mirror of
https://github.com/LCTT/TranslateProject.git
synced 2024-12-26 21:30:55 +08:00
337 lines
12 KiB
Markdown
337 lines
12 KiB
Markdown
[#]: 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 `<?php echo (0.1 + 0.2 );?>` 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:
|
||
|
||
`<?php echo (0.1 + 0.2 )- 0.3);?>`，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 |