为什么x ** 4.0比Python 3中的x ** 4快？

为什么x**4.0要比x**4？我正在使用CPython 3.5.2。

$ python -m timeit "for x in range(100):" " x**4.0"
  10000 loops, best of 3: 24.2 usec per loop

$ python -m timeit "for x in range(100):" " x**4"
  10000 loops, best of 3: 30.6 usec per loop

我尝试更改所提高的力量以查看其作用方式，例如，如果我将x提高至10或16的力量，它会从30跳到35，但是如果我以浮点数提高10.0，那只是在移动大约24.1〜4。

我想这可能与浮点转换和2的幂有关，但我真的不知道。

我注意到在这两种情况下2的幂都更快，因为这些计算对于解释器/计算机而言更本机/更容易，所以我想。但尽管如此，浮子几乎没有动。2.0 => 24.1~4 & 128.0 => 24.1~4 但 2 => 29 & 128 => 62

为什么比Python 3 ^* x**4.0 更快？x**4

Python 3 int对象是成熟的对象，旨在支持任意大小。因此，它们是在C级别上进行处理的（请参阅如何在中将所有变量声明为PyLongObject *type long_pow）。这也使它们的取幂变得更加棘手和乏味，因为您需要ob_digit使用它用来表示其值的数组进行操作。（勇敢的人士来了。-有关s的更多信息，请参见：了解Python中大整数的内存分配PyLongObject。）

float相反，可以将 Python 对象转换为C double类型（通过使用PyFloat_AsDouble），并且可以使用这些本机类型执行操作。这很棒，因为在检查了相关的边缘情况之后，它允许Python 使用平台的pow（C pow，即）来处理实际的幂运算：

/* Now iv and iw are finite, iw is nonzero, and iv is
 * positive and not equal to 1.0.  We finally allow
 * the platform pow to step in and do the rest.
 */
errno = 0;
PyFPE_START_PROTECT("pow", return NULL)
ix = pow(iv, iw); 

其中，iv和iw是我们的原PyFloatObjectS作为Ç double秒。

对于它的价值：Python 2.7.13对我而言是一个2~3更快的因子，并且显示出相反的行为。

先前的事实也解释了Python 2和3之间的差异，因此，我认为我也将解决此评论，因为它很有趣。

在Python 2中，您使用的旧int对象与intPython 3中的对象不同（int3.x中的所有对象都是PyLongObject类型）。在Python 2中，有一个区别取决于对象的值（或者，如果使用后缀L/l）：

# Python 2
type(30)  # <type 'int'>
type(30L) # <type 'long'>

在<type 'int'>你看到这里做同样的事情float就做，它被安全地转换成C long 时，就可以进行幂（中int_pow也暗示编译器放你的歌在寄存器中，如果能够这样做，这样可以有所作为） ：

static PyObject *
int_pow(PyIntObject *v, PyIntObject *w, PyIntObject *z)
{
    register long iv, iw, iz=0, ix, temp, prev;
/* Snipped for brevity */    

这样可以提高速度。

要查看<type 'long'>s与<type 'int'>s 相比是否比较慢，如果将x名称包装long在Python 2 中的调用中（实质上是强制将其long_pow像在Python 3中那样使用），则速度增益会消失：

# <type 'int'>
(python2) ➜ python -m timeit "for x in range(1000):" " x**2"       
10000 loops, best of 3: 116 usec per loop
# <type 'long'> 
(python2) ➜ python -m timeit "for x in range(1000):" " long(x)**2"
100 loops, best of 3: 2.12 msec per loop

请注意，尽管一个代码段将转换为int，long而另一个代码段未将其转换为（如@pydsinger所指出的），但这种转换并不是减慢速度的推动力。执行long_pow是。（仅long(x)将时间与语句一起查看）。

[...]它不会在循环之外发生。[...]有什么想法吗？

这是CPython的窥孔优化器，可以为您折叠常量。无论哪种情况，您都会获得相同的精确计时，因为没有实际的计算来找到幂运算的结果，只加载值：

dis.dis(compile('4 ** 4', '', 'exec'))
  1           0 LOAD_CONST               2 (256)
              3 POP_TOP
              4 LOAD_CONST               1 (None)
              7 RETURN_VALUE

生成相同的字节码'4 ** 4.'，唯一的区别是LOAD_CONST加载的是float 256.0而不是int 256：

dis.dis(compile('4 ** 4.', '', 'exec'))
  1           0 LOAD_CONST               3 (256.0)
              2 POP_TOP
              4 LOAD_CONST               2 (None)
              6 RETURN_VALUE

所以时代是一样的。

^{*以上所有内容仅适用于CPython（Python的参考实现）。其他实现可能会有所不同。}

如果我们查看字节码，我们可以看到表达式是完全相同的。唯一的区别是常量的类型，它将是的自变量BINARY_POWER。因此，最肯定的是由于它int被转换为浮点数。

>>> def func(n):
...    return n**4
... 
>>> def func1(n):
...    return n**4.0
... 
>>> from dis import dis
>>> dis(func)
  2           0 LOAD_FAST                0 (n)
              3 LOAD_CONST               1 (4)
              6 BINARY_POWER
              7 RETURN_VALUE
>>> dis(func1)
  2           0 LOAD_FAST                0 (n)
              3 LOAD_CONST               1 (4.0)
              6 BINARY_POWER
              7 RETURN_VALUE

更新：让我们看一下CPython源代码中的Objects / abstract.c：

PyObject *
PyNumber_Power(PyObject *v, PyObject *w, PyObject *z)
{
    return ternary_op(v, w, z, NB_SLOT(nb_power), "** or pow()");
}

PyNumber_Power呼叫ternary_op，这太长了，无法粘贴到这里，因此这是链接。

它调用的nb_power广告位x，y作为参数传递。

最后，在Objects / floatobject.c的float_pow()第686行，我们看到在实际操作之前将参数转换为C ：double

static PyObject *
float_pow(PyObject *v, PyObject *w, PyObject *z)
{
    double iv, iw, ix;
    int negate_result = 0;

    if ((PyObject *)z != Py_None) {
        PyErr_SetString(PyExc_TypeError, "pow() 3rd argument not "
            "allowed unless all arguments are integers");
        return NULL;
    }

    CONVERT_TO_DOUBLE(v, iv);
    CONVERT_TO_DOUBLE(w, iw);
    ...

因为一个是正确的，所以另一个是近似值。

>>> 334453647687345435634784453567231654765 ** 4.0
1.2512490121794596e+154
>>> 334453647687345435634784453567231654765 ** 4
125124901217945966595797084130108863452053981325370920366144
719991392270482919860036990488994139314813986665699000071678
41534843695972182197917378267300625