛受骗了。

在执行float f=0.1f时，计算机中的数据并不是纯粹的0.1，而是类似于0.1000~000xxx的形式，其中000~000表示若干个0，xxx表示若干个数字，假设其数据为0.1000000000111111，而folat类型只能保留7~8位有效数字，这样就会从中间截断，从而float存储的值成为0.10000000，即浮点数值0.1。

（2）浮点数的大小比较
Java代码
public class FloatTest3 {
public static void main(String[] args) {
double d1 = 0.1;
double d2 = 0.2;
double d3 = d1 + d2;

if (d1 + d2 == 0.3) {
System.out.println("d1 + d2 == 0.3");
} else {
System.out.println("d1 + d2 != 0.3");
System.out.println(d3);
}
}
}

// 运行结果：
// d1 + d2 != 0.3
// 0.30000000000000004

再次说明，浮点数的存储是有一定的误差的，所以，不要用浮点数进行相等的比较，也不要进行混合比较（如int与float的比较）。

（3）数量级相差很大时浮点数的运算
在使用浮点数时，还需要注意一点，那就是不要再数量级相差太大的数之间进行加减运算，这样可能无法改变原数量级较大的操作数。情况下例：
Java代码
public class FloatTest4 {
public static void main(String[] args) {
float f1 = 16777216f;
float f2 = f1 + 1;

if(f1 == f2){
System.out.println("f1等于f2");
} else {
System.out.println("f1不等于f2");
}

System.out.println("f1 = " + f1);
System.out.println("f2 = " + f2);
}
}

// 运行结果：
// f1等于f2
// f1 = 1.6777216E7
// f2 = 1.6777216E7

这与浮点数的内部表示有关，这里可以不必理会浮点数复杂的存储原理，只要明白浮点数毕竟只是近似的存储，而且其存储值越大时，损失的精度也越大，对其进行数量级相差较大的加减元素按就会得不到想要的结果。

作者“yuanzhifei89”