嵌入式开发 | C语言 | 单精度浮点数4字节可以表示的范围计算过程

• 什么是浮点数？
• 为什么需要 IEEE 754？
• 什么是“指数”？
• 为什么浮点数的范围和“指数”有关？
• 最终，float 的 ±3.4×10³⁸ 是怎么来的？

进入前需要有一个意识转换的过程：

• 理解权重的概念
  

🌟 第一步：计算机只能存 0 和 1

计算机的内存、硬盘、CPU，所有东西都由二进制位（bit） 组成 —— 要么是 0，要么是 1。

所以，任何数据（数字、文字、图片）都必须转换成 0 和 1 的组合才能存进去。

📌 第二步：整数怎么存？（回顾）

比如整数 5，用二进制是 101。
如果用 32 位（4 字节）存，就是：

00000000 00000000 00000000 00000101

这种叫 定点数（Fixed-point）：小数点位置固定（比如在最右边），所以只能表示整数。

✅ 优点：简单、精确
❌ 缺点：不能表示小数！也不能表示特别大或特别小的数（比如 0.0000001 或 1000000000000）

🌊 第三步：那小数和大数怎么办？→ 引入“科学计数法”【十进制】

人类早就解决了这个问题！我们用 科学计数法：

• 地球质量 ≈ 5.97 × 10²⁴ 千克 【十进制】
• 电子质量 ≈ 9.1 × 10⁻³¹ 千克 【十进制】

你会发现：任何实数都可以写成：

± 尾数 × 基数^指数

• 尾数（Mantissa）：5.97、9.1 → 一个“标准化”的小数（通常 1 ≤ |尾数| < 10）
• 基数（Base）：这里是 10（十进制）
• 指数（Exponent）：24、-31 → 控制数量级

💡 指数决定了这个数“有多大”或“有多小”！

💻 第四步：计算机也想用“科学计数法” → 但用二进制！

计算机不用十进制，用二进制，所以它的“科学计数法”是：

± 尾数 × 2^指数

例如：

• 5.0 = 1.25 × 2² → 因为 1.25 × 4 = 5
  

• 0.125 = 1.0 × 2⁻³ → 因为 1 ÷ 8 = 0.125
  
  可以由上述观察到两个指数的位置是待定: 一个是2 一个是-3 转换成二进制 一个是00000001【八位】，那另一个呢？3可以转换，但是前面的负号呢？这就是指数存储的问题，请继续往下看

✅ 这样，一个小数 + 一个指数，就能表示极大或极小的数！

这种表示法就叫 浮点数（Floating-point number） —— 因为“小数点的位置是浮动的”，由指数决定。

📏 第五步：问题来了 —— 大家怎么统一格式？

如果每个公司、每个程序员都用自己的方式存浮点数，那程序就无法通用！

于是，1985 年，IEEE（电气电子工程师学会）制定了一个标准：

IEEE 754：浮点数的国际标准

它规定了：

• 用多少位存符号？
• 用多少位存指数？
• 用多少位存尾数？
• 怎么处理 0、无穷大、错误值？

从此，全世界的计算机（Windows、Mac、手机、航天器）都用同一套规则！

🔧 第六步：IEEE 754 单精度浮点数（也就是 C 语言的 float）

在 IEEE 754 中，大多数浮点数是“规格化数”（Normalized），它的公式是：

值 = (-1)^S × (1.M) × 2^(E - 127) 

✅ 正常情况下，E 的取值范围是 1 到 254，对应真实指数 -126 到 +127

float 在内存中占 32 位（4 字节），按如下方式划分：

这里存在多种名称：符号码，阶码，尾数码，请关注本质问题

总：1 + 8 + 23 = 32 位 ✅

🤔 第七步：什么是“指数”？为什么需要它？

回到科学计数法：

数值 = 尾数 × 2^指数

• 尾数 决定了“精度”（比如 1.23456789）
• 指数 决定了“范围”（比如 10¹⁰⁰ 还是 10⁻¹⁰⁰）

👉 没有指数，你就没法表示“很大”或“很小”的数！

举个极端例子：

• 你想存 0.000000000000000000000000000000000001
• 如果不用指数，你需要几百位小数！
• 但用指数：1.0 × 2⁻¹²⁰ → 只需存“1.0”和“-120”就够了！【这里的指数是近似举例，核心是逻辑】

所以：指数 = 控制数字“数量级”的开关！

🧮 第八步：指数怎么存？—— 引入“偏移量（Bias）”

问题：指数可以是负数（如 -126），但计算机的 8 位只能存 0~255（无符号）。

解决方案：加一个“偏移量”！

• IEEE 754 规定：单精度的偏移量 = 127
• 存的时候：存储值 = 真实指数 + 127
• 读的时候：真实指数 = 存储值 - 127

例如：

✅ 这样，8 位就能表示 -126 到 +127 的指数！

• 上述计算中的待定结果
  
  

⚠️ 第九步：两个特殊值：E=0 和 E=255

为了表示一些特殊情况，IEEE 754 保留了两个极端值：

所以，正常数字的 E 只能是 1 到 254！

这里我是有疑惑的为什么呢 怎么就不能是0 和 255呢？是这两个数字又如何呢？
结论就是需要计算机表示0 和 无穷的概念
给个链接帮助理解： 为什么规格化数中指数位E不能是E=0 或 E=255？

📈 第十步：计算 float 的最大值！

现在我们来算最大正数：

1. 符号位 S = 0（正数）
2. 指数 E = 254（最大可用值）
   • 真实指数 = 254 - 127 = 127
3. 尾数 M = 全 1（23 个 1）
   • IEEE 754 规定：尾数实际是 1.M（隐含前导 1）
   • 所以最大尾数 = 1.111...111（23 个 1）
   • 这个值 = 2 - 2⁻²³（因为 0.111…111₂ = 1 - 2⁻²³）【这里用到了大学数学知识】
     

值 = (-1)^S × (1.M) × 2^(E - 127)  

1.M = 1 + 0.M 

所以最大值 = = (2 - 2⁻²³) × 2¹²⁷ ≈ 2 × 2¹²⁷ = 2¹²⁸

🔢 第十一步：把 2¹²⁸ 换算成十进制！

我们知道：

• 2¹⁰ = 1024 ≈ 10³
• 所以 2¹²⁸ = (2¹⁰)¹² × 2⁸ ≈ (10³)¹² × 256 = 10³⁶ × 256 = 2.56 × 10³⁸

但更精确计算：

• 2¹²⁸ = 340282366920938463463374607431768211456
• 科学计数法：3.402823669… × 10³⁸

所以，我们说：

float 的范围是 ±3.4 × 10³⁸

🧠 最后总结（给小白的终极版）

💡 附加小知识

• double（双精度）：64 位，范围更大（±1.8×10³⁰⁸），精度更高
• 浮点数不精确！比如 0.1 + 0.2 != 0.3（因为二进制无法精确表示 0.1）
• 所以不要用 == 比较浮点数，要用“误差范围内相等”