Python浮點數乘法和整形乘除法的效率實例分析

今天小編給大家分享一下Python浮點數乘法和整形乘除法的效率實例分析的相關知識點，內容詳細，邏輯清晰，相信大部分人都還太了解這方面的知識，所以分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后有所收獲，下面我們一起來了解一下吧。

問題：如果確定只有兩位小數且不炸范圍，那么有辦法完全消除浮點數的使用。

測試

1. 整形除法和浮點數乘法

我們每次把整形加減自身/10，來模擬上下浮動10%，并把浮點形乘1.1(0.9)并修正eps精度誤差。

測試代碼如下：

int main()
{
    const int N=1e8;
    int64_t t1=clk();
    for(int i=0;i<N;i++)
    {
        long long x=i;
        x=x+x/10;
        x=x-x/10;
    }
    int64_t t2=clk();
    for(int i=0;i<N;i++)
    {
        double x=i;
        x=x*1.1+1e-5;
        x=x*0.9-1e-5;
    }
    int64_t t3=clk();
    cout<<"long long "<<t2-t1<<endl;
    cout<<"double "<<t3-t2<<endl;
}

結果：

long long花了1541ms，是double的幾乎十倍。

除法相較于加減乘有較大的常數。

2. 把整形預先乘10來比較

現在再試試另一種方法，即把0.9x<y<1.1x變成9x<10y<11x的形式，這樣不就全是整形乘法了嗎？但是三次整形乘法和兩次浮點乘法兩次浮點加減法哪個慢呢？

測試代碼如下：

int main()
{
    const int N=1e8;
    int64_t t1=clk();
    for(int i=0;i<N;i++)
    {
        long long x=i;
        x=x*11;
        x=x*9;
        x=x*10;
    }
    int64_t t2=clk();
    for(int i=0;i<N;i++)
    {
        double x=i;
        x=x*1.1+1e-5;
        x=x*0.9-1e-5;
    }
    int64_t t3=clk();
    cout<<"long long "<<t2-t1<<endl;
    cout<<"double "<<t3-t2<<endl;
}

結果：

我們可以看到，雖然單次浮點乘法的常數會略大于整形乘法，但是三次整形乘法還是慢于兩次浮點乘法的。

3. 單次浮點乘法和整形乘法比較

測試代碼：

int main()
{
    const int N=1e8;
    int64_t t1=clk();
    for(int i=0;i<N;i++)
    {
        long long x=i;
        x=x*11ll;
    }
    int64_t t2=clk();
    for(int i=0;i<N;i++)
    {
        double x=i;
        x=x*1.1;
    }
    int64_t t3=clk();
    cout<<"long long "<<t2-t1<<endl;
    cout<<"double "<<t3-t2<<endl;
}

結果：

我們可以看到，單次浮點乘法的常數大概會比整形大50%左右，所以三次整形乘法還是略慢于兩次浮點乘法的。

以上就是“Python浮點數乘法和整形乘除法的效率實例分析”這篇文章的所有內容，感謝各位的閱讀！相信大家閱讀完這篇文章都有很大的收獲，小編每天都會為大家更新不同的知識，如果還想學習更多的知識，請關注億速云行業資訊頻道。