单精度浮点数值 和 双精度浮点数值
“单精度”和“双精度”其实就是计算机表示小数的 精度等级 和 内存占用 的不同。
| 名称 | 英文名 | 占用内存 | 精度（能表示的小数位数） | 常见别名 |
|---|---|---|---|---|
| 单精度 | float / float32 | 4 字节（32 位） | 大约 7 位有效数字 | float |
| 双精度 | double / float64 | 8 字节（64 位） | 大约 15~16 位有效数字 | double |
✅ 举个通俗的例子
假设你要存一个数：
π ≈ 3.141592653589793238
-
用单精度 float 存进去后，精度只保留大约 7 位：
float32(π) ≈ 3.1415927 -
用双精度 double 存进去后，保留大约 15 位：
float64(π) ≈ 3.141592653589793
你看到差距了吧？float 是“差不多就行”，double 是“较精确”。
✅ 再举个 Python 数值对比的例子
import numpy as np# 单精度
a = np.float32(1.123456789)
print("float32:", a) # 输出：1.1234568# 双精度
b = np.float64(1.123456789123456789)
print("float64:", b) # 输出：1.1234567891234568
✅ 为什么有两种精度？
| 场景 | 适合用哪种 | 原因 |
|---|---|---|
| 游戏开发、图形渲染 | float | 速度快，占内存少，够用 |
| 科学计算、金融、工程 | double | 需要高精度计算 |
| 神经网络权重 | float32 / float16 | 平衡精度和性能 |
| 金融汇率交易 | 通常用 decimal 或 double | 要求高精度，不能出错 |
✅ 底层结构简要（扩展）
它们都用 IEEE 754 标准格式 来表示：
| 类型 | 符号位 | 指数位 | 尾数位（小数） | 总位数 |
|---|---|---|---|---|
| float32 | 1 bit | 8 bit | 23 bit | 32 位 |
| float64 | 1 bit | 11 bit | 52 bit | 64 位 |
这也是为什么 double 能表达更大的数、更高的精度。
✅ 总结一句话
单精度 float 就是用 4 字节内存，表示小数精度大约 7 位，适合对精度要求不高的场景；双精度 double 用 8 字节内存，能表示大约 15 位有效数字，适合精度要求高的科学或金融场景。