前言
相比int等整型，float等浮點類型的表示和存儲較為復雜，但它又是一個無法回避的話題，那么就有必要對浮點一探究竟了。在計算機中，一般用IEEE浮點近似表示任意一個實數，那么它實際上又是如何表示的呢？
下面的表達式里，i的值是多少，為什么？如果你不確定答案，那么你應該好好看看本文。
float f = 8.25f;
int i = *(int*)&f；
IEEE浮點表示
IEEE浮點標准用
的形式近似表示一個數。並且將浮點數的位表示划分為三個字段：
-
符號（sign）s決定這個數是負數（s=1）還是正數（s=0）。可以用一個單獨的符號s直接編碼符號s。
-
尾數（signficand）M是一個二進制小數，它的范圍是1～2-ξ或者是0～1-ξ。
n位小數字段編碼尾數M。 -
階碼（exponent）E的作用是對浮點數加權，這個權重是2的E次冪（可能是負數）。k位的階碼字段 編碼階碼E。
在單精度浮點格式（c語言的float）中，s，exp和frac字段分別為1位，8位和23位,而雙精度浮點格式（c語言中的double）中，s，exp和frac字段分別為1位，11位和52位。
一個浮點數的常見比特位表示如下:
-
單精度
-
雙精度
而根據exp的值，被編碼的值可以分為三大類不同的情況。下面進行一一解釋。
情況1：規格化的值
即最普遍的情況，當exp，即階碼域既不為全0，也不為全1的情況。在這種情況下，階碼字段解釋為以偏置（biased）形式表示有符號整數，即E=exp-Bias,exp是無符號數（1~254）。Bias是一個等於的偏置值，對於單精度來說，k=23，Bias=127，因此E的范圍是-126~+127。
frac被描述為小數值，且0≤frac<1,其二進制表示為0.frac。尾數定義為 M=1+frac ，則M=1.frac。那么就有1≤M<2,由於總是能夠調整階碼E，使得M在范圍1≤M<2,所以不需要顯示的表示它，這樣還能獲得一個額外的精度位。也就是說，在計算機內部保存M時，默認這個數的第一位總是1，因此可以被舍去，只保存后面的frac部分,等到讀取的時候，再把第一位的1加上去。
情況2：非規格化的值
當exp，即階碼域為全0時，所表示的數便為非規格化的值，該情況下的階碼值E=1-Bias（注:為從非格式化值轉換到格式化值提供了一種方法）。尾數M=frac
非規格化的數有兩個作用。
-
表示數值0。格式化數中，我們總使得M≥1，因此就無法表示0。而階碼全0時，且尾數也全0時，就可以表示0了。
-
表示接近0.0的數。它所表示的值分布地接近於0.0，該屬性成為逐漸溢出。
情況3：特殊值
有兩種
-
階碼全為1，小數域全為0。它得到值為 +∞(s=0)或-∞（s=1），它在計算機中可以表示溢出的結果，例如兩個非常大的數相乘。
-
階碼全為1，小數域不全為0。它得到值為NaN（Note a Number）。它在計算機中可以表示非法的數，例如計算根號-1時的值。
浮點數的范圍和有效位
對於浮點數，其能表示的數值范圍和其有效位如下
| 類型 | 比特位 | 數值范圍 | 有效位 |
|---|---|---|---|
| float | 32 | -3.410^38～+3.410^38 | 6~7位 |
| double | 64 | -1.710^-308~1.710^308 | 15~16位 |
| long double | 128 | -1.210^-4932~1.210^4932 | 18~19位 |
可見同比特位數的整型（例如int）要比浮點數（例如float）能表示的數值范圍要小很多，但是需要注意的，雖然浮點數能表示的范圍大，但是 它卻不能精確表示在其范圍內的所有實數，也就是說，它只能保證有效位的值是精確的，當表示的數值（小數部分）超過有效位時，所表示的數是無法保證精確的，甚至可以說是錯誤的。
那么浮點數的數值范圍和有效位是如何得到的呢？
浮點數的數值范圍計算
有了前面了基礎，我們就可以來計算浮點數的數值范圍了。以單精度（float）為例，我們知道它的指數范圍（即E）為-126~+127，而M的范圍為1≤M<2，實際上，對於單精度，1≤M≤2-2^（-23）（注:23為frac字段所占的比特位）。那么我們就可以得到單精度的最大值為:
同理，我們可以得到單精度的最小值為：
我們僅僅以單精度為例，用同樣的方法可以計算其他精度的浮點數數值范圍，在此不再贅述。
浮點數的有效位
有效位也可以理解為我們常說的精度。浮點數的精度是由尾數的位數來決定的。
對於單精度（float），它的尾數為23位，而2^23=8388608，共7位，也就是說最多能有7位有效數字，但至少能保證6位，因此其有效位為6~7位。當然我們可以通過下面的內容進一步理解。以下計算結果保留10位小數。
觀察a和b的結果可以發現，0.0000001和0.0000002之間的其他數是沒有辦法通過單精度浮點數來精確表示的，也就是說，只有到小數點后面7位的值才是精確的，同理，觀察b和c的結果，0.0000002到0.0000004之間的其他數也是不能通過單精度浮點數精確表示的，更不幸地是，這之間的數，甚至只能精確到第6位。
這也就有了單精度浮點數的有效位為6~7位的結論。根據相似的方法，我們同樣可以得到雙精度浮點數的有效位為15~16位的結論，這里不再贅述。
浮點數在內存中的存儲
了解了這么多，我們來看一下一個小數究竟是如何在內存中存儲的。以float f = 8.5f為例。其二進制表示為
,可見指數實際值為3，則根據E=exp-Bias，可知exp=E+Bias=3+127=130，根據M=1+frac,可知，frac=M-1=0.0001（二進制）而
因此不難得到，8.5的在內存中的存儲情況為：
| s | exp | frac |
|---|---|---|
| 0 | 1000 0010 | 0001 0000 0000 0000 0000 000 |
如果這個時候把這個值作為整型使用，是多少呢？沒錯，是1091043328
#include<stdio.h>
int main(int argc,char *argv[])
{
float f=8.5f;
int *i = (int*)&f;
printf('%d
',*i);
return 0;
}
再說幾句
關於浮點數，需要再說幾句：
-
在二進制，第一個有效數字必定是“1”，因此這個“1”並不會存儲。
-
浮點數不能精確表示其范圍內的所有數。
-
可精確表示的數不是均勻分布的，越靠近0越稠密。
-
默認舍入方式為向偶舍入，也被稱為最接近的值舍入。
-
不遵守普遍的算術屬性，比如結合律。