double转int如何避免数据丢失
double转int看似简单,实则暗藏陷阱:主流语言默认采用向零截断而非四舍五入,导致-2.7变成-2、3.9变成3等反直觉结果;更危险的是,精度丢失(如0.1+0.2≠0.3)和溢出风险常被忽视,可能引发隐蔽的业务逻辑错误;正确做法需按需选用Math.round()(注意Java返回long、JS遵循“四舍五入到偶数”)、Math.floor()(向下取整)等语义明确的方法,并优先从源头规避——改用整数运算、BigDecimal或添加epsilon校正,真正关键在于追问:这个double,本意真的是整数吗?

double 转 int 时为什么不是四舍五入而是直接截断
因为 C/C++/Java/JavaScript 等主流语言中,(int) 强制类型转换、Math.floor() 或 parseInt() 等默认行为都是向零截断(truncation),不是四舍五入。比如 -3.9 转成 int 是 -3,不是 -4;2.8 变成 2,不是 3。这是底层二进制表示和类型转换语义决定的,不是 bug。
常见错误现象:(int)3.9 得到 3,但业务需要的是 4;或者处理负数时发现结果“偏大”(比如 (int)-2.7 → -2,而你预期是 -3)。
- Java/C# 中
(int)强制转换只截断小数部分,不改变符号位 - C/C++ 标准规定:当浮点数超出
int表示范围时,行为未定义(可能崩溃或返回任意值) - JavaScript 的
parseInt(3.9)先转字符串再截,Math.trunc(3.9)才是纯截断,但Math.round()才是四舍五入
用 Math.round() 替代强制转换实现四舍五入
Math.round() 是最常用也最安全的替代方案,它把 double 四舍五入到最近的 long(Java)或 int(JS),且对负数也符合数学直觉:-2.5 → -2,-2.6 → -3。
注意:Java 中 Math.round(double) 返回 long,不能直接赋给 int 变量(需显式强转,但要确保值在 int 范围内);JS 中 Math.round() 返回 number,可直接用于整数运算。
- Java 示例:
int x = (int) Math.round(3.6); // 正确,得 4 - Java 风险点:
Math.round(3e10)返回long值远超int最大值,强转会溢出为负数 - JS 示例:
const n = Math.round(-2.5); // -2,不是 -3 —— 注意 JS 的 round 是“四舍五入到偶数”规则,-2.5 和 -1.5 都取偶数侧
需要向负无穷取整?用 Math.floor(),别信 (int)
如果业务逻辑要求“向下取整”(比如计算页码、分组索引),(int)-2.7 得到 -2 是错的,正确结果应是 -3。这时必须用 Math.floor(),它始终朝负无穷方向取整。
对比:Math.floor(-2.1) → -3,Math.floor(2.9) → 2;而 (int)-2.1 → -2,(int)2.9 → 2。两者仅在正数时结果一致。
- Java/C#:
(int)Math.floor(x)可行,但要注意x是double,Math.floor返回double,强转仍可能溢出 - 更稳妥写法(Java):
long l = Math.floorDiv((long)Math.floor(x), 1);不推荐——太绕;实际建议先判断范围再转 - Python 用户注意:
int()在 Python 中也是向零截断,但math.floor()行为一致,无需额外适配
精度丢失比截断更危险:先检查 double 是否真能精确表示整数
很多问题根本不在“怎么截”,而在“这个 double 本来就不该是整数”。比如 0.1 + 0.2 是 0.30000000000000004,转 int 得 0,而不是预期的 0 或 1。这时候强行 round 或 floor 只会让误差更隐蔽。
- 典型场景:金额计算、坐标像素对齐、数组下标生成
- 防御性做法:若原始值来自小数运算,优先改用整数单位(如“分”代替“元”)或
BigDecimal(Java)、BigInt(JS) - 临时补救:加
epsilon再截断,例如(int)(x + 1e-10)防止2.9999999999999996变成2,但仅适用于已知误差量级的场景
真正难的不是选 round 还是 floor,而是想清楚:这个 double 值,本意是不是整数?如果是,它为什么是 double 类型?
文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《double转int如何避免数据丢失》文章吧,也可关注golang学习网公众号了解相关技术文章。
LeonardoAI无法生成图片解决方法
- 上一篇
- LeonardoAI无法生成图片解决方法
- 下一篇
- Python反射机制:getattr与setattr详解
-
- 文章 · java教程 | 2小时前 | Java · ServiceLoader module-info.java Java模块
- Java 模块服务加载的可选实现与回退路径
- 363浏览 收藏
-
- 文章 · java教程 | 3小时前 |
- Java VarHandle 内存序选择与可见性验证
- 226浏览 收藏
-
- 文章 · java教程 | 5小时前 |
- Java JFR 事件流定位短时延迟尖峰
- 213浏览 收藏
-
- 文章 · java教程 | 6小时前 |
- Java Record 序列化兼容字段演进方案
- 483浏览 收藏
-
- 文章 · java教程 | 7小时前 |
- Java ServiceLoader 隔离模块化插件实现
- 414浏览 收藏
-
- 文章 · java教程 | 7小时前 |
- Java Pattern Matching switch 处理密封层级
- 189浏览 收藏
-
- 文章 · java教程 | 8小时前 | Stream · Java教程 · java Stream Collector Collectors.teeing 统计汇总
- Java Collectors.teeing 汇总两条统计管道
- 385浏览 收藏
-
- 文章 · java教程 | 9小时前 |
- Java Foreign Function Memory API 管理本地内存生命周期
- 385浏览 收藏
-
- 文章 · java教程 | 10小时前 |
- Java StampedLock 乐观读校验失败的回退方式
- 165浏览 收藏
-
- 文章 · java教程 | 13小时前 | 异常处理 · 并发编程 · Java教程 · StructuredTaskScope Java Structured Concurrency Joiner allUntil 子任务异常 聚合异常
- Java Structured Concurrency 汇总子任务异常
- 260浏览 收藏
-
- 文章 · java教程 | 15小时前 |
- Java ForkJoinPool asyncMode 调整任务队列顺序
- 121浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 409次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 487次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 495次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 443次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 271次使用
-
- Java try-with-resources 多个资源关闭顺序是什么
- 2026-09-10 501浏览
-
- 矩阵主副对角线快速定位技巧
- 2026-05-31 501浏览
-
- Java多态优化流程代码与行为分发改进
- 2026-05-26 501浏览
-
- JVM 类元数据双亲委派链表深度解析
- 2026-05-21 501浏览
-
- 反射异常处理:InvocationTargetException解析与应用
- 2026-05-16 501浏览

