【C语言】数据存储(下)

简介: 【C语言】数据存储(下)
  • 练习4 :下面代码输出什么❓


 int main()
 {
int i= -20;
unsigned  int  j = 10;
printf("%d\n", i+j); 
}


☀️ 解析:


c79bbb500a9840d09865a2b47b40952b.png


  • 练习5 :下面代码输出什么❓


int main()
{
  unsigned int i;
  for (i = 9; i >= 0; i--)
  {
    printf("%u\n", i);
  }
}


☀️ 解析:


9e61e3876e514ce08e2062a3ecc208a6.png


  • 练习6 :下面代码输出什么❓


int main()
{
    char a[1000];
    int i;
    for(i=0; i<1000; i++)
   {
        a[i] = -1-i;
   }
    printf("%d",strlen(a));
    return 0;
}


☀️ 解析:


c7c50dc5059342d2a5983bfb7d55c566.png

f2e5b900c274446aaebff012a20f065d.png


  • 练习7 :下面代码输出什么❓


#include <stdio.h>
unsigned char i = 0;
int main()
{
    for(i = 0;i<=255;i++)
   {
        printf("hello world\n");
   }
    return 0;
}



☀️ 解析:


b17565794d674ccfa2d1a6b9870b8ad2.png


3. 浮点型在内存中的存储



☀️:常见的浮点数:


3.14159

1E10

浮点数家族包括: float、double、long double 类型。

浮点数表示的范围:float.h中定义


3.1 一个例子


int main()
{
 int n = 9;
 float *pFloat = (float *)&n;
 printf("n的值为:%d\n",n);
 printf("*pFloat的值为:%f\n",*pFloat);
 *pFloat = 9.0;
 printf("num的值为:%d\n",n);
 printf("*pFloat的值为:%f\n",*pFloat);
 return 0;
}


💥 输出结果竟然是!!


a5e3cfd77fe84236af1824ad9211e123.png

为什么会是这样的值呢?这就跟浮点数数据存储方式有关系了


3.2 浮点数存储规则


num 和 *pFloat 在内存中明明是同一个数,为什么浮点数和整数的解读结果会差别这么大?

要理解这个结果,一定要搞懂浮点数在计算机内部的表示方法。



☀️:详细解读:


根据国际标准IEEE(电气和电子工程协会) 754,任意一个二进制浮点数V可以表示成下面的形式:

  • (-1)^S * M * 2^E
  • (-1)^S表示符号位,当S=0,V为正数;当S=1,V为负数。
  • M表示有效数字,大于等于1,小于2。
  • 2^E表示指数位。


☀️:举例来说:


十进制的5.0,写成二进制是 101.0 ,相当于 1.01×2^2 。

那么,按照上面V的格式,可以得出S=0,M=1.01,E=2。


十进制的-5.0,写成二进制是 -101.0 ,相当于 -1.01×2^2 。那么,S=1,M=1.01,E=2。


十进制的5.5,写成二进制是 101.1 ,相当于 1.011×2^2 。那么,S=1,M=1.011,E=2。

为什么小数点后面的5是.1呢?以下图解769a20284be44fe2965700502e087dbb.png


☀️:IEEE 754规定:


对于32位的浮点数,最高的1位是符号位s,接着的8位是指数E,剩下的23位为有效数字M。

d20e4e75046b4ad5896d37062413666b.png


对于64位的浮点数,最高的1位是符号位S,接着的11位是指数E,剩下的52位为有效数字M。

a0d584eb9e174fe997d5d6ef37b3d8bc.png


⭐️IEEE 754对有效数字M和指数E,还有一些特别规定。


前面说过, 1≤M<2 ,也就是说,M可以写成 1.xxxxxx 的形式,其中xxxxxx表示小数部分。

IEEE 754规定,在计算机内部保存M时,默认这个数的第一位总是1,因此可以被舍去,只保存后面的

xxxxxx部分。比如保存1.01的时候,只保存01,等到读取的时候,再把第一位的1加上去。这样做的目的,是节省1位有效数字。以32位浮点数为例,留给M只有23位,

将第一位的1舍去以后,等于可以保存24位有效数字。


⭐️至于指数E,情况就比较复杂。

首先,E为一个无符号整数(unsigned int)


这意味着,如果E为8位(float),它的取值范围为0-255;如果E为11位(double),它的取值范围为0~2047。但是,我们

知道,科学计数法中的E是可以出现负数的,所以IEEE 754规定.

存入内存时E的真实值必须再加上一个中间数”对于8位的E,这个中间数是127;对于11位的E,这个中间数是1023。

比如,2^10的E是10,所以保存成32位浮点数时,必须保存成10+127=137,即

10001001。

然后,指数E从内存中取出还可以再分成三种情况:


  • 第一种 E不全为0或不全为1


这时,浮点数就采用下面的规则表示,即指数E的计算值减去127(或1023),得到真实值,再将有效数字M前加上第一位的1。

比如:

0.5(1/2)的二进制形式为0.1,由于规定正数部分必须为1,即将小数点右移1位,则为

1.0*2^(-1),其阶码为-1+127=126,表示为

01111110,而尾数1.0去掉整数部分为0,补齐0到23位00000000000000000000000,则其二进制表示形式为: 0 01111110 00000000000000000000000


  • 第二种 E全为0


这时,浮点数的指数E等于1-127(或者1-1023)即为真实值,

有效数字M不再加上第一位的1,而是还原为0.xxxxxx的小数。这样做是为了表示±0,以及接近于

0的很小的数字。


  • 第三种 E全为1


这时,如果有效数字M全为0,表示±无穷大(正负取决于符号位s);


☀️ 解释前面的例子:

6d7d38a80272400198744db2b4a0ee6e.png


为什么 9 还原成浮点数,就成了 0.000000 ?

首先用整数表示取出来,将 9拆分成二进制

0000 0000 0000 0000 0000 0000 0000 1001


得到第一位符号位s=0

后面8位的指数 E=00000000 ,

最后23位的有效数字M=000 0000 0000 0000 0000 1001。

9 -> 0000 0000 0000 0000 0000 0000 0000 1001


由于指数E全为0,所以符合上一节的第二种情况。因此,浮点数V就写成:

V=(-1)^0 × 0.00000000000000000001001×2^(-126) =1.001×2^(-146)


显然,V是一个很小的接近于0的正数,所以用十进制小数表示就是0.000000。


⭐️再看例题的第二部分。


请问浮点数9.0,如何用二进制表示?还原成十进制又是多少?

首先用浮点数表示出来,浮点数9.0等于二进制的1001.0,即1.001×2^3。

9.0 -> 1001.0 ->(-1)^0 ×1.001×2^3 -> s=0, M=1.001,E=3+127=130


那么,第一位的符号位s=0,有效数字M等于001后面再加20个0,凑满23位,指数E等于3+127=130, 即10000010。

所以,写成二进制形式,应该是s+E+M,即

0 10000010 001 0000 0000 0000 0000 0000


这个32位的二进制数,还原成十进制,正是 1091567616 。

目录
相关文章
|
SQL 分布式计算 大数据
大数据Spark框架概述
大数据Spark框架概述
427 0
|
机器学习/深度学习 传感器 自动驾驶
狂风暴雨依旧YOLO | 全新数据集,全新任务,促进极端降雨条件下目标检测的优化和发展
狂风暴雨依旧YOLO | 全新数据集,全新任务,促进极端降雨条件下目标检测的优化和发展
511 0
|
机器学习/深度学习 数据可视化 计算机视觉
YOLOv5改进 | 2023Neck篇 | 轻量级跨尺度特征融合模块CCFM(附yaml文件+添加教程)
YOLOv5改进 | 2023Neck篇 | 轻量级跨尺度特征融合模块CCFM(附yaml文件+添加教程)
1135 1
|
8月前
|
数据采集 供应链 API
实战指南:通过1688开放平台API获取商品详情数据(附Python代码及避坑指南)
1688作为国内最大的B2B供应链平台,其API为企业提供合法合规的JSON数据源,直接获取批发价、SKU库存等核心数据。相比爬虫方案,官方API避免了反爬严格、数据缺失和法律风险等问题。企业接入1688商品API需完成资质认证、创建应用、签名机制解析及调用接口四步。应用场景包括智能采购系统、供应商评估模型和跨境选品分析。提供高频问题解决方案及安全合规实践,确保数据安全与合法使用。立即访问1688开放平台,解锁B2B数据宝藏!
|
8月前
|
Linux
RPM软件包管理工具使用指南
RPM(Red Hat Package Manager)是Red Hat及其他基于RPM的Linux发行版中用于管理软件包的基本包管理工具。它是一个二进制包管理系统,允许用户在Linux系统中方便地安装、升级、查询和删除软件包。RPM使用.rpm文件扩展名的软件包文件,这些软件包文件包含了软件的可执行文件、配置文件、文档等,以及安装和卸载时需要执行的脚本。通过RPM,用户可以轻松地管理和维护系统中的软件,确保系统的稳定运行和软件的及时更新。
518 4
|
12月前
|
数据采集 DataWorks 数据管理
DataWorks不是Excel,它是一个数据集成和数据管理平台
【10月更文挑战第10天】随着大数据技术的发展,企业对数据处理的需求日益增长。阿里云推出的DataWorks是一款强大的数据集成和管理平台,提供从数据采集、清洗、加工到应用的一站式解决方案。本文通过电商平台案例,详细介绍了DataWorks的核心功能和优势,展示了如何高效处理大规模数据,帮助企业挖掘数据价值。
347 1
|
传感器 安全 物联网
Gateway基本配置:打开网络之门
Gateway基本配置:打开网络之门
|
算法 数据挖掘 调度
【场景生成与削减】基于蒙特卡洛法场景生成及启发式同步回带削减风电、光伏、负荷研究(Matlab代码实现)
【场景生成与削减】基于蒙特卡洛法场景生成及启发式同步回带削减风电、光伏、负荷研究(Matlab代码实现)
455 0
|
编解码 算法 开发者
Flutter的布局系统:深入探索布局Widget与布局原则
【4月更文挑战第26天】Flutter布局系统详解,涵盖布局Widget(Row/Column、Stack、GridView/ListView、CustomSingleChildLayout)和布局原则(弹性布局、约束优先、流式布局、简洁明了)。文章旨在帮助开发者理解并运用Flutter的布局系统,创建适应性强、用户体验佳的界面。通过选择合适的布局Widget和遵循原则,可实现复杂且高效的UI设计。
|
存储 监控 负载均衡
海量非结构化数据存储中的小对象合并技术
随着人工智能, IoT 等技术的推广普及,智能监控,智能制造等新兴领域蓬勃发展,涌现出了越来越多的海量非结构化数据存储需求。