解决 “Non-terminating Decimal Expansion” 问题：浮点数表示的挑战与解决方案

解决 “Non-terminating Decimal Expansion” 问题：浮点数表示的挑战与解决方案

大家好，欢迎来到《猫头虎技术团队》的技术分享！今天，我们要讨论一个在编程和计算中非常常见但又令人头疼的问题：“Non-terminating Decimal Expansion”，即无限循环小数，以及它如何影响浮点数的精确表示。

作者简介

猫头虎是谁？

大家好，我是 猫头虎，猫头虎技术团队创始人，也被大家称为猫哥。我目前是COC北京城市开发者社区主理人、COC西安城市开发者社区主理人，以及云原生开发者社区主理人，在多个技术领域如云原生、前端、后端、运维和AI都具备丰富经验。

我的博客内容涵盖广泛，主要分享技术教程、Bug解决方案、开发工具使用方法、前沿科技资讯、产品评测、产品使用体验，以及产品优缺点分析、横向对比、技术沙龙参会体验等。我的分享聚焦于云服务产品评测、AI产品对比、开发板性能测试和技术报告。

目前，我活跃在CSDN、51CTO、腾讯云、阿里云开发者社区、知乎、微信公众号、视频号、抖音、B站、小红书等平台，全网粉丝已超过30万。我所有平台的IP名称统一为猫头虎或猫头虎技术团队。

我希望通过我的分享，帮助大家更好地掌握和使用各种技术产品，提升开发效率与体验。

作者名片 ✍️

• 博主：猫头虎
• 全网搜索关键词：猫头虎
• 作者公众号：猫头虎技术团队
• 更新日期：2024年10月10日
• 🌟 欢迎来到猫头虎的博客 — 探索技术的无限可能！

加入我们AI共创团队 🌐

• 猫头虎AI共创社群矩阵列表：
  • 点我进入共创社群矩阵入口
  • 点我进入新矩阵备用链接入口

加入猫头虎的共创圈，一起探索编程世界的无限可能！ 🚀

部分专栏链接：

🔗 精选专栏：

• 《面试题大全》 — 面试准备的宝典！
• 《IDEA开发秘籍》 — 提升你的IDEA技能！
• 《100天精通鸿蒙》 — 从Web/安卓到鸿蒙大师！
• 《100天精通Golang（基础入门篇）》 — 踏入Go语言世界的第一步！
• 《100天精通Go语言（精品VIP版）》 — 踏入Go语言世界的第二步！

  ---

猫头虎分享No bug

正文

一、问题背景

在计算机科学中，浮点数（float 或 double）用于表示非常大的或非常小的数。然而，由于计算机的存储和表示限制，有些小数不能精确地用二进制浮点数表示，这会导致无限循环小数的问题。

我们来看看这个问题的典型例子：

• 十进制中的常见无理数，如 1/3 或 π，它们在小数表示时有无限位，并且无法精确表示。
• 二进制表示系统也存在类似的问题。当你试图将某些十进制小数（如 0.1 或 0.2）转换为二进制时，结果会出现非终止小数，即计算机无法准确表示这些数值。

例如：

• 0.1 在二进制中是一个无限循环小数，它的近似值是 0.0001100110011...，这个无限循环的小数无法精确地存储在计算机中。
• 当你尝试表示它时，计算机会选择一个最接近的可表示值，这就是为什么在一些计算中，像 0.1 + 0.2 != 0.3，而是出现 0.30000000000000004 的原因。

二、为什么会有非终止小数？

1. 二进制系统与十进制系统的差异

计算机使用二进制（0 和 1）来表示所有数字，而我们日常生活中使用的是十进制。许多十进制数无法在二进制中精确表示。比如：

• 十进制的小数 1/3 变成二进制是一个无限循环小数。
• 0.1 在二进制中变成 0.0001100110011...，这是一个无限的二进制循环。

这意味着，许多“看起来非常简单”的十进制数在计算机中会变成无限的小数，无法精确存储。

2. 浮点数表示精度限制

在计算机中，浮点数是有限位数的表示。对于 Java 中的 float 和 double 类型，它们是 32 位和 64 位的二进制格式，分别对应有限的精度。

• float：存储 32 位的浮点数，精度大约为 7 位有效数字。
• double：存储 64 位的浮点数，精度大约为 15 位有效数字。

由于精度的限制，当一个数无法精确表示时，它会进行四舍五入，导致误差积累。这就是为什么即使看起来是简单的加法，结果却不是我们期待的准确值。

三、解决方案

解决非终止小数扩展和浮点数精度问题有几种常见方法，我们可以选择最适合具体应用的方式。

1. 使用 BigDecimal 类

Java 中的 BigDecimal 类专门用于精确表示和处理任意精度的十进制数。它是为了避免浮点数精度问题而设计的，尤其适用于财务计算和其他要求高精度的场景。

BigDecimal 允许我们指定精确的小数位数，从而避免了浮点数引起的误差。

示例代码：

import java.math.BigDecimal;

public class BigDecimalExample {
    public static void main(String[] args) {
        BigDecimal a = new BigDecimal("0.1");
        BigDecimal b = new BigDecimal("0.2");
        BigDecimal sum = a.add(b);
        System.out.println(sum); // 输出 0.3
    }
}

优势：

• 精确控制小数位数。
• 适用于金融计算，避免浮点数带来的误差。

缺点：

• 相较于 float 或 double，BigDecimal 的计算速度较慢，因为它是通过字符串或数组进行运算的。

2. 增加精度和控制舍入模式

使用浮点数时，增加精度并使用合适的 舍入模式 可以有效减少由于非终止小数带来的误差。在 Java 中，你可以通过 MathContext 和 RoundingMode 来控制 BigDecimal 运算的精度和舍入方式。

示例代码：

import java.math.BigDecimal;
import java.math.RoundingMode;

public class BigDecimalPrecisionExample {
    public static void main(String[] args) {
        BigDecimal a = new BigDecimal("0.1");
        BigDecimal b = new BigDecimal("0.2");
        BigDecimal sum = a.add(b).setScale(1, RoundingMode.HALF_UP); // 设置精度为 1
        System.out.println(sum); // 输出 0.3
    }
}

优势：

• 可以灵活地控制精度和舍入方式。
• 在精度不要求极高的情况下，保持较快的计算速度。

缺点：

• 使用不当时，舍入误差仍然可能影响计算结果。

3. 使用 float 和 double 时避免比较相等

在使用 float 或 double 类型时，避免直接比较两个浮点数是否相等。由于精度问题，浮点数的计算结果可能会有微小差异，直接比较可能导致错误。

推荐做法：

public class FloatComparison {
    public static void main(String[] args) {
        double a = 0.1 + 0.2;
        double b = 0.3;
        if (Math.abs(a - b) < 1E-9) {  // 使用一个足够小的容差
            System.out.println("a is approximately equal to b");
        } else {
            System.out.println("a is not equal to b");
        }
    }
}

优势：

• 减少浮点数比较时的错误。
• 更加健壮的浮点数操作。

缺点：

• 容差值的选择需要根据实际需求来调整。

4. 避免过度依赖浮点数

如果业务逻辑允许，可以使用整数来代替浮点数进行计算。例如，处理财务数字时，将金额以分为单位进行存储和计算，而不是直接使用小数。

示例代码：

public class IntegerMoneyExample {
    public static void main(String[] args) {
        int priceInCents = 99; // 99 分
        int quantity = 3;
        int total = priceInCents * quantity;  // 计算总价，仍然是整数
        System.out.println("Total price: " + total + " cents");
    }
}

优势：

• 避免了浮点数精度问题。
• 在一些场景中更加简单和高效。

缺点：

• 需要转换单位（例如：将所有金额转为“分”而不是“元”）。

四、总结

在编程中遇到 “Non-terminating Decimal Expansion”（非终止小数扩展）的问题是由于计算机无法精确表示某些十进制小数，特别是在二进制浮点数表示时。要解决这个问题，我们可以采用以下几种方法：

1. 使用 BigDecimal 类进行高精度计算；
2. 增加浮点数精度和设置舍入模式；
3. 比较浮点数时，使用容差来避免精度问题；
4. 在合适的场景下使用整数替代浮点数。

通过这些方法，我们可以有效避免由于浮点数精度导致的计算错误，确保程序的准确性和健壮性。如果你有更好的解决方案，欢迎在评论区与大家分享！

猫头虎

粉丝福利

👉 更多信息：有任何疑问或者需要进一步探讨的内容，欢迎点击文末名片获取更多信息。我是猫头虎博主，期待与您的交流！ 🦉💬

猫头虎

联系我与版权声明 📩

• 联系方式：
  • 公众号: 猫头虎技术团队
• 版权声明： 本文为原创文章，版权归作者所有。未经许可，禁止转载。更多内容请访问猫头虎的博客首页。

点击✨⬇️下方名片⬇️✨，加入猫头虎AI共创社群矩阵。一起探索科技的未来，共同成长。🚀

🔗 猫头虎抱团AI共创社群 | 🔗 Go语言VIP专栏 | 🔗 GitHub 代码仓库 | 🔗 Go生态洞察专栏

✨ 猫头虎精品博文