一.浮点数精度的损失

关于浮点数的比较就不得不提到浮点数在内存中的存储，但这里篇幅太大，故我将其放在另一篇博客里，（如果不了解它的存储看这篇博客也是没问题的）这里我们就直接看现象

浮点数在储存中，并非像我们所想的那样是完整储存的，它会发生精度的丢失，注意这里并不单单指变小，也有可能变大。浮点数在存储时，在计算不尽时会采用四舍五入法

那么我们不妨试想一下，既然会发生精度的损失，那么它们在相互比较时能不能成立呢？

二.浮点数的比较

从结果可以看出1.0-0.1不等于0.1，跟我们的常理不符，这是因为发生了精度的丢失。

我们得出结论，浮点数相比较时决对不能用==直接比较

那么我们该怎样比较浮点数呢？

1.方法一

设定一个范围，只要两浮点数相减的值在一个范围内，那么就可以判断这两浮点数相等

这里我们自定义了一个精度EPS，只要误差在EPS内，那么判断就成立

其实可以看出这样的判断很麻烦，那么我们是否能直接取绝对值，如果我们判断x-0.9是否等于0.1，这样只需要|x-0.9-0.1|<EPS就可以了，接下来介绍一个函数fabs

2.方法二

这个函数就是专门用来取浮点数的绝对值，它的返回值就是这个浮点数的绝对值

这样看起来是不是就简洁许多了啦

3.方法三：系统方案

像上文中的EPS，是我们自己设定的精度，其实系统自己有一个精度DBL_EPSILON

从定义中可以看到，这个精度很小，是一个最小精度，也是系统给出的精度可以直接使用。在使用时别忘了加上头文件float.h哟

结论：如果以后判断两个浮点数相等的话，只需要它们两个数相减的值的绝对值小于DBL_EPSILON就可以啦

插入一个小知识，如果要比较浮点数和0的大小

只需要fabs(x)<DBL_EPSILON就可以了，具体原因参考上文