在C语言中，float是用来表示单精度浮点数的数据类型，它占4个字节，遵循IEEE 754标准。几乎每一个C语言教程都会告诉你：整数用int，小数用float或double。但真正理解float的内部构造，才能准确判断什么时候用它、什么时候会发生精度丢失、以及为什么两个看起来相等的浮点数用==比较却可能返回假。
我们先从硬件最直观的存储单元说起。一个float变量的32个比特位被划分为三个区域：1位符号位、8位指数位和23位尾数位。符号位决定正负；指数位采用移码表示，实际指数要减去127得到；尾数位则存储有效数字的小数部分，并且隐含了一个整数位1，也就是实际值为1.m × 2^(e-127)。这种设计使得float能表示的范围大约在1.2E-38到3.4E+38之间，但精度只有6到7位有效十进制数字。一旦你需要精确到小数点后七位以上的操作，float就会力不从心。
float的存储格式到底长什么样
要真正掌握float的用法，就必须先把它在内存里的布局看清楚。一个float类型的32位二进制数从最高位到最低位依次是：第31位为符号位S，第30到23位为指数E，第22到0位为尾数M。浮点数的值可以用公式(-1)^S × (1.M) × 2^(E-127)来计算，这里(1.M)表示尾数部分最前面隐含了一个1。例如，十进制数值6.5转换为二进制是110.1，写成科学计数法就是1.101 × 2^2。那么符号位为0，指数E为2+127=129，二进制为10000001，尾数M去掉最前面的1后就是101000...0共23位。把这些拼起来就得到0x40D00000，这正是在C语言里*(int*)&f能看到的结果。
理解这个底层结构之后，很多现象就不再神秘。比如为什么float的最大正数比int大那么多？因为指数位可以跳到很大的范围。又比如为什么0.1用float存储后会变成0.100000001490116...？因为十进制0.1转换成二进制是无限循环小数0.0001100110011...，23位尾数只能截取前24位有效数字，必然会舍入。针对这种情况，I/O库中的printf("%f",0.1)默认显示6位小数，实际打印0.100000，看似正常，但后面的误差依然存在。
我们还可以用一个简单程序验证存储格式。定义一个联合体union { float f; unsigned int i; } u;，让u.f取不同值，再以十六进制打印u.i，就能直观看到每个小数在内存中的二进制表示。这在调试浮点数与硬件寄存器交互、通信协议编解码时非常有用。
float的精度误差是如何产生的
使用float时最容易出错的地方就是对精度的盲目信任。不少初学者会写出float sum = 0.0; for(int i=0;i<1000;i++) sum += 0.001;这样的代码，最后期望sum == 1.0，但很可能得到的是1.000000166或者0.999999821。原因在于每次加0.001都会引入微小的舍入误差，1000次累加会让误差累积到小数点后第7位。同理，两个相差很大的数相加减会丢失小数的贡献，例如float a = 1.0e8; float b = 1.0; a + b - a的结果很可能不是1.0，因为1.0e8的尾数只能精确到个位数量级，加1.0后再减a，那1.0的精度已经被丢弃了。
另一种典型的误差来自强制类型转换。当一个整数大于2^24（约16777216）时，用float表示就再也无法区分相邻的整数。比如写成float f = 16777216;，此时f == 16777216.0f为真；但f + 1.0f的值依然等于16777216.0f，因为float的尾数不够存储那个1。这种情况在音频采样计数、计数器、大范围坐标等场景下会产生难以跟踪的错误。解决的方法要么换成double（53位尾数可以精确到2^53），要么改用int64_t等整型计数。
避免精度误判的关键在于建立正确的比较方式。永远不要用if(f1 == f2)直接比较两个经过运算的float。正确的做法是引入一个很小的容差值，比如if(fabs(f1 - f2) < 1e-6)。对于不同应用，容差的选择需要结合量级，千万不能用一个固定的1e-6走天下。当数值本身接近1e-7时，1e-6可能就太大了；当数值在1e9级别时，有效数字的最后几位差异可能已经超过1e-6，需要适当缩放或使用相对误差比较。
float与double的选型及典型应用场景
既然float有这么多精度问题，那为什么它还没有被淘汰？答案在于存储空间和计算速度。在许多嵌入式单片机、GPU图形处理、DSP信号处理芯片中，float能节省一半的内存，而且硬件浮点单元常常直接支持单精度运算，吞吐量远高于双精度。比如常见的ARM Cortex-M4带FPU时，一个单精度乘法只需要一个时钟周期，而双精度可能需要软件模拟。再比如图形学中的顶点坐标、颜色分量，用float完全足够，精度再高也是浪费带宽。
也有一些场景必须使用double甚至更高精度。科学计算、金融累积运算、大型矩阵求解、长时间积分等，误差会随着运算次数放大，这时双精度的15位有效数字远比单精度可靠。在代码中使用字面量的时候要特别小心：float a = 3.14;会先把3.14作为double型存储，再截断赋值给a，可能产生编译器警告。更好的做法是加上f后缀，写成float a = 3.14f;，同时对于像sin等数学函数，需要调用sinf而不是sin，否则会经历一次float到double的隐式转换，反而破坏性能。
在格式化输出方面，printf使用%f打印float和double时默认6位小数，但实际上参数会被提升为double传入。如果只是想控制float的输出精度，可以用%.nf指定小数位数。对于更灵活的输出，sprintf配合%g、%e格式可以科学计数表示。对于数值比较和容差判断，业界常见的做法是封装一个isEqual(float a, float b, float epsilon)函数，内部先取两数之差绝对值，再根据量级自适应选择绝对误差或相对误差，从而在工程上获得稳定的判断结果。
最后，当你的代码需要在不同平台之间交换浮点数时，一定要考虑字节序和IEEE 754实现的一致性。大多数现代编译器都遵循IEEE 754，但部分嵌入式环境可能会有非规格化数、NaN的表现差异。通过memcpy将float转换为整型再按字节发送，或者使用库函数如htonl处理，可以保证数据在跨平台通信时的正确性。理解这些细节，才能让float在C语言项目中真正为你服务，而不是带来隐蔽的bug。