Is math.sqrt or **.5 more Pythonic?

Question

使用 math.sqrt(( 还是 **.5 更 pythonic？例如，编写 math.sqrt(2( 或 2**.5 是否更 python？

pythonic的影响包括(1(更具可读性，(2(更常见，(3(更快或更高效。

Answer 1

没关系。math.sqrt，被命名，本身的可读性略微高，但在更大的方程的背景下，可能会分解更具可读性的数学** 0.5。由于缺乏直接解释器支持(函数调用调度是通用的，幂具有专用字节码(，math.sqrt的速度会稍微慢一些(如果from math import sqrt是为了保存属性查找而变慢(，但在 99.999% 的情况下，速度差异无关紧要。更新：实际上，在检查时，math.sqrt的速度要快得多(在我的CPython 3.7.2 x64 Linux构建中，在小int输入上花费的时间减少了~18%，在float输入上花费的时间减少了~6%(;显然，对幂的直接字节码支持并没有超过通用幂的成本，因为它需要做一个平方根。

基本上，做使你的代码在上下文中看起来漂亮/可读的事情。

---

对于那些关心的人，我的ipython3基准基本上只是：

>>> import math
>>> %%timeit r = tuple(range(100))  # To get baseline for overhead not associated with square root
... for i in r:
...     i
...
1.6 μs ± 2.04 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
>>> %%timeit r = tuple(range(100))
... for i in r:
...     i ** 0.5
...
14.4 μs ± 23 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
>>> %%timeit r = tuple(range(100))
... for i in r:
...     math.sqrt(i)
...
12.1 μs ± 43.9 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
>>> %%timeit r = tuple(map(float, range(100)))
... for i in r:
...     i ** 0.5
...
11.1 μs ± 31 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
>>> %%timeit r = tuple(map(float, range(100)))
... for i in r:
...     math.sqrt(i)
...
10.5 μs ± 5.61 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

从每个开销中减去基线开销以获得仅平方根运算的成本，最终的性能差异对于小ints快~18%，对于等效的floats快~6%(避免进行类型转换，对于** 0.5，不要花任何时间查看int的幂是否有效(。