【C深度解剖】取模与取余

简介: 【C深度解剖】取模与取余


简介:本系列博客为C深度解剖系列内容,以某个点为中心进行相关详细拓展
适宜人群:已大体了解C语法同学
作者留言:本博客相关内容如需转载请注明出处,本人学疏才浅,难免存在些许错误,望留言指正
作者博客链接:睡觉待开机

下面是本节博客的大纲梳理:

引文:

其实C语言中取模号(取余号)有着一点小细节,可能大多数人并不知晓其中的细节。且听我一一道来。

首先,我想强调的是取余!=取模

C语言中的%号是取余号。

那什么是取余?什么是取模?

所谓取余,就是其商为0向取整,这样一个结果就是余数一定与被除数符号一致。

所谓取模,就是其商为-∞向取整,这样一个结果就是模数一定与除数符号一致。

可能上面说的有些抽象,下面通过实例来进行展示:

那我们验证一下C语言是取余还是取模?

int main()
{
  int ret = -10 % 3;
  printf("%d\n", ret);
  if (ret == -1)
    printf("取余\n");
  else if (ret == 2)
    printf("取模\n");
  else
    printf("error\n");
    return 0;
}

那为什么我们大多情况下都可以认为取模等价于取余呢?

那是因为:


完。

相关文章
|
SQL 分布式计算 Unix
阿里云-DataWorks- ODPS SQL开发3-日期与字符、数学运算、聚合函数函数
阿里云-DataWorks- ODPS SQL开发3 本文主要讲解日常大量会接触到的一些常用的日期与字符、数学运算、聚合函数函数。
|
1月前
|
人工智能 架构师 Cloud Native
2026年度智能编码工具多维评测:研发效能提升与企业工程化落地指南
随着软件工程全面迈入 AI 原生时代,如何选择一款能够显著提升代码产出效率的AI编程工具,已成为开发者与技术团队突破效能瓶颈的关键。根据 McKinsey 2026 软件研发效能白皮书,引入前沿 Coding Agent 的团队,其人均代码吞吐量平均提升了 35% 以上。本文立足于云原生架构与企业级落地实战,深度横评 2026 年度主流 AI 编程工具。
1250 1
|
4月前
|
机器学习/深度学习 人工智能 Java
优先队列 priority_queue详解
说到,priority_queue优先队列。必须先要了解啥是堆与运算符重载(我在下方有解释)。否则只知皮毛,极易忘记==寸步难行。但在开头,还是简单的说下怎么应用。
725 1
|
Ubuntu 定位技术
Ubuntu 20.04应用部署:Beyond Compare 4.4.7安装教程
这样,你就成功在Ubuntu 20.04上安装了Beyond Compare 4.4.7。就像一个探险者,你有了罗盘,有了地图,熟能生巧,你就可以在未知的世界中探索,发现,享受这个过程。这是一次成功的探险,你做得很好!
2202 7
|
Windows
基于MATLAB实现的OFDM仿真调制解调,BPSK、QPSK、4QAM、16QAM、32QAM,加性高斯白噪声信道、TDL瑞利衰落信道
本文通过MATLAB仿真实现了OFDM系统中BPSK、QPSK、4QAM、16QAM和32QAM调制解调过程,并在加性高斯白噪声信道及TDL瑞利衰落信道下计算了不同信噪比条件下的误比特率。
1832 4
基于MATLAB实现的OFDM仿真调制解调,BPSK、QPSK、4QAM、16QAM、32QAM,加性高斯白噪声信道、TDL瑞利衰落信道
|
存储 资源调度 分布式计算
什么是HDFS和YARN?
【8月更文挑战第31天】
609 1
|
Web App开发 网络协议 算法
WebRTC 和一些常见的直播方案
【10月更文挑战第25天】
|
移动开发 网络协议 数据格式
【VOFA+速成】半小时入门VOFA+简明教程之基础认识(一)
【VOFA+速成】半小时入门VOFA+简明教程(一)
7252 1
|
数据采集 Web App开发 JSON
爬虫实战小案例—获取喜马拉雅账号的关注数据和粉丝数据生成电子表格并实现批量关注或者取关然后生成表格文件
爬虫实战小案例—获取喜马拉雅账号的关注数据和粉丝数据生成电子表格并实现批量关注或者取关然后生成表格文件
1342 0
|
机器学习/深度学习 算法 TensorFlow
【文献学习】Analysis of Deep Complex-Valued Convolutional Neural Networks for MRI Reconstruction
本文探讨了使用复数卷积神经网络进行MRI图像重建的方法,强调了复数网络在保留相位信息和减少参数数量方面的优势,并通过实验分析了不同的复数激活函数、网络宽度、深度以及结构对模型性能的影响,得出复数模型在MRI重建任务中相对于实数模型具有更优性能的结论。
567 0
【文献学习】Analysis of Deep Complex-Valued Convolutional Neural Networks for MRI Reconstruction