我认为这取决于你电脑的精度。 看一下这张表:你可以看到，如果用double表示，但你的精度更高，比较并不等于

someValue == 0.0

不管怎样，这是个好问题!

该测试当然与someValue == 0不同。浮点数的全部思想是存储一个指数和一个显著值。因此，它们表示具有一定数量的精度二进制有效位数的值(在IEEE双精度的情况下为53)。可表示值在0附近比在1附近密集得多。

为了使用更熟悉的十进制系统，假设您使用exponent存储一个“4位有效数字”的十进制值。那么下一个大于1的可表示值是1.001 * 10^0，是1.000 * 10^ 3。但是1.000 * 10^-4也是可以表示的，假设指数可以存储-4。你可以相信我的话，IEEE double可以存储小于的指数。

你不能仅仅从这段代码中判断用作为边界是否有意义，你需要看一下上下文。可能是对产生someValue的计算错误的合理估计，也可能不是。

有些数字存在于0和之间，因为是1和下一个可以在1以上表示的最高数字之间的差值，而不是0和下一个可以在0以上表示的最高数字之间的差值(如果是这样的话，代码就做得很少):-

#include <limits>

int main ()
{
  struct Doubles
  {
      double one;
      double epsilon;
      double half_epsilon;
  } values;

  values.one = 1.0;
  values.epsilon = std::numeric_limits<double>::epsilon();
  values.half_epsilon = values.epsilon / 2.0;
}

使用调试器，在main结束时停止程序并查看结果，您将看到epsilon / 2不同于epsilon、0和1。

所以这个函数取正/-之间的值并使它们为零。

你不能把这个应用到0，因为有尾数和指数部分。 由于指数可以存储很小的数，小于， 但是当你尝试做一些类似(1.0 -“非常小的数字”)的事情时，你会得到1.0。 Epsilon不是值的指示器，而是值精度的指示器，值精度是尾数。 它显示了我们可以存储多少个正确的十进制数字。

使用IEEE浮点，在最小的非零正数和最小的非零负数之间，存在两个值:正零和负零。测试一个值是否在最小的非零值之间等价于测试与零相等;然而，赋值可能会产生影响，因为它会将负0变为正0。

It would be conceivable that a floating-point format might have three values between the smallest finite positive and negative values: positive infinitesimal, unsigned zero, and negative infinitesimal. I am not familiar with any floating-point formats that in fact work that way, but such a behavior would be perfectly reasonable and arguably better than that of IEEE (perhaps not enough better to be worth adding extra hardware to support it, but mathematically 1/(1/INF), 1/(-1/INF), and 1/(1-1) should represent three distinct cases illustrating three different zeroes). I don't know whether any C standard would mandate that signed infinitesimals, if they exist, would have to compare equal to zero. If they do not, code like the above could usefully ensure that e.g. dividing a number repeatedly by two would eventually yield zero rather than being stuck on "infinitesimal".

假设我们正在使用适合16位寄存器的玩具浮点数。有一个符号位，一个5位指数和一个10位尾数。

这个浮点数的值是尾数，解释为二进制十进制值，乘以2的指数次方。

在1附近，指数等于0。尾数中最小的数字是1024的1分之一。

接近1/2的指数是- 1，所以尾数最小的部分是一半大。如果是5位指数，它可以达到负16，此时尾数最小的部分值为3200万分之一。在- 16指数处，这个值大约是32k的1分之1，比我们上面计算的1附近更接近于0 !

这是一个玩具式的浮点模型，它不能反映真正的浮点系统的所有怪癖，但是它反映小于的值的能力与真正的浮点值相当相似。