你问到点子上了！这个位运算技巧可是判断2的幂的经典操作，完美契合你要的O(1)时间复杂度要求，原理完全就是你提到的n和n-1的位关系。

核心逻辑拆解 #

咱们把你说的两个关键点结合起来看：

• 2的正整数幂的二进制表示只有1位是1，比如2是10、4是100、8是1000；
• 当你对这个数减1时，原来那个唯一的1会变成0，它后面的所有低位都会变成1，比如8-1=7是0111，4-1=3是0011。

这时候把n和n-1做按位与运算（&），结果会出现两种情况：

• 如果n是2的幂：原数唯一的1位在n-1里是0，后面的低位都是1，两者按位与后每一位都是0，最终结果为0；
• 如果n不是2的幂：二进制至少有两个1，减1只会翻转最右边的1及后面的位，左边还有其他1存在，按位与后这些位会保留1，结果肯定不为0。

必须注意的边界判断 #

这里一定要加一个前置条件：n必须是正整数。原因很简单：

• n=0时，0-1=-1（二进制补码全1），0 & -1结果是0，但0显然不是2的幂；
• 负数的二进制是补码形式，不可能符合“只有一个1”的特征，所以直接排除。

代码示例（多语言版） #

这个逻辑在所有支持位运算的语言里都通用，举几个常用的实现：

• Java/C++：

public static boolean isPowerOfTwo(int n) {
    return n > 0 && (n & (n - 1)) == 0;
}

• Python：

def is_power_of_two(n):
    return n > 0 and (n & (n - 1)) == 0

• Go：

func isPowerOfTwo(n int) bool {
    return n > 0 && (n & (n - 1)) == 0
}

实际测试验证 #

拿几个数试一下就更直观了：

• 测试n=8：8 & 7 = 1000 & 0111 = 0000 → 返回True；
• 测试n=6（二进制110）：6 & 5 = 110 & 101 = 100（即4）≠0 → 返回False；
• 测试n=1：1 & 0 = 0，且1>0 → 返回True（1是2^0，属于2的幂范畴）。

我平时写代码处理内存对齐、分治算法边界判断的时候经常用这个技巧，纯硬件级别的位运算完全没有循环或浮点运算的开销，速度拉满，比循环除2、用对数判断靠谱多了！