我想知道 x**2 或 x*x 是否更快
def sqr(x):
for i in range (20):
x = x**2
return x
def sqr_(x):
for i in range (20):
x = x*x
return x
當我計時時，這就是我得到的：
The time it takes for x**2: 101230500
The time it takes for x*x: 201469200
我試了很多次，要么相等，要么 x ** 2 比 x * x 快。但是 x*x 永遠不會比 x**2 快。
所以我反匯編了代碼：
對于 x**2：
5 12 LOAD_FAST 0 (x)
14 LOAD_CONST 2 (2)
16 BINARY_POWER
18 STORE_FAST 0 (x)
20 JUMP_ABSOLUTE 8
對于 x*x：
9 12 LOAD_FAST 0 (x)
14 LOAD_FAST 0 (x)
16 BINARY_MULTIPLY
18 STORE_FAST 0 (x)
20 JUMP_ABSOLUTE 8
是關于 load_const 比 load_fast 稍快嗎？
LOAD_CONST：獲取 co_consts 索引 1 處的文字值并將其推送
LOAD_FAST 正在按索引訪問陣列中的值
還是 binary_power 比 binary_multiply 快（我其實不知道 binary_power 演算法）？
uj5u.com熱心網友回復：
對于小整數，x*x比x**2CPython 在內部執行更多操作來計算要快得多a**b。實際上，在我的機器x*x上要快 4 倍（處理器 i5-9600KF，CPython 3.8.1，在 Windows 上）。話雖如此，在您的代碼中，數字增長得非常快，Python 整數是無限的。事實上，每次取冪都會導致二進制表示變大兩倍。指數相乘，得到 的計算結果x**(2*2*2*...*2) = x**(2**20) = x**1048576。對于 big x=2，該數字需要 128 KiB 的記憶體，對于x=100它需要 850 KiB。這是相當大的。回圈的每次迭代都受到記憶體中如此巨大數字的計算的限制。因此，對于大量資料，x*x并且x**2速度一樣快因為這兩種情況都進行了相同的內部計算，與計算大整數相比，CPython 解釋器的開銷可以忽略不計。
在引擎蓋下
在內部，CPython 似乎使用_PyNumber_PowerNoModwhich calls PyNumber_Powerwhich callsternary_op和PyNumber_Multiplywhich calls binary_op1。請注意，CPython 沒有針對計算進行優化x**2：內部 CPython 計算pow(x, 2, None)是計算模冪的函式（盡管呼叫pow的效率有點低，因為 CPython 必須檢查pow沒有被覆寫）。這種模冪函式要昂貴得多，因為它是一個非常通用的函式x * x。
最后，它會出現long_mul并long_pow在您的情況下被呼叫（請注意，內部long_pow呼叫實際上需要計算更多指令）。long_mullong_pow
對于大數，CPython 使用Karatsuba 乘法（請參閱：k_mul）。
請注意，CPython 在這兩種情況下實際上都非常慢，因為它需要幾納秒（至少在我的機器上）并且執行數十次檢查和許多函式呼叫只是為了將兩個整數相乘。對于主流 x86-64 處理器上的 64 位整數，這可以在 1 個周期內完成。大整數不能由主流處理器本地計算，并且需要更昂貴的計算。
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/472518.html