这并不像通常预期的那么简单。对于尾数的准确性，通常有两个值：
1.给定一个十进制表示的值，如果从十进制转换为所选的二进制格式并返回（默认舍入），可以保证保留多少位十进制数字。
1.给定一个二进制格式的值，如果将值转换为十进制格式并转换回原始二进制格式（同样，使用默认舍入）以使原始值保持不变，则需要多少个十进制数字。
在这两种情况下，十进制表示被视为独立于所使用的指数，没有前导和尾随零（例如，0.0123e4、1.23e2、1.2300e2、123、123.0、123000.000e-3都是3位数）。
对于32位二进制浮点数，这两个大小分别为6和9个十进制数字。在C中<float.h>，它们是FLT_DIG和FLT_DECIMAL_DIG。（奇怪的是32位float在大多数数字中保留了7位十进制数字，但也有例外。）在C++中，分别查看std：：numeric_limits：：digits 10和std：：numeric_limits：：max_digits10。
对于64位二进制浮点数，它们分别是15和17（DBL_DIG和DBL_DECIMAL_DIG;和std：：numeric_limits：：{digits10，max_digits10}）。
它们的通式（thx2@MarkDickinson）

• ${format}_DIG（digits10）：floor((p-1)*log10(2))
• ${format}_DECIMAL_DIG（max_digits10）：ceil(1+p*log10(2))

其中p是尾数中的位数（包括标准化IEEE 754情况下的隐藏位数）。
另外，在C++ numeric limits页面上有一些数学解释的注解：
标准的32位IEEE 754浮点类型有一个24位小数部分（23位写入，一位隐含），这可能表明它可以表示7位小数（24 * std：：log 10（2）为7.22），但相对舍入误差是不均匀的，一些具有7位小数位的浮点值无法转换为32位浮点数并返回：最小的正例是8.589973e9，在往返之后变为8.589974e9。这些舍入误差在表示中不能超过一位，digits 10的计算公式为（24-1）*std：：log 10（2），即6.92。向下舍入得到值6。
在注解中查找16位和128位浮点数的值（但请参阅下面的真实的128位浮点数）。
对于指数，这更简单，因为每个边界值（最小归一化，最小反归一化，最大表示）都是精确的，并且可以容易地获得和打印。
@PaulPanzer建议使用numpy. finfo。它给出这些值中的第一个（{format}_DIG）;也许这就是你要找的东西：

>>> numpy.finfo(numpy.float16).precision
3
>>> numpy.finfo(numpy.float32).precision
6
>>> numpy.finfo(numpy.float64).precision
15
>>> numpy.finfo(numpy.float128).precision
18

但是，在大多数系统上（我的系统是x86-84上的Ubuntu 18.04），float 128的值令人困惑;它实际上是用于具有64位有效数80位x86“扩展”浮点数;真实的IEEE 754 float 128有112个有效位，所以real值应该在33左右，但是numpy在这个名字下提供了另一种类型。详情请参见here：一般来说，float 128是numpy一种错觉。
UPD 3：你提到了float8-在IEEE 754集中没有这样的类型。人们可以想象这种类型用于一些完全特定的目的，但它的范围对于任何普遍的用途来说都太窄了。

为了保持简单。

• 通常，随着数值大小的增加或减少，精度的小数位数会减少 *

一般来说

Data-Type | Precision
----------------------
float16   | 3 to 4
float32   | 6 to 9
float64   | 15 to 17
float128  | 18 to 34

• 如果你明白了别忘了给答案投赞成票 *
  按位属性：

float16：1个符号位，5个指数位，10位有效数（小数部分）。
float32：1个符号位、8个指数位和23位有效数（小数部分）。
float64：1个符号位、11个指数位和52个分数位。
float128：1个符号位、15个指数位和112个分数位。