Python 开根号有多种实现方式。math.sqrt 适用于普通非负实数计算；幂运算 x**0.5 无需导入库但精度略低；numpy.sqrt 适合数组矩阵批量处理；cmath.sqrt 支持复数及负数结果；牛顿迭代法可手动实现算法原理。根据场景如数值计算、数组处理、复数需求或面试算法选择合适方法。
在日常数据处理、数学计算甚至算法题中，'开根号'是一个高频操作。Python 中实现开根号的方式有多种。本文总结了 5 种常用方法，覆盖基础函数、科学计算库、复数处理甚至手动算法，满足不同场景需求。
不同场景对开根号的需求不同：
math.sqrt() —— 最常用的'基础款'math 是 Python 内置的数学库，sqrt() 函数专门用于计算非负实数的平方根。它的特点是简单、高效，适合 90% 的日常场景。
import math
# 正数开根号
num = 25
print(math.sqrt(num)) # 输出：5.0
# 小数开根号
decimal = 2.25
print(math.sqrt(decimal)) # 输出：1.5
# 特殊值：0 的平方根
print(math.sqrt(0)) # 输出：0.0
ValueError: math domain error）。x ** 0.5 —— 一行代码搞定Python 支持用幂运算符 ** 计算平方根（等价于 x^0.5）。这种方式无需导入任何库，适合快速计算。
# 整数开根号
print(16**0.5) # 输出：4.0
# 小数开根号
print(8.1**0.5) # 输出：约 2.846（精确值：√8.1≈2.846049894151541）
# 结合变量使用
x = 100
print(x ** 0.5) # 输出：10.0
nan，而非虚数），且精度可能略低于 math.sqrt()（因浮点数运算误差）。numpy.sqrt() —— 批量处理数组的'神器'如果你需要对数组/矩阵开根号（如机器学习中的特征缩放），numpy 库的 sqrt() 函数能高效完成向量化运算（无需循环，直接对整个数组操作）。
pip install numpy
import numpy as np
# 一维数组开根号
arr = np.array([4, 9, 16, 25])
print(np.sqrt(arr)) # 输出：[2. 3. 4. 5.]
# 二维矩阵开根号（每个元素单独计算）
matrix = np.array([[1, 4], [9, 16]])
print(np.sqrt(matrix))
# 输出：
# [[1. 2.]
# [3. 4.]]
# 处理小数数组
decimal_arr = np.array([2.25, 3.24, 4.41])
print(np.sqrt(decimal_arr)) # 输出：[1.5 1.8 2.1]
mean()、std()）配合使用。cmath.sqrt() —— 支持虚数的'专业款'如果需要计算负数的平方根（结果为虚数），Python 的 cmath 库（复数数学库）可以解决。它返回一个 complex 类型的复数（格式为 a + bj）。
import cmath
# 负数开根号（结果为纯虚数）
negative_num = -16
print(cmath.sqrt(negative_num)) # 输出：4j
# 复数开根号（实部 + 虚部）
complex_num = 3 + 4j
print(cmath.sqrt(complex_num)) # 输出：2+1j（因为 (2+1j)² = 4 + 4j + j² = 3+4j）
# 验证结果是否正确
result = cmath.sqrt(complex_num)
print(result ** 2) # 输出：(3+4j)，与原数一致
cmath 是 math 的复数版本，两者函数名几乎一致，但 cmath 支持复数输入。cmath.sqrt() 会返回复数类型（如 cmath.sqrt(25) 输出 5+0j），而 math.sqrt(25) 返回浮点数 5.0。如果你遇到面试题要求'手写平方根函数'，或者想理解平方根的数学原理，可以用牛顿迭代法（一种数值逼近算法）手动实现。它的核心思想是：通过不断迭代逼近真实的平方根值。
牛顿法的公式是：
x_{n+1}=(x_n + a / x_n)/2
其中 a 是要开根号的数，x_n 是第 n 次迭代的近似值。初始值 x_0 可以设为 a 本身，迭代直到满足精度要求（如 |x_{n+1} - x_n| < 1e-6）。
def my_sqrt(a, precision=1e-6):
""" 手动实现平方根计算（牛顿迭代法）
a: 要开根号的数（a ≥ 0）
precision: 精度要求（默认 1e-6）
"""
if a < 0:
raise ValueError("不能对负数开根号（如需复数结果请用cmath）")
x = a # 初始值
while True:
next_x = (x + a / x) / 2 # 牛顿迭代公式
if abs(next_x - x) < precision: # 达到精度要求
return next_x
x = next_x
# 测试
print(my_sqrt(25)) # 输出：5.0000000001（接近 5）
print(my_sqrt(2)) # 输出：1.4142135623746899（接近√2≈1.4142）
print(my_sqrt(0.25)) # 输出：0.5000000000210441（接近 0.5）
上面的代码用 a 作为初始值，对于大数（如 1e6）可能迭代次数较多。可以优化初始值为 a/2 或更接近的值，减少迭代次数：
x = a / 2 # 初始值设为 a 的一半（更接近真实平方根）
根据具体场景，选择最适合的开根号方式：
| 场景 | 推荐方法 | 原因 |
|---|---|---|
| 普通数值计算（非负实数） | math.sqrt() | 简单、高效，精度有保障 |
| 快速临时计算 | 幂运算 x ** 0.5 | 无需导入库，一行代码解决 |
| 数组/矩阵批量处理 | numpy.sqrt() | 向量化运算，处理大规模数据更快 |
| 复数/负数开根号 | cmath.sqrt() | 支持虚数结果，专业处理复数 |
| 面试/算法原理学习 | 牛顿迭代法（手动实现） | 理解数学原理，展示编程能力 |
math.sqrt(-1) 会报 ValueError，需用 cmath.sqrt(-1) 得到虚数 1j。x ** 0.5 可能因浮点数精度丢失导致误差（如 (2 ** 0.5) ** 2 可能不等于 2），而 math.sqrt 精度更高。[math.sqrt(x) for x in arr] 远慢于 numpy.sqrt(arr)（前者是 Python 循环，后者是 C 级向量化运算）。开根号是 Python 中最基础的数学操作之一，但'小功能'里藏着'大讲究'。掌握多种方法后，你可以根据具体场景选择最高效的实现方式：
math.sqrt()，简单直接；numpy，效率拉满；cmath，专业可靠；
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online