Esponenti in Python: una guida completa per principianti

L'esponenziazione è fondamentale in vari ambiti della programmazione, dall'analisi dei dati alla progettazione di algoritmi. Le sue applicazioni includono l'analisi di andamenti esponenziali in grandi dataset, come i trend sui social media, e l'esecuzione di calcoli matematici come la crescita composta o i tassi di interesse.

Inoltre, l'esponenziazione svolge un ruolo cruciale nel Machine Learning (ML) e nell'Intelligenza Artificiale (AI), specialmente nelle reti neurali e nel riconoscimento di immagini. Perciò, capire come effettuare calcoli con gli esponenti in modo efficace in Python è essenziale.

In questa guida esploreremo vari metodi per eseguire l'esponenziazione in Python. Vedremo le funzioni integrate, quelle del modulo math e quelle della libreria Numpy. Ogni metodo ha i suoi vantaggi. Per partire con il piede giusto, consolidare la comprensione e diventare esperto, iscriviti al nostro skill track Python Programming Fundamentals. 

Esponenti in Python

Python offre diversi modi per calcolare gli esponenti:

• **: L'operatore doppio asterisco (**) è l'opzione più semplice e di base per l'esponenziazione. Per esempio, x ** y calcola x elevato alla potenza y.

• pow(): Questa funzione integrata accetta due argomenti: base ed esponente. Restituisce il risultato dell'elevamento della base all'esponente. Consente anche un terzo argomento opzionale per l'esponenziazione modulare. Esempio: pow(x, y).

• math.pow(): Questa funzione del modulo math è simile a pow(), ma restituisce sempre un risultato in virgola mobile. Accetta due argomenti, che possono essere sia float sia interi. Esempio: math.pow(x, y).

• math.exp(): Un'altra funzione del modulo math, restituisce l'esponenziale naturale di un numero, cioè e elevato alla potenza dell'argomento. Esempio: math.exp(argument).

• np.power(): Questa funzione della libreria NumPy è pensata per lavorare con array o matrici. Esegue l'esponenziazione elemento per elemento. Esempio: np.power(array, exponent).

Basi degli esponenti in Python

L'operatore doppio asterisco (**) è il modo più diretto in Python per calcolare l'esponenziazione. Questo operatore eleva l'operando a sinistra (base) alla potenza dell'operando a destra (esponente). È chiamato anche operatore di potenza o operatore esponenziale.

Se vuoi migliorare le tue abilità di programmazione in Python e imparare a scrivere codice come un vero programmatore, dai un'occhiata al corso Python Programming.

Esponente positivo

In questo esempio di codice, mostriamo come calcolare l'esponenziazione usando esponenti positivi. Per esempio, 2 elevato alla potenza di 3 si calcola come 2 × 2 × 2, con risultato 8. Allo stesso modo, -10 elevato alla potenza di 4 si calcola come -10 × -10 × -10 × -10, con risultato 10000.

base = 2
exponent = 3
print(base**exponent)  # Output: 8

base = -10
exponent = 4
print(base**exponent)  # Output: 10000Offerto da

Esponente negativo

Questo codice calcola il risultato di una base elevata a un esponente negativo. Per esempio, 5 elevato alla potenza di -2 è uguale a 0,04. Allo stesso modo, 25 elevato alla potenza di -5 restituisce un valore molto piccolo rappresentato in notazione scientifica (1.024e-07).

base = 5
exponent = -2
print(base**exponent) # 0.04

base = 25
exponent = -5
print(base**exponent) # 1.024e-07Offerto da

Elevare un numero a un esponente negativo equivale a prendere il reciproco del numero elevato all'esponente positivo.

In Python, l'operatore ** restituisce un ZeroDivisionError se elevi 0.0 a una potenza negativa, perché qualsiasi numero diviso per zero non è definito.

base = 0
exponent = -5
print(base**exponent)Offerto da

L'output è:

Esponente in virgola mobile

Gli esempi di codice mostrano che Python calcola correttamente il risultato di una base positiva come 2 elevata a un esponente frazionario come 1,5. Tuttavia, usare una base negativa con un esponente frazionario produce un numero complesso.

base = 2
exponent = 1.5
print(base**exponent) # 2.8284271247461903

base = -0.25
exponent = 1.25
print(base**exponent) # (-0.12500000000000003-0.125j)Offerto da

Approfondimento: funzioni integrate

Python fornisce varie funzioni integrate per calcolare gli esponenti, ma ci concentreremo su due: pow() e math.pow(). A prima vista queste funzioni possono sembrare simili, ma presentano differenze significative.

pow()

La funzione pow() accetta due argomenti obbligatori: base ed esponente. Facoltativamente, pow() accetta un terzo argomento per calcolare il modulo del valore esponenziale. La sintassi è: pow(base, exp, mod), dove "mod" rappresenta il modulo. Questa funzione restituisce il resto dell'esponenziazione.

Esponenziazione di base

Per i calcoli di base, passa semplicemente base ed esponente alla funzione, che funziona in modo simile all'operatore **.

r = pow(2, 3)
print(r) # 8

r = pow(4, -10)
print(r) # 2.56e-06Offerto da

Esponenziazione con numeri in virgola mobile

Nel codice seguente, usiamo numeri in virgola mobile sia per le basi sia per gli esponenti, alcuni dei quali negativi. Questo approccio funziona in modo simile all'operatore **.

r = pow(3.5, 2)
print(r)  # 12.25

r = pow(3.5, -2)
print(r)  # 0.08163265306122448

r = pow(3.5, 3.2)
print(r)  # 55.08301986166747

r = pow(-3.5, -3.3)
print(r)  # (-0.009414432347757688+0.012957854474952653j)

r = pow(-3.5, 3.3)
print(r)  # (-36.698070584660925-50.510560868902246j)Offerto da

Nota: Se ti stai occupando di esponenziazione di base senza bisogno di calcoli modulari, l'operatore ** è una soluzione più concisa e leggibile rispetto alla funzione pow().

Esponenziazione modulare

Il parametro opzionale del modulo della funzione pow() è molto utile quando si lavora con l'esponenziazione modulare. Ciò è particolarmente utile in crittografia o con numeri molto grandi, perché l'esponenziazione modulare offre maggiore efficienza. Per esempio, calcolando 3 elevato alla 4 modulo 5, il risultato è 1, poiché 81 modulo 5 è uguale a 1.

r = pow(3, 4, 5)
print(r)  # 1

r = pow(123, 456, 789)
print(r)  # 699

r = pow(2, -3, 7)
print(r)  # 1

r = pow(-13, 8, 62)
print(r)  # 7Offerto da

Potresti chiederti perché usare direttamente pow() per l'esponenziazione modulare sia più efficiente di pow(base, exp) % mod o (base**exp) % mod. La funzione integrata pow() è progettata specificamente per questa operazione, mentre gli altri metodi eseguono calcoli intermedi non necessari. Questo può fare una notevole differenza nelle prestazioni, specialmente con valori grandi.

import timeit

start_pow_mod = timeit.default_timer()
pow(500000000, 3000, 4000)
stop_pow_mod = timeit.default_timer()

pow_mod_time = stop_pow_mod - start_pow_mod

print("Time using pow(base, exp, mod): ", pow_mod_time)

start_pow_other = timeit.default_timer()
pow(500000000, 3000) % 4000
stop_pow_other = timeit.default_timer()

pow_other_time = stop_pow_other - start_pow_other

print("Time using pow(base, exp) % mod:", pow_other_time)


start_aestrisk = timeit.default_timer()
(500000000**3000) % 4000
stop_aestrisk = timeit.default_timer()

aestrisk_time = stop_aestrisk - start_aestrisk

print("Time using (base ** exp) % mod: ", aestrisk_time)


print(
    f"Speed comparison: pow(base, exp, mod) was {pow_other_time / pow_mod_time} times faster than pow(base, exp) % mod and {aestrisk_time/pow_mod_time} times faster than (base ** exp) % mod"
)Offerto da

L'output è:

La funzione pow() può generare diversi errori a seconda della situazione.

# Trying to take the modulo of complex numbers raises a ValueError.
print(pow(2 + 3j, 4, 5))  # ValueError: complex modulo

# Taking the third argument is not allowed if the second argument is negative.
print(pow(10, -11, 4))  # ValueError: base is not invertible for the given modulus

# If the first or second argument is a float, the third argument is not allowed.
print(pow(2.4, 3, 4))  # TypeError: pow() 3rd argument not allowed unless all arguments are integers

# Passing any argument as a string results in a TypeError.
print(pow(2, 4, '3'))  # TypeError: unsupported operand type(s) for pow(): 'int', 'int', 'str'Offerto da

math.pow()

La funzione math.pow(x, n) eleva x alla potenza n. math.pow() converte gli argomenti in float e restituisce il risultato come esponenziazione in virgola mobile precisa. Questa precisione diventa cruciale in campi come l'analisi dei dati e il calcolo scientifico, dove l'accuratezza è fondamentale.

Ecco un semplice esempio. La funzione math.pow() restituisce un valore in virgola mobile, mentre la funzione pow() restituisce un valore intero.

import math
print(math.pow(6, 3))  # 216.0
print(pow(6, 3))  # 216Offerto da

La funzione math.pow() non accetta numeri immaginari.

math.pow() non accetta basi negative con esponenti frazionari, perché genererà un ValueError.

Sfruttare le librerie per un'esponenziazione avanzata

Per gestire attività avanzate di esponenziazione, come trovare il valore esponenziale di un numero o calcolare l'esponenziazione elemento per elemento in array o matrici, puoi sfruttare due funzioni: np.power() e math.exp().

np.power()

In Python, l'esponenziazione non è limitata alle funzioni integrate. Python ha una potente libreria chiamata NumPy, che abilita un'ampia varietà di operazioni matematiche sugli array. A volte devi gestire l'esponenziazione su interi array, ed è qui che entra in gioco np.power(). È progettata per l'esponenziazione elemento per elemento degli array.

import numpy as np
r = np.power([2, 4, 8], 2)
print(r)  # [4, 16, 64]

r = np.power([2, 4, 8], [1, 2, 3])
print(r)  # [4 64 4096]

r = np.power([[2, 3, 4], [5, 6, 7]], [1, 2, 3])
print(r) # [[2 9 64] [5 36 343]]Offerto da

La funzione np.power() non accetta un esponente negativo.

import numpy as np
r = np.power([2, 4, 8], -2)
print(r)Offerto da

L'output è:

Se provi a elevare un numero negativo a una potenza non intera, NumPy restituirà un valore NaN (Not a Number).

math.exp()

La funzione math.exp(x) calcola il valore esponenziale di x, equivalente a elevare il numero di Eulero e alla potenza x. Il numero di Eulero è approssimativamente uguale a 2,71828 e, in notazione matematica, questa operazione è rappresentata come e^x.

import math
x = 2
r = math.exp(x)
print("Exponential of", x, ":", r) # 7.38905609893065Offerto da

Una caratteristica importante di math.exp(x) è la sua adattabilità. Può gestire numeri positivi, negativi e anche numeri in virgola mobile.

import math
print(math.exp(-2))  # 0.1353352832366127
print(math.exp(-2.5))  # 0.0820849986238988
print(math.exp(2.5))  # 12.182493960703473Offerto da

Applicazioni pratiche ed esempi

L'esponenziazione è un'operazione fondamentale in matematica con numerose applicazioni nell'analisi dei dati e nel calcolo scientifico.

Se vuoi padroneggiare le basi dell'analisi dei dati con Python, dai un'occhiata al corso Introduction to Python for Data Science.

Mettiamo il caso che tu abbia un file CSV con importo principale, tasso di interesse e periodo d'investimento per più righe. Puoi calcolare l'interesse composto per ogni riga usando uno qualsiasi dei metodi discussi sopra.

Principal,Rate,Years
1000,0.05,5
2000,0.03,10
1500,0.08,3
3000,0.06,7
2500,0.04,9
1800,0.07,4
2200,0.025,6
3500,0.09,2
2800,0.035,8
4000,0.02,5Offerto da

Ecco il codice:

import csv


def compound_interest(principal, rate, years):
    return principal * (1 + rate) ** years


# Read data from CSV file

data = []
with open("data.csv", newline="") as csvfile:
    reader = csv.DictReader(csvfile)
    for row in reader:
        row["Compound Interest"] = compound_interest(
            float(row["Principal"]), float(row["Rate"]), int(row["Years"])
        )
        data.append(row)
# Write data to a new CSV file with compound interest column

output_file = "data.csv"
fieldnames = ["Principal", "Rate", "Years", "Compound Interest"]

with open(output_file, mode="w", newline="") as csvfile:
    writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
    writer.writeheader()
    for row in data:
        writer.writerow(row)
print("Compound interest calculations saved to", output_file)Offerto da

Il risultato è:

Ottimo! Hai calcolato l'interesse composto per tutte le righe e lo hai salvato in una colonna separata. Puoi usare questi dati per ulteriori analisi. Allo stesso modo, ci sono centinaia di altri casi d'uso in cui l'esponenziazione è ampiamente impiegata, come il modellare la crescita della popolazione nel tempo.

Conclusione

In questa guida abbiamo esplorato cinque metodi diversi per calcolare gli esponenti in Python, ognuno con vantaggi specifici. Puoi usarli in molti scenari pratici, come il calcolo dell'interesse composto, il modellare la crescita della popolazione e altro ancora.

• Operatore doppio asterisco (**): Semplice e diretto per l'uso quotidiano.
• pow(): Versatile con l'opzione opzionale del "modulo".
• math.pow(): Risultati precisi come numeri in virgola mobile.
• np.power(): Potente nella gestione di array con controllo degli errori.
• math.exp(): Strumento dedicato per calcolare il valore esponenziale.

Se vuoi sviluppare le tue competenze statistiche e imparare a raccogliere, analizzare e trarre conclusioni accurate dai dati usando Python, dai un'occhiata al corso Introduction to Statistics in Python.