问题：浮点型数据存储方式会导致数据精度损失，增大计算误差。
float fval = 0.45; // 单步调试发现其真实值为：0.449999988
double dval = 0.45; // 单步调试发现其真实值为：0.45000000000000001
当很多个这样的单精度浮点型数据进行运算时，就会有累积误差，使得运算结果达不到理想的结果。尤其是对那种需要判断相等的情况(浮点型数据判断相等会有误差)。
因此我们可以通过把浮点型数据放大1e6倍，把它赋给一个整型变量，把得到的结果再除以1e6，就会使精度损失降到最低。
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, 推荐方式
double d3 = 2 * 0.45; // 0.90000000000000002
下面是浮点型数据存储方式，转自：https://www.cnblogs.com/wuyuan2011woaini/p/4105765.html
C语言和 C#语言中，对于浮点型的数据采用单精度类型(float)和双精度类型(double)来存储：
float 数据占用 32bit；
double 数据占用 64bit；
我们在声明一个变量 float f = 2.25f 的时候，是如何分配内存的呢？
其实不论是 float 类型还是 double 类型，在存储方式上都是遵从IEEE的规范：
float 遵从的是 IEEE R32.24；
double 遵从的是 IEEE R64.53；
单精度或双精度在存储中，都分为三个部分：
符号位(Sign)：0代表正数，1代表为负数；
指数位(Exponent)：用于存储科学计数法中的指数数据；
尾数部分(Mantissa)：采用移位存储尾数部分；
单精度 float 的存储方式如下：
双精度 double 的存储方式如下：
R32.24 和 R64.53 的存储方式都是用科学计数法来存储数据的，比如：
8.25 用十进制表示为：8.25 * 100
120.5 用十进制表示为：1.205 * 102
而计算机根本不认识十进制的数据，他只认识0和1。所以在计算机存储中，首先要将上面的数更改为二进制的科学计数法表示：
8.25 用二进制表示为：1000.01
118.5 用二进制表示为：1110110.1
而用二进制的科学计数法表示 1000.1，可以表示为1.0001 * 23
而用二进制的科学计数法表示 1110110.1，可以表示为1.1101101 * 26
任何一个数的科学计数法表示都为1. xxx * 2n，尾数部分就可以表示为xxxx，由于第一位都是1嘛，干嘛还要表示呀？所以将小数点前面的1省略。
由此，23bit的尾数部分，可以表示的精度却变成了24bit，道理就是在这里。(float有效位数相应的也会发生变化,而double则不会，因达不到)
那 24bit 能精确到小数点后几位呢？我们知道9的二进制表示为1001，所以 4bit 能精确十进制中的1位小数点，24bit就能使 float 精确到小数点后6位；
而对于指数部分，因为指数可正可负(占1位)，所以8位的指数位能表示的指数范围就只能用7位，范围是:-127至128。所以指数部分的存储采用移位存储，存储的数据为元数据 +127。
注意：
元数据+127：大概是指“指数”从00000000开始(表示-127)至11111111(表示+128)
所以，10000000表示指数1 (127 + 1 = 128 --> 10000000 ) ；
指数为 3，则为 127 + 3 = 130，表示为 01111111 + 11 = 10000010 ；
下面就看看8.25 和 118.5 在内存中真正的存储方式:
8.25 用二进制表示为：1000.01
8.25用二进制的科学计数法表示为: 1.0001* 23，按照上面的存储方式：
符号位为：0，表示为正；
指数位为：3+127=130，即 10000011；
尾数部分为：0001；
故8.25的存储方式如下图所示：
而单精度浮点数118.5的存储方式如下图所示：
那么如果给出内存中一段数据，并且告诉你是单精度存储的话，你将如何知道该数据的十进制数值呢？
其实就是对上面运算的反推过程，比如给出如下内存数据：01000010111011010000000000000000，
首先我们现将该数据分段：0 10000101 11011010000000000000000，在内存中的存储就为下图所示：
根据我们的计算方式，可以计算出这样一组数据表示为：
1.1101101*2(133-127=6)=1.1101101 * 26= 1110110.1=118.5
而双精度浮点数的存储和单精度的存储大同小异，不同的是指数部分和尾数部分的位数。所以这里不再详细的介绍双精度的存储方式了，只将118.5的最后存储方式图给出：
下面就这个知识点来解决一个疑惑，请看下面一段程序，注意观察输出结果：
class 浮点数
{
static void Main(string[] args)
{
float f = 2.2f;
double d = (double)f;
Console.WriteLine(d.ToString("0.0000000000000"));
//结果："2.2000000476837"
f = 2.25f;
d = (double)f;
Console.WriteLine(d.ToString("0.0000000000000"));
//结果："2.2500000000000"
//2.25 - 2.2 = 0.05 ( 但实际结果不是0.05 )
float f2 = 2.25f - 2.2f;
Console.WriteLine(f2.ToString("0.0000000000000"));
//结果："0.0499999500000"
}
}
输出的结果可能让大家疑惑不解：
单精度的 2.2 转换为双精度后，精确到小数点后13位之后变为了2.2000000476837
而单精度的 2.25 转换为双精度后，变为了2.2500000000000
为何2.2在转换后的数值更改了，而 2.25却没有更改呢？
其实通过上面关于两种存储结果的介绍，我们大概就能找到答案。
2.25的单精度存储方式表示为：0 10000001 00100000000000000000000
2.25的双精度存储方式表示为：0 10000000 0010010000000000000000000000000000000000000000000000000
这样 2.25 在进行强制转换的时候，数值是不会变的。
而我们再看看2.2，用科学计数法表示应该为：
将十进制的小数转换为二进制的小数的方法是：将小数*2，取整数部分。
0.2×2=0.4，所以二进制小数第一位为0.4的整数部分0；
0.4×2=0.8，第二位为0.8的整数部分0；
0.8×2=1.6，第三位为1；
0.6×2=1.2，第四位为1；
0.2×2=0.4，第五位为0；
...... 这样永远也不可能乘到=1.0，得到的二进制是一个无限循环的排列 00110011001100110011...
对于单精度数据来说，尾数只能表示 24bit 的精度，所以2.2的 float 存储为:
但是这种存储方式，换算成十进制的值，却不会是2.2。
因为在十进制转换为二进制的时候可能会不准确(如：2.2)，这样就导致了误差问题！
并且 double 类型的数据也存在同样的问题！
所以在浮点数表示中，都可能会不可避免的产生些许误差！
在单精度转换为双精度的时候，也会存在同样的误差问题。
而对于有些数据(如2.25)，在将十进制转换为二进制表示的时候恰好能够计算完毕，所以这个误差就不会存在，也就出现了上面比较奇怪的输出结果。
