[#]: subject: "Why does 0.1 + 0.2 = 0.30000000000000004?" [#]: via: "https://jvns.ca/blog/2023/02/08/why-does-0-1-plus-0-2-equal-0-30000000000000004/" [#]: author: "Julia Evans https://jvns.ca/" [#]: collector: "lkxed" [#]: translator: "MjSeven" [#]: reviewer: "wxy" [#]: publisher: "wxy" [#]: url: "https://linux.cn/article-15818-1.html" 为什么 0.1 + 0.2 = 0.30000000000000004？ ====== 嗨！昨天我试着写点关于浮点数的东西，我发现自己对这个 64 位浮点数的计算方法很好奇： ``` >>> 0.1 + 0.2 0.30000000000000004 ``` 我意识到我并没有完全理解它是如何计算的。我的意思是，我知道浮点计算是不精确的，你不能精确地用二进制表示 `0.1`，但是：肯定有一个浮点数比 `0.30000000000000004` 更接近 0.3！那为什么答案是 `0.30000000000000004` 呢？ 如果你不想阅读一大堆计算过程，那么简短的答案是： `0.1000000000000000055511151231257827021181583404541015625 + 0.200000000000000011102230246251565404236316680908203125` 正好位于两个浮点数之间，即 `0.299999999999999988897769753748434595763683319091796875` （通常打印为 `0.3`） 和 `0.3000000000000000444089209850062616169452667236328125`（通常打印为 `0.30000000000000004`）。答案是 `0.30000000000000004`，因为它的尾数是偶数。 #### 浮点加法是如何计算的 以下是浮点加法的简要计算原理： - 把它们精确的数字加在一起 - 将结果四舍五入到最接近的浮点数 让我们用这些规则来计算 0.1 + 0.2。我昨天才刚了解浮点加法的计算原理，所以在这篇文章中我可能犯了一些错误，但最终我得到了期望的答案。 #### 第一步：0.1 和 0.2 到底是多少 首先，让我们用 Python 计算 `0.1` 和 `0.2` 的 64 位浮点值。 ``` >>> f"{0.1:.80f}" '0.10000000000000000555111512312578270211815834045410156250000000000000000000000000' >>> f"{0.2:.80f}" '0.20000000000000001110223024625156540423631668090820312500000000000000000000000000' ``` 这确实很精确：因为浮点数是二进制的，你也可以使用十进制来精确的表示。但有时你只是需要一大堆数字:) #### 第二步：相加 接下来，把它们加起来。我们可以将小数部分作为整数加起来得到确切的答案： ``` >>> 1000000000000000055511151231257827021181583404541015625 + 2000000000000000111022302462515654042363166809082031250 3000000000000000166533453693773481063544750213623046875 ``` 所以这两个浮点数的和是 `0.3000000000000000166533453693773481063544750213623046875`。 但这并不是最终答案，因为它不是一个 64 位浮点数。 #### 第三步：查找最接近的浮点数 现在，让我们看看接近 `0.3` 的浮点数。下面是最接近 `0.3` 的浮点数（它通常写为 `0.3`，尽管它不是确切值）： ``` >>> f"{0.3:.80f}" '0.29999999999999998889776975374843459576368331909179687500000000000000000000000000' ``` 我们可以通过 `struct.pack` 将 `0.3` 序列化为 8 字节来计算出它之后的下一个浮点数，加上 1，然后使用 `struct.unpack`： ``` >>> struct.pack("!d", 0.3) b'?\xd3333333' # 手动加 1 >>> next_float = struct.unpack("!d", b'?\xd3333334')[0] >>> next_float 0.30000000000000004 >>> f"{next_float:.80f}" '0.30000000000000004440892098500626161694526672363281250000000000000000000000000000' ``` 当然，你也可以用 `math.nextafter`： ``` >>> math.nextafter(0.3, math.inf) 0.30000000000000004 ``` 所以 `0.3` 附近的两个 64 位浮点数是 `0.299999999999999988897769753748434595763683319091796875` 和 `0.3000000000000000444089209850062616169452667236328125`。 #### 第四步：找出哪一个最接近 结果证明 `0.3000000000000000166533453693773481063544750213623046875` 正好在 `0.299999999999999988897769753748434595763683319091796875` 和 `0.3000000000000000444089209850062616169452667236328125` 的中间。 你可以通过以下计算看到： ``` >>> (3000000000000000444089209850062616169452667236328125000 + 2999999999999999888977697537484345957636833190917968750) // 2 == 3000000000000000166533453693773481063544750213623046875 True ``` 所以它们都不是最接近的。 #### 如何知道四舍五入到哪一个？ 在浮点数的二进制表示中，有一个数字称为“尾数”。这种情况下（结果正好在两个连续的浮点数之间），它将四舍五入到偶数尾数的那个。 在本例中为 `0.300000000000000044408920985006261616945266723632812500`。 我们之前就见到了这个数字的尾数： - 0.30000000000000004 是 `struct.unpack('!d', b'?\xd3333334')` 的结果 - 0.3 是 `struct.unpack('!d', b'?\xd3333333')` 的结果 `0.30000000000000004` 的大端十六进制表示的最后一位数字是 `4`，它的尾数是偶数（因为尾数在末尾）。 #### 我们用二进制来算一下 之前我们都是使用十进制来计算的，这样读起来更直观。但是计算机并不会使用十进制，而是用 2 进制，所以我想知道它是如何计算的。 我不认为本文的二进制计算部分特别清晰，但它写出来对我很有帮助。有很多数字，读起来可能很糟糕。 #### 64 位浮点数如何计算：指数和尾数 64 位浮点数由 2 部分整数构成：**指数**和**尾数**，还有 1 比特 **符号位**. 以下是指数和尾数对应于实际数字的方程： $$\text{sign} \times 2^\text{exponent} (1 + \frac{\text{significand}}{2^{52}})$$ 例如，如果指数是 `1`，尾数是 `2**51`，符号位是正的，那么就可以得到： $$2^{1} (1 + \frac{2^{51}}{2^{52}})$$ 它等于 `2 * (1 + 0.5)`，即 3。 #### 步骤 1：获取 0.1 和 0.2 的指数和尾数 我用 Python 编写了一些低效的函数来获取正浮点数的指数和尾数: ``` def get_exponent(f): # 获取前 52 个字节 bytestring = struct.pack('!d', f) return int.from_bytes(bytestring, byteorder='big') >> 52 def get_significand(f): # 获取后 52 个字节 bytestring = struct.pack('!d', f) x = int.from_bytes(bytestring, byteorder='big') exponent = get_exponent(f) return x ^ (exponent << 52) ``` 我忽略了符号位（第一位），因为我们只需要处理 0.1 和 0.2，它们都是正数。 首先，让我们获取 0.1 的指数和尾数。我们需要减去 1023 来得到实际的指数，因为浮点运算就是这么计算的。 ``` >>> get_exponent(0.1) - 1023 -4 >>> get_significand(0.1) 2702159776422298 ``` 它们根据 `2**指数 + 尾数 / 2**(52 - 指数)` 这个公式得到 `0.1`。 下面是 Python 中的计算: ``` >>> 2**-4 + 2702159776422298 / 2**(52 + 4) 0.1 ``` （你可能会担心这种计算的浮点精度问题，但在本例中，我很确定它没问题。因为根据定义，这些数字没有精度问题 -- 从 `2**-4` 开始的浮点数以 `1/2**(52 + 4)` 步长递增。） `0.2` 也一样: ``` >>> get_exponent(0.2) - 1023 -3 >>> get_significand(0.2) 2702159776422298 ``` 它们共同工作得到 `0.2`: ``` >>> 2**-3 + 2702159776422298 / 2**(52 + 3) 0.2 ``` （顺便说一下，0.1 和 0.2 具有相同的尾数并不是巧合 —— 因为 `x` 和 `2*x` 总是有相同的尾数。） #### 步骤 2：重新计算 0.1 以获得更大的指数 `0.2` 的指数比 `0.1` 大 -- -3 大于 -4。 所以我们需要重新计算： ``` 2**-4 + 2702159776422298 / 2**(52 + 4) ``` 等于 `X / (2**52 + 3)` 如果我们解出 `2**-4 + 2702159776422298 / 2**(52 + 4) = X / (2**52 + 3)`，我们能得到： `X = 2**51 + 2702159776422298 /2` 在 Python 中，我们很容易得到： ``` >>> 2**51 + 2702159776422298 //2 3602879701896397 ``` #### 步骤 3：添加符号位 现在我们试着做加法： ``` 2**-3 + 2702159776422298 / 2**(52 + 3) + 3602879701896397 / 2**(52 + 3) ``` 我们需要将 `2702159776422298` 和 `3602879701896397` 相加： ``` >>> 2702159776422298 + 3602879701896397 6305039478318695 ``` 棒。但是 `6305039478318695` 比 `2**52-1`（尾数的最大值）大，问题来了: ``` >>> 6305039478318695 > 2**52 True ``` #### 第四步：增加指数 目前结果是： ``` 2**-3 + 6305039478318695 / 2**(52 + 3) ``` 首先，它减去 2**52： ``` 2**-2 + 1801439850948199 / 2**(52 + 3) ``` 完美，但最后的 `2**(52 + 3)` 需要改为 `2**(52 + 2)`。 我们需要将 `1801439850948199` 除以 2。这就是难题的地方 -- `1801439850948199` 是一个奇数! ``` >>> 1801439850948199 / 2 900719925474099.5 ``` 它正好在两个整数之间，所以我们四舍五入到最接近它的偶数（这是浮点运算规范要求的），所以最终的浮点结果是: ``` >>> 2**-2 + 900719925474100 / 2**(52 + 2) 0.30000000000000004 ``` 它就是我们预期的结果： ``` >>> 0.1 + 0.2 0.30000000000000004 ``` #### 在硬件中它可能并不是这样工作的 在硬件中做浮点数加法，以上操作方式可能并不完全一模一样（例如，它并不是求解 “X”），我相信有很多有效的技巧，但我认为思想是类似的。 #### 打印浮点数是非常奇怪的 我们之前说过，浮点数 0.3 不等于 0.3。它实际上是: ``` >>> f"{0.3:.80f}" '0.29999999999999998889776975374843459576368331909179687500000000000000000000000000' ``` 但是当你打印它时，为什么会显示 `0.3`？ 计算机实际上并没有打印出数字的精确值，而是打印出了*最短*的十进制数 `d`，其中 `f` 是最接近 `d` 的浮点数。 事实证明，有效做到这一点很不简单，有很多关于它的学术论文，比如 [快速且准确地打印浮点数][1]、[如何准确打印浮点数][2] 等。 #### 如果计算机打印出浮点数的精确值，会不会更直观一些？ 四舍五入到一个干净的十进制值很好，但在某种程度上，我觉得如果计算机只打印一个浮点数的精确值可能会更直观 -- 当你得到一个奇怪的结果时，它可能会让你看起来不那么惊讶。 对我来说，`0.1000000000000000055511151231257827021181583404541015625 + 0.200000000000000011102230246251565404236316680908203125 = 0.3000000000000000444089209850062616169452667236328125` 比 `0.1 + 0.2 = 0.30000000000000000004` 惊讶少一点。 这也许是一个坏主意，因为它肯定会占用大量的屏幕空间。 #### PHP 快速说明 有人在评论中指出在 PHP 中 `` 会输出 `0.3`，这是否说明在 PHP 中浮点运算不一样？ 非也 —— 我在 [这里][3] 运行: ``，得到了与 Python 完全相同的答案：5.5511151231258E-17。因此，浮点运算的基本原理是一样的。 我认为在 PHP 中 `0.1 + 0.2` 输出 `0.3` 的原因是 PHP 显示浮点数的算法没有 Python 精确 —— 即使这个数字不是最接近 0.3 的浮点数，它也会显示 `0.3`。 #### 总结 我有点怀疑是否有人能耐心完成以上所有些算术，但它写出来对我很有帮助，所以我还是发表了这篇文章，希望它能有所帮助。 *（题图：MJ/53e9a241-14c6-4dc7-87d0-f9801cd2d7ab）* -------------------------------------------------------------------------------- via: https://jvns.ca/blog/2023/02/08/why-does-0-1-plus-0-2-equal-0-30000000000000004/ 作者：[Julia Evans][a] 选题：[lkxed][b] 译者：[MjSeven](https://github.com/MjSeven) 校对：[wxy](https://github.com/wxy) 本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出 [a]: https://jvns.ca/ [b]: https://github.com/lkxed/ [1]: https://legacy.cs.indiana.edu/~dyb/pubs/FP-Printing-PLDI96.pdf [2]: https://lists.nongnu.org/archive/html/gcl-devel/2012-10/pdfkieTlklRzN.pdf [3]: https://replit.com/languages/php_cli [0]: https://img.linux.net.cn/data/attachment/album/202305/16/162904pp51u5nsemd14pp2.jpg