为何float精度最高为小数点后6位、double为15位？求数学层面解释

核心前提说明 #

我们常说的「float 精度最高到小数点后6位、double 精度最高到小数点后15位」是数值量级接近1时的通俗近似表述，本质上两类浮点数的精度由十进制有效数字位数决定，和数值的小数点位置没有固定绑定关系。

IEEE 754 浮点数的存储结构 #

目前绝大多数编程语言的浮点数实现都遵循IEEE 754标准，两类浮点数的二进制位分配如下：

• float（单精度浮点数）共占32位二进制：
  • 1位符号位（标记正负）
  • 8位指数位（标记数值量级）
  • 23位尾数位（存储有效数字）
    尾数做规范化存储时整数位固定为1，不需要额外占用存储空间，因此float实际的有效二进制位数为 23 + 1 = 24 位。
• double（双精度浮点数）共占64位二进制：
  • 1位符号位
  • 11位指数位
  • 52位尾数位
    同理，double实际的有效二进制位数为 52 + 1 = 53 位。

精度的数学推导 #

精度的本质是「可以无误差区分的最小数值间隔」，对应到有效数字的规则：N位二进制有效数可以表示的不同数值总数为2^N，对应十进制下可稳定保证无误差的有效数字位数为 log₁₀(2^N) = N * log₁₀(2)，其中log₁₀(2) ≈ 0.30103。
代入两类浮点数的有效二进制位数计算：

• float：24 * 0.30103 ≈ 7.22，即可稳定保证7位十进制有效数字完全准确，第8位开始就可能出现舍入误差。当数值量级在1附近时，7位有效数字就对应小数点后6~7位准确，也就是通俗说的「小数点后6位精度」。
• double：53 * 0.30103 ≈ 15.95，即可稳定保证15位十进制有效数字完全准确，第16位开始可能出现舍入误差。数值量级在1附近时，就对应小数点后15位准确，也就是大家常说的双精度精度标准。

补充说明 #

该精度规则是针对有效数字的，不是固定小数点后多少位。比如用float存储1234567.89，读取结果大概率是1234567.9，此时小数点后仅有1位准确，但前7位有效数字1234567完全符合精度要求。

内容的提问来源于stack exchange，提问作者Hash Blog