Java Map存储Float值出现精度异常的原因与解决方案

精度偏差的原因 #

float属于IEEE 754标准的单精度浮点数，32位存储空间由1位符号位、8位指数位、23位尾数位组成。十进制下的0.01属于无法用二进制精确表示的小数，转换为二进制是无限循环序列，存储时只能做截断近似，本身就存在微小误差。你代码里循环累加0.01f的操作，会让每一次的微小误差持续累积，循环40次后误差就会放大到可观测的程度，就出现了你看到的0.84999996、1.1999997这类非预期值。

Map存储场景的修复方案 #

两种可选方案：

方案1：使用BigDecimal做精确计算后转存 #

通过BigDecimal控制计算精度，避免累加误差，示例代码如下：

private Map<Integer, Float> myMap = new HashMap<>();
for (int i = 0; i <= 40; i++) {
    // 80 + i 对应 0.8*100到1.2*100的整数，除以100得到目标值，保留2位小数
    Float value = BigDecimal.valueOf(80 + i)
            .divide(BigDecimal.valueOf(100), 2, RoundingMode.HALF_UP)
            .floatValue();
    myMap.put(i, value);
}

如果业务场景对精度要求极高，也可以直接将Map的value类型改为BigDecimal，完全规避浮点数精度问题。

方案2：直接替换累加逻辑为单次公式计算 #

不要循环累加初始值，直接对每个i独立计算对应的值，避免误差累积，计算效率更高：

private Map<Integer, Float> myMap = new HashMap<>();
for (int i = 0; i <= 40; i++) {
    myMap.put(i, 0.8f + i * 0.01f);
}

更优的映射方案 #

你的场景属于线性规则映射，完全不需要预存所有键值对到Map中，直接通过公式实时计算即可，优势是没有内存开销、不需要初始化、计算效率高于Map查找，也不会出现存储带来的精度问题。
示例工具方法：

// 输入i范围：0~40，返回对应0.8~1.2的精确值（保留2位小数）
public static Float getMappedValue(int i) {
    if (i < 0 || i > 40) {
        throw new IllegalArgumentException("输入值需在0~40区间内");
    }
    return BigDecimal.valueOf(80 + i)
            .divide(BigDecimal.valueOf(100), 2, RoundingMode.HALF_UP)
            .floatValue();
}

如果对精度要求不高，也可以直接简化为一行计算：0.8f + i * 0.01f，大部分场景下误差可以忽略。

内容的提问来源于stack exchange，提问作者CoffeeKid