更多 cttypes c_float() 精度
More cttypes c_float() precision
我正在使用 Python 的 ctypes 库来调用我的 C 代码。我的问题是，当我尝试创建 c_float 时，我获得的值似乎与我设置的值略有不同。
例如
print(value)
print(c_float(value))
0.2
c_float(0.20000...298...)
我怎样才能避免这种情况？
浮点数有固定的精度，不一定能精确表示十进制的有限数。
在 this website 上，您可以看到浮点数实际上是如何存储在内存中的。如果在 "Decimal Representation" 中输入“0.2”，您可以看到它是如何转换为十六进制数的，并且存储的数字正是您注意到的数字。
Jan Rüegg 是对的 - 这就是花车的工作原理。
如果您想知道为什么只显示 c_float，那是因为
c_floats 打印为 "c_float({!r}).format(self.value)。 self.value 是一个 双精度 精度 Python 浮点数。
Python的float类型打印出转换为浮点数的最短表示，所以虽然float(0.2) 不准确，它仍然可以短格式打印。
c_float(0.2) 中的不准确性足够高，使其更接近
0.20000000298023223876953125
比
0.200000000000000011102230246251565404236316680908203125
由于float(0.2)代表后者，不能使用"0.2"的缩写
Python 的 float 对应于 C double，通常为 64 位宽。另一方面，ctypes c_float 对应于 C float，通常为 32 位宽。这就是为什么您观察到准确性下降的原因 - 当用较窄的类型不准确地表示数字时，这是预料之中的。
c_float 的 __repr__ 通过将数字转换回 Python 浮点数来打印它，从而增加了混乱，因此其输出包括额外的不必要的数字。 32 位浮点数可以使用 9 位有效数字打印，而 64 位浮点数需要 17 位。额外的数字不携带任何附加信息，并且看起来数字已损坏。
我正在使用 Python 的 ctypes 库来调用我的 C 代码。我的问题是，当我尝试创建 c_float 时，我获得的值似乎与我设置的值略有不同。
例如
print(value)
print(c_float(value))
0.2
c_float(0.20000...298...)
我怎样才能避免这种情况？
浮点数有固定的精度，不一定能精确表示十进制的有限数。
在 this website 上，您可以看到浮点数实际上是如何存储在内存中的。如果在 "Decimal Representation" 中输入“0.2”，您可以看到它是如何转换为十六进制数的，并且存储的数字正是您注意到的数字。
Jan Rüegg 是对的 - 这就是花车的工作原理。
如果您想知道为什么只显示 c_float，那是因为
c_floats 打印为"c_float({!r}).format(self.value)。self.value是一个 双精度 精度 Python 浮点数。Python的
float类型打印出转换为浮点数的最短表示，所以虽然float(0.2)不准确，它仍然可以短格式打印。
c_float(0.2) 中的不准确性足够高，使其更接近
0.20000000298023223876953125
比
0.200000000000000011102230246251565404236316680908203125
由于float(0.2)代表后者，不能使用"0.2"的缩写
Python 的 float 对应于 C double，通常为 64 位宽。另一方面，ctypes c_float 对应于 C float，通常为 32 位宽。这就是为什么您观察到准确性下降的原因 - 当用较窄的类型不准确地表示数字时，这是预料之中的。
c_float 的 __repr__ 通过将数字转换回 Python 浮点数来打印它，从而增加了混乱，因此其输出包括额外的不必要的数字。 32 位浮点数可以使用 9 位有效数字打印，而 64 位浮点数需要 17 位。额外的数字不携带任何附加信息，并且看起来数字已损坏。