当前位置: 首页 > news >正文

Go语言中的浮点数类型详解

Go语言提供了两种浮点数类型:float32和float64,分别对应IEEE-754标准的单精度和双精度浮点数。

1. 浮点数类型概述

1.1. float32 (单精度浮点数)

1. 占用32位即4字节的存储空间;

2. 大约提供6-7位十进制精度;

3. 范围约为 ±1.18e-38 到 ±3.4e38;

1.2. float64 (双精度浮点数)

1. 占用64位即8字节存储空间;

2. 大约提供15-16位十进制精度;

3. 范围约为 ±2.23e-308 到 ±1.8e308;

2. 浮点数声明与初始化

var f1 float32 = 3.14
var f2 float64 = 3.141592653589793// 简写形式(默认为float64)
f3 := 3.14  // float64

3. 浮点数精度问题

由于浮点数的二进制表示特性,某些十进制小数无法精确表示:

func main() {f := 0.1sum := f + f + ffmt.Println(sum) // 输出: 0.30000000000000004
}

如果要解决浮点数运算的精度问题,可以使用第三方的包 decimal 。

package main
import ("fmt" "github.com/shopspring/decimal"
)
func main() {// 加法var num1 float64 = 3.1var num2 float64 = 4.2num3 := decimal.NewFromFloat(num1).Add(decimal.NewFromFloat(num2))fmt.Println(num3)// 减去m1 := 8.2m2 := 3.8m3 := decimal.NewFromFloat(m1).Sub(decimal.NewFromFloat(m2))fmt.Println(m3)
}

4. 特殊浮点数值

Go浮点数支持IEEE-754定义的特殊值:

1. 正无穷大(+Inf)和负无穷大(-Inf)

2. 非数(NaN, Not a Number)

func main() {posInf := math.Inf(1)   // 正无穷negInf := math.Inf(-1)  // 负无穷nan := math.NaN()       // 非数fmt.Println(posInf, negInf, nan)
}

5. 浮点数比较

由于精度问题,直接比较浮点数可能不可靠:

// 不推荐的比较方式
if a == b { ... }// 推荐的比较方式(使用允许的误差范围)
const epsilon = 1e-9
if math.Abs(a-b) < epsilon { ... }

对于NaN的比较:

if math.IsNaN(x) { ... }

6. 数学运算

Go的math包提供了丰富的浮点数运算函数:

func main() {a := 2.0b := 3.0fmt.Println(math.Sqrt(a))      // 平方根fmt.Println(math.Pow(a, b))    // 幂运算fmt.Println(math.Sin(a))       // 正弦fmt.Println(math.Log(a))       // 自然对数fmt.Println(math.Floor(a))     // 向下取整fmt.Println(math.Ceil(a))      // 向上取整fmt.Println(math.Mod(a, b))    // 取模
}

7. 类型转换

func main() {var f32 float32 = 1.5var f64 float64 = 2.7// float32转float64f64 = float64(f32)// float64转float32(可能丢失精度)f32 = float32(f64)// 整数转浮点数i := 10f32 = float32(i)f64 = float64(i)
}

8. 格式化输出

func main() {f := 123.456fmt.Printf("%f\n", f)    // 默认格式: 123.456000fmt.Printf("%.2f\n", f)  // 保留两位小数: 123.46fmt.Printf("%e\n", f)    // 科学计数法: 1.234560e+02fmt.Printf("%g\n", f)    // 根据情况选择%f或%e: 123.456
}

9. 最佳实践

1. 在大多数情况下,优先使用float64以获得更高的精度;

2. 避免直接比较浮点数,应使用允许的误差范围;

3. 注意浮点数的精度限制,特别是涉及金钱计算时;

4. 对于需要精确十进制计算的场景,考虑使用math/big包;

10. 性能考虑

1. float32占用更少内存,适合大量数据存储;

2. float64提供更高精度,是Go中默认的浮点类型;

3. 在现代CPU上,float32和float64的运算性能差异通常不大;

通过理解Go语言中浮点数的这些特性和行为,可以避免常见的精度问题,并编写出更可靠的数值计算代码。

http://www.xdnf.cn/news/668359.html

相关文章:

  • Kotlin 中 Lambda 表达式的语法结构及简化推导
  • 学习黑客 Metasploit 主要组件之Encoder
  • MS1826+MS2131 1080P@60Hz 4路输入输出USB3.0采集
  • 通过ansible playbook创建azure 资源
  • 解决ubuntu服务器未使用空间的分配
  • c++复习_第一天(引用+小众考点)
  • c#,vb.net使用OleDb写入Excel异常:字段太小而不能接受所要添加的数据的数量
  • etcd:高可用,分布式的key-value存储系统
  • 鸿蒙OSUniApp 实现登录状态管理与持久化#三方框架 #Uniapp
  • 如何通过ES实现SQL风格的查询?
  • linux快速入门-VMware安装linux,配置静态ip,使用服务器连接工具连接,快照和克隆以及修改相关配置信息
  • 【机器学习基础】机器学习入门核心算法:逻辑回归(Decision Tree)
  • 第一章 LVS 负载均衡群集核心概念与体系架构
  • 计算机网络实验课(三)——直接使用数据构造以太网帧,打包并发送|使用SharpPcap库函数构造以太网帧,并发送出去
  • 哈希算法:原理、应用、安全演进与推荐
  • 学习路之PHP--easyswoole入门及文件热加载
  • 织梦dedecms arclist最新发布日期显示红色
  • Android 15 控制亮屏灭屏接口实现
  • WPF【11_2】WPF实战-重构与美化(Entity Framework)-示例
  • 数据仓库基础知识总结
  • Python-ArcGIS蒸散发组分解析与GPP估算技术
  • 数据中台(大数据平台)之数据仓库建设
  • LLM+RAG:文本分块处理策略
  • Apache DolphinScheduler存储系统详解| AI生成技术文档系列
  • Vue3进阶教程:1.初次了解vue
  • Mobaxterm解锁Docker
  • Docker Desktop for Windows 系统设置说明文档
  • DBCP连接池的使用方法和源码分析
  • PCB布局/走线
  • 2025年上半年第2批信息系统项目管理师论文真题解析与范文