浮点数（Float）精度丢失，本质上是因为计算机用有限的二进制位来表示无限的实数，导致很多十进制小数无法被精确表示。下面从原理到例子一步步说明。
人类常用的是十进制，而计算机内部使用的是二进制。
例如：
0.5 → 二进制 0.1 ✅（可以精确表示）0.1 → 二进制是一个无限循环小数0.1(十进制)
= 0.00011001100110011...（二进制，无限循环）
但 float 的存储空间是有限的，只能截断，于是就产生了误差。
以 单精度 float（32 位） 为例：
符号位(1) | 指数(8) | 尾数(23)
它表示的是：
(-1)^符号 × 1.尾数 × 2^指数
✅ 这正是精度丢失的直接原因
console.log(0.1 + 0.2 === 0.3); // false
0.1 + 0.2 = 0.30000000000000004
原因：
0.1 和 0.2 在二进制中都不精确0.3 的二进制表示不完全一致因为：
例如：
9007199254740992 + 1 === 9007199254740992 // true（精度丢失）
| 类型 | 位数 | 有效数字（十进制） |
|---|---|---|
| float | 32 | 约 7 位 |
| double | 64 | 约 15–16 位 |
double 只是“更精确”，仍然不是绝对精确。
❌ 用 float 比较相等
if (a == 0.1 + 0.2) // 不推荐
❌ 金融金额计算
price * quantity // 可能出错
✅ 正确做法
Math.abs(a - b) < 1e-9
浮点数精度丢失，是因为计算机用有限位数的二进制去表示无限精度的实数，必然会产生舍入误差。
如果你愿意，我也可以：
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
