1、整数运算和浮点运算
整数运算
定义：对整数进行的操作，结果也是整数。
类型：加法、减法、乘法、取模、位运算（如AND、OR、XOR）
特点：
准确：不会出现精度损失。
效率高：因为不需要进行浮点运算的复杂处理。
范围有限：只能处理介于 2^31 到 2^311 之间的整数。
浮点运算
定义：对浮点数进行的操作，结果也是浮点数。
类型：加法、减法、乘法、除法、比较（如>、<、==）
特点：
近似：由于浮点数的有限精度，运算结果可能存在微小的误差。
效率低：浮点运算比整数运算更复杂，需要更多的处理时间。
范围广：浮点数可以表示比整数更广泛的数值范围，包括很小和很大的数字。
关键区别
| 特征 | 整数运算 | 浮点运算 |
||||
| 准确性 | 准确 | 近似 |
| 效率 | 高 | 低 |
| 范围 | 有限 | 广泛 |
| 使用场景 | 精确计算（如金钱计算） | 近似计算（如科学和工程） |
选择指南
当需要准确的结果且数字在整数范围内时，使用整数运算。
当需要表示广泛的数值范围且允许存在微小误差时，使用浮点运算。
2、整数运算和浮点运算 cpu
整数运算
使用整数寄存器进行操作
速度快，因为不需要进行浮点数的浮点运算
适合处理不涉及分数或小数的计算
浮点运算
使用浮点寄存器进行操作
速度比整数运算慢，因为需要进行浮点运算的复杂处理
适合处理涉及分数或小数的计算，并需要更高的精度
CPU 架构对整数和浮点运算的影响
现代 CPU 通常都有专用的整数和浮点单元 (ALU)
整数 ALU 针对快速整数运算进行了优化
浮点 ALU 针对高精度浮点运算进行了优化
某些 CPU 还具有向量指令，可以并行执行多个整数或浮点运算
选择合适的运算类型
在选择整数运算还是浮点运算时，需要考虑以下因素：
计算的精度要求
计算中涉及的数字类型
计算的性能要求
一般来说，如果计算需要高精度或涉及分数和小数，则使用浮点运算。否则，对于速度更重要的应用，使用整数运算。
3、整数运算和浮点运算思维导图
整数运算思维导图
基本运算：
加法 (+)
减法 ()
乘法 ()
除法 (/)（结果为整数）
取模运算（%）： 计算除法的余数
移位运算：
左移 (<<)：将数字向左移动指定的位数
右移 (>>)：将数字向右移动指定的位数
逻辑运算：
与运算 (&)：按位计算 0 和 1
或运算 (|)：按位计算 0 或 1
异或运算 (^)：按位计算 0 或 1，但两个相同则为 0
浮点运算思维导图
基本运算：
加法 (+)
减法 ()
乘法 ()
除法 (/)（结果为浮点数）
数学函数：
平方根 (sqrt())
指数 (exp())
对数 (log())
三角函数（正弦、余弦、正切）
舍入和截断：
舍入到最接近的整数 (round())
截断到整数部分 (trunc())
浮点精度：
由尾数的位数决定
随着位数的增加，精度增加
异常：
除零
上溢（结果太大）
下溢（结果太小）
4、整数和浮点数的算术运算实验
实验目的：
了解 Python 中整数和浮点数的算术运算规则。
练习 Python 中的算术运算操作。
实验材料：
Python 3 解释器
实验步骤：
1. 创建一个 Python 交互式解释器会话。
2. 探索整数和浮点数的加法运算。
python
加法
print(1 + 2) 3
print(1.0 + 2.0) 3.0
3. 探索整数和浮点数的减法运算。
python
减法
print(2 1) 1
print(2.0 1.0) 1.0
4. 探索整数和浮点数的乘法运算。
```python
乘法
print(2 3) 6
print(2.0 3.0) 6.0
```
5. 探索整数和浮点数的除法运算。
```python
除法（整数除法和浮点除法）
print(5 // 2) 2（整数除法）
print(5.0 // 2.0) 2.0（浮点除法）
print(5 / 2) 2.5（浮点除法）
print(5.0 / 2) 2.5（浮点除法）
```
6. 探索整数和浮点数的求余运算。
```python
求余
print(5 % 2) 1
print(5.0 % 2.0) 1.0
```
7. 探索整数和浮点数的幂次运算。
```python
幂次
print(2 3) 8
print(2.0 3.0) 8.0
```
8. 算术运算规则。
整数和浮点数可以进行加、减、乘、除和幂次运算。
整数除法返回一个整数，而浮点除法返回一个浮点数。
求余运算返回被除数除以除数的余数。
幂次运算返回以底数为底、指数为指数的数。
实验结果：
通过此实验，你应该了解了 Python 中整数和浮点数的算术运算规则，并掌握了这些运算操作的使用。