计算能力的速度（在python中）
我很好奇，为什么它乘法的速度要快于在python中的权力（尽管从我读过的内容来看，这在许多其他语言中也是如此）。 例如，它要快得多
x*x
比
x**2
我认为**运算符更一般，也可以处理分数的权力。 但是，如果这就是为什么它慢得多，为什么它不执行一个int指数检查，然后只是做乘法？
编辑：这是我尝试的一些示例代码...
def pow1(r, n):
for i in range(r):
p = i**n
def pow2(r, n):
for i in range(r):
p = 1
for j in range(n):
p *= i
现在，pow2只是一个简单的例子，显然不是最优化的！
但即使如此，我发现使用n = 2和r = 1,000,000，pow1需要约2500ms，pow2需要约1700ms。
我承认，对于n的大数值，pow1确实比pow2快得多。 但这并不令人感到意外。
基本上天真的乘法是O（n），其常数因子很低。 采取的权力是O（log n）具有较高的常数因子（有些特殊情况需要测试......分数指数，负指数等）。 编辑：只需要清楚，那就是O（n），其中n是指数。
当然，对于小n来说，天真的方法会更快，你只是真正实现了指数数学的一个小子集，所以你的常数因子可以忽略不计。
添加支票也是一项开支。 你总是希望那里的支票？ 编译语言可以检查一个常量指数，看它是否是一个相对较小的整数，因为没有运行时成本，只是编译时成本。 解释型语言可能不会进行检查。
这取决于特定的实现，除非该语言指定了这种细节。
Python不知道你要给它分配什么指数。 如果它将是99％的非整数值，你是否希望代码每次检查一个整数，使运行时更慢？
在指数检查中这样做会减慢并非两次的简单次幂的情况，所以不一定是胜利。 但是，在指数已知的情况下（例如使用文字2），可以通过简单的窥孔优化来优化生成的字节码。 据推测，这根本不值得做（这是一个相当具体的案例）。
这是一个快速的概念证明，可以做这样的优化（可用作装饰器）。 注意：您需要字节播放模块来运行它。
import byteplay, timeit
def optimise(func):
c = byteplay.Code.from_code(func.func_code)
prev=None
for i, (op, arg) in enumerate(c.code):
if op == byteplay.BINARY_POWER:
if c.code[i-1] == (byteplay.LOAD_CONST, 2):
c.code[i-1] = (byteplay.DUP_TOP, None)
c.code[i] = (byteplay.BINARY_MULTIPLY, None)
func.func_code = c.to_code()
return func
def square(x):
return x**2
print "Unoptimised :", timeit.Timer('square(10)','from __main__ import square').timeit(10000000)
square = optimise(square)
print "Optimised :", timeit.Timer('square(10)','from __main__ import square').timeit(10000000)
其中给出了时间：
Unoptimised : 6.42024898529
Optimised : 4.52667593956
[编辑]其实，再想一想，有一个很好的理由说明为什么这个优化没有完成。 不能保证有人不会创建一个覆盖__mul__和__pow__方法并为每个方法做不同的事情的用户定义类。 唯一能安全地做到这一点的方法是，如果你能保证堆栈顶部的对象具有相同的结果“x **2 ”和“ x*x ”，但是解决这个问题要困难得多。 例如。 在我的例子中是不可能的，因为任何对象都可以传递给平方函数。