基础概念
浮点数的逻辑示图：
- Exponent指数 (IEEE754标准规定该固定值得表达式)E=2^(e-1)-1或 E=2^e-2,E偏移的值在(0,2e-2]之间，即0<E<=2e-2）S(sign)表示符号位。对应值S满足：假如浮点数为N，N>=0时，S=0; N<0时，S=1
- E(exponent)表示指数位，位于S和M之间的若干位。对应值e值也可正可负
- M(mantissa)表示尾数位，也叫有效数字位（significand）、系数位（coefficient）, 甚至被称作"小数"。
*公式中： e-1我们称之为指数偏移差；e为存储指数的bit(比特)的长度；Exp为指数偏移值（exponant bias）。
存储方式（IEEE754）
单精度浮点数的存储方式
在不同的环境（计算机32位或64位）或编程语言中表示的浮点类型也有各自的差异，比如：单精度浮点数（C#语言中用float表示单精度浮点类型）的表示：
根据上述公式可得到单精度浮点类型的固定偏移值：
E=2^(e-1)-1 => E=2^(8-1)-1=> E=127 （单精度浮点类型的固定偏移值 127）;
双精度浮点数的存储方式
双精度浮点数（C#语言中用double表示双精度浮点类型）的表示：
根据上述公式可得到单精度浮点类型的固定偏移值：
E=2^(e-1)-1 => E=2^(11-1)-1=> E=1023 （单精度浮点类型的固定偏移值 1023）;
举例：求单精度浮点类型的 float f=10.3f (C#的语言)二进制
Step 1：先求实数的绝对值的二进制格式（Binary）。
10的二进制：1010 。（10除以2依次求余，然后从下往上取余数）
Step 2:求小数部分的二进制（Binary）。
0.3的二进制：0100110011...0011... （小数部分二进制算法：小数部分乘以2，如果大于1，取1，否则取0）
Step 3：求Sign符号位的二进制
因为10.3>=0，所以Sign(符号位)位：0 。
Step 4: 求Exponant指数位的二进制
其中单精度浮点数10.3中整数部分的10的二进制位为1010，即1.01*10^3。那么10.3的偏移码值为：3（1.01*10^3的指数值）加上127（单精度浮点数的固定偏移值），即130（编码值为： Exp=3+127=130 ）。
偏移码值130的Binary（二进制）为：1000 0010，即Exponant => 1000 0010.
Step 5: 求Mantissa(尾数)的二进制
在求10.3整数部分的二进制值时，我们将1010变为了1.01*10^3，接合尾数0100 1100 1100 ....，即1.0100 1001 1001..*10^3。
即Mantissa(尾数) 0100 1001 1001 1001 1001 101 。
float f=10.3f 存储方式：
至于双精度在这里就不举例子了（将Step4中单精度固定偏移值127换成双精度固定偏移值1023，同时注意补位）。