计算/创建十的幂的最快方法是什么？

Question

如果您提供（整数）幂作为输入，那么创建相应的 10 次幂的最快方法是什么？我可以提出以下四种替代方案，最快的方法似乎是使用 f 字符串：

from functools import partial
from time import time
import numpy as np

def fstring(power):
    return float(f'1e{power}')

def asterisk(power):
    return 10**power

methods = {
    'fstring': fstring,
    'asterisk': asterisk,
    'pow': partial(pow, 10),
    'np.pow': partial(np.power, 10, dtype=float)
}

# "dtype=float" is necessary because otherwise it will raise: 
# ValueError: Integers to negative integer powers are not allowed.
# see https://stackoverflow.com/a/43287598/5472354
powers = [int(i) for i in np.arange(-10000, 10000)]
for name, method in methods.items():
    start = time()
    for i in powers:
        method(i)
    print(f'{name}: {time() - start}')

结果：

fstring: 0.008975982666015625
asterisk: 0.5190775394439697
pow: 0.4863283634185791
np.pow: 0.046906232833862305

我猜 f 字符串方法是最快的，因为实际上没有计算任何内容，尽管它只适用于 10 的整数幂，而其他方法是更复杂的运算，也适用于任何实数作为基数和幂。那么 F 弦实际上是解决这个问题的最佳方法吗？

Answer 1

您在这里将苹果与橙子进行比较。10 ** n计算整数（当n为非负数时），而float(f'1e{n}')计算浮点数。这些不会花费相同的时间，但它们解决不同的问题，所以哪个更快并不重要。

但比这更糟糕的是，因为存在调用函数的开销，该开销包含在所有替代方案的计时中，但只有其中一些实际上涉及调用函数。如果您编写10 ** n，那么您就不会调用函数，但如果您使用partial(pow, 10)，则必须将其作为函数调用才能获得结果。所以你实际上并没有公平地比较速度10 ** n。

不要滚动自己的计时代码，而是使用timeit专为正确执行此操作而设计的库。结果以秒为单位，表示 1,000,000 次重复（默认情况下），或者等效地，它们是一次重复的平均时间（以微秒为单位）。

下面是计算 10 的整数幂的比较：

>>> from timeit import timeit
>>> timeit('10 ** n', setup='n = 500')
1.09881673199925
>>> timeit('pow(10, n)', setup='n = 500')
1.1821871869997267
>>> timeit('f(n)', setup='n = 500; from functools import partial; f = partial(pow, 10)')
1.1401332350014854

下面是计算 10 的浮点幂的比较：请注意，计算10.0 ** 500or1e500是没有意义的，因为结果只是一个OverflowErroror inf。

>>> timeit('10.0 ** n', setup='n = 200')
0.12391662099980749
>>> timeit('pow(10.0, n)', setup='n = 200')
0.17336435099969094
>>> timeit('f(n)', setup='n = 200; from functools import partial; f = partial(pow, 10.0)')
0.18887039500077663
>>> timeit('float(f"1e{n}")', setup='n = 200')
0.44305286100097874
>>> timeit('np.power(10.0, n, dtype=float)', setup='n = 200; import numpy as np')
1.491982370000187
>>> timeit('f(n)', setup='n = 200; from functools import partial; import numpy as np; f = partial(np.power, 10.0, dtype=float)')
1.6273324920002779

因此，在这两种情况下，这些选项中最快的选项是显而易见的：10 ** n对于整数和10.0 ** n浮点数。