在上一章，我们讲完了NBT数据类型中数值类型中的整形形式。按照作者我归纳的：
[字符]
字符串（String）
[数值]
{整形}
字节型（Byte：B）
短整型（Short：S）
整型（Int：I）
长整型（Long：L）
{浮点型（小数）}
单精度浮点型（Float：F）
双精度浮点型（Double：D）
[数据]
复合标签（Compound）
列表（List）
[数组]
字节型数组（Byte Array：[B]）
整型数组（Int Array：[I]）
长整型数组（Long Array：[L]）
接下来就应该是小数（浮点数）了。
小数有两种数据类型，这两种类型我们都已经在之前的章节接触过，即：
单精度浮点型（Float：F）
双精度浮点型（Double：D）
在第一百三十二章，作者就讲过单精度浮点型和双精度浮点型的占用空间，即：
单精度浮点型——占用空间：32位（4字节）
双精度浮点型——占用空间：64位（8字节）
同时我也提了这两个类型的数值范围：
单精度浮点型：-3.4×103?～3.4×103?
双精度浮点型：-1.×103??～1.×103??
经过了上一章的了解，我们已经知道同样是32位占用空间的Long长整形，它的数值范围达到了：
-(2?3)~2?3-1
即：-922'3372'0368'5477'5808~922'3372'0368'5477'5807
但单精度浮点型却达到了：
-340'0000'0000'0000'0000'0000'0000'0000'0000'0000~340'0000'0000'0000'0000'0000'0000'0000'0000'0000（负三百四十涧至三百四十涧[注：一涧为万沟，一沟为万穰，一穰为万秭，一秭为万垓，一垓为万京]）
为什么在相同的存储空间下，Long长整形的数值范围才达到京的程度，而Float单精度浮点型的数值范围却已经达到了涧的程度了呢？这到底是人性的扭曲还是道德的沦丧？
这还没完。我们知道，整数它规定一个最大范围，正负整数就都有其自己的最大值和最小值了。但小数不一样，你规定一个最大值，但它还可以无限增加它的小数位数，如：
1.76×10????????????????
这数虽然很小，但小到小数位数就有999'9999'9999'9999将近千兆位了。如果要表示这串数字，光是4B的空间是绝对不够的。所以，浮点数数值类型也有其自己的小数位数最大值：
单精度浮点型：45位小数位数
双精度浮点型：45位小数位数
看来小数位最大值都一样嘛。
刚才我们提了两个问题：
1.为什么在相同的空间下，Long长整形的数值范围才达到京的程度，而Float单精度浮点型的数值范围却已经达到了涧的程度了呢？
2.这到底是人性的扭曲还是道德的沦丧？
首先我们来解答第一个问题。
其实，不管是什么浮点数，管他是单精度、双精度还是三精度，它们都有一个标准，这个标准就是：IEEE 754-2008（IEEE二进位浮点数算术标准）
这个标准规定了很多东西，想深入了解的话可以去百度百科上，这里就不细讲了。
其中，最重要的也是最简单的莫过于一个公式：
Value=sign bit×exponent bias×fraction
即一个浮点数，等于符号位乘以指数偏移值再乘以分数值。
看不懂是吧？其实，浮点数的表示方法就是用到了我们在学前班就学到过的“科学计数法”。
比如我们的单精度浮点型，它的32个位分别是：
0'00000000'00000000000000000000000
（符号位:1）'（阶码:8）'（尾数:23）
看来还是看不懂啊。算了，总之，是因为浮点数采用了科学计数法的方式来存储，才可以在32位的空间内塞入这么大的数值。
这就是第一个问题的答案。
第二个问题的答案就非常简单了，是：无法确定，因为人类的情绪是无法用语言准确表达出来的，最多也只能表达个大概。
现在我们知道浮点数使用的是科学计数法来存储。这种存储方法有利也有弊：利在于可存储数值的范围扩大了很多；但弊也有，就是能准确存储的数值范围缩小了。
小主，这个章节后面还有哦，请点击下一页继续阅读，后面更精彩！