我一直想知道这件事。正如标题所说,哪个更快,实际功能还是简单地提升到半功率?
更新
这不是过早优化的问题。这只是底层代码实际工作原理的问题。 Python代码的工作原理是什么?
我发送了Guido van Rossum电子邮件,因为我真的想知道这些方法的不同之处。
至少有3种方法可以在Python中使用平方根:math.sqrt,the '**'运算符和pow(x,.5)。我只是对这些差异感到好奇 每一个的实施。谈到效率 更好吗?
pow和**是等价的; math.sqrt不适用于复数, 并链接到C sqrt()函数。至于哪一个 更快,我不知道......
答案 0 :(得分:77)
根据评论,我更新了代码:
import time
import math
def timeit1():
s = time.time()
for i in xrange(750000):
z=i**.5
print "Took %f seconds" % (time.time() - s)
def timeit2(arg=math.sqrt):
s = time.time()
for i in xrange(750000):
z=arg(i)
print "Took %f seconds" % (time.time() - s)
timeit1()
timeit2()
现在math.sqrt
函数直接在本地参数中,这意味着它具有最快的查找速度。
更新: python版似乎在这里很重要。我以前认为timeit1
会更快,因为当python解析“i **。5”时,它在语法上知道调用哪个方法(__pow__
或某些变体),所以它不会必须经历math.sqrt
变体所做的查找开销。但我可能错了:
Python 2.5: 0.191000 vs. 0.224000
Python 2.6: 0.195000 vs. 0.139000
psyco似乎更好地处理math.sqrt
:
Python 2.5 + Psyco 2.0: 0.109000 vs. 0.043000
Python 2.6 + Psyco 2.0: 0.128000 vs. 0.067000
| Interpreter | x**.5, | sqrt, | sqrt faster, % |
| | seconds | seconds | |
|----------------+---------+---------+----------------|
| Python 3.2rc1+ | 0.32 | 0.27 | 19 |
| Python 3.1.2 | 0.136 | 0.088 | 55 |
| Python 3.0.1 | 0.155 | 0.102 | 52 |
| Python 2.7 | 0.132 | 0.079 | 67 |
| Python 2.6.6 | 0.121 | 0.075 | 61 |
| PyPy 1.4.1 | 0.083 | 0.0159 | 422 |
| Jython 2.5.1 | 0.132 | 0.22 | -40 |
| Python 2.5.5 | 0.129 | 0.125 | 3 |
| Python 2.4.6 | 0.131 | 0.123 | 7 |
#+TBLFM: $4=100*($2-$3)/$3;%.0f
在机器上生成的表格结果:
$ uname -vms
Linux #42-Ubuntu SMP Thu Dec 2 02:41:37 UTC 2010 x86_64
$ cat /proc/cpuinfo | grep 'model name' | head -1
model name : Intel(R) Core(TM) i7 CPU 920 @ 2.67GHz
要重现结果:
git clone git://gist.github.com/783011.git gist-783011
tox
:pip install tox
tox
文件从目录运行tox.ini
。答案 1 :(得分:16)
以下是一些时间安排(Python 2.5.2,Windows):
$ python -mtimeit -s"from math import sqrt; x = 123" "x**.5"
1000000 loops, best of 3: 0.445 usec per loop
$ python -mtimeit -s"from math import sqrt; x = 123" "sqrt(x)"
1000000 loops, best of 3: 0.574 usec per loop
$ python -mtimeit -s"import math; x = 123" "math.sqrt(x)"
1000000 loops, best of 3: 0.727 usec per loop
此测试表明x**.5
略快于sqrt(x)
。
对于Python 3.0,结果恰恰相反:
$ \Python30\python -mtimeit -s"from math import sqrt; x = 123" "x**.5"
1000000 loops, best of 3: 0.803 usec per loop
$ \Python30\python -mtimeit -s"from math import sqrt; x = 123" "sqrt(x)"
1000000 loops, best of 3: 0.695 usec per loop
$ \Python30\python -mtimeit -s"import math; x = 123" "math.sqrt(x)"
1000000 loops, best of 3: 0.761 usec per loop
math.sqrt(x)
总是比另一台机器上的x**.5
快(Ubuntu,Python 2.6和3.1):
$ python -mtimeit -s"from math import sqrt; x = 123" "x**.5"
10000000 loops, best of 3: 0.173 usec per loop
$ python -mtimeit -s"from math import sqrt; x = 123" "sqrt(x)"
10000000 loops, best of 3: 0.115 usec per loop
$ python -mtimeit -s"import math; x = 123" "math.sqrt(x)"
10000000 loops, best of 3: 0.158 usec per loop
$ python3.1 -mtimeit -s"from math import sqrt; x = 123" "x**.5"
10000000 loops, best of 3: 0.194 usec per loop
$ python3.1 -mtimeit -s"from math import sqrt; x = 123" "sqrt(x)"
10000000 loops, best of 3: 0.123 usec per loop
$ python3.1 -mtimeit -s"import math; x = 123" "math.sqrt(x)"
10000000 loops, best of 3: 0.157 usec per loop
答案 2 :(得分:11)
你真正表演了多少平方根?您是否正在尝试用Python编写一些3D图形引擎?如果没有,那么为什么要使用易于阅读的代码隐藏的代码呢?时间差异将小于任何人可能会注意到的任何我可以预见的应用程序。我真的不是故意放下你的问题,但似乎你过早地进行了优化,但这似乎太过分了。
答案 3 :(得分:9)
在这些微基准测试中,math.sqrt会更慢,因为在math命名空间中查找sqrt所需的时间很短。您可以使用
稍微改进一下 from math import sqrt
尽管如此,通过timeit运行一些变化,显示“x **。5”的轻微(4-5%)性能优势
有趣的是,做 import math
sqrt = math.sqrt
将速度加快,速度差异在1%以内,但统计意义非常小。
我会重复Kibbee,并说这可能是一个不成熟的优化。
答案 4 :(得分:6)
在python 2.6中,(float).__pow__()
函数使用C pow()
函数,math.sqrt()
函数使用C sqrt()
函数。
在glibc编译器中,pow(x,y)
的实现非常复杂,并且针对各种异常情况进行了优化。例如,调用C pow(x,0.5)
只需调用sqrt()
函数。
使用.**
或math.sqrt
的速度差异是由C函数周围使用的包装器引起的,速度很大程度上取决于系统上使用的优化标志/ C编译器。
修改强>
以下是我机器上Claudiu算法的结果。我得到了不同的结果:
zoltan@host:~$ python2.4 p.py
Took 0.173994 seconds
Took 0.158991 seconds
zoltan@host:~$ python2.5 p.py
Took 0.182321 seconds
Took 0.155394 seconds
zoltan@host:~$ python2.6 p.py
Took 0.166766 seconds
Took 0.097018 seconds
答案 5 :(得分:4)
在我的机器上使用Claudiu的代码,即使使用“from math import sqrt”x **。5更快但使用psyco.full()sqrt(x)变得更快,至少增加200%
答案 6 :(得分:3)
很可能是math.sqrt(x),因为它针对平方根进行了优化。
基准测试将为您提供所需的答案。
答案 7 :(得分:3)
为了它的价值(见吉姆的回答)。在我的机器上,运行python 2.5:
PS C:\> python -m timeit -n 100000 10000**.5
100000 loops, best of 3: 0.0543 usec per loop
PS C:\> python -m timeit -n 100000 -s "import math" math.sqrt(10000)
100000 loops, best of 3: 0.162 usec per loop
PS C:\> python -m timeit -n 100000 -s "from math import sqrt" sqrt(10000)
100000 loops, best of 3: 0.0541 usec per loop
答案 8 :(得分:3)
有人评论过来自Quake 3的“快速Newton-Raphson平方根”......我用ctypes实现了它,但它与本机版本相比速度超慢。我将尝试一些优化和替代实现。
from ctypes import c_float, c_long, byref, POINTER, cast
def sqrt(num):
xhalf = 0.5*num
x = c_float(num)
i = cast(byref(x), POINTER(c_long)).contents.value
i = c_long(0x5f375a86 - (i>>1))
x = cast(byref(i), POINTER(c_float)).contents.value
x = x*(1.5-xhalf*x*x)
x = x*(1.5-xhalf*x*x)
return x * num
这是使用struct的另一种方法,比ctypes版本快了大约3.6倍,但仍然是C的速度的1/10。
from struct import pack, unpack
def sqrt_struct(num):
xhalf = 0.5*num
i = unpack('L', pack('f', 28.0))[0]
i = 0x5f375a86 - (i>>1)
x = unpack('f', pack('L', i))[0]
x = x*(1.5-xhalf*x*x)
x = x*(1.5-xhalf*x*x)
return x * num
答案 9 :(得分:1)
Claudiu的结果与我的不同。我在旧的P4 2.4Ghz机器上在Ubuntu上使用Python 2.6 ...这是我的结果:
>>> timeit1()
Took 0.564911 seconds
>>> timeit2()
Took 0.403087 seconds
>>> timeit1()
Took 0.604713 seconds
>>> timeit2()
Took 0.387749 seconds
>>> timeit1()
Took 0.587829 seconds
>>> timeit2()
Took 0.379381 seconds
对我来说,sqrt一直比较快......即使Codepad.org现在也似乎同意在本地环境中sqrt更快(http://codepad.org/6trzcM3j)。 Codepad似乎目前正在运行Python 2.5。当Claudiu第一次回答时,也许他们使用的是2.4或更老?
事实上,即使使用math.sqrt(i)代替arg(i),我仍然可以获得更好的sqrt时间。在这种情况下,timeit2()在我的机器上花了0.53到0.55秒,这仍然比timeit1的0.56-0.60更好。
我会说,在现代Python上,使用math.sqrt并确实将它带到本地上下文,或者使用somevar = math.sqrt或者使用math import sqrt。
答案 10 :(得分:1)
当然,如果要处理文字并需要一个常量值,那么Python运行时可以在编译时预先计算该值(如果它是用运算符编写的),在这种情况下无需分析每个版本:
In [77]: dis.dis(a)
2 0 LOAD_CONST 1 (1.4142135623730951)
2 RETURN_VALUE
In [78]: def a():
...: return 2 ** 0.5
...:
In [79]: import dis
In [80]: dis.dis(a)
2 0 LOAD_CONST 1 (1.4142135623730951)
2 RETURN_VALUE
答案 11 :(得分:0)
您可能也希望对fast Newton-Raphson square root进行基准测试。不应该花很多钱转换成Python。
答案 12 :(得分:0)
我最近解决的问题SQRMINSUM需要在大型数据集上重复计算平方根。在我进行其他优化之前,history中最早的2个提交仅仅通过用sqrt()替换** 0.5而不同,从而将PyPy中的运行时间从3.74s减少到0.51s。这几乎是Claudiu测量的已经大规模400%改进的两倍。
答案 13 :(得分:0)
要优化的Python语言是可读性。为此,我认为明确使用sqrt
函数是最好的。话虽如此,我们还是要研究性能。
我更新了Claudiu用于Python 3的代码,并且也使得无法优化计算(将来一个好的Python编译器可能会做的事情):
from sys import version
from time import time
from math import sqrt, pi, e
print(version)
N = 1_000_000
def timeit1():
z = N * e
s = time()
for n in range(N):
z += (n * pi) ** .5 - z ** .5
print (f"Took {(time() - s):.4f} seconds to calculate {z}")
def timeit2():
z = N * e
s = time()
for n in range(N):
z += sqrt(n * pi) - sqrt(z)
print (f"Took {(time() - s):.4f} seconds to calculate {z}")
def timeit3(arg=sqrt):
z = N * e
s = time()
for n in range(N):
z += arg(n * pi) - arg(z)
print (f"Took {(time() - s):.4f} seconds to calculate {z}")
timeit1()
timeit2()
timeit3()
结果各不相同,但示例输出为:
3.6.6 (default, Jul 19 2018, 14:25:17)
[GCC 8.1.1 20180712 (Red Hat 8.1.1-5)]
Took 0.3747 seconds to calculate 3130485.5713865166
Took 0.2899 seconds to calculate 3130485.5713865166
Took 0.2635 seconds to calculate 3130485.5713865166
答案 14 :(得分:-3)
更快的是,如果你进入math.py并复制了函数" sqrt"进入你的程序。您的程序需要一段时间才能找到math.py,然后打开它,找到您要查找的功能,然后将其恢复到您的程序中。如果该功能更快,即使使用"查找"步骤,然后功能本身必须非常快。可能会把你的时间缩短一半。总结: