使用math.sqrt（num）而不是Python中的num ** 0.5是否有任何优势

Question

我看到人们通常使用math库来计算平方根，我想知道在普通**0.5上是否有优势（matissa或计算效率）？

好的还做了快速测试，cpu时间趋于平等

import time 

start_time = time.clock()

i = 0
while i < 10000000: 
    i ** 0.5
    i += 1

elapsed_time = time.clock() - start_time
print ("Time elapsed: {} seconds".format(elapsed_time))

经过的时间：7.27秒

import time 
import math

start_time = time.clock()

i = 0
while i < 10000000: 
    math.sqrt(i)
    i += 1

elapsed_time = time.clock() - start_time
print ("Time elapsed: {} seconds".format(elapsed_time))

已用时间：7.109999999999999秒

Answer 1

看起来函数调用更快：

In [102]: a = 2

In [103]: timeit a**0.5
1000000 loops, best of 3: 222 ns per loop

In [104]: timeit sqrt(a)
10000000 loops, best of 3: 120 ns per loop

除了可读性之外，我想不出任何其他原因。哪个更具可读性取决于您的要求和背景。

Answer 2

他们的行为是微妙的差异。 x ** n首先尝试x.__pow__(n)。如果该调用返回NotImplemented，则调用n.__rpow__(x)。

>>> (2).__pow__(0.5)
NotImplemented
>>> (0.5).__rpow__(2)
1.4142135623730951

math.sqrt（x）将x转换为float（幕后的C double），然后调用C数学库。

>>> class F(object):
...   def __init__(self, value):
...     self.value = value
...   def __float__(self):
...     print("hi!")
...     return float(self.value)
... 
>>> a=F(2)
>>> math.sqrt(a)
hi!
1.4142135623730951

对于Python中的普通数字类型，差异通常并不重要，但其他数字类型的行为可能不同。 gmpy2为整数和浮点实现任意精度算术。导致math.sqrt（）溢出的值可由**。

处理

>>> import gmpy2
>>> math.sqrt(gmpy2.mpz("1"*999))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
OverflowError: 'mpz' too large to convert to float
>>> gmpy2.mpz("1"*999)**0.5
mpfr('1.0540925533894598e+499')
>>> 

Answer 3

根据math.pow（x，[b]）的描述，我会冒成math.sqrt（x）进行自动类型转换的危险。一般来说，我的猜测是数学库比使用** 0.5

更安全，更可靠

Answer 4

他们大致相同：

$ python -m timeit 'import math; [math.sqrt(n) for n in range(100)]'
100000 loops, best of 3: 13.3 usec per loop
$ python -m timeit 'import math; [n**0.5 for n in range(100)]'
100000 loops, best of 3: 16.2 usec per loop

Answer 5

在不了解python的情况下，我会说运算符比在你只执行一次的情况下调用库函数更好，因为使用运算符意味着你的解释器（或其他语言的编译器）不会必须通过整个包含的图书馆。