C语言中整型和浮点型在内存中的存储方式

本文详细解释了整型(包括原码、反码和补码)和浮点型在内存中的存储方式,重点介绍了大小端存储的概念,并通过代码示例解析了浮点数在不同情况下的表示。讨论了IEEE754标准对32/64位浮点数存储的规则,以及如何理解代码中浮点数值的输出变化。

1.整型在内存中的存储

整数的二进制表示方法有三种:原码,反码,补码

正整数原,反,补码都是相同的
负整数的三种表示方法各不相同

比如拿-1举例(在32位机器上):

int a=-1;
//10000000 00000000 00000000 00000001//原码
//11111111 11111111 11111111 11111110//反码
//11111111 11111111 11111111 11111111//补码

对于整型来说,数据存放在内存中其实存放的是补码

2.大小端的判断

#include <stdio.h>
int main()
{
	int a=0x11223344;
	
	return 0;
}

在这里插入图片描述
我们可以看见a在内存中是倒着存储的,这是为什么呢?其实这就是小端存储

2.1 什么是大小端存储?

  • 大端(存储)模式:

是指数据的低位字节内容保存在内存的高地址处,而数据的高位字节内容,保存在内存的低地址处

  • 小端(存储)模式:

是指数据的低位字节内容保存在内存的低地址处,而数据的高位字节内容,保存在内容的高地址

用代码实现判断一个机器是大端存储还是小端存储:
在这里插入图片描述

3.浮点型在内存中的存储

首先我们先来看一段代码:

#include <stdio.h>
int main()
{
	int n = 9;
	float* pFloat = (float*)&n;
	printf("n的值为:%d\n", n);
	printf("*pFloat的值为:%f\n", *pFloat);
	*pFloat = 9.0;
	printf("num的值为:%d\n", n);
	printf("*pFloat的值为:%f\n", *pFloat);
	return 0;
}

大家能否知道输出的结果是什么?
相信大多数人都会认为输出9 9.0 9 9.0
其实真正输出的是:
在这里插入图片描述
是不是觉得大吃一惊,其实如果我们要理解这个结果,就需要搞清楚浮点数在计算机内部的表示方法。
在这里插入图片描述
举例来说:
十进制5.0,写成二进制是101.0,相当于1.01*2^2
那么我们可以得出S=0,M=1.01,E=2

IEEE 754规定:

  • 对于32位的浮点数,最高的1位存储符号S,接着的8位存储指数E,剩下的23位存储有效数字M
  • 对于64位的浮点数,最高1位存储符号S,接着的11位存储指数E,剩下的52位存储有效数字M
    在这里插入图片描述
    在这里插入图片描述
    对于指数E,情况就比较复杂:
    首先,E是一个无符号整数
    意味着,如果E是8位,它的取值范围0 ~ 255;如果E为11位,它的取值范围0 ~ 2047。但是我们知道科学计数法中的E是可以出现负数的,所以 IEEE 754 规定,存入内存时E的真实值必须再加上一个中间数,对于8位的E,这个中间数是127;对于11位的E,这个中间数是1023.

指数E从内存中取出还可以分为三种情况:

  • E不全为0或不全为1
    这时,浮点数就采用下面的规则表示,即指数E的计算值减去127(或1023),就得到真实值,再将有效数字M前加上第一位的1.
    比如:0.5的二进制形式为0.1,由于规定正数部分必须为1,所以将小数点右移1位,则位1.0*2^(-1),则S=0,M=1.0,E=-1+127=126.其二进制表示形式
//0 01111110 00000000000000000000000
  • E全为0
    表示±0,很接近于0的很小的数字.这是浮点数的指数E等于1-127(或1-1023)即为真实值。
  • E全为1
    表示±无穷大

3.1题目解析

好了,了解了浮点数在内存中的存储规则,下面我们来解析下我们刚刚那道代码题:

#include <stdio.h>
int main()
{
	int n = 9;
	//00000000 00000000 00000000 00001001
	float* pFloat = (float*)&n;
	//&n原本是int*类型的,现在强制类型转换成float*
	//0 00000000 00000000000000000001001
	//S=0,E=0,M=00000000000000000001001
	//(-1)^0*00000000000000000001001*2^(-126)  这是一个很小很小的数,又由于浮点数(float)只有6位小数部分,所以最后结果0.000000
	printf("n的值为:%d\n", n);//9
	printf("*pFloat的值为:%f\n", *pFloat);//0.000000
	*pFloat = 9.0;
	//9.0   1001.0==(-1)^0*1.001*2^3
	//S=0,E=3+127=130,M=1.001
	//0 10000010 00100000000000000000000
	printf("num的值为:%d\n", n);//0 10000010 00100000000000000000000这个转化成十进制将是非常大是数字 1091567616
	printf("*pFloat的值为:%f\n", *pFloat);//9.0
	return 0;
}
基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量一致性;后期处理则涉及模型输出的物理量转换结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值