在Python中求次方最佳的姿势

在Python可以使用两个方式求次方，双星号和math.pow() 我们下面可以使用代码进行测试，这里测试的是5的6次幂

import math
import time
import matplotlib.pyplot  as plt

ls=[(i+1)*10000 for i in range(1000)]
print('start **')
res_x=[]
for i in ls[:]:
    start = time.time()
    for j in range(i):
        5 ** 6
    print('** spend time is {}'.format(time.time() - start))
    res_x.append(time.time() - start)
print('start math.pow')
res_y=[]
for i in ls[:]:
    start = time.time()
    for j in range(i):
        math.pow(5,6)
    print('math.pow spend time is {}'.format(time.time() - start))
    res_y.append(time.time() - start)

plt.plot(ls[:],res_x,"ob-",label="**")
plt.legend()
plt.xlabel("x")
plt.ylabel(" spend time(s)")
plt.plot(ls[:],res_y,"or-",label="math.pow")
plt.legend()
plt.xlabel("x")
plt.ylabel("spend time(s)")
plt.show()

运行的结果如下：

我们可以看到，math实际上在调用十分频繁后，速度比双星号差很多倍，越频繁差距越大，而双星号随着频繁调用的增加变化不大

我们知道，次方的计算不仅仅和调用次数有关，还是多少次幂有一定的关系，接下来我们就实验一下：

import math
import time
import matplotlib.pyplot  as plt



ls=[(i+1)*10000 for i in range(1000)]
print('start **')
res_x=[]

for i in ls[:]:
    start = time.time()
    5**i
    print('** spend time is {}'.format(time.time() - start))
    res_x.append(time.time() - start)
# print('start math.pow')
# res_y=[]
# for i in ls[:]:
#     start = time.time()
#     math.pow(5,i)
#     print('math.pow spend time is {}'.format(time.time() - start))
#     res_y.append(time.time() - start)

plt.plot(ls[:],res_x,"ob-",label="**")
plt.legend()
plt.xlabel("x")
plt.ylabel(" spend time(s)")
# plt.plot(ls[:],res_y,"or-",label="math.pow")
# plt.legend()
# plt.xlabel("x")
# plt.ylabel("spend time(s)")
plt.show()

结果如下：

可以从上图发现，次数增加运算时间会增加很多，比起调用次数来说，也是呈现递增的趋势。 而且发现math.pow在次数稍微大一些就会报错： math.pow(5,i) OverflowError: math range error 所以综合来说，math.pow的实用性不如双*，而且就算是双*的幂次也不要过大，特别影响效率