很多网友不知道float范围是多少，float类型是一种用于表示浮点数（小数）的数据类型，它可以存储很大或很小的数值，但是有一定的精度损失。float类型的取值范围取决于计算机的硬件和操作系统，不同的平台可能有不同的实现方式。一种常见的实现方式是使用IEEE 754标准，它定义了32位和64位的浮点数格式。在Python中，float类型通常对应于64位的浮点数，也称为双精度浮点数（double），它的最大正值约为1.8 * 10^308，最小正值约为2.2 * 10^-308，还有一些特殊的浮点数用于表示无穷大和非数字。
根据IEEE 754标准，64位的浮点数由三部分组成：符号位（sign），指数位（exponent）和尾数位（mantissa）。符号位表示浮点数的正负，指数位表示浮点数的数量级，尾数位表示浮点数的有效数字。具体来说，64位的浮点数可以表示为：
(-1)^sign * (1 + mantissa) * 2^(exponent – 1023)
其中，sign是一个0或1的二进制位，mantissa是一个52位的二进制数，exponent是一个11位的二进制数。由于指数位有一个偏移量（bias）1023，所以实际的指数范围是-1022到1023。
根据这个公式，我们可以计算出64位浮点数的最大和最小正值：
最大正值 = (-1)^0 * (1 + (2^52 – 1) / 2^52) * 2^(1023 – 1023) = 1.7976931348623157 * 10^308
最小正值 = (-1)^0 * (1 + 0 / 2^52) * 2^(-1022 – 1023) = 2.2250738585072014 * 10^-308
需要注意的是，这里的最小正值并不是最接近零的浮点数，而是最接近一的浮点数乘以最小的指数。在这个范围之下，还有一种特殊的浮点数，称为非规范化（denormalized）或次正规（subnormal）浮点数。这些浮点数的指数位全为零，尾数位不全为零，它们可以表示比最小正值还小的非零值，但是精度会更低。例如：
另一方面，如果指数位全为一，尾数位全为零，那么就表示无穷大（infinity），用符号表示为inf或-inf。如果指数位全为一，尾数位不全为零，那么就表示非数字（not a number），用符号表示为nan。这些特殊的浮点数用于处理一些异常情况，例如除以零、开方负数、对无穷大进行运算等。
