浮点数在计算机存储表示时存在精度问题，可能导致相等的两个浮点数在比较时被认为是不相等的。在进行等值比较时可能会出现查不到数据的情况。
浮点数在计算机中的存储和表示是一个复杂的过程，涉及到二进制的表示、指数和尾数等多个部分，由于这种复杂性，浮点数在进行等值比较时可能会出现一些问题。
（图片来源网络，侵删）
1、精度丢失：由于浮点数的存储方式，有些十进制小数在转换为二进制后可能会产生精度丢失，这意味着，某些非常接近但不完全相等的浮点数在计算机中可能会被近似为相同的值，当我们使用一个近似的值进行比较时，可能会得到不正确的结果。
2、浮点数的范围：浮点数的范围远大于整数，例如float32的范围远远大于uint32，这意味着，即使两个浮点数看起来非常接近，它们的实际值可能相差很大。
3、近似表示：由于浮点数是近似表示法，它不能完全准确地表示所有的小数，在进行等值比较时，可能会出现查不到数据的情况。
4、二进制表示：任何数据在内存中都是以二进制的形式存储的，单精度浮点数float占4字节32位，双精度浮点数double占8字节64位，由于二进制表示法与人类常用的十进制表示法不同，因此在比较两个浮点数时可能会出现问题。
（图片来源网络，侵删）
【版权声明】：本站所有内容均来自网络，若无意侵犯到您的权利，请及时与我们联系将尽快删除相关内容!
