前言：为什么你需要认真对待math模块？

在刷LeetCode、做数据分析、或者写游戏物理引擎时，你是否还在干这些“蠢事”？

• 用 ** 0.5 开平方？（虽然可行，但不够优雅）

• 手写阶乘递归？（容易栈溢出）

• 绞尽脑汁实现三角函数？（精度堪忧）

醒醒！ Python内置的math模块是一个用C语言编写的性能怪兽，它封装了C标准库的数学函数。这意味着：它不仅快，而且准，还极其稳定。

今天，我们不只讲API，我们要讲算法思维、性能陷阱和那些鲜为人知的黑科技。

---

第一章：初识 math —— 静态方法的“工具人”

math模块是一个标准的工具库，所有函数都是静态方法。使用前只需要一句话：

python

import math

# 或者为了省事儿（但不太推荐，容易命名冲突）
from math import pi, sin

1.1 常数也疯狂

你以为只有 π 和 e ？格局小了：

print(math.pi)       # 3.141592653589793
print(math.e)        # 2.718281828459045
print(math.tau)      # 6.283185307179586  (2π，写圆相关代码神器！)
print(math.inf)      # 正无穷大
print(math.nan)      # 非数字 (Not a Number)
print(math.sqrt(2))  # 1.4142135623730951

---

第二章：数值计算三板斧 —— 幂、对数、开方

2.1 幂运算：不只是 pow

• math.pow(x, y)：返回 x 的 y 次方（浮点数）。

• math.sqrt(x)：平方根（推荐，比 x**0.5 更快）。

• math.exp(x)：计算 e^x，机器学习中计算Sigmoid的标配。

print(math.pow(2, 10))   # 1024.0
print(math.sqrt(16))     # 4.0
print(math.exp(1))       # 2.718281828459045

2.2 对数三兄弟：面试高频考点

• math.log(x[, base])：不写底数默认是自然对数 ln。

• math.log10(x)：以10为底（地震里氏震级、声音分贝都用它）。

• math.log2(x)：以2为底（信息论、数据结构二叉树深度）。

print(math.log(100, 10))  # 2.0
print(math.log10(100))    # 2.0 (速度更快)
print(math.log2(1024))    # 10.0

---

第三章：几何与三角 —— 让Python画圆不再靠猜

3.1 角度与弧度的“血泪史”

math模块的三角函数只接受弧度！千万别直接把 30 传进去，那是30弧度，不是30度。

# 转换神器
degrees = 180
radians = math.radians(degrees)  # 角度 -> 弧度
print(math.sin(radians))         # 1.2246467991473532e-16 (近似0，完美)

# 反过来
angle = math.degrees(math.pi)    # 180.0

---

第四章：进阶黑科技 —— 这些函数你绝对没见过

4.1 组合数学大杀器：comb & perm

还在手写排列组合公式？math 3.8+ 直接内置了！

python

# comb(n, k)：从n个中选k个的组合数 C(n,k)
print(math.comb(4, 2))  # 6 (没错，就是4选2)

# perm(n, k)：排列数 A(n,k)
print(math.perm(4, 2))  # 12 (4*3)

4.2 浮点数误差救星：isclose

金融计算中，0.1 + 0.2 == 0.3 是 False！别再用 abs(a-b) < 1e-9 这种土办法了。

python

print(0.1 + 0.2 == 0.3)                  # False
print(math.isclose(0.1 + 0.2, 0.3))      # True (默认相对误差1e-9)

4.3 伽马函数：阶乘的泛化

math.factorial(n) 只能算整数。伽马函数 Γ(n) = (n-1)!，支持小数！

python

print(math.gamma(5))    # 24.0 (4的阶乘)
print(math.gamma(0.5))  # 1.7724538509055159 (即 sqrt(pi)，物理学常用)

---

第五章：实战场景 —— 用 math 解决真实世界问题

场景1：计算股票收益率（对数正态分布）

python

def calculate_log_return(price_today, price_yesterday):
    return math.log(price_today / price_yesterday)

print(calculate_log_return(110, 100))  # 0.0953 (约9.53%连续复利)

场景2：游戏中的矢量距离

python

def distance_2d(x1, y1, x2, y2):
    return math.hypot(x2 - x1, y2 - y1)

print(distance_2d(0, 0, 3, 4))  # 5.0

---

第六章：性能避坑指南（面经必备）

操作	推荐方法	避坑说明
整数平方根	math.isqrt(n)	返回整数，适合大数加密场景（比 int(sqrt()) 更精准）
取整	math.floor / ceil	不要用 int() 强制转换，它是向0截断，负数会出事！
浮点数模运算	math.fmod(x, y)	C库实现，比 % 更精确处理浮点余数

print(math.isqrt(10))   # 3 (判断完全平方数超好用)
print(math.floor(-3.5)) # -4 (向下取整)
print(int(-3.5))        # -3 (截断，容易出bug)

---

第七章：总结 —— 优雅的代码从 import math 开始

模块类别	代表函数	一句话场景
幂/对数	pow, log2	算法复杂度分析、数据缩放
三角函数	sin, atan2	游戏坐标旋转、GPS坐标计算
组合数学	comb, perm	概率统计、彩票算法
特殊函数	gamma, erf	机器学习高斯分布、工程误差函数

最后送大家一句话：
“不要重复造轮子，除非你想了解轮子的内部结构。math 模块是 Python 之父留给我们的数学护城河。”

---

📌 彩蛋：如果觉得 math 不够用，后续请关注 NumPy —— 那是给 math 装上火箭推进器！🔥

---

如果觉得这篇文章帮到了你，请点赞👍 + 收藏⭐，让更多Pythoner看到这份数学加速器指南！