float浮点数据类型近似存储的典型值示例有哪些？

float（遵循IEEE 754标准的单/双精度浮点数）的近似存储特性本质是二进制小数无法精确表示所有十进制小数，部分数值存储时就会出现偏差，只是多数编程语言的默认输出逻辑会隐式做舍入，导致开发者感知不到。你提到的100.15测试时看起来和存入值一致，就是因为它的存储偏差极小，小于默认输出的6-10位小数的精度阈值，舍入后和原始值重合，输出15位以上小数就能看到偏差。

以下是几个极易复现、偏差足够明显的典型数值：

• 0.1 + 0.2 运算结果
  这是最广为人知的浮点数精度问题示例，在所有遵循IEEE 754标准的环境中，0.1 + 0.2的运算结果不会等于0.3，实际输出为0.30000000000000004。

  MSDN文档表述：“近似数值数据类型不会为多数指定数值存储精确值，仅存储与该值极为接近的近似结果”

• 小于1的常见十进制小数（如0.1、0.2、0.3、0.7等）
  这类小数的二进制表示是无限循环序列，float无法精确存储，输出足够多的小数位即可看到偏差。比如打印20位精度的0.7，结果为0.69999999999999995559，而非精确的0.7。
• 超过2^53的大整数
  双精度float可精确表示的整数上限为2^53（即9007199254740992），超过该范围的连续整数无法被精确区分，比如9007199254740992 + 1在float中存储的结果和9007199254740992完全相等。
• 极小精度差的等价数值
  精度差距小于float最小精度单位（ULP）的两个数值会被识别为同一个值，比如1.0 == 1.0000000000000001的判断结果会返回true，二者在float中存储的二进制内容完全一致。

内容的提问来源于stack exchange，提问作者variable