趋近智
趋近智
数值是任何编程语言中计算的根本。Julia 提供了丰富的数值类型集，可以应对各种数值计算任务。Julia 中不同类型数值的表示和处理方式被考察，从整数和浮点数值开始。
整数是完整的数值，例如 -5、0、42 或 1000。它们不包含任何小数部分。在 Julia 中，当您输入一个完整的数值时，它通常会被解释为整数。
x = 10
y = -200
typeof(x) # 输出：Int64（或在 32 位系统上为 Int32）
typeof() 函数，如您之前所见，会告诉我们变量的数据类型。默认情况下，Julia 在 64 位计算机系统上通常将 Int64 用于整数，这意味着它使用 64 位内存来存储该数值。这允许存储非常大范围的数值。在较旧的 32 位系统上，它可能默认为 Int32。Julia 中的通用 Int 类型是系统“原生”整数大小的别名，如今通常是 Int64。
如果您需要更多控制，或者处理来自指定特定大小的外部数据源的数据，Julia 还提供了固定大小的整数类型。它们包括：
Int8、Int16、Int32、Int64、Int128：有符号整数，可以保存正值和负值。UInt8、UInt16、UInt32、UInt64、UInt128：无符号整数，只能保存非负值（0 和正值）。类型名称中的数字（例如 Int8 中的 8）表示用于存储该数值的位数。位数越多意味着可表示数值的范围越大，但也会占用更多内存。例如，一个 Int8 可以存储从 -128 到 127 的数值。
small_num = Int8(100)
large_num = Int64(9000000000000000000) # 一个非常大的整数
positive_only = UInt8(250)
println(typeof(small_num)) # 输出：Int8
println(typemin(Int8)) # 输出：-128
println(typemax(Int8)) # 输出：127
println(typemax(UInt8)) # 输出：255
通常您不需要指定这些大小，除非有特定原因，例如为非常大的小型整数数组优化内存或与硬件交互。对于日常大多数编程任务，Int（默认是 Int64 或 Int32）就足够了。
请注意，如果您尝试存储一个超出其可表示范围的数值，固定大小的整数会“溢出”。例如，赋值 Int8(300) 会导致错误。同样，算术运算也可能溢出：Int8(127) + Int8(1) 由于“回绕”而导致 Int8(-128)。对于默认的 Int 类型，Julia 通常被设置为对 typemax(Int) + 1 这样的操作抛出 OverflowError，这有助于捕获此类问题。
当您需要表示带小数部分的数值，或者非常大或非常小的数值时，您会使用浮点数。例如测量值 3.14159、-0.0025，或科学记数法，例如 。
在 Julia 中，写入带小数点的数值会自动使其成为浮点数。您也可以使用 e 记号进行科学表示。
pi_approx = 3.14159
temperature = -15.5
scientific_notation_val = 2.5e-4 # 这表示 2.5 * 10^-4，即 0.00025
println(typeof(pi_approx)) # 输出：Float64
println(scientific_notation_val) # 输出：0.00025
Julia 中浮点数的默认类型是 Float64，它代表 64 位双精度浮点数。这在大多数科学和通用计算中，在数值范围和精度之间提供了良好的平衡。
与整数类似，如果需要，Julia 也支持其他浮点精度：
Float16：半精度（16 位）。占用内存更少，但范围更小，精度更低。在一些特定应用中很有用，例如在机器学习 (machine learning)的某些方面，内存带宽可能是一个瓶颈。Float32：单精度（32 位）。当内存或速度比最高精度更重要时，它是 Float64 的常见替代方案。Float64：双精度（64 位）。默认且最常用。f16 = Float16(0.5)
f32 = Float32(1.23456789)
f64 = 1.2345678901234567 # 自动为 Float64
println(f16) # 输出：Float16(0.5)
println(f32) # 输出：1.2345679（请注意打印精度）
println(f64) # 输出：1.2345678901234567
浮点运算包含一些特殊数值，用于表示像除以零或未定义结果等情况：
Inf：表示正无穷大。例如，1.0 / 0.0 的结果是 Inf。-Inf：表示负无穷大。例如，-1.0 / 0.0 的结果是 -Inf。NaN：代表“不是一个数值”。它表示一个未定义或无法表示的数值，例如 0.0 / 0.0 或 sqrt(-1.0) 的结果（不使用复数时）。a = 1.0 / 0.0
b = -1.0 / 0.0
c = 0.0 / 0.0
println(a) # 输出：Inf
println(b) # 输出：-Inf
println(c) # 输出：NaN
println(isinf(a)) # 输出：true
println(isnan(c)) # 输出：true
任何涉及 NaN 的算术运算通常结果都是 NaN。例如，5.0 + NaN 是 NaN。
重要的是要理解，浮点数在大多数情况下是实数的近似值。计算机使用二进制系统，许多十进制小数无法在二进制中完美表示。这可能导致计算中出现微小的差异。
val1 = 0.1
val2 = 0.2
sum_val = val1 + val2
println(sum_val) # 输出：0.30000000000000004
println(sum_val == 0.3) # 输出：false
这种行为是浮点数在几乎所有编程语言中处理方式的一个基本方面，不仅仅是 Julia。对于许多应用来说，这些微小的差异可以忽略不计。然而，如果分数的精确性绝对重要，Julia 提供了有理数。在比较浮点数的相等性时，通常最好检查它们是否“足够接近”，而不是严格相等，可以使用 isapprox(x, y) 这样的函数。
println(isapprox(0.1 + 0.2, 0.3)) # 输出：true
对于需要精确表示分数且不带任何浮点近似误差的情况，Julia 提供了有理数。有理数就是两个整数（分子和分母）的比值。
您可以使用 // 运算符创建有理数。
fraction1 = 1//3
fraction2 = 2//5
sum_fractions = fraction1 + fraction2
println(sum_fractions) # 输出：11//15
println(typeof(fraction1)) # 输出：Rational{Int64}
有理数在算术中保持精确性。例如，1//3 + 1//3 + 1//3 将精确地等于 1//1（即 1），而不是像 0.9999999999999999 这样与 1 非常接近的数值，这是浮点运算可能得到的结果。它们在数论等领域非常有用，或者当浮点运算中即使微小的误差也无法接受时。
float_sum = 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 # 10 次
rational_equivalent = 1//10 * 10
println(float_sum) # 输出：0.9999999999999999
println(rational_equivalent) # 输出：1//1
Julia 内置支持复数，它们是形如 的数值，其中 是实部， 是虚部， 是虚数单位（定义为 ）。在 Julia 中，虚数单位写为 im。
c1 = 3 + 4im
c2 = 1.0 - 2.5im # 分量可以是浮点数
println(typeof(c1)) # 输出：Complex{Int64}
println(typeof(c2)) # 输出：Complex{Float64}
# 复数运算
println(c1 + c2) # 输出：4.0 + 1.5im
println(c1 * c2) # 输出：13.0 - 3.5im
您可以使用 real() 和 imag() 函数访问复数的实部和虚部：
real_part = real(c1)
imag_part = imag(c1)
println("c1 的实部：$real_part，c1 的虚部：$imag_part")
# 输出：c1 的实部：3，c1 的虚部：4
复数可以使用任意实数数值类型（整数或浮点数）组合其实部和虚部来构成。它们在科学和工程的许多方面都很重要，例如电气工程、量子力学和信号处理。例如，sqrt(-4.0 + 0im) 将正确地得到 0.0 + 2.0im。
既然我们已经了解了这些不同类型的数值，现在来看看如何进行常见计算。Julia 支持您预期的标准算术运算符：
+（加法）-（减法，或与一个数值使用时表示取反，例如 -x）*（乘法）/（除法）^（求幂/乘方）a_int = 10
b_float = 3.0
println(a_int + b_float) # 输出：13.0（由于类型提升为 Float64）
println(a_int - 5) # 输出：5 (Int64)
println(b_float * 2) # 输出：6.0 (Float64)
println(10 / 4) # 输出：2.5（Float64，标准除法通常产生浮点数）
println(2^3) # 输出：8 (Int64)
println(2.0^3) # 输出：8.0 (Float64)
在处理整数时，有时您希望除法结果也是整数，舍弃任何小数部分。为此，Julia 提供了 div() 函数（或其运算符形式 ÷，您可以在 Julia REPL 中输入 \div 后按 TAB 键）。要获取此类除法的余数，您可以使用 % 运算符（取模）或 rem() 函数。
numerator = 17
denominator = 5
quotient = div(numerator, denominator) # 或 numerator ÷ denominator
remainder = numerator % denominator # 或 rem(numerator, denominator)
println("对于 17 除以 5：")
println("整数商 (div)：$quotient") # 输出：整数商 (div)：3
println("余数 (%)：$remainder") # 输出：余数 (%)：2
这与标准除法 / 不同，17 / 5 会得到 3.4。
Julia 方便而强大的特性之一是算术运算中的自动类型提升。当您组合不同类型的数值时（例如 Int 和 Float64），Julia 通常会将结果“提升”到更通用的类型，以准确表示结果，通常不会丢失信息。
例如，如果您将一个 Int 和一个 Float64 相加：
integer_val = 5
float_val = 2.5
result = integer_val + float_val
println(result) # 输出：7.5
println(typeof(result)) # 输出：Float64
在这里，整数 5 在加法之前有效地转换为 5.0，结果是一个 Float64。这可以防止在结果被强制为整数时意外丢失小数部分。这种提升系统也适用于有理数和复数，通常会产生能容纳结果的“最丰富”或最通用的类型。
Int + Rational 结果为 Rational。（例如，1 + 1//2 是 3//2）Float64 + Rational 结果为 Float64。（例如，0.5 + 1//4 是 0.75）Int + Complex{Int} 结果为 Complex{Int}。（例如，1 + (2+3im) 是 3+3im）这种行为有助于避免常见的编程错误，并使数值代码更直观、更易于编写。
当您处理数值时，尤其是在处理函数结果或复杂表达式时，使用 typeof() 仍然是一个非常有用的工具。它允许您检查和理解 Julia 为特定数值使用的具体数值类型。
val_div = 10 / 2 # 标准除法
println(typeof(val_div)) # 输出：Float64（即使结果是整数）
val_int_explicit = Int(5.0) # 从 Float64 到 Int64 的显式转换
println(typeof(val_int_explicit)) # 输出：Int64
理解这些数值类型、它们的特性以及它们如何通过运算和类型提升进行交互，是编写任何涉及计算的 Julia 代码的核心要素。这些知识将对您很有帮助，从简单的算术到高级的科学计算和数据分析任务。
这部分内容有帮助吗？
© 2026 ApX Machine LearningAI伦理与透明度•