問題：浮點型數據存儲方式會導致數據精度損失，增大計算誤差。
float fval = 0.45; // 單步調試發現其真實值為：0.449999988
double dval = 0.45; // 單步調試發現其真實值為：0.45000000000000001
當很多個這樣的單精度浮點型數據進行運算時，就會有累積誤差，使得運算結果達不到理想的結果。尤其是對那種需要判斷相等的情況(浮點型數據判斷相等會有誤差)。
因此我們可以通過把浮點型數據放大1e6倍，把它賦給一個整型變量，把得到的結果再除以1e6，就會使精度損失降到最低。
float a = 0.45; // 0.449999988double b = 0.45;int c = 1e6 *b; // 450000double d1 = 2 *a; // 0.89999997615814209int d = 2 *c; // 900000double d2 = d / 1e6; // 0.90000000000000002, 推薦方式
double d3 = 2 * 0.45; // 0.90000000000000002
下面是浮點型數據存儲方式，轉自：https://www.cnblogs.com/wuyuan2011woaini/p/4105765.html
C語言和 C#語言中，對于浮點型的數據采用單精度類型(float)和雙精度類型(double)來存儲：
float 數據占用 32bit；
double 數據占用 64bit；
我們在聲明一個變量 float f = 2.25f 的時候，是如何分配內存的呢？
其實不論是 float 類型還是 double 類型，在存儲方式上都是遵從IEEE的規范：
float 遵從的是 IEEE R32.24；
double 遵從的是 IEEE R64.53；
單精度或雙精度在存儲中，都分為三個部分：
符號位(Sign)：0代表正數，1代表為負數；
指數位(Exponent)：用于存儲科學計數法中的指數數據；
尾數部分(Mantissa)：采用移位存儲尾數部分；
單精度 float 的存儲方式如下：
雙精度 double 的存儲方式如下：
R32.24 和 R64.53 的存儲方式都是用科學計數法來存儲數據的，比如：
8.25? 用十進制表示為：8.25 * 100
120.5 用十進制表示為：1.205 * 102
而計算機根本不認識十進制的數據，他只認識0和1。所以在計算機存儲中，首先要將上面的數更改為二進制的科學計數法表示：
8.25?? 用二進制表示為：1000.01
118.5 用二進制表示為：1110110.1
而用二進制的科學計數法表示 1000.1，可以表示為1.0001 * 23
而用二進制的科學計數法表示 1110110.1，可以表示為1.1101101 * 26
任何一個數的科學計數法表示都為1. xxx * 2n，尾數部分就可以表示為xxxx，由于第一位都是1嘛，干嘛還要表示呀？所以將小數點前面的1省略。
由此，23bit的尾數部分，可以表示的精度卻變成了24bit，道理就是在這里。(float有效位數相應的也會發生變化,而double則不會，因達不到)
那 24bit 能精確到小數點后幾位呢？我們知道9的二進制表示為1001，所以 4bit 能精確十進制中的1位小數點，24bit就能使 float 精確到小數點后6位；
而對于指數部分，因為指數可正可負(占1位)，所以8位的指數位能表示的指數范圍就只能用7位，范圍是:-127至128。所以指數部分的存儲采用移位存儲，存儲的數據為元數據 +127。
注意：
元數據+127：大概是指“指數”從00000000開始(表示-127)至11111111(表示+128)
所以，10000000表示指數1 (127 + 1 = 128 --> 10000000 ) ；
指數為 3，則為 127 + 3 = 130，表示為 01111111 + 11 = 10000010 ；
下面就看看8.25 和 118.5 在內存中真正的存儲方式:
8.25 用二進制表示為：1000.01
8.25用二進制的科學計數法表示為: 1.0001* 23，按照上面的存儲方式：
符號位為：0，表示為正；
指數位為：3+127=130，即 10000011；
尾數部分為：0001；
故8.25的存儲方式如下圖所示：
而單精度浮點數118.5的存儲方式如下圖所示：
那么如果給出內存中一段數據，并且告訴你是單精度存儲的話，你將如何知道該數據的十進制數值呢？
其實就是對上面運算的反推過程，比如給出如下內存數據：01000010111011010000000000000000，
首先我們現將該數據分段：0? 10000101? 11011010000000000000000，在內存中的存儲就為下圖所示：
根據我們的計算方式，可以計算出這樣一組數據表示為：
1.1101101*2(133-127=6)=1.1101101 * 26= 1110110.1=118.5
而雙精度浮點數的存儲和單精度的存儲大同小異，不同的是指數部分和尾數部分的位數。所以這里不再詳細的介紹雙精度的存儲方式了，只將118.5的最后存儲方式圖給出：
下面就這個知識點來解決一個疑惑，請看下面一段程序，注意觀察輸出結果：
class 浮點數
{
static void Main(string[] args)
{
float f = 2.2f;
double d = (double)f;
Console.WriteLine(d.ToString("0.0000000000000"));
//結果："2.2000000476837"
f = 2.25f;
d = (double)f;
Console.WriteLine(d.ToString("0.0000000000000"));
//結果："2.2500000000000"
//2.25 - 2.2 = 0.05 ( 但實際結果不是0.05 )
float f2 = 2.25f - 2.2f;
Console.WriteLine(f2.ToString("0.0000000000000"));
//結果："0.0499999500000"
}
}
輸出的結果可能讓大家疑惑不解：
單精度的 2.2 轉換為雙精度后，精確到小數點后13位之后變為了2.2000000476837
而單精度的 2.25 轉換為雙精度后，變為了2.2500000000000
為何2.2在轉換后的數值更改了，而 2.25卻沒有更改呢？
其實通過上面關于兩種存儲結果的介紹，我們大概就能找到答案。
2.25的單精度存儲方式表示為：0 10000001 00100000000000000000000
2.25的雙精度存儲方式表示為：0 10000000 0010010000000000000000000000000000000000000000000000000
這樣 2.25 在進行強制轉換的時候，數值是不會變的。
而我們再看看2.2，用科學計數法表示應該為：
將十進制的小數轉換為二進制的小數的方法是：將小數*2，取整數部分。
0.2×2=0.4，所以二進制小數第一位為0.4的整數部分0；
0.4×2=0.8，第二位為0.8的整數部分0；
0.8×2=1.6，第三位為1；
0.6×2=1.2，第四位為1；
0.2×2=0.4，第五位為0；
...... 這樣永遠也不可能乘到=1.0，得到的二進制是一個無限循環的排列 00110011001100110011...
對于單精度數據來說，尾數只能表示 24bit 的精度，所以2.2的 float 存儲為:
但是這種存儲方式，換算成十進制的值，卻不會是2.2。
因為在十進制轉換為二進制的時候可能會不準確(如：2.2)，這樣就導致了誤差問題！
并且 double 類型的數據也存在同樣的問題！
所以在浮點數表示中，都可能會不可避免的產生些許誤差！
在單精度轉換為雙精度的時候，也會存在同樣的誤差問題。
而對于有些數據(如2.25)，在將十進制轉換為二進制表示的時候恰好能夠計算完畢，所以這個誤差就不會存在，也就出現了上面比較奇怪的輸出結果。
