整型和浮点型数据的存储(1)

1.整数在内存中的存储

整型数据的二进制表示方式有三种,原码,补码以及反码

三种表示方式都有符号位和数值位,符号位用“0”来表示正,用“1”来表示负,而最高位就是符号位,其余都是数值位。

正整数的原码,补码,反码都相同;

负整数的原码,补码,反码都不相同;

原码:将原来数值按照正负数的形式来翻译成二进制就可以得到。

反码:将原码的符号位不动,其他位按位取反。

补码:反码+1。

对于整数来说,数据存在内存中其实就是存补码;

2.大小端字节序和字节序判断

我们了解整数在内存中的存储之后,让我们来看一段代码:

#include<stdio.h>
int main()
{

	
		int a = 0x11223344;

		return 0;
	
}

我们打开内存监视器,可以看到,a中的0x11223344是以字节为单位,倒着存储的。早上为什么呢?

2.1什么是大小端?
其实超过⼀个字节的数据在内存中存储的时候,就有存储顺序的问题,按照不同的存储顺序,我们分
为大端字节序存储和小端字节序存储,下⾯是具体的概念:
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 在内存的高地址处。
上述概念需要记住,方便分辨大小端。
2.2为什么会有大小端之分
这是因为在计算机系统中,我们是以字节为单位的,每个地址单元都对应着⼀个字节,⼀个字节为8 bit 位,但是在C语⾔中除了8 bit 的 char 之外,还有16 bit 的 short 型,32 bit 的 long 型(要看
具体的编译器),另外,对于位数大于8位的处理器,例如16位或者32位的处理器,由于寄存器宽度大于⼀个字节,那么必然存在着⼀个如何将多个字节安排的问题。因此就导致了大端存储模式和小端存储模式。
例如:⼀个 16bit short x ,在内存中的地址为 0x0010 x 的值为 0x1122 ,那么 0x11 为高字节, 0x22 为低字节。对于大端模式,就将 0x11 放在低地址中,即 0x0010 中, 0x22 放在高地址中,即 0x0011 中。小端模式,刚好相反。我们常⽤的 X86 结构是小端模式,而 KEIL C51 则为大端模式。很多的ARM,DSP都为小端模式。有些ARM处理器还可以由硬件来选择是大端模式还是小端模式。

3.如何判断当前机器的字节序

#include <stdio.h>
int check_sys()
{
 int i = 1;
 return (*(char *)&i);
}
int main()
{
 int ret = check_sys();
 if(ret == 1)
 {
 printf("⼩端\n");
 }
 else
 {
 printf("⼤端\n");
 }
 return 0;
}
运行结果:

### 如何在编程语言中正确比较整型浮点型数值 在编程语言中,整型浮点型数据的比较需要特别注意精度问题。由于浮点数在计算机中无法精确表示某些值(例如 0.1),直接使用等号进行比较可能会导致意外的结果[^1]。 以下是一些通用的方法来正确比较整型浮点型数据: #### 1. 使用误差范围比较浮点数 对于浮点数的比较,通常不建议直接使用等号(`==`)。相反,可以定义一个很小的误差范围(称为 **epsilon**),并在该范围内判断两个浮点数是否相等。代码示例如下: ```python def are_floats_equal(a, b, epsilon=1e-9): return abs(a - b) < epsilon # 示例 a = 0.1 + 0.2 b = 0.3 if are_floats_equal(a, b): print("浮点数相等") else: print("浮点数不相等") ``` 这种方法的核心在于引入了一个可接受的误差范围 `epsilon`,以避免因浮点数精度问题导致错误结果[^1]。 #### 2. 转换为整型后比较 如果浮点数的实际值可以转换为整型而不会丢失精度,可以通过将浮点数放大后再转换为整型进行比较。例如: ```python def compare_int_and_float(i, f): factor = 1000000 # 根据浮点数精度选择合适的倍数 return int(f * factor) == i * factor # 示例 i = 1 f = 1.0000001 if compare_int_and_float(i, f): print("整型浮点型相等") else: print("整型浮点型不相等") ``` 此方法适用于浮点数的精度范围已知且有限的情况。但需要注意的是,如果浮点数的精度超出了整型的表示范围,则可能导致溢出或错误结果[^4]。 #### 3. 利用语言内置函数 某些编程语言提供了专门用于处理浮点数比较的函数。例如,在 Python 中可以使用 `math.isclose` 方法: ```python import math a = 0.1 + 0.2 b = 0.3 if math.isclose(a, b, rel_tol=1e-9): print("浮点数相等") else: print("浮点数不相等") ``` `math.isclose` 函数允许指定相对误差(`rel_tol`)绝对误差(`abs_tol`),从而更灵活地控制比较的精度[^1]。 #### 4. 注意内存存储差异 整型浮点型在内存中的存储方式不同。整型是以二进制形式直接存储其值,而浮点型则按照 IEEE 754 标准存储为符号位、指数位尾数位[^2]。因此,在比较时需考虑浮点数的舍入误差及其对结果的影响。 ### 总结 在编程中正确比较整型浮点型数据的关键在于理解浮点数的精度限制,并采取适当的措施来规避这些问题。常见的方法包括使用误差范围、转换为整型以及利用语言内置的比较函数[^1]。
评论 1
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