为什么1.0f+0.0000000171785715f返回1f?

Question

一小时后试图找到一个错误，在我的代码中我终于找到原因。我想添加一个非常小的浮到1f，但没有被发生的事情。同时，试图找出为什么我发现，加入该小浮到0f完美工作。

为什么会这样？不会这样做'数量级'?是否有任何解决办法这个问题？

在此先感谢。

编辑：

改变给双精密或小数不是一个选项的时刻。

Answer 1

因为精确度为一个单一的精度(32bit)浮点值大约是7位数字后的小数点。这意味着你的价值正在增加基本为零，至少当加入 1.值本身，但是，可以毫不费力地储存在一个浮起来的指数是小型的，在这种情况。但是，要成功地将它添加到 1 你必须使用该指数的数量较大...然后后面的数字零消失在四舍五入。

你可以使用 double 如果你需要更多的精确度。绩效明智的，这不应该使一个差异在今天的硬件和记忆往往也不作为约束的，你要想想每一个变量。

编辑： 正如你指出，使用 double 不是一个选择你可以使用 嘉饭求和, 如 akuhn 指出在评论。

另一个选项可以执行的中介的计算，在双精密度和随后转换为 float 再次。这只会有帮助，然而，当有几个业务不仅仅是添加一个非常小的数目较大的一个。

Answer 2

浮点运算

Answer 3

这大概是因为的精度位数在浮法数量是恒定的，但指数可明显变化。

这意味着，虽然你可以在你的小号码添加为0，你不能指望将其添加为一个数字，有一个指数从0不同，因为那里只是不会精确左侧的数字不足。

您应该阅读什么每台计算机科学家应该知道关于浮点运算

Answer 4

它看起来有事情做与浮点精度。如果我是你，我会使用一个不同的类型，比如decimal。这应该修复精度误差。

Answer 5

通过float，你只能得到大约7位数的的准确性。所以，你的number'll四舍五入到1楼。如果你想存储这样的数字，使用double代替

http://msdn.microsoft.com/en-us/library /ayazw934.aspx

Answer 6

除接受的答案：如果您需要总结许多小号码和一些较大的，你应该使用的 Kahan的求和

Answer 7

如果性能是一个问题（因为你不能使用double），然后二进制比例/固定翼点可能是一种选择。 floats存储为整数，但由大量（比如，2 ^ 16）缩放。中间运算与（相对快）整数操作完成。最终的答案可以在端被转换回浮点，通过以该比例因子除以。

如果目标处理器缺乏硬件浮点单元这通常完成的。

Answer 8

您正在使用你的文字，这将使得这些花车代替双打的F后缀。所以你很小的持股量将在更大的浮动消失。