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
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。
其他回答
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。
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
你好!我刚刚创建了一个堆栈交换配置文件来参与这次对话! 我所做的事情可能看起来微不足道，但在评判之前请先听我说完:
实验条件:
离线(没有internet编译器问题) 保持系统状态尽可能稳定 在一次尝试中测试所有3个功能
对于原问题中陈述的每个函数，我运行了3个循环，每个循环5个迭代。我在每个循环中计算了从0到10^8的整数的平方根。
以下是调查结果: 时间: √(x) < x**0.5 < pow(x, 0.5)
注:以两位数的秒差，超过10^8的非负 整数。
输出截图: 输出
我的结论是:
我觉得Guido的邮件很好地证明了这些时间。 考虑以下语句:
"math.sqrt()链接到C并且不接受复数" **和pow()是等价的
因此，我们可以暗示**和pow()都有一定的开销成本，因为它们都必须检查传递的输入是否为复数，即使我们传递的是整数。此外，复数是Python内置的，使用Python编写Python代码是计算机上的任务。
值得注意的是，math.sqrt()的工作速度相对较快，因为它既不需要检查复数参数的麻烦，也因为它直接与C语言函数连接，C语言函数被证明比一般的Python快一点。
如果你对这个结论的看法与我不同，请告诉我!
代码:
import time
import math
print("x**0.5 : ")
for _ in range(5):
start = time.time()
for i in range(int(1e8)):
i**0.5
end = time.time()
print(end-start)
print("math.sqrt(x) : ")
for _ in range(5):
start = time.time()
for i in range(int(1e8)):
math.sqrt(i)
end = time.time()
print(end-start)
print("pow(x,0.5) : ")
for _ in range(5):
start = time.time()
for i in range(int(1e8)):
pow(i,0.5)
end = time.time()
print(end-start)
不管怎样(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
当然，如果要处理字面量并且需要一个常量值，Python运行时可以在编译时预先计算该值，如果它是用操作符编写的——在这种情况下不需要分析每个版本:
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
