julia的浮点数
bits这个函数好像没有了,我xiang给你看下这个值 的二进制表示在最全面的符号位不同
指数形式的浮点数
代码01行使用f代替e来表示这是一个Float32类型的值。代码03行使用typeof(ans)来判断上一个结果的类型，结果为Float32。代码05行将Float32与Float64的相同值进行比较，结果为true。
除此之外，我们还可以通过一个函数将值从Float64转换为Float32。示例代码如下：
强制转换
值得一提的特殊浮点数如下：
• Inf和−Inf
• NaN
当一个数不是实数的时候，我们将会看到特殊浮点数。
特殊浮点数
01 julia> 1/0
02 Inf
03 julia> -1/0
04 -Inf
05 julia> 0/0
06 NaN
07 julia> Inf/Inf
08 NaN
Inf表示无穷大，−Inf表示无穷小，NaN表示这不是一个实数。代码07行使用Inf除以Inf得到的结果为NaN。
还有一些函数是十分有用的。例如，如果需要找到下一个浮点数，Julia提供了如下函数可以帮助我们。
julia> nextfloat(0.0)
5.0e-324
代码01行使用了nextfloat()函数，并传入一个Float类型的值，来显示0.0之后的下一个浮点数。同理，使用如下函数可以找到上一个Float类型的值。
以下定义了x和y两个变量，它们的值分别为1.1和0.1。然后输出x y的值。该值是不准确的，当没有对特定数字进行预期的浮点表示时，将会发生这种情况。
我们可以使用Julia提供的setprecision()函数来设置精度。
这个范例使用了setprecision()函数，并传入一个数字，代码02行使用BigFloat类型的值来进行操作，得到的结果为1.12。
任意精度的计算
前面我们研究了Int和Float类型。还有两种特定的数据类型可用于任意精度的计算，它们是：
• BigInt
• BigFloat
任意精度的计算是指精度数字仅受其执行系统上的可用内存限制的计算，这在某种计算场景中十分有用。
如下代码使用了BigFloat。
01 julia> BigFloat("2.99123191231231414314134")
02 2.99123191231231414314133999999999999999999999999999999999
03 9999999999999999999996
04 julia> factorial(BigInt(100))
05 9332621544394415268169923885626670049071596826438162146859
06 2963895217599993229915608941463976156518286253697920827223
07 758251185210916864000000000000000000000000
08 julia> big(0.2)
09 2.00000000000000011102230246251565404236316680908203125000
10 0000000000000000000000e-01
代码01行使用了BigFloat()函数，传入一个数字字符串，将返回一个BigFloat的值。代码02行使用了一阶乘函数，阶乘100，结果是一个特别大的数。代码08行使用了big函数()，它也能返回一个大数。
接下来是我最喜欢的特性!!!最喜欢,第一次让我感受到了写数学表达式和我的所学得到统一.
爱死了
