在 Python 中使用 math.sqrt(num) 比 num**0.5 有什么优势吗

Question

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

好吧也做了个快速测试，cpu时间趋于相等

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))

经过的时间：7.109999999999999 秒

Answer 1

他们的行为有细微的差别。 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 转换为浮点数（幕后的 C 双精度），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

这种差异对于 Python 中的普通数字类型通常并不重要，但其他数字类型的行为可能会有所不同。 gmpy2 实现了整数和浮点的任意精度算术。导致 math.sqrt() 溢出的值可以由 ** 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 2

看起来函数调用更快了：

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询问的对象和上下文。

Answer 3

根据 math.pow(x,[b]) 的描述，我会冒险 math.sqrt(x) 会进行自动类型转换。一般来说，我的猜测是数学库是一个比使用 **0.5 更安全、更可靠的函数

Answer 4

它们差不多：

$ 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

在对 python 了解不多的情况下，我会说在你只做一次的情况下，运算符比调用库函数更好，因为使用运算符意味着你的解释器（或其他语言的编译器）不会必须遍历整个包含的库。