单精度的浮点数
对于内部存储数据（00111111）2：
符号位
（最左侧）S=0。这表示是个正数
指数
（左侧第2-9位）E=(01111110）2=（126）10，所以e=E-127=-1。
尾数
（最后的23位）M=（11001100110）2，m=（1.M)2=（1.7999999523162841796875）10
该二进制小数转为10进制的计算方式为1 + （1/2+1/4） + （1/32+1/64） + （1/512+1/1024）……
实际值
N=1.7999999523162841796875*2^-1=0.89999997615814208984375
（其实，这个数据是0.9的单精度浮点数的实际内部存储，可以看到有一定的误差）
这里继续给出另外几个数字的实例：
使用竖线|将各个段位分隔显示
实际值 | 符号位 | ；指数 | ；尾数
1 |
2 |
-6.5 | 1 | 10000001 | 10100000000 最大表示范围：单精度浮点数可以表示的范围为±3.40282 * 10^38（1.1111...1×2^127）
接近于0的最小值：单精度浮点数可以表示1.175 * 10-38（1.00...0×2^-126）的数据而不损失精度。
当数值比以上值小的时候，将会由于尾数的有效位数减少而逐步丧失精度（IEEE 754的规定），或者有的系统则直接采用0值来简化处理过程。 浮点数以有限的32bit长度来反映无限的实数集合，因此大多数情况下都是一个近似值。同时，对于浮点数的运算还同时伴有误差扩散现象。
特定精度下看似相等的两个浮点数可能并不相等，因为它们的最小有效位数不同。
由于浮点数可能无法精确近似于十进制数，如果使用十进制数，则使用浮点数的数学或比较运算可能不会产生相同的结果。
如果涉及浮点数，值可能不往返。值的往返是指，某个运算将原始浮点数转换为另一种格式，而反向运算又将转换后的格式转换回浮点数，且最终浮点数与原始浮点数相等。由于一个或多个最低有效位可能在转换中丢失或更改，往返可能会失败。
