前面给大家介绍过PHP：
PHP（全称：PHP：HypertextPreprocessor，即“PHP：超文本预处理器”）是一种开源的通用计算机脚本语言，尤其适用于网络开发并可嵌入HTML中使用。PHP的语法借鉴吸收C语言、Java和Perl等流行计算机语言的特点，易于一般程序员学习。PHP的主要目标是允许网络开发人员快速编写动态页面，但PHP也被用于其他很多领域。
PHP主要有八种基本数据类型，包括四种变量类型：整数型（integer）、浮点数型（float）、布尔型（boolean）、字符串（string）；两种复合类型：数组（array）、对象（object）和两种特殊类型；NULL、资源（resource）。
超实用性的Python零基础入门到进阶视频源码淘宝￥2购买已下架
今天重点给大家讲解一下其中的两种类型——浮点数型（float）和布尔型（boolean）
一、浮点数型
在计算机科学中，浮点（英语：floatingpoint，缩写为FP）是一种对于实数的近似值数值表现法，由一个有效数字（即尾数）加上幂数来表示，通常是乘以某个基数的整数次指数得到。以这种表示法表示的数值，称为浮点数（floating-pointnumber）。利用浮点进行运算，称为浮点计算，这种运算通常伴随着因为无法精确表示而进行的近似或舍入。
浮点指的是带有小数的数值，浮点运算即是小数的四则运算，常用来测量电脑运算速度。大部分计算机采用二进制（b=2）地表示方法。位（bit）是衡量浮点数所需存储空间的单位，通常为32位或64位，分别被叫作单精度和双精度。有一些计算机提供更大的浮点数，例如英特尔公司的浮点运算单元Intel协处理器（以及其被集成进x86处理器中的后代产品）提供80位长的浮点数，用于存储浮点运算的中间结果。还有一些系统提供位的浮点数（通常用软件实现）。
计算机使用浮点数运算的主因，在于电脑使用二进位制的运算。例如：4÷2=2，4=(2)、2=(2)，在二进制相当于退一位数。则1.0÷2=0.5=0.1(2)也就是{\displaystyle{\frac{1}{2}}}{\frac{1}{2}}。依此类推二进制的0.01(2)就是十进制{\displaystyle{\frac{1}{2^{2}}}}{\displaystyle{\frac{1}{2^{2}}}}={\displaystyle{\frac{1}{4}}}\frac{1}{4}=0.25。由于十进位制无法准确换算成二进位制的部分小数，如0.1，因此只能使用近似值的方式表达。
这种表示方法类似于基数为10的科学记数法，在计算机上，通常使用2为基数的幂数来表示。一个浮点数a由两个数m和e来表示：a=m×be。在任意一个这样的系统中，我们选择一个基数b（记数系统地基）和精度p（即使用多少位来存储）。m（即尾数）是形如±d.ddd……ddd的p位数（每一位是一个介于0到b-1之间的整数，包括0和b-1）。如果m的第一位是非0整数，m称作正规化的。有一些描述使用一个单独的符号位（s代表+或者-）来表示正负，这样m必须是正的。e是指数。
这种表示法的设计，来自于对于值的表现范围，与精密度之间的取舍：可以在某个固定长度的存储空间内表示出某个实数的近似值。例如，一个指数范围为±4的4位十进制浮点数可以用来表示，4.或0.0004，但是没有足够的精度来表示.和42.3（必须近似为.1和）。当然，实际使用的位数通常远大于4。
此外，浮点数表示法通常还包括一些特别的数值：+∞和∞（正负无穷大）以及NaN（NotaNumber）。无穷大用于数太大而无法表示的时候，NaN则指示非法操作或者无法定义的结果。
其中，无穷大，可表示为inf，在内存中的值是阶码为全1，尾数全0。而NaN在内存中的值则是阶码全1，尾数不全0。
在电脑使用的浮点数被电气电子工程师协会（IEEE）规范化为IEEE。
由于浮点数不能表达所有实数，浮点运算与相应的数学运算有所差异，有时此差异极为显著。
比如，二进制浮点数不能表达0.1和0.01，0.1的平方既不是准确的0.01，也不是最接近0.01的可表达的数。单精度（24比特）浮点数表示0.1的结果为{\displaystylee=-4}e=-4,{\displaystyles=111111101_{(2)}}s=111111101_{{(2)}}，即
0.000001490
此数的平方是
0.000000298640
但最接近0.01的可表达的数是
0.150
浮点数也不能表达圆周率{\displaystyle\pi}\pi，所以{\displaystyle\tan{\frac{\pi}{2}}}\tan{\frac{\pi}{2}}不等于正无穷，也不会溢出。
下面的C语言代码
doublepi=3.;
doublez=tan(pi/2.0);
计算结果为163393531.0，如果用单精度浮点数，则结果为.0。同样的，{\displaystyle\sin\pi\neq0}\sin\pi\neq0。
由于浮点数计算过程中丢失了精度，浮点运算的性质与数学运算有所不同。浮点加法和乘法不符合结合律和分配律。
布尔型将在中为大家分享。
