看到 q = a // b 和 r = a % b 同时出现时,很多人会下意识改成一行 q, r = divmod(a, b)——"一次调用同时算两个,肯定更快"。本文在本机 CPython 3.13.14 上逐条实测,结论里有反直觉的部分:divmod 不但常常不快,还把浮点余数的坑原封不动地带给了你。以下所有输出都来自真实运行。
一、整数场景:商向下取整,余数符号跟着除数走
先看正数,没有任何意外:
>>> divmod(17, 5)
(3, 2)
真正的分水岭在负数。-17 // 5 的结果是 -4 而不是 -3——Python 的整除是向下取整(floor),不是向零取整。于是:
>>> divmod(-17, 5)
(-4, 3) # 不是 (-3, -2)
>>> -17 // 5
-4
>>> -17 % 5
3 # 余数符号跟除数:除数是正的,余数就是正的
把除数换成负的,余数立刻变号:
>>> divmod(17, -5)
(-4, -3)
这就是 Python 的"地板除"约定:商向下取整,余数 = 被除数 − 商 × 除数,所以余数的正负号永远跟除数一致。我在 100 组 (a, b) 组合上逐一核对,divmod(a, b) 与 (a // b, a % b) 的结果全部相等——divmod 不是第三种除法,它就是地板除和取模的打包版。这一点决定了它不会"修正"你分别写 // 和 % 时的任何行为,好的坏的都是同一套。
二、浮点余数:divmod 原封不动地把坑带给你
>>> divmod(0.3, 0.1)
(2.0, 0.09999999999999998)
商是 2.0,余数却不是 0——这是浮点表示误差:0.1 在二进制里存不下,0.3 - 2*0.1 剩下的就是那个著名的 0.09999999999999998。0.3 % 0.1 直接算,结果一模一样。divmod 不做任何舍入修正,你想绕开这个坑,靠的是 round() 或 math.isclose(),跟换不换 divmod 没有关系。
浮点还有个更隐蔽的边界:大数。divmod(1e16, 1.0) 返回 (1e+16, 0.0),看起来正常,但当商大到超过 2^53,浮点连整数都存不准,商和余数都可能离谱。金额、坐标这类场景请用整数(比如以"分"为单位)再除。
三、它拒绝什么:除零和复数
>>> divmod(5, 0)
ZeroDivisionError: integer division or modulo by zero
>>> divmod(5, 0.0)
ZeroDivisionError: float divmod()
>>> divmod(3+2j, 2)
TypeError: unsupported operand type(s) for divmod()
三个报错各自干净:整数除零、浮点除零分开报;复数没有定义"地板"概念(复数没有大小顺序,无法向下取整),直接 TypeError。所以 divmod 不能当 complex 的除法工具用——复数除法请老老实实写 a / b。
四、实测:divmod 反而慢
这是全文最反直觉的部分。1 千万次循环计时:
divmod: 2.725s
分别 // + %: 2.305s 差 0.420s
divmod 慢了约 18%。原因在字节码层面:x // 10, x % 10 编译成两条 BINARY_OP 内联指令,CPU 直接做完;divmod(x, 10) 是一次完整的内置函数调用,要走参数打包、函数查找、元组构造的完整流程。"一次调用算两个"省不掉函数调用的开销——和之前实测迭代器工具那篇的结论一个道理:直觉上的"省一次"经常输给内联的两条指令。
什么时候 divmod 值得用?不是性能,是表达力:q, r = divmod(x, b) 一行说清"商和余数是一对",而且两个结果天然一致,不会出现你先改了 b 忘了同步另一行的事故。
五、它的主场:拆位
时间换算是 divmod 的经典场景,因为商和余数都要用:
>>> h, rem = divmod(3661, 3600)
>>> m, s = divmod(rem, 60)
>>> h, m, s
(1, 1, 1)
3661 秒拆成 1 小时 1 分 1 秒,两行干净。进制拆位同理:反复 divmod(n, 10) 就能逐位剥出一个整数的每一位。凡是"商和余数都要用"的地方,divmod 就是对的工具;只想要商就用 //,只想要余数就用 %——各用各的,别为了"看起来高级"多付一次函数调用。