Afloat是单精度32位IEEE 754浮点数。默认情况下，小数被解释为双精度。要创建float，只需f在小数文字后附加。
double doubleExample = 0.5; // 数字后没有'f'=两倍 float floatExample = 0.5f; // 在数字=浮点后加'f' float myFloat = 92.7f; // 这是一个漂浮物... float positiveFloat = 89.3f; // 可能是积极的， float negativeFloat = -89.3f; // 或否定 float integerFloat = 43.0f; // 它可以是整数（不是整数） float underZeroFloat = 0.0549f; // 它可以是小于0的分数
浮点数处理五个常见的算术运算：加法，减法，乘法，除法和模数。
注意：由于浮点错误，以下内容可能会略有不同。为了清晰和易读起见，对一些结果进行了四舍五入（即，添加示例的印刷结果实际上是34.600002）。
// 加成 float result = 37.2f + -2.6f; // 结果：34.6 // 减法 float result = 45.1f - 10.3f; // 结果：34.8 // 乘法 float result = 26.3f * 1.7f; // 结果：44.71 // 师 float result = 37.1f / 4.8f; // 结果：7.729166 // 模数 float result = 37.1f % 4.8f; // 结果：3.4999971
由于浮点数的存储方式（即二进制形式），许多数字没有确切的表示形式。
float notExact = 3.1415926f; System.out.println(notExact); // 3.1415925
尽管float对于大多数应用程序来说使用是很好的选择，但float也不double应将其用于存储十进制数字（如货币金额）或需要更高精度的数字的精确表示形式。而是BigDecimal应使用该类。
的默认值float是0.0F。
float defaultFloat; // defaultFloat == 0.0f
Afloat精确到大约1千万分之一的误差。
注： Float.POSITIVE_INFINITY，Float.NEGATIVE_INFINITY，Float.NaN都float值。NaN代表无法确定的运算结果，例如除以2个无穷大值。此外0f和-0f有所不同，但==得出的结果是：
float f1 = 0f; float f2 = -0f; System.out.println(f1 == f2); // 真正 System.out.println(1f / f1); // 无限 System.out.println(1f / f2); // -无限 System.out.println(Float.POSITIVE_INFINITY / Float.POSITIVE_INFINITY); // N