浮点型的float和double在底层如何存储

浮点型的float和double在底层如何存储

1. 首先我们来看一下小数由几部分构成：
   以3.14为例会发现小数由一下四部分组成：

   1. 正负号
   2. 整数部分
   3. 小数点
   4. 小数部分
   

2. 那么小数是怎么转换为二进制存储的呢？

   以3.14为例

   1. 正负号：用一位来保存，0代表正，1代表负。（3.14的正负号为正，则使用二进制的0代替）
   2. 整数部分：除2取余（3.14整数部分为3，二进制格式为11）
   3. 小数部分：乘2取整数部分（3.14小数部分为0.14，二进制转换后为：00100.......）
   4. 指数部分：在经过前三布处理后，抛去正负号，3.14的二进制转换为11.00100.......，我们需要进行一个科学计数法表示，保证整数部分只剩下1，指数位+（float偏移127，double偏移量1023）
   5. 抛去正负号部分，由于第一位都是1，这样我们就可以把第一位和小数点舍去。
   

   我们以一张图来只管展示一下
   float如下图所示：
   double如下所示：
   奇怪输出结果：
   
   首先我们看看2.25的单精度存储方式，2.25 --> 10.01 --> 1.00121
   符号位0，指数部分1+127 --> 10000000
   尾数部分：001 0000 0000 0000 0000 0000
   很简单 0 1000 0000 001 0000 0000 0000 0000 0000,
   而2.25的双精度表示为:0 100 0000 0000 0010 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000 0000,这样2.25在进行强制转换的时候，数值是不会变的
   而我们再看看2.2呢
   发现小数部分的二进制是一个无限循环的排列 00110011001100110011…
   对于单精度数据来说，尾数只能表示23bit的精度，所以2.2的float存储为:
   2.2 --> 10.0011001100110011001100 -->1.0001100110011001100110021
   符号位0，指数部分1+127 --> 1000 0000
   尾数部分：00011001100110011001100
   0 1000 0000 00011001100110011001100
   但是这样存储方式，换算成十进制的值，却不会是2.2的
   因为十进制在转换为二进制的时候可能会不准确，如2.2，而double类型的数据也存在同样的问题，所以在浮点数表示中会产生些许的误差，在单精度转换为双精度的时候，也会存在误差的问题

了解：
（1）浮点类型不精确，因为十进制的小数部分转二进制会需要舍去
（2）float类型的4个字节能表示的数字范围比long类型的8个字节还要大
因为浮点型底层存的是指数