Python从入门到放弃—

Python从入门到放弃——浮点型变量

浮点型变量

前言

上一篇文章我们研究了整数类型变量，本次我们来开始研究一下浮点类型变量。

浮点类型

浮点数在计算机编程中扮演着重要的角色。它们是一种特殊的数据类型，用于存储和处理小数或实数。在Python中，浮点数是由小数点分隔的数字组成的。在本文中，我将探讨浮点类型变量的定义、使用以及它们的一些特点。

首先，让我们来看看浮点数变量的定义。在Python中，可以使用以下语法来定义一个浮点变量：

variable_name = 3.14
print(variable_name)

最后得到的结果如下图所示：

在上面的例子中，variable_name是变量的名称，而3.14是变量的值。注意，浮点数可以是正数或负数，并且可以包含小数点。

接下来，让我们探讨一些使用浮点类型变量的例子。假设我们要计算一个圆的面积。我们知道圆的面积公式是πr^2，其中π是一个数学常数，约等于3.14，而r是圆的半径。我们可以使用浮点类型变量来存储半径和计算面积的结果。下面是一个计算圆面积的示例代码：

pi = 3.14
radius = 5.0area = pi * (radius ** 2)
print(area)

运行结果如下所示：

在上面的例子中，我们定义了一个名为pi的浮点变量，该变量存储了常数π的近似值3.14。然后，我们定义了一个名为radius的浮点变量，该变量存储了圆的半径。接下来，我们使用浮点数的乘法和幂运算，计算圆的面积，并将其存储在名为area的浮点变量中。最后，我们使用print函数将计算结果打印出来。

除了基本的数学计算，浮点类型变量在实际编程中还有许多其他的应用。例如，它们可以用于存储和处理货币值、测量数据、科学计算等。浮点数的范围通常比整数的范围大，因此它们可以表示更大或更小的值。然而，浮点数的精度是有限的，这意味着它们可能无法准确地表示某些十进制数。这是因为计算机内部使用二进制表示浮点数，并且存在舍入误差。因此，在进行关键的精确计算时，我们需要小心处理浮点数。

此外，浮点数还可以表示为特殊值NaN（Not a Number），表示一个无效的或未定义的数值。NaN通常出现在一些非法的数学运算中，比如0除以0。NaN的特点是无法进行比较，任何与NaN进行的比较操作都将返回False。

在Python中，处理浮点数的功能非常强大。Python提供了许多内置函数和模块，用于处理浮点数。这些功能包括数学运算、舍入和格式化等。例如，Python提供了math模块，其中包含了许多数学函数，如sin、cos、sqrt等。另外，Python还提供了round函数来进行舍入操作，可以将浮点数四舍五入到指定的小数位数。此外，Python还提供了format函数来格式化浮点数输出，可以指定输出的精度、宽度和对齐方式等。

总之，浮点数是一种用于表示小数的数据类型，在计算机中以近似的方式存储和处理实数。除了常规的浮点数，还有特殊值如正无穷大、负无穷大和NaN。Python提供了丰富的功能和工具来处理浮点数，包括数学运算、舍入和格式化等。

下面我们来看一下详细的代码

import math# 浮点数运算
a = 1.2
b = 2.3
c = a + b
print(c)  # 输出：3.5# 舍入操作
d = 3.14159
e = round(d, 2)
print(e)  # 输出：3.14# 格式化输出
f = 4.56789
formatted_f = "{:.2f}".format(f)
print(formatted_f)  # 输出：4.57# 使用math模块进行数学运算
g = math.sin(math.pi)
print(g)  # 输出：1.2246467991473532e-16# 特殊浮点数值
h = float('inf')
i = float('-inf')
j = float('nan')
print(h, i, j)  # 输出：inf -inf nan

这段代码主要介绍了Python中浮点数的运算和操作。

首先，代码导入了math模块，该模块提供了一系列数学运算的函数和常量。
然后，定义了两个浮点数a和b，进行加法运算，并将结果赋值给变量c。使用print函数打印出c的值，结果为3.5。
接下来，定义了一个浮点数d，并使用round函数将其四舍五入保留两位小数，将结果赋值给变量e。使用print函数打印出e的值，结果为3.14。
然后，定义了一个浮点数f，并使用format函数将其格式化为保留两位小数的字符串形式，将结果赋值给变量formatted_f。使用print函数打印出formatted_f的值，结果为4.57。
接下来，使用math模块的sin函数计算了π的正弦值，并将结果赋值给变量g。使用print函数打印出g的值，结果为1.2246467991473532e-16，这是一个科学计数法的表示方式。
最后，定义了三个特殊的浮点数值：正无穷大、负无穷大和非数值。使用print函数打印出h、i、j的值，分别为inf、-inf、nan。

深入了解浮点数底层

在Python中，float 类型用于表示浮点数，即带有小数部分的数字。虽然Python为程序员提供了高级别的抽象，使得我们不需要关心底层实现的细节，但了解float类型在Python内部如何表示和存储仍然是有益的。

IEEE 754 浮点数标准

Python中的float类型通常遵循IEEE 754标准来表示浮点数。IEEE 754是一个定义浮点数在计算机中如何表示、存储和运算的国际标准。它定义了多种精度的浮点数，包括单精度（32位）和双精度（64位）。Python的float类型通常是双精度（double precision）。

浮点数的构成

一个IEEE 754浮点数由三个部分组成：

符号位（Sign）：1位，用于表示正负号（0表示正数，1表示负数）。
指数位（Exponent）：对于双精度浮点数，指数位占用11位。它表示了数值的指数部分，并且有一个偏移量（对于双精度是1023）。
尾数位（Mantissa 或 Fraction）：对于双精度浮点数，尾数位占用52位。它表示了数值的小数部分（或称为分数部分）。

浮点数的范围与精度

由于指数位和尾数位的位数是固定的，因此浮点数的范围和精度也是有限的。

范围：由于指数位的限制，浮点数有一个最小值（接近但大于0）和一个最大值（有限的）。
精度：由于尾数位的限制，浮点数不能表示所有实数，只能表示一定精度范围内的数。这意味着对于某些操作（如除法），结果可能不是精确的。

Python中的float类型

在Python中，当你创建一个浮点数时（例如x = 3.14），Python会将其存储为一个遵循IEEE 754标准的双精度浮点数。你可以使用sys.float_info来获取有关Python中float类型的信息，包括其精度、范围等。

浮点数的限制

由于浮点数的表示方式和精度限制，它们在某些情况下可能会导致问题：

舍入误差：由于浮点数的精度有限，某些计算可能会导致舍入误差。
表示范围：非常大的数或非常小的数可能无法用浮点数精确表示。
特殊值：浮点数还包括一些特殊值，如正无穷大（float(‘inf’)）、负无穷大（-float(‘inf’)）和非数字（float(‘nan’)）。

浮点数与十进制数的差异

需要注意的是，虽然我们在日常生活中经常使用十进制数，但计算机内部使用二进制数来表示和处理数据。由于二进制数无法精确表示所有十进制小数（如1/3或1/10），因此浮点数的表示和计算可能会受到这种差异的影响。这也是为什么在进行金融计算或需要高精度计算时，通常会使用专门的库（如decimal库）来避免浮点数的舍入误差。