我想了很久了。就像题目说的，哪个更快，是实际函数还是简单地取1 / 2次幂?
更新
这不是一个过早优化的问题。这只是一个底层代码如何实际工作的问题。Python代码的工作原理是什么?
我给Guido van Rossum发了一封邮件，因为我真的很想知道这些方法的区别。
我的电子邮件:
在Python中至少有3种方法来求平方根:math。返回值, '**'运算符和pow(x，.5)。我只是好奇它们之间的区别 每一个的实现。说到效率 是更好吗?
他的回答:
Pow和**是等价的;数学。根号方根不适用于复数， 并链接到C的sqrt()函数。至于哪一个是 快点，我不知道……
当前回答
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)的实现相当复杂，并且针对各种例外情况进行了很好的优化。例如，调用C pow(x,0.5)只调用sqrt()函数。
**或数学使用速度的差异。sqrt是由围绕C函数的包装器引起的，速度很大程度上取决于系统上使用的优化标志/C编译器。
编辑:
这是克劳狄算法在我机器上的结果。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
其他回答
有人评论《雷神之锤3》中的“快速牛顿-拉弗森平方根”……我用ctypes实现了它，但与本机版本相比，它非常慢。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
这是另一个使用struct的方法，比ctypes版本快3.6倍，但仍然是C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
你到底做了多少次平方根?你正在尝试用Python编写一些3D图形引擎吗?如果不是，那么为什么要使用晦涩的代码而不是易于阅读的代码呢?在我能预见的任何应用中，时间差都比任何人能注意到的要小。我真的不想放下你的问题，但看起来你在不成熟的优化上走得有点太远了。
python要优化的是可读性。为此，我认为显式地使用平方根函数是最好的。话虽如此，我们还是来研究一下性能。
我为Python 3更新了Claudiu的代码，并使其不可能优化计算(未来一个优秀的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()
结果不同，但一个示例输出是:
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
还有一个最近的输出:
3.7.4 (default, Jul 9 2019, 16:48:28)
[GCC 8.3.1 20190223 (Red Hat 8.3.1-2)]
Took 0.2583 seconds to calculate 3130485.5713865166
Took 0.1612 seconds to calculate 3130485.5713865166
Took 0.1563 seconds to calculate 3130485.5713865166
你自己试试。
我最近解决的SQRMINSUM问题需要在一个大型数据集上重复计算平方根。在我做其他优化之前，我历史上最老的2个提交，唯一的区别是用sqrt()替换**0.5，从而将PyPy中的运行时从3.74秒减少到0.51秒。这几乎是克劳狄测量的400%的巨大改进的两倍。
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您正在寻找的答案。
