博客
关于我
20210410-python-关于原码反码和补码
阅读量:658 次
发布时间:2019-03-15

本文共 753 字,大约阅读时间需要 2 分钟。

关于反码和补码的含义和计算什么的,每次记了就忘。。。

这次专门查了下反码和补码的背景和应用。
记录一下。

1、背景

众所周知,计算机语言是使用二进制来表达的。
数字是用n位二进制数来表示的,则数字的运算实质为二进制的运算。
但二进制只能做加法,所谓的减法实质上是加上这个数的负数。
如 4-2 = 4+(-2)
二进制规定最高位表示数的正负,0为正,1为负,但这个标识无法直接用于运算(需要引入特殊机制,会导致运算成本太高),比如:
4-2用标识直接运算变成 0000 0100 + 1000 0010 = 1000 0110 = -6(十进制)

所以就引入了反码,计算如下:

4-2 (十进制) = 0000 0100 + 1111 1001 = 1000 0010(最高位溢出的补在最低位) = 2(十进制)
但反码有明显的问题:
1、0000 和 1111 都能代表0 (-0=1000 0000 反码:1111 1111 )
2、最高位溢出时需要特殊处理,影响处理效率

于是有了补码,计算如下

4-2 (十进制) = 0000 0100 + 1111 1010 = 1000 0010(最高位溢出直接丢弃)= 2(十进制)

2、基础计算

反码
正数的反码=原码本身
负数的反码=原码的各位取反(注意:符号位不变)
如 0001 0100
反码 1110 1011

补码

正数的补码=原码本身
负数的补码=原码的各位取反+1(注意:符号位不变)
如 0011 1010
补码 1100 0110

3、python应用

十进制转二进制

>>> a=bin(10)>>> print(a)

结果:0b1010

二进制转十进制

>>> b=int(0b1001100)>>> print(b)

结果: 76

转载地址:http://aspmz.baihongyu.com/

你可能感兴趣的文章
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:从头开始的文本矢量化方法
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>
nmap 使用方法详细介绍
查看>>
nmap使用
查看>>
Nmap扫描教程之Nmap基础知识
查看>>
nmap指纹识别要点以及又快又准之方法
查看>>
Nmap渗透测试指南之指纹识别与探测、伺机而动
查看>>
Nmap端口扫描工具Windows安装和命令大全(非常详细)零基础入门到精通,收藏这篇就够了
查看>>