C/C++浮点数使用的两个关键注意事项

Mason

发布时间：2026-10-15| 6人浏览过

原创

本文详细解析了C/C++中浮点数因精度问题导致的比较失效及大数加减异常现象，通过代码实例演示了使用eps阈值比较的正确方法，并附带分析了最大最小浮点数的内存分布规律。

浮点数存储原理与精度损失

C/C++中的浮点数（float和double）在计算机内存中遵循IEEE 754标准进行存储。这种存储方式将数值分为符号位、指数位和尾数位。由于二进制无法精确表示某些十进制小数（如0.1），在存入过程中可能会发生有效数值的截断或四舍五入，从而导致微小的精度损失。

正是因为这种底层机制，直接使用操作符（如 ==）比较两个理论上相等的浮点数，往往会得到不符合预期的结果。

注意事项一：不要直接比较浮点数是否相等

由于精度损失的存在，即使数学上相等的两个浮点数，在计算机内部也可能存在细微的差别。下面通过一个示例来验证这一点：

int main()
{
    float a = 3.12f;
    a += 0.02f;
   
    float b = 3.14f;
 
    std::cout << (a == b) << std::endl;
    std::cout << (a > b) << std::endl;
    std::cout << (a < b) << std::endl;
 
    return 0;
}

调试运行上述代码可以看到输出结果：

虽然从数学角度看，$3.12 + 0.02$ 应等于 $3.14$，但在实际运行中，由于精度丢失导致 $a < b$。如果业务逻辑依赖这种严格的相等判断，程序就会出错。

正确的做法是：判断两个浮点数的差值的绝对值是否小于一个允许的误差范围（EPS）。对于单精度浮点数，合适的精度通常为 1e-6；双精度浮点数则建议用 1e-16 左右。

可以定义如下宏来表示精度阈值：

#define epf 1e-6
#define epd 1e-16

判断逻辑如下：

判断是否等于0： 需满足 $|x| \le EPS$。
例如判断单精度浮点数 $f$ 是否为0：if(fabs(f) <= epf);
判断两数是否相等： 需满足 $|x - y| \le EPS$。
例如判断单精度 $f1$ 和 $f2$ 是否相等：if(fabs(f1 - f2) <= eps);

注：fabs 用于求浮点数的绝对值，需包含相应头文件（如 <iostream> 或 <cmath>）。

修正后的比较代码如下：

#define eps 1e-6
int main()
{
    float a = 3.12f;
    a +=0.02f;
    float b = 3.14f;
    if (fabs(a - b) <= eps)
    {
        std::cout << "a==b" << std::endl;
    }
    else
    {
        std::cout << "a!=b" << std::endl;
    }
    return 0;
}

执行该修正代码后，结果符合预期：

注意事项二：避免量级悬殊的浮点数运算

当两个绝对值相差巨大的浮点数进行加减运算时，结果往往没有意义。这是因为计算时需要统一阶码，较小数的尾数在进行位移时会超出精度范围而被舍去。

以十进制直观理解：

代码验证：

int main()
{
    float a = 1e38;
    std::cout << a << std::endl;
    
    float b = 1000;
    a = a + b; // 加上1000对1e38来说几乎没有影响
    std::cout << a << std::endl;
 
    a = a - b; 
    std::cout << a << std::endl;
    return 0;
}

运行结果如下，可以看出 $1e38$ 加上或减去 $1000$ 后值未变：