Python中如何高效地求一个数的平方根？
看了李永乐老师的问题，100 个囚犯的，看到有人用 java 实现了，想问下用 python 可以实现吗？ 附 java
public static void main(String[] args) { Map<Integer, Integer> people100 = new HashMap<>(); for (int i = 1; i < 101; i++) { people100.put(i, i); }
recursive(people100);
}
public static void recursive(Map<Integer, Integer> map) {
Integer counter = 1;
Map<Integer, Integer> resultMap = new HashMap<>();
if (map.size() == 1) {
Set<Integer> integers = map.keySet();
Iterator<Integer> iterator = integers.iterator();
for (Integer integer : integers) {
System.out.println("最终活着的人的编号是: "+map.get(integer));
return;
}
}
for (Map.Entry<Integer, Integer> entry : map.entrySet()) {
if (entry.getKey() % 2 == 0) {
resultMap.put(counter++, entry.getValue());
}
}
recursive(resultMap);
}
Python中如何高效地求一个数的平方根？
用Python求平方根，最直接高效的就是用 math.sqrt()。这玩意儿是C实现的，速度最快。
import math
num = 16
result = math.sqrt(num)
print(result) # 输出 4.0
如果非要用纯算法，牛顿迭代法是个经典选择，比二分法收敛快得多：
def sqrt_newton(num, epsilon=1e-10):
if num < 0:
raise ValueError("不能计算负数的平方根")
if num == 0:
return 0.0
guess = num / 2.0
while abs(guess * guess - num) > epsilon:
guess = (guess + num / guess) / 2.0
return guess
print(sqrt_newton(16)) # 输出 4.0
对于数组或矩阵，直接用NumPy的向量化操作，比循环快几个数量级：
import numpy as np
arr = np.array([1, 4, 9, 16])
result = np.sqrt(arr) # 输出 [1. 2. 3. 4.]
简单说就是：单个数用 math.sqrt，批量计算用 numpy.sqrt。
