问题描述
在我的 Ada 代码中舍入浮点数时，我看到了一些奇怪的行为。
我知道浮动是不可靠的，有时它们不能准确表示。
我的问题是，如果您先将值存储在变量中，为什么会很重要。
float'rounding(8.9 / 0.2)
上面的结果是45，这似乎是有道理的，8.9 / 0.2 = 44.5 那么从零舍入。 （我还尝试将每个数字转换为浮点数以确保没有类型差异）
然后
a : float : 8.9;
b : float : 0.2;
float'rounding(a / b)
这次是44。这意味着 a / b = 44.4999999 然后向下取整。
为什么在变量中保存值会改变所有相同类型的计算结果？！
任何见解都会很棒！
解决方法
Ada 实数是universal_real 类型，可用于涉及实数类型的计算，例如float 或long_float，只要文字值在该类型的有效值范围内即可。
Universal_real 被实现为计算机浮点硬件可表示的“最大”类型。这类似于 C 语言，其中真正的文字是双精度的。
看下面的例子：
with Ada.Text_IO; use Ada.Text_IO;
procedure Main is
a_val : constant := 8.9;
b_val : constant := 0.2;
a : float := a_val;
b : float := b_val;
a_l : long_float := a_val;
b_l : long_float := b_val;
begin
Put_Line(Float'Image(Float'Rounding(a_val / b_val)));
Put_Line(Float'Image(Float'Rounding(a / b)));
Put_Line(Long_Float'Image(Long_Float'Rounding(a_l / b_l)));
end Main;
命名数字 a_val 和 b_val 的类型为universal_real。程序的输出为：
4.50000E+01
4.40000E+01
4.50000000000000E+01
直接使用名称number的除法与使用long_float的除法相同，与使用float的除法不同。
,我不了解 Ada，但大多数这些数字无法准确表示为（二进制）浮点数。 Jeffrey 指出不同之处在于您的计算完全在编译时执行，但他认为说明运行时版本给出“错误”答案的原因可能会有所启发。
使用binary32表示，即Ada中的float变量，我们得到：
input nearest representable float
8.9 = 8.8999996185302734375
0.2 = 0.20000000298023223876953125
8.9 / 0.2 = 44.499996185302734375
对结果进行四舍五入在数学上按预期工作，但由于之前的精度损失，您最终得到 44。
相比之下，binary64 浮动，即 Ada 中的 long_float，恰好相反：
8.9 = 8.9000000000000003552713678800500929355621337890625
0.2 = 0.200000000000000011102230246251565404236316680908203125
8.9 / 0.2 = 44.5
在除法过程中错误发生取消，因此精确结果为 44.5，四舍五入符合预期。
我倾向于使用 Python REPL 以交互方式快速检查这些，decimal module 对于查看浮点数的扩展特别有用。 Python 本身只知道 binary64 浮点数，但 NumPy 库提供对其他 floating-point types 的访问。