浮点数的比较

本文探讨了浮点数的精度和有效位数对其比较的影响,并指出使用double类型的必要性。通过实例展示了如何正确地进行浮点数的比较,强调了使用double而非float的优劣。

http://blog.sina.com.cn/s/blog_53a8498d0101a6cd.html


浮点数的精度和有效位影响比较的正确性如:

/*浮点数的比较*/

#include <iostream>

using namespace std;

int main()

{

    float f1 = 7.123456789;

    float f2 = 7.123456785;

    if ( f1==f2 ) cout<<"f1 equal to f2\n";


    double d1 = 7.123456789;

    double d2 = 7.123456785;

    if ( d1!=d2 ) cout<<"d1 not equal to d2\n";


    float f = 1.0/3.0;

    double d = 1.0/3.0;

    if ( f!=d ) cout<<"f not equal to d\n";

    return 0;


    return 0;

}

结果为:

    f1 equal to f2

    d1 not equal to d2

    f not equal to d

 由于十进制单精度浮点数的有效位数为7,两个前7位相等而后面不同的数有可能在计算机中表示为同一个浮点数,因为float表示的精度有限而不能分辨出其差异,这就是错误的根源。如果要分辨,则应该用表示能力更强的数据类型double或long double来表示这两个数。

提倡使用double,因为对于浮点数的运算在计算机内部也是先转换为double进行处理。


#include <iostream>
#include <cmath>
using namespace std;
int main()
{
    double d1 = 123456789.9*9;
    double d2 = 1111111109.1;
cout<<"d1="<<d1<<"   d2="<<d2<<endl;
    if ( d1!=d2 )  cout<<"精确比较:d1 and d2 , Not same \n";
       else cout <<"Same\n";
    if ( abs(d1-d2)<1e-5 )  cout <<"近似比较:d1 and d2 , Same\n" ;
       else cout <<"d1 and d2 , Not same\n";
    return 0;
}

运行结果:


使用浮点数进行相等(==)和不相等(!=)比较时的操作通常是有问题的。
浮点数的相等比较,一般总是使用两者相减的值是否落在0的领域中来判断。

比较浮点数的大小时,由于浮点数的表示和计算存在精度问题,直接使用 `==` 或其他比较运算符可能会导致不准确的结果。因此,需要采用更可靠的方法来判断浮点数的相等性或大小关系。 ### 浮点数比较的基本原则 1. **避免直接使用 `==` 或 `!=`** 浮点数在计算机中的存储和计算存在舍入误差,因此直接使用 `==` 或 `!=` 进行比较通常是不可靠的。 2. **使用误差范围(精度)进行比较** 判断两个浮点数是否相等,可以通过计算它们之间的差是否小于一个很小的精度(如 `1e-6` 或 `1e-9`)来实现。例如,在 Python 中可以使用以下方式: ```python import math def is_equal(a, b, precision=1e-6): return abs(a - b) <= precision ``` 3. **比较大小时使用标准比较运算符** 虽然浮点数的相等性需要特殊处理,但大小比较(如 `<` 或 `>`)可以直接使用标准运算符。然而,如果浮点数接近相等,可能会因精度问题导致比较结果不稳定。 ### 浮点数的精度问题 浮点数的精度问题源于其在计算机中的表示方式。根据 IEEE 754 标准,浮点数采用“尾数+阶码”的编码方式,类似于科学计数法的有效数字和指数表示。由于二进制无法精确表示所有十进制小数(如 `0.1`),因此浮点数的计算结果可能会存在舍入误差[^4]。 例如,在 Java 中,以下代码会返回 `false`: ```java float a = 1.0f - 0.9f; float b = 0.9f - 0.8f; System.out.println(a == b); // false ``` ### 浮点数比较方法 1. **使用绝对误差** 绝对误差是指两个浮点数之间的绝对差。如果差小于一个预定义的精度,则认为它们相等: ```python def is_equal_absolute(a, b, precision=1e-6): return abs(a - b) <= precision ``` 2. **使用相对误差** 相对误差是指两个浮点数之间的差与其中一个数的比例。这种方法适用于较大的数: ```python def is_equal_relative(a, b, precision=1e-6): return abs(a - b) <= precision * max(abs(a), abs(b)) ``` 3. **结合绝对误差和相对误差** 为了兼顾小数和大数比较,可以同时使用绝对误差和相对误差: ```python def is_equal_combined(a, b, precision=1e-6): return abs(a - b) <= precision * max(1.0, abs(a), abs(b)) ``` ### 浮点数比较的注意事项 - **选择合适的精度** 精度的选择取决于具体应用场景。对于单精度浮点数(`float`),通常使用 `1e-6`;对于双精度浮点数(`double`),通常使用 `1e-9`。 - **避免直接比较 NaN 和无穷大** 浮点数中可能存在 `NaN`(非数字)和无穷大(如 `inf`)。在比较时,需要先检查这些特殊。 - **考虑浮点数的舍入误差** 浮点数的计算可能会引入舍入误差,因此在进行多次计算后,误差可能会累积。 ### 示例代码 以下是一个完整的 Python 示例,展示了如何比较两个浮点数: ```python import math def is_equal(a, b, precision=1e-6): return abs(a - b) <= precision # 示例 x = 0.1 + 0.2 y = 0.3 print(is_equal(x, y)) # 输出 True ``` ### 总结 浮点数比较需要考虑精度问题,直接使用 `==` 或 `>` 等运算符可能会导致不可靠的结果。推荐使用误差范围(绝对误差、相对误差或两者的结合)来判断浮点数是否相等,并根据具体需求选择合适的精度。 ---
评论
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