python x。** y与math.pow（x，y）的指数

python x。** y与math.pow（x，y）的指数

使用Power运算符

**

将更快，因为它不会产生函数调用的开销。如果您反汇编Python代码，则可以看到以下内容：

>>> dis.dis('7. ** i')  10 LOAD_ConST    0 (7.0)    3 LOAD_NAME     0 (i)    6 BINARY_POWER 7 RETURN_VALUE         >>> dis.dis('pow(7., i)')  10 LOAD_NAME     0 (pow)    3 LOAD_ConST    0 (7.0)    6 LOAD_NAME     1 (i)    9 CALL_FUNCTION 2 (2 positional, 0 keyword pair)   12 RETURN_VALUE         >>> dis.dis('math.pow(7, i)')  10 LOAD_NAME     0 (math)    3 LOAD_ATTR     1 (pow)    6 LOAD_ConST    0 (7)    9 LOAD_NAME     2 (i)   12 CALL_FUNCTION 2 (2 positional, 0 keyword pair)   15 RETURN_VALUE

请注意，我在这里使用变量

i

作为指数，因为类似常数的表达式

7. ** 5

实际上是在编译时求值的。

现在，实际上，这种差异并不重要，正如您在计时时可以看到的那样：

>>> from timeit import timeit>>> timeit('7. ** i', setup='i = 5')0.2894785532627111>>> timeit('pow(7., i)', setup='i = 5')0.41218495570683444>>> timeit('math.pow(7, i)', setup='import math; i = 5')0.5655053168791255

所以，虽然

pow

和

math.pow

大约慢一倍，但仍不够快，不会太在乎。除非您实际上可以将求幂识别为瓶颈，否则如果清晰度降低，就没有理由选择一种方法而不是另一种方法。这尤其适用，因为

pow

例如提供了集成的模运算。

---

Alfe在上述评论中提出了一个很好的问题：

timeit

表明这

math.pow

比

**

所有情况都要慢。

math.pow()

无论如何有什么好处？有谁知道它有什么好处呢？

math.pow

内置函数

pow

和幂运算符的最大区别

**

在于，它 始终
使用浮点语义。因此，如果由于某种原因而要确保返回的结果是浮点数，

math.pow

则将确保此属性。

我们来看一个示例：我们有两个数字

i

和

j

，不知道它们是浮点数还是整数。但我们希望得到的浮点结果

i^j

。那么我们有什么选择呢？

• 我们可以将至少一个参数转换为浮点数，然后执行

  i ** j

  。
• 我们可以

  i ** j

  将结果转换为浮点数（当浮点数为

  i

  或时，会自动使用浮点指数

  j

  ，因此结果相同）。
• 我们可以使用

  math.pow

  。

因此，让我们测试一下：

>>> timeit('float(i) ** j', setup='i, j = 7, 5')0.7610865891750791>>> timeit('i ** float(j)', setup='i, j = 7, 5')0.7930400942188385>>> timeit('float(i ** j)', setup='i, j = 7, 5')0.8946636625872202>>> timeit('math.pow(i, j)', setup='import math; i, j = 7, 5')0.5699394063529439

如您所见，

math.pow

实际上更快！如果考虑一下，函数调用的开销现在也消失了，因为在所有其他替代方案中，我们都必须调用

float()

。

---

此外，可能值得指出的是

**

，

pow

可以通过实现自定义类型的特殊

__pow__

（和

__rpow__

）方法来覆盖和的行为。因此，如果您出于某种原因（无论出于何种原因）不希望使用它，

math.pow

则不会这样做。