Python 某些值的数值幂和**之间的差异

结果不同，因为f**2呼叫numpy.square，而f[0]**2和numpy.power(f, 2)呼叫numpy.power.

numpy.ndarray.__pow__用C.It looks like this写成:

static PyObject *
array_power(PyObject *a1, PyObject *o2, PyObject *modulo)
{
    PyObject *value = NULL;

    if (modulo != Py_None) {
        /* modular exponentiation is not implemented (gh-8804) */
        Py_INCREF(Py_NotImplemented);
        return Py_NotImplemented;
    }

    BINOP_GIVE_UP_IF_NEEDED(a1, o2, nb_power, array_power);
    if (fast_scalar_power(a1, o2, 0, &value) != 0) {
        value = PyArray_GenericBinaryFunction(a1, o2, n_ops.power);
    }
    return value;
}

value = PyArray_GenericBinaryFunction(a1, o2, n_ops.power);是对numpy.power ufunc对象的一个Python函数调用，但首先，它try 一个fast_scalar_power函数.此函数try 优化常用标量幂的求幂，如2.

对于f**2运算，fast_scalar_power检测2的指数，delegates运算到numpy.square:

else if (exponent ==  2.0) {
    fastop = n_ops.square;
}

对于numpy.power(f, 2)，这当然是对numpy.power的直接呼叫.numpy.power不会经过fast_scalar_power，也不会对2的指数进行任何特殊处理.(不过，根据它遇到的底层POWER实现，该实现可能仍然会对2进行特殊处理.)

对于标量，我相信numpy.float64.__pow__ actually just calls array_power:

static PyObject *
gentype_power(PyObject *m1, PyObject *m2, PyObject *modulo)
{
    if (modulo != Py_None) {
        /* modular exponentiation is not implemented (gh-8804) */
        Py_INCREF(Py_NotImplemented);
        return Py_NotImplemented;
    }

    BINOP_GIVE_UP_IF_NEEDED(m1, m2, nb_power, gentype_power);
    return PyArray_Type.tp_as_number->nb_power(m1, m2, Py_None);
}

所以它达到了fast_scalar_power，但fast_scalar_power的one of the first checks是

if (PyArray_Check(o1) &&

numpy.float64的实例不会通过PyArray_Check，这将判断类型正好为numpy.ndarray的对象.因此，标量通过一般的numpy.power代码路径.