浮点数在计算机中的表示是基于科学计数法（Scientific Notation）的，我们知道32767这个数用科学计数法可以写成3.2767×104，3.2767称为尾数（Mantissa，或者叫Significand），4称为指数（Exponent）。浮点数在计算机中的表示与此类似，只不过基数（Radix）是2而不是10。下面我们用一个简单的模型来解释浮点数的基本概念。我们的模型由三部分组成：符号位、指数部分（表示2的多少次方）和尾数部分（只表示小数点后的数字）。
_______________________________ | 1 bit | 5 bits | 8 bits | ------------------------------- Sign bit Exponent Significand
如果要表示17这个数，我们知道17=17.0×100=1.7×101=0.17×102，类似地，17=(10001)2×20=(0.10001)2×25，把尾数的有效数字全部移到小数点后，这样就可以表示为：
______________________ | 0 | 00101 | 10001000 | ----------------------
如果我们要表示0.25就遇到新的困难了，因为0.25=1×2-2=(0.1)2×2-1，而我们的模型中指数部分没有规定如何表示负数。我们可以在指数部分里规定一个符号位，然而更有效和广泛采用的办法是使用偏移的指数（Biased Exponent）。规定一个偏移值，比如16，实际的指数要加上这个偏移值再填写到指数部分，这样，比16大的就表示正指数，比16小的就表示负指数。要表示0.25，指数部分应该填16-1=15：
______________________ | 0 | 01111 | 10000000 | ----------------------
现在还有一个问题需要解决：每个浮点数的表示方法都不唯一，例如17=(0.10001)2×25=(0.010001)2×26，这样给计算机处理增添了复杂性。为了解决这个问题，我们规定尾数部分的最高位必须是1，也就是说尾数必须以0.1开头，对指数做相应的调整，这称为正规化（Normalize）。由于尾数部分的最高位必须是1，这个1就不必保存了，可以节省出一位来用于提高精度，我们说最高位的1是隐含的（Implied）。这样17就只有一种表示方法了，指数部分应该是16+5=21=(10101)2，尾数部分去掉最高位的1是0001：
______________________ | 0 | 10101 | 00010000 | ----------------------
两个浮点数相加，首先把小数点对齐然后相加：
______________________ | 0 | 10010 | 10010000 | + ---------------------- ______________________ | 0 | 10000 | 00110110 | = ---------------------- ______________________ | 0 | 10010 | 11011101 | = ---------------------- 11.0010000 + 0.100110110 ------------- 11.101110110
由于计算机浮点数表示的精度有限，计算结果末尾的10两位被舍去了。做浮点运算时要注意精度问题，有时候计算顺序不同也会导致不同的结果，把上面的例子改一下，11.0010000+0.00000001+0.00000001=11.0010000+0.00000001=11.0010000，后面加的两个很小的数全被舍去了，没有起任何作用，但如果换一下计算顺序就能影响到计算结果了：0.00000001+0.00000001+11.0010000=0.00000010+11.0010000=11.0010001。再比如128.25=(10000000.01)2，需要10个有效位，而我们的模型中尾数部分是8位，算上隐含的最高位1一共有9个有效位，那么128.25的浮点数表示只能舍去末尾的1，表示成(10000000.0)2，其实跟128相等了。
浮点数是一个相当复杂的话题，本节只是通过这个简单的模型介绍一些基本概念而不深入讨论，理解了这些基本概念有助于你理解浮点数标准，目前业界广泛采用的符点数标准是由IEEE（Institute of Electrical and Electronics Engineers）制定的IEEE 754。