为何Python导入库（如math.sqrt()）比手动编写代码快几个数量级？

• 硬件级指令加速：math.sqrt()根本不是用Python代码实现的平方根算法，它直接调用了CPU的硬件平方根指令。现代CPU（比如x86架构的SQRTSS/SQRTSD、ARM架构的VSQRT等）执行这类指令只需要3-5个时钟周期，而Python里哪怕是简单的1*1运算，都要经过解释器的语法解析、操作数封装、运算调用等多层流程，开销比硬件指令大得多。

• 底层C实现的低开销：math模块的所有核心函数都是用C编写并编译成机器码的，完全绕过了Python解释器的运行时开销。哪怕是没有硬件加速的普通运算，C层面的执行速度也比Python代码快几十到上百倍，更别说结合硬件指令的平方根运算了。

• 你的代码本身的逻辑问题：你贴出的牛顿迭代代码存在明显错误——return number写在了for循环内部，这意味着循环只执行一次就直接返回，根本没完成5次迭代，既达不到预期的精度，也没发挥牛顿迭代的效率。修正后的正确代码应该是：

import math

def my_sqrt(num):
    number = 1.2 * pow(2, math.floor(math.log(num, 2) / 2))
    for i in range(5):
        number = (number + num / number) / 2
    return number

就算修正了逻辑，纯Python的循环、除法运算依然要承担解释器的巨大开销，和math.sqrt()的硬件+C实现完全没有可比性。

内容的提问来源于stack exchange，提问作者W1NS11111