整数除法和浮点除法对应不同cpu指令，行为截然不同：整数除法向零截断，浮点除法按ieee 754近似；类型转换必须作用于操作数而非结果，字面量是否带小数点决定运算类型。

整数除法和浮点数除法走的是两套完全不同的 CPU 指令

不是“语言做了什么”，而是编译器/解释器把 / 编译成不同底层指令：整数除法用 idiv（x86）或 sdiv（ARM），浮点除法用 divsd 或 fdiv。这两类指令的输入寄存器类型、执行单元、异常行为（比如除零）、甚至延迟周期都不同。

这意味着：哪怕你写 5 / 2，只要操作数被识别为 int，CPU 就不会碰小数点——它压根不计算小数部分，直接丢弃余数；而一旦有一个是 float 或 double，硬件就会调用浮点单元，按 IEEE 754 规则做近似除法。

“取整”不是四舍五入，也不是向下取整，而是向零截断

整数除法的结果永远是商的整数部分，去掉小数，方向朝零靠拢：

• 7 / 3 → 2（正数，截掉 .333）
• -7 / 3 → -2（不是 -3，不是向下取整，是往零靠近）
• 7 / -3 → -2
• -7 / -3 → 2

这个行为在 C、C++、Java、Go 等静态类型语言中一致；Python 的 // 是向下取整（-7 // 3 → -3），但 / 在 Python 3 中强制返回浮点数，所以不参与整数除法逻辑。

强制类型转换的位置决定结果是否失真

这是最容易出错的地方：类型转换必须作用于**被除数或除数之一**，而不是整个表达式结果。

错误写法：(double)(sum / n) —— 先用两个 int 做整数除法，sum/n 已经丢了小数，再转 double 也救不回来。

正确写法：(double)sum / n 或 sum / (double)n —— 至少一个操作数变成浮点，触发浮点除法指令。

其他等效方式：

• sum * 1.0 / n（乘 1.0 把 sum 提升为 double）
• 1.0 * sum / n（同上，注意左结合性）
• sum / (n * 1.0)（提升除数）

C/C++ 中字面量带不带小数点，结果天差地别

编译器靠字面量后缀和小数点判断类型，不是靠你“想让它是什么”：

• 5 / 2 → 两个 int，整数除法，结果 2
• 5.0 / 2 → double ÷ int，浮点除法，结果 2.5
• 5 / 2.0 → 同上
• 5.f / 2 → float ÷ int，结果 2.5f（单精度）

特别注意：5. / 2 合法（5. 是 double 字面量），但 5 / 2. 更易读；漏掉小数点，比如写成 1000/60 算分钟，就永远得不到 16.666...。

实际调试时，如果发现平均值总是整数，第一反应不该是“公式错了”，而是检查 sum 和 n 的类型、字面量有没有小数点、强制转换括号包在哪一层。这些地方错一点，结果就固化成整数，后面怎么 cast 都晚了。