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
Math.sqrt (x)比x**0.5快得多。
import math
N = 1000000
%%timeit
for i in range(N):
z=i**.5
10个循环，最好的3:156毫秒每循环
%%timeit
for i in range(N):
z=math.sqrt(i)
10个循环，最好的3:91.1毫秒每循环
使用Python 3.6.9(笔记本)。
其他回答
在这些微观基准测试中，数学。SQRT会慢一些，因为在数学名称空间中查找SQRT所花费的时间很少。你可以用
from math import sqrt
即使这样，在timeit中运行一些变化，显示x**的轻微(4-5%)性能优势。5
有趣的是,做
import math
sqrt = math.sqrt
进一步加速，速度差异在1%以内，几乎没有统计学意义。
我将重复Kibbee，并说这可能是一个不成熟的优化。
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
优化的第一条规则:不要这么做 第二条规则:先别这么做
以下是一些计时(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
这个测试表明x**。5比√(x)略快。
对于Python 3.0，结果正好相反:
$ \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x**快。5在另一台机器上(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
Math.sqrt (x)比x**0.5快得多。
import math
N = 1000000
%%timeit
for i in range(N):
z=i**.5
10个循环，最好的3:156毫秒每循环
%%timeit
for i in range(N):
z=math.sqrt(i)
10个循环，最好的3:91.1毫秒每循环
使用Python 3.6.9(笔记本)。
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。
