float，double在内存中的存储方式

将17.625换算成 float型。
首先，将17.625换算成二进制位：10001.101 ( 0.625 = 0.5+0.125, 0.5即 1/2, 0.125即 1/8 如果不会将小数部分转换成二进制，请参考其他书籍。) 再将 10001.101 向右移，直到小数点前只剩一位 成了 1.0001101 x 2的4次方（因为右移了4位）。此时 我们的底数M和指数E就出来了：
底数部分M，因为小数点前必为1，所以IEEE规定只记录小数点后的就好，所以此处底数为 0001101 。
指数部分E，实际为4，但须加上127，固为131，即二进制数 10000011
符号部分S，由于是正数，所以S为0.
在float中，符号位占1-bit，指数部分占8-bit，底数部分占23-bit。
综上所述，17.625的 float 存储格式就是：
0 10000011 00011010000000000000000
转换成16进制：0x41 8D 00 00

根据指数位的值，被编码的值可以分为三种不同的情况，即，规格化值、非规格化值、特殊数值。当指数部分不全为 0 且不全为 1 时，属于规格化值；当指数位全为 0 时，属于非规格化值；当指数位全为 1 时，属于特殊数值。

非规格化值有两个目的。首先提供了一种表示数值 0 的方法。当小数位也全为 0 时，可以根据符号位的不同表示 +0.0 和 -0.0 。另外一个功能是用来表示那些非常接近 0.0 的数，使用逐渐下溢出（ gradual underflow ）的方法实现这个属性。当指数位全为1时，则被编码的值为特殊数值，而小数位全为 0 时，可以表示正无穷大和负无穷大。当小数位为非零时，结果值被称为 NaN 。

因为表示方法限制了浮点数的范围和精度，所以浮点运算只能近似地表示实数运算。系统需要使用“最接近”匹配值的值保存浮点值，这就是舍入（ rounding ）运算的任务。 IEEE 规定了四种舍入方式，默认的方式是向偶数舍入，也叫向最接近的值舍入。

const float EPSINON = 0.000001;
if ((x >= - EPSINON) && (x <= EPSINON))/*判断浮点数x是否为0*/

浮点型变量并不精确，其中EPSINON是允许的误差（即精度），所以不可将float变量用“==”或“!=”与数字比较，应该设法转化成“>=”或“<=”形式，在允许的某个范围内认为两个浮点数相等。

float的指数位有8位，而double的指数位有11位，分布如下：

在float中，指数部分须加上127，而在double中，指数部分须加上1023