precision

    0熱度

    1回答

    PHP <?php echo (-9.341+2.111); 結果-7.23 的Javascript console.log(2.111-9.341) 結果-7.229999999999999 我知道浮算術的,但爲什麼香草PHP給出確切的答案和Javascript(在Google Chrome控制檯上測試過)不是?

    0熱度

    1回答

    There was我的問題(最初並不那麼準確制定): 我需要使用PHP漂浮在JSON字符串。代碼: $obj['val'] = '6.40'; json_encode($obj); 轉換爲: {"val": "6.40"} 這是確定的 - 我在PHP字符串值 '6.40' 和我有JSON字符串值 「6.40」。 的情況並沒有那麼好,如果我需要使用花車: $obj['val'] = 6.4

    -2熱度

    1回答

    10年後,我重新學習Java,並且編寫簡單的代碼來檢查語法並驗證簡單的行爲。 我在玩數字類型,我不明白爲什麼浮動在Java(以及我後來驗證的C#)中表現的行爲與Python(或其他腳本語言,如JavaScript或PHP)不同。 的一點是,從我的知識,花車是不可靠的精度問題時,我腦子裏想的最簡單的例子之一是總和: float(0.1) + float(0.2) 不同於人們可以想到的是不是flo

    1熱度

    1回答

    我正在向Python和Cassandra發送數據。我在我的python程序中使用內建的float類型,以及我的Cassandra表的數據類型。如果我發送一個955.99從python到Cassandra,在數據庫中顯示955.989999。當我在python中發送一個查詢來返回剛纔發送的值時,現在是955.989990234375。 我明白python中精度損失的問題,我只是想知道Cassandr

    1熱度

    3回答

    這在其他(也許是所有)語言中無疑是這樣,但我只用Python進行測試。我的問題是這樣的: 在對兩個值進行不同精度的算術運算時,爲什麼NumPy以最高精度返回值的dtype結果? 例如 import numpy as np single = np.array([[1, 2, 3], [4, 5, 6]], np.float32) double = np.array([[1, 2, 3], [4

    1熱度

    3回答

    我正在製作一個顯示pi數字的網頁。我能夠使用toFixed方法得到我的pi變量來顯示20位pi的數字,但我想知道是否可以顯示更多。小數位數是否受我變量內存大小的限制?有沒有辦法顯示超過20位數字? 編輯:我應該澄清說,我正在使用Chudnovsky Algorithmn來計算pi的值。我假設由於var變量的內存限制,它只能顯示一定數量的限制在20的數字? Source

    -2熱度

    1回答

    首先,IEEE754半精度浮點數使用16位。它使用1位符號,5位指數和10位尾數。實際值可以計算爲符號* 2 ^(指數-15)*(1 + mantisa/1024)。 我試圖運行一個圖像檢測程序使用半精度。原始程序使用單精度(=浮點數)。我在http://half.sourceforge.net/中使用半精度類。使用類的一半,我至少可以運行相同的程序(通過使用一半而不是浮點數,並用g ++而不是g

    0熱度

    2回答

    我在使用浮點數分隔long類型時遇到了精度問題,並最終導致應用程序中的計算出現混亂。假設我只是將毫秒轉換爲秒,因爲這是我們結束的要求。以下是一個樣本測試用例 long startTimeMS = 2529095; NSTimeInterval expectedStartTime = 2529.095 NSTimeInterval startTime = startTimeMS/1000.f;

    0熱度

    1回答

    2個Oracle默認/由於給定的NUMBER列(其中NUMBER沒有設置(p,s)))導致運算符的值的精度是多少?如果我: create table foo(field1 NUMBER, field2 NUMBER); insert into foo (field1, field2) values (1.1, 3); select field1/field2 as f1df2 from f

    1熱度

    1回答

    考慮: (tmp1 <- seq(0, 0.2, 0.01)[16]) # [1] 0.15 (tmp2 <- seq(0, 0.2, 0.05)[4]) # [1] 0.15 和 identical(tmp1, tmp2) # [1] FALSE all.equal(tmp1, tmp2) # test for 'near' equality [1] TRUE 的根本原因是f