1. 浮点数 在计算机内的存储形式
浮点数不难，但是要想记熟还真有点不容易，多琢磨琢磨。
一般情况下，浮点数的表示有一下几个要点：
1、要规格化（让浮点数表示结果唯一），因为100＝10^2 = 0.1 * 10^3, 所以第一步要统一地规格化，确定“阶数”和“尾数”（尾数在0.5－1之间，也就是二进制的0.1－1.0之间）
2、“阶码”一般用“移码”表示法，而“尾数”一般用“原码/补码表示法，“数符”表示浮点数的正副号
3、浮点数的形式： “符号位”【应该就是‘数符’】＋“阶码”＋“尾数“
－－浮点数的表示按照不同地标准，表示方法不同，你的原问题没讲清楚用什么格式表示，我就用最常用地格式来理解了
－－－－－－－－－－－－－－－－－－
其实就以上两点，计算机中“‘帯符号数’的表示”有四种：原码、补码、反码、移码，这些都是基础知识，可以自己去看一下这四种表示方法，就自然明白“阶符、数符”这些相当于“符号位”的作用了。
先简单讲一下吧，你再结合详细资料看吧：【设所表示的都是定点纯小数】
（小数点前面可以看成是“符号位”，也就对应原来地“阶符”和“数符”）
原码：0.11表示0.75（2^-1 + 2 ^-2）， 1.11表示 ‘－0.75’（前面的1相当于符号位，表示这个数是负数，也就是说“符号位是0”表示正数，1表示负数）
补码：最普遍地就是补码了 0.11表示0.75， 1.11表示‘-0.25’（也是“0”为正数，1为负数。和原码地规律一样）
反码，最简单了：正数不变，负数对每一位‘取反’即可，0.11＝0.75，1.10＝-0.25（即0.01地相反数）
－－－－－－－－－－－－－以上三种表示方法，对正数的情况都不做处理，但是移码表示法要对正数做处理。
移码：1.01＝0.25，而0.01＝-0.75
。移码复杂一点，他的表示方法是： 移码＝ 2^阶码位数 ＋ 真值（真值：指原来那个‘帯符号数’，注意要把把正副号带入计算）
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
N=－0.110101x2^100： 阶数是“正100”，尾数是“负0.110101”，所以整个浮点数是个负数，所以第一位是“1”【第一个符号位－“数符”表示‘尾数的正负号’】
阶码是“10 0100”【移码表示法，最高位是“符号位”】
所以，应该表示为： 1（符号位） 100100（阶码的移码表示） 11010100【尾数和符号位结合起来，用的是原码表示法】
2. 浮点数的存储结构是怎样的
浮点数存储时有符号位，阶数位和尾数三部分组成。
解：最大的正数= (1-2 ^ (7))x 2 ^ (2 ^ (3) - 1) = (1-2 ^ (7)) x 2 ^(7) = 127，规则最小的正数＝2×2＾（－1）（或2＾（3））x＾2＝2－1＝2＾（8）（9）＝1／512。
最明显的绝对值是－1＊2＾（2＾3－1）也就是－1＊2＾7，也就是－128。
(2)浮点数存储方式ppt扩展阅读：
浮点数A由两个数字m和e表示：A＝m＊b＾e。在任何这样的系统中，我们选择基数b（计数系统的基础）和精度p（要存储的比特数）。
M（即尾数）的形状为±d．dd…DDD的p位（每个位是0和b－1之间的整数，包括0和b－1）。如果m的第一个数字是一个非零整数，那么m就被归一化了。
一些描述使用单个符号位（s表示＋或－）表示加号或减号，因此m必须是正数。E是a的指数。
结构：
表示计算机中的一个浮点数，其结构如下：
尾数部分（定点小数）指令码部分（定点整数）
3. 浮点类型是如何存储的
计算机中最小的存储单位是bit只能保存0和1，整数在内存中如何存储我们都知道，将要存储的数字转成2进制即可
用windows自带的计数器可以方便的查看整数对应的2进制值
如：
byte类型（单字节）
那浮点类型是如何用这么少的字节（如float 4字节）表示这么大（float 最大 3.4028235E38）的数字呢？
浮点数，是属于有理数中某特定子集的数的数字表示，在计算机中用以近似表示任意某个实数。具体的说，这个实数由一个整数或定点数（即尾数）乘以某个基数（计算机中通常是2）的整数次幂得到，这种表示方法类似于基数为10的科学计数法。
科学计数法是一种记数的方法。把一个数表示成a与10的n次幂相乘的形式（1≤|a|<10，a不为分数形式，n为整数），这种记数法叫做科学计数法。当我们要标记或运算某个较大或较小且位数较多时，用科学计数法免去浪费很多空间和时间。
这也是一种目前最常用的浮点数标准！为许多CPU与浮点运算器所采用。
简单的说就是将一个浮点数字拆成3个部分（符号部分、指数部分、小数部分） 存储在连续的bit中，类似科学计数法。
用 {S，E，M}来表示一个数 V 的，即 V =（-1）S × M × 2E ，如下：
其中：
其中d.dd...d 为有效数字，β为基数，e 为指数
有效数字中 数字的个数 称为 精度 ，我们可以用 p 来表示，即可称为 p 位有效数字精度。
每个数字 d 介于 0 和基数 β 之间，包括 0。
对十进制的浮点数，即基数 β 等于 10 的浮点数而言，上面的表达式非常容易理解。
如 12.34，我们可以根据上面的表达式表达为：
1×10 1 + 2×10 0 + 3×10 -1 + 4×10 -2
其规范的浮点数表达为： 1.234×10 1 。
但对二进制来说，上面的表达式同样可以简单地表达。
唯一不同之处在于：二进制的 β 等于 2，而每个数字 d 只能在 0 和 1 之间取值。
如二进制数 1001.101 ，我们可以根据上面的表达式表达为：
1×2 3 + 0×2 2 + 0×2 1 + 1×2 0 + 1×2 -1 + 0×2 -2 + 1×2 -3
其规范浮点数表达为： 1.001101×2 3 。
二进制数 1001.101 转成十进制如下：
由上面的等式，我们可以得出：
向左移动二进制小数点一位相当于这个数除以 2，而向右移动二进制小数点一位相当于这个数乘以 2。
如 101.11 = 5又3/4 (5.75)，向左移动一位，得到 10.111 = 2又7/8 （2.875）。
除此之外，我们还可以得到这样一个基本规律：
一个十进制小数要能用浮点数精确地表示，最后一位必须是 5（当然这是必要条件，并非充分条件）。
如下面的示例所示：
基本换算方法：
将10进制的数拆分成整数和小数两个部分
整数部分除以2，取余数；小数部分乘以2，取整数位。
示例：
将十进制 1.1 转成 二进制
整数部分：1
1
小数部分：0.1
二进制形式表示为：
1.000110011001100110011...
再加上整数1，约等于：
1.099609375
计算的位数越多越精确
注意：
二进制小数不像整数一样，只要位数足够，它就可以表示所有整数。
在有限长度的编码中，二进制小数一般无法精确的表示任意小数，比如十进制小数0.2，我们并不能将其准确的表示为一个二进制数，只能增加二进制长度提高表示的精度。
根据 IEEE 754 浮点“双精度格式”位布局。
如果参数是正无穷大，则结果为 0x7ff0000000000000L。
如果参数是负无穷大，则结果为 0xfff0000000000000L。
如果参数是 NaN，则结果为 0x7ff8000000000000L。
根据 IEEE 754 浮点“单一格式”位布局。
如果参数为正无穷大，则结果为 0x7f800000。
如果参数为负无穷大，则结果为 0xff800000。
如果参数为 NaN，则结果为 0x7fc00000。
这里以 double类型说明
将一个浮点数与上面的掩码进行与运算，即可得到对应的 符号位、指数位、尾数位 的值。
1.000110011001100110011...
所以存为：
0 01111111111 000110011001100110011...
根据 IEEE 754 规范
在二进制，第一个有效数字必定是“1”，因此这个“1”并不会存储。
单精和双精浮点数的有效数字分别是有存储的23和52个位，加上最左边没有存储的第1个位，即是24和53个位。
通过计算其能表示的最大值，换十进制来看其精度：
浮点运算很少是精确的，只要是超过精度能表示的范围就会产生误差。而往往产生误差不是因为数的大小，而是因为数的精度。
我自己理解为分两种情况（这个不一定是对）
通过上面的转换示例，我们知道小数的二进制表示一般都不是精确的，在有限的精度下只能尽量的表示近似值
值本身就不是精确的，再进行计算就很可能产生误差
输出：
0.1
原始值： 0 01111111011
指数：1019 -1023 = -4
二进制形式：
0.0001
0.2
原始值：0 01111111100
指数：1020 -1023 = -3
二进制形式：
0.00
0.3
原始值：0 01111111101
指数：1021 = -2
二进制形式：
0.00
二进制加法运算
这里用float验证，float最大的精度是8位数
对于不能精确的表示的数，采取一种系统的方法：找到“最接近”的匹配值，它可以用期望的浮点形式表现出来，这就是舍入。
对于舍入，可以有很多种规则，可以向上舍入，向下舍入，向偶数舍入。如果我们只采用前两种中的一种，就会造成平均数过大或者过小，实际上这时候就是引入了统计偏差。如果是采用偶数舍入，则有一半的机会是向上舍入，一半的机会是向下舍入，这样子可以避免统计偏差。而 IEEE 754 就是采用向最近偶数舍入（round to nearest even）的规则。
（这段是网上抄的）
这里以java语言示例，用大端的方式示例（网络序）
java中是以大端模式存储的，java对我们屏蔽了内部字节顺序的问题以实现跨平台！
实际在不同的cpu架构下，存储方式不同，我们常用的X86是以小端的模式存储的。
网络传输一般采用大端序，也被称之为网络字节序，或网络序。IP协议中定义大端序为网络字节序。
输出：
4. 浮点型数据在内存中实际的存放形式(储存形式)
浮点型数据在内存中存储不是按补码形式，是按阶码的方式存储，所以虽然int和float都是占用了4个字节，如果开始存的是int型数据，比如是个25，那么用浮点的方式输出就不是25.0，也许就变的面目全非。
你可以用共用体的方式验证一下。在公用体中定义一个整形成员变量和一个浮点型成员变量，给整形赋值25，输出浮点成员变量，你就知道了。
5. 请问浮点型数据在计算机是怎么存储的
对于浮点类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。
无论是单精度还是双精度在存储中都分为三个部分：
1、符号位(Sign) : 0代表正，1代表为负。
2、指数位（Exponent）：用于存储科学计数法中的指数数据，并且采用移位存储。
3、尾数部分（Mantissa）：尾数部分。
(5)浮点数存储方式ppt扩展阅读
实型变量分为两类：单精度型和双精度型，
其类型说明符为float 单精度说明符，double
双精度说明符。在Turbo
C中单精度型占4个字节（32位）内存空间，其数值范围为3.4E-38～3.4E+38，只能提供七位有效数字。
双精度型占8
个字节（64位）内存空间，其数值范围为1.7E-308～1.7E+308，可提供16位有效数字。
实型变量说明的格式和书写规则与整型相同。
例如： float x,y; (x,y为单精度实型量)
double a,b,c; (a,b,c为双精度实型量)
实型常数不分单、双精度，都按双精度double型处理。
6. 浮点数的存储问题
先看看浮点数格式
·一个浮点数总共有4个字节，32位
第一个比特表符号 0正数 1负数
后八个比特表阶码，即为指数，这个数在实际的数上面加127
最后23个比特表尾数 原码表示
具体分析
对于3.25
正数 首位为0
用二进制表示 11.01=1.101乘以2的1次方
所以阶码为1 127+1=128
10000000
对于尾数1.101，因为规格化的数都是最高位为1，即小数点左边的数为1
所以这个1就省略，因此存储的时候就存101
即
10100000 00000000 0000000
把所有的拼起来
01000000 01010000 00000000 00000000
你的上面最后写反了
7. 浮点数在计算机中的存储方式中，指数位为什么是采用“移位存储”方式怎么看出来是用“移位存储”
不论是float还是double在存储方式上都是遵从IEEE的规范的.
float遵从的是IEEE R32.24 ,而double 遵从的是R64.53。
浮点数保存的字节格式如下：
地址 +0 +1 +2 +3
内容 SEEE EEEE EMMM MMMM MMMM MMMM MMMM MMMM
这里
S 代表符号位，1是负，0是正
E 偏移127的幂，二进制阶码=(EEEEEEEE)-127。
M 24位的尾数保存在23位中，只存储23位，最高位固定为1。此方法用最较少的位数实现了
较高的有效位数，提高了精度。
零是一个特定值，幂是0 尾数也是0。
浮点数-12.5作为一个十六进制数0xC1480000保存在存储区中，这个值如下：
地址 +0 +1 +2 +3
内容0xC1 0x48 0x00 0x00
浮点数和十六进制等效保存值之间的转换相当简单。下面的例子说明上面的值-12.5如何转
换。
浮点保存值不是一个直接的格式，要转换为一个浮点数，位必须按上面的浮点数保存格式表
所列的那样分开，例如：
地址 +0 +1 +2 +3
格式 SEEE EEEE EMMM MMMM MMMM MMMM MMMM MMMM
二进制 11000001 01001000 00000000 00000000
十六进制 C1 48 00 00
从这个例子可以得到下面的信息：
符号位是1 表示一个负数
幂是二进制10000010或十进制130，130减去127是3，就是实际的幂。
尾数是后面的二进制数10010000000000000000000
在尾数的左边有一个省略的小数点和1,这个1在浮点数的保存中经常省略,加上一个1和小数
点到尾数的开头,得到尾数值如下:
1.10010000000000000000000
接着,根据指数调整尾数.一个负的指数向左移动小数点.一个正的指数向右移动小数点.因为
指数是3,尾数调整如下:
1100.10000000000000000000
结果是一个二进制浮点数，小数点左边的二进制数代表所处位置的2的幂，例如：1100表示
(1*2^3)+(1*2^2)+(0*2^1)+(0*2^0)=12。
小数点的右边也代表所处位置的2的幂，只是幂是负的。例如：.100...表示(1*2^(-1))+
(0*2^(-2))+(0*2^(-2))...=0.5。
这些值的和是12.5。因为设置的符号位表示这数是负的，因此十六进制值0xC1480000表示-
12.5。
下面给个例子
#include <stdio.h>
union FloatData
{
float f;
unsigned char h[4];
};
void main(void)
{
FloatData t;
float temp = 0;
printf(