这其实是单精度浮点数（float）的精度限制导致的问题，咱们一步步拆解来看：

核心原因：float的有效位数有限 #

float是32位单精度浮点数，它的内存结构里只有23位用来存储有效数字（尾数部分），换算成十进制的话，大概只能精确表示6-7位有效数字。也就是说，当你输入的十进制数超过这个有效位数时，计算机没办法精确存储它，只能把它舍入到最接近的、能被float表示的二进制值。

结合你的代码分析 #

咱们看你写的这些例子：

• 像80.123456F、80.1234569F、80.1234561F这些值，它们的十进制有效数字都超过了7位（比如80.123456是8位有效数字）。计算机在存储这些值时，会把它们近似到最近的float可表示值，而这个值转换成十进制保留6位小数后，就是你看到的80.123459。
• 而80.12345F（7位有效数字）和80.123451F（第8位是1，舍入后不影响前7位），刚好在float的精确表示范围内，所以输出能和初始化值匹配。
• 80.123459F同理，第8位的9会触发舍入，最终也落到了80.123459这个近似值上。

怎么解决这个问题？ #

根据你的需求，有几个可选方案：

• 改用double类型：双精度浮点数（double）用64位存储，有效位数能达到15-17位，对于你例子里的这些数值，完全可以精确存储并输出。把代码里的float换成double，再用%lf（或者直接%f，很多编译器也支持）打印，就能得到符合预期的结果。
• 避免用浮点数存储精确十进制值：如果是涉及货币、高精度计量这类需要精确十进制小数的场景，别用浮点数，改用整数（比如把金额存成“分”而不是“元”），或者用专门的十进制小数类型（比如C++的std::decimal::decimal32，不过需要编译器支持）。
• 接受浮点数的近似特性：如果只是普通的数值计算，只要理解浮点数是二进制近似表示，不是精确十进制数，这种微小的误差通常不会影响结果。

内容的提问来源于stack exchange，提问作者chup