MENU

IEEE 754 基本浮点数的精度和范围

2020 年 04 月 25 日 • 阅读: 14396 • 后端

IEEE，Institute of Electrical and Electronics Engineers，电气电子工程师学会（美）的缩写。754 标准，是其制定的，关于计算机软硬件中浮点数（小数）的表示和运算的标准，已被各大硬件厂商和编程语言采用，相信学过计算机组成原理、微机系统接口与原理，或任意一门编程语言的同学，对它都既熟悉又陌生，熟悉的是它的名字，陌生的是它的细节，本文将让你和它更熟悉一点。

表示格式

标准规定，浮点数以二进制科学计数法形式存储，具体分 符号 sign，指数 exponent 和 分数 fraction 三部分。实际值可由如下公式计算：

value = sign x 2^exponent x fraction

其中，分数为二进制小数，小数点前隐含一个 0 或 1。如果该小数绝对值大于 0 且小于 1，则小数点前为 0，否则为 1。前者称为 非规约形式的浮点数，后者为 规约形式的浮点数。

指数采用 移码 存储，使得 整个浮点数能按字典序比较大小。移码等于实际指数加 偏移量。记指数位数为 e，对于 规约形式的浮点数，其偏移量等于 2^(e-1) - 1，即 [0, 2^e-1] 的 中间值，非规约形式的浮点数 的偏移量比规约形式 小 1。

举例来说，32 位浮点数，指数占 8 位，规约形式浮点数的偏移量为 [0, 255] 的中间值 127，非规约形式为 126。64 位浮点数，指数占 11 位，规约形式浮点数的偏移量为 [0, 2047] 的中间值 1023，非规约形式为 1022。

浮点数指数部分的实际取值范围是 [-2^(e-1)+2, 2^(e-1)-1]，其中 e 为指数所占位数。e 位二进制共能表示 2^e 个数，前述区间少了 2 个，因为左边的 -2^(e-1)+1 被保留用作表示 0，右边的 2^(e-1) 被保留用作表示 无穷大和 NaN。

举例来说，32 位浮点数，指数占 8 位，实际取值范围是 [-126, 127]，-127 用作表示 0，128 用作表示无穷大和 NaN。64 位浮点数，指数占 11 位，实际取值范围是 [-1022, 1023]，-1023 用作表示 0，1024 用作表示无穷大和 NaN。

特殊值

下文中指数均为移码，小数为二进制形式。

  1. 零。若 指数 为 0，小数部分 也为 0，则该数为 ±0。
  2. 无穷。若 指数 为 2^e-1，小数部分 为 0，则该数为 ±∞。
  3. 非数。若 指数 为 2^e-1，小数部分 非 0，则该数为 NaN。
形式指数小数
零00
非规约形式0大于 0 小于 1
规约形式1 到 2^e-2大于等于 1 小于 2
无穷2^e-10
NaN2^e-1非 0

可以看到除了 NaN，从上至下，数值的 绝对值 和对应 指数 都是越来越大的。下面以 32 位单精度浮点数 符号位（ 1 位）+ 指数域（ 8 位）+ 尾数域（ 23 位） 为例，直观介绍其在计算机中的存储。下表中，最大最小均指 绝对值，符号位的 * 表示 可正可负，正为 0，负为 1。

类别符号位实际指数偏移指数指数域尾数域数值
1*0127低 7 位为 1全 0±1.0
零*-127（保留）0全 0全 0±0.0
最小非规约数*-1260（偏 126）全 0最低位为 1±2^(-126)*2^(-23)
最大非规约数*-1260（偏 126）全 0全 1±2^(-126)*(1-2^(-23))
最小规约数*-1261最低位为 1全 0±2^(-126)
最大规约数*127254高 7 位为 1全 1±2^127*(2-2^(-23))
无穷*128（保留）255全 1全 0±∞
NaN*128（保留）255全 1非全 0非数

着重关注以下 4 点：

  1. 实际指数的 -127 和 128 保留，分别表示 0 和 ∞/NaN。
  2. 规约数指数偏移量为 127，非规约减 1。
  3. 最大非规约数尾数域 + 最小非规约数尾数域 = 1
  4. 最大规约数尾数域 + 最小非规约数尾数域 = 2

关于 3，4 两点，作二进制加法即可理解：

第 3 点
  0. 111 1111 1111 1111 1111 1111 1111 1111 （最大非规约数尾数域）
+ 0. 000 0000 0000 0000 0000 0000 0000 0001 （最小非规约数尾数域）
-------------------------------------------
= 1. 000 0000 0000 0000 0000 0000 0000 0000 （小数点前为隐含值）

第 4 点
  1. 111 1111 1111 1111 1111 1111 1111 1111 （最大规约数尾数域）
+ 0. 000 0000 0000 0000 0000 0000 0000 0001 （最小非规约数尾数域）
-------------------------------------------
= 2. 000 0000 0000 0000 0000 0000 0000 0000 （小数点前为隐含值）

64 位双精度浮点数 符号位（ 1 位）+ 指数域（ 11 位）+ 尾数域（ 52 位） 相应值如下：

类别符号位实际指数偏移指数指数域尾数域数值
1*01023低 10 位为 1全 0±1.0
零*-1023（保留）0全 0全 0±0.0
最小非规约数*-10220（偏 1022）全 0最低位为 1±2^(-1022)*2^(-52)
最大非规约数*-10220（偏 1022）全 0全 1±2^(-1022)*(1-2^(-52))
最小规约数*-10221最低位为 1全 0±2^(-1022)
最大规约数*10232046高 10 位为 1全 1±2^1023*(2-2^(-52))
无穷*1024（保留）2047全 1全 0±∞
NaN*1024（保留）2047全 1非全 0非数

同理有以下 4 点：

  1. 实际指数的 -1023 和 1024 保留，分别表示 0 和 ∞/NaN。
  2. 规约数指数偏移量为 1023，非规约减 1022。
  3. 最大非规约数尾数域 + 最小非规约数尾数域 = 1
  4. 最大规约数尾数域 + 最小非规约数尾数域 = 2

比较大小

正数一定大于负数，无穷大于所有数，非数不能比较大小；除此之外，则可按指数域和尾数域的字典顺序比较。

舍入规则

很多十进制小数 转为 二进制会 超出尾数域位数 甚至 无限循环，上述情况在 运算过程中 也有可能发生，这时就需要丢弃部分位，以满足浮点数存储要求，这些原因都导致浮点数不能精确表示所有实数。IEEE 754 规定了以下 4 种舍入规则：

  • 舍入到最接近：将结果舍入到最接近且可以表示的值，若存在两个一样接近的值，取偶数（二进制以 0 结尾）。
  • 向正无穷方向舍入。
  • 向负无穷方向舍入。
  • 向 0 舍入。

其中第一种是默认规则，可通过配置指定其他几种。下面以十进制为例，说明以上舍入方法。

round(0.5)=0 // 舍入到最近，0.5 到 0 和 1 距离相等，取偶数 0
ceil(1.324)=2 // 向正无穷舍入
floor(1.324)=1 // 向负无穷舍入
(int)1.324=1 // 向 0 舍入

精度损失

由于浮点数 位数有限，不可能精确表示所有实数，浮点运算必然存在精度损失。

十进制转二进制

十进制小数转二进制分两部分，整数和小数。整数采用 除二取余，小数采用 乘二取整法。举例来说，十进制 7.1 转为 32 位单精度二进制浮点数 的过程如下：先将整数 7 转为二进制 111，再将小数 0.1 转为二进制，以下是 乘二取整 过程。

0.1 x 2 = 0.2 取 0
0.2 x 2 = 0.4 取 0
0.4 x 2 = 0.8 取 0
0.8 x 2 = 1.6 取 1
0.6 x 2 = 1.2 取 1，下面将是 0011 无限循环
0.2 x 2 = 0.4 取 0
0.4 x 2 = 0.8 取 0
0.8 x 2 = 1.6 取 1
0.6 x 2 = 1.2 取 1
...

可见 0.1 这个十进值小数转为二进制是无限位的，而单精度总共就 32 位，所以只能取其近似值。32 位浮点数尾数是 23 位，因此先采用 就近舍入 取 23 位 000 1100 1100 1100 1100 1101，现在整个浮点数是 111.000 1100 1100 1100 1100 1101。然而还要保证小数点前只为 0/1，所以要把小数点左移 2 位，这样尾数右边就要再丢掉 2 位，采用 就近舍入 最终变为 2^2 * 1.110 0011 0011 0011 0011，按照标准格式表示，符号位为 0，指数域存储移码 (2+127) 的二进制 1000 0001，尾数域 110 0011 0011 0011 0011，即

0 1000 0001 110 0011 0011 0011
s |   e   | |       f        |

从上面乘二取整的过程可以看出，0.2, 0.4, 0.6, 0.8 的二进制都是无限位。又因为

0.3 x 2 = 0.6
0.7 x 2 = 1.4
0.9 x 2 = 1.8

所以 0.3, 0.7, 0.9 的二进制也是无限循环的，总结下来，0.1, 0.2, ... , 0.9 这 9 个小数的二进制，只有 0.5 不是无限循环，其他 8 个都无法精确表示。

二进制转十进制

观察以下二进制小数转十进制：

0.1        = 2^-1 => 0.5
0.01       = 2^-2 => 0.25
0.001      = 2^-3 => 0.125
0.0001     = 2^-4 => 0.0625
0.00001    = 2^-5 => 0.03125
0.000001   = 2^-6 => 0.015625
0.0000001  = 2^-7 => 0.0078125
0.00000001 = 2^-8 => 0.00390625
...

由于结果都是 0.x5 形式，而从上至下每次都要除以一个 2 将其变为 0.x25，即末尾会增加一位。又因为前缀 0.x 除以 2 的位数只增不减（任意小数除以 2 位数不会减少），所以从上至下，结果位数总是增加的。

因此上述各个等式任意相加 除了第一个等式，允许其他等式自身相加，都无法消掉结尾的 5，结果总是 0.x5 形式，即有结论 0.x1 = 2^k = 0.y5，其中 x 可以是任意多个 0/1，y 可以是任意多个 0-9。

事实上，上述等式的任意相加，等价于各个二进制位取 0/1，其所有结果组成的集合就是所有二进制浮点数。反过来说，一个十进制小数如果不以 5 结尾，则不能精确转为二进制浮点数。

我们知道，m 位十进制数有 10^m 个（每一位有 10 种可能性）。同样地，m 位二进制数有 2^m 个。所以，m 位十进制数能精确用 m 位二进制浮点数表示的比例为 (2/10)^m，即 0.2^m。对于 32 和 64 位浮点数，其有效二进制位分别为 24 和 53 位，该比例分别为 1.6777216 x 10^(-17) 和 0.9007199247400992 x 10^(-37)。可以看到 十进制整数越大越不可能转为精确的二进制浮点数。

运算过程

二进制浮点数的加减运算分 对阶、尾数求和、规格化、舍入和溢出判断 5 步。下面以常考面试题举例，说明上述过程。

问题一：为何以下 JavaScript 代码输出 false？

console.log(0.1 + 0.2 == 0.3);

解析：JS 中的数字都是 IEEE 754 64 位双精度浮点数，进行十进制运算大体分三步：

  1. 十进制转二进制浮点数
  2. 二进制数运算
  3. 二进制结果转十进制

首先完成 进制转换。

尾数
0.1 => 0.0 0011 0011 0011 0011 0011 0011 0011 0011 .... 循环
0.2 => 0.0 0110 0110 0110 0110 0110 0110 0110 0110 .... 循环

规格化
0.1 => 2^(-4) x 1.1001 1001 1001 1001 1001 1001 1001 .... 循环
0.2 => 2^(-3) x 1.1001 1001 1001 1001 1001 1001 1001 .... 循环

转 64 位浮点数标准格式，尾数就近舍入到 52 位，此处发生精度损失
0.1 => 0,011 1111 1011,1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001(1)
0.1 => 0,011 1111 1011,1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1010(取最近偶数)
0.2 => 0,011 1111 1100,1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1010

接下来进行二进制运算，由于阶数不同，先 对阶，小阶向大阶看齐，小阶尾数右移 阶差 位。之所以不左移是因为左边为高位，丢掉损失很大。

0.1 尾数右移 1 位，左边移入隐含的 1，右边移出一个 0，再次产生误差
0.1 => 0,011 1111 1100,1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1101(0)
0.1 => 0,011 1111 1100,1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1101(取最近)
0.2 => 0,011 1111 1100,1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1010

接下来进行 尾数求和。

  0.1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1101
+ 1.1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1010
--------------------------------------------------------------------
 10.0110 0110 0110 0110 0110 0110 0110 0110 0110 0110 0110 0110 0111

将尾数 规格化，指数加 1，尾数右移 1 位，就近 舍入，再次产生误差。

1.0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011(1) x 2
1.0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0100 x 2 (取最近偶数)

转为标准格式。

0.1 + 0.2 = 0,011 1111 1101,0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0100
      0.3 = 0,011 1111 1101,0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011

可以看出两者相差 2^(-52-2)，并非完全相等。

问题二：写出以下 JavaScript 代码的运行结果

var one = 0.1, two = 0.2, six = 0.6, eight = 0.8;
[two-one == one, eight-six == two];

答案：[true, false]

解析：

前半部分转 IEEE 754
0.1 => 0,011 1111 1011,1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1010
0.2 => 0,011 1111 1100,1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1010

对阶
0.1 => 0,011 1111 1100,1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1101
0.2 => 0,011 1111 1100,1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1010

尾数求和
0.2 =>   1.1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1010
0.1 => - 0.1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1101
---------------------------------------------------------------------------
0.1 =>   0.1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1101
结果和 0.1 完成相同，因此是 true

后半部分转  IEEE 754
0.6 x 2 = 1.2
0.2 x 2 = 0.4
0.4 x 2 = 0.8
0.8 x 2 = 1.6
0.6 x 2 = 1.2
0.2 x 2 = 0.4
0.4 x 2 = 0.8
...

尾数二进制
0.6 => 0.1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001(1)
0.8 => 0.1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100(1)

尾数取 52 位，就近舍入
0.6 => 0.1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1010
0.8 => 0.1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1101

无需对阶，尾数求和
0.8 =>   0.1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1101
0.6 => - 0.1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1010
---------------------------------------------------------------------------
         0.0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011
    =>   1.1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1000
0.2 =>   1.1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1010
结果和 0.2 最后两位不同，因此是 false

问题三：解释以下 JavaScript 中 Number 对象的几个静态属性

Number.EPSILON => 1.0 与距离其最近的可表示的浮点数的差值 => 2^(-52)，IEEE 754 格式如下
0,000 0000 0000,0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0001

Number.MAX_VALUE => 可以表示的最大有限数 => 2^1023 x [2-2^(-52)]，IEEE 754 格式如下
0,111 1111 1110,1111 1111 1111 1111 1111 1111 1111 1111 1111 1111 1111 1111 1111

Number.MIN_VALUE => 可以表示的最接近 0 的正数 => 2^(-1022)*2^(-52)，IEEE 754 格式如下
0,000 0000 0000,0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0001

Number.MAX_SAFE_INTEGER => 可以精确表示和比较的最大整数 => 2^52 x [2-2^(-52)]，IEEE 754 格式如下
0,100 0011 0011,1111 1111 1111 1111 1111 1111 1111 1111 1111 1111 1111，实际值如下
  2^52 x 1.1111 1111 1111 1111 1111 1111 1111 1111 1111 1111 1111
+ 2^52 x 0.0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0001
-----------------------------------------------------------------
  2^53 x 1.0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000
+ 2^53 x 0.0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0001
-----------------------------------------------------------------
  2^53 x 1.0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0001 => 2^53 x 1 + 2^53 x 2^(-52) => 2^53 + 2
也就是说，虽然最低位只加 1，也就是 2^(-52)，但系数是 2^53，乘起来就是 2，从十进制角度就是每次至少加 2

Number.MIN_SAFE_INTEGER => 可以精确表示和比较的最小整数 => -2^52 x [2-2^(-52)]，IEEE 754 格式如下
1,100 0011 0011,1111 1111 1111 1111 1111 1111 1111 1111 1111 1111 1111，实际值如下
-2^52 x 1.1111 1111 1111 1111 1111 1111 1111 1111 1111 1111 1111
-2^52 x 0.0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0001
---------------------------------------------------------------
-2^53 x 1.0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000
-2^53 x 0.0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0001
---------------------------------------------------------------
-2^53 x 1.0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0001 => -2^53 x 1 - 2^53 x 2^(-52) => -2^53 - 2
也就是说，虽然最低位只减 1，也就是 2^(-52)，但系数是 -2^53，乘起来就是 -2，从十进制角度就是每次至少减 2

问题四：写出以下 Java 代码的运行结果

public static void main(String[] args) throws Exception {
    System.out.println(Math.min(Integer.MIN_VALUE, 0));
    System.out.println(Math.min(Float.MIN_VALUE, 0.0f));

    try {
        int i = 1 / 0;
        System.out.println(i);
    } catch (Exception e) {
        System.out.println("exception 1 / 0");
    }

    try {
        float f1 = 1.0f / 0.0f;
        System.out.println(f1);
        System.out.println(f1 == f1);
    } catch (Exception e) {
        System.out.println("exception 1.0f / 0.0f");
    }

    try {
        float f2 = 0.0f / 0.0f;
        System.out.println(f2);
        System.out.println(f2 == f2);
    } catch (Exception e) {
        System.out.println("exception 0.0f / 0.0f");
    }
}

答案

结果
-2147483648
0.0
exception 1 / 0
Infinity
true
NaN
false

原因
1. Integer 是 int 的包装类，底层仍为 int。int 占 4 字节 32 位，因此取值范围 [-2^31, 2^31-1]，2^31=2147483648
2. 整数不能除以 0
3. IEEE 754 有限值除以 0 结果为无穷大
4. IEEE 754 规定无穷等于自身
5. IEEE 754 规定一个数无法确定时，它是 NaN
6. IEEE 754 规定 NaN 与任何数比较都是 false（除了 !=）

问题五：写出以下 C++ 代码的运行结果

float f_v1 = 20;
float f_v2 = 20.3;
float f_v3 = 20.5;

double d_v1 = 20;
double d_v2 = 20.3;
double d_v3 = 20.5;

cout << ((f_v1 == d_v1)?"true":"false") << endl;
cout << ((f_v2 == d_v2)?"true":"false") << endl;
cout << ((f_v3 == d_v3)?"true":"false") << endl;

答案

结果
true
false
true

原因
20 能精确转为二进制，且不超出 float 范围 => 1 0100。上文说过，0.5 能精确转为二进制，且不超出 float 范围 => 0.1，剩下的 0.1-0.4, 0.6-0.9 都不行
0.3 x 2 = 0.6
0.6 x 2 = 1.2
0.2 x 2 = 0.4
0.4 x 2 = 0.8
0.8 x 2 = 1.6
0.6 x 2 = 1.2
...

f_v1 => 20.0 => 1 0100.0                          => 1.010 0000 0000 0000 0000 0000
f_v2 => 20.3 => 1 0100.0100 1100 1100 1100 110(0) => 1.010 0010 0010 0010 0010 0010
f_v3 => 20.5 => 1 0100.1                          => 1.010 0100 0000 0000 0000 0000

d_v1 => 20.0 => 1 0100.0                                                              => 1.010 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0
d_v2 => 20.3 => 1 0100.0100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100(1) => 1.010 0010 0010 0010 0010 0010 0010 0010 0010 0010 0010 0010 0010 1
d_v3 => 20.5 => 1 0100.1                                                              => 1.010 0100 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0

最终比较，要把 float 转 double，所以
f_v1 => double，直接补 0，和 d_v1 相等
f_v2 => double，直接补 0，和 d_v2 不等
f_v3 => double，直接补 0，和 d_v3 相等

总结

由于各大编程语言都用 IEEE 754 标准实现浮点数，所以它们的结果大多数情况下都是不准确的，不能按照十进制运算理解，特别是比较大小时。产生误差的具体细节为：

  1. 十进制转二进制可能超出尾数位数，甚至无限循环，此时必然产生舍入误差。
  2. 对阶时，小阶尾数右移可能产生舍入误差。
  3. 规格化时，尾数如需右移同样可能产生舍入误差。
  4. 单精度表示整数时，最大精度为 2^24 - 1。
  5. 双精度表示整数时，最大精度为 2^53 - 1。

高精度计算需借助相应语言采用其他方法实现的类库，如 Java 的 BigDecimal，JavaScript 的 mathjs 等。

参考资料

如有问题请在下方留言，文章转载请注明出处，详细交流请加下方群组！请大佬不要屏蔽文中广告，因为它将帮我分担服务器开支，如果能帮忙点击我将万分感谢。

TG 大佬群 QQ 大佬群

Back EndJavaScript
最后编辑于: 2022 年 08 月 03 日
返回文章列表 文章二维码
本页链接的二维码
打赏二维码
添加新评论

Loading captcha...

已有 2 条评论
  1. noob noob   Windows 10 x64 Edition  Google Chrome 103.0.5060.134
    回复

    你好，32 位单精度浮点数表格中的最小规约数的数值，我算到了正负2^(-125)。你那应该是把1当十进制了。如果我没理解错的话。方便的话，帮我确认下，我想知道IEEE754 float能表示的最小正整数是多少？

    1. LOGI LOGI   Windows 10 x64 Edition  Google Chrome 103.0.0.0
      回复

      @noob绝对值最小规约数是正负 2^(-126)。并且你最后问的有问题，最小正整数当然是 1