设数字为n，则n中的位数为:

math.floor(math.log10(n))+1

注意，这将为+ve个整数< 10e15给出正确答案。除此之外，返回类型的数学的精度限制。Log10开始起作用，结果可能相差1。我可以简单地在后面用len(str(n));这需要O(log(n))时间，相当于10的幂次迭代。

感谢@SetiVolkylany让我注意到这个限制。令人惊讶的是，看似正确的解决方案在实现细节中有警告。

设数字为n，则n中的位数为:

math.floor(math.log10(n))+1

注意，这将为+ve个整数< 10e15给出正确答案。除此之外，返回类型的数学的精度限制。Log10开始起作用，结果可能相差1。我可以简单地在后面用len(str(n));这需要O(log(n))时间，相当于10的幂次迭代。

感谢@SetiVolkylany让我注意到这个限制。令人惊讶的是，看似正确的解决方案在实现细节中有警告。

>>> a=12345
>>> a.__str__().__len__()
5

一种快速的解决方案，它使用floor(log10(n))的自我修正实现，基于“更好的方法来计算整数n和b的log(n,b)的floor ?”

import math

def floor_log(n, b):
    res = math.floor(math.log(n, b))
    c = b**res
    return res + (b*c <= n) - (c > n)

def num_digits(n):
    return 1 if n == 0 else 1 + floor_log(abs(n), 10)

这非常快，只要n < 10**(2**52)(这非常非常大)就可以工作。

这是另一种计算任何数字的小数点前的位数的方法

from math import fabs

len(format(fabs(100),".0f"))
Out[102]: 3

len(format(fabs(1e10),".0f"))
Out[165]: 11

len(format(fabs(1235.4576),".0f"))
Out[166]: 4

我做了一个简短的基准测试，进行了10,000次循环

num     len(str(num))     ----  len(format(fabs(num),".0f")) ---- speed-up
2**1e0  2.179400e-07 sec  ----     8.577000e-07 sec          ---- 0.2541
2**1e1  2.396900e-07 sec  ----     8.668800e-07 sec          ---- 0.2765
2**1e2  9.587700e-07 sec  ----     1.330370e-06 sec          ---- 0.7207
2**1e3  2.321700e-06 sec  ----     1.761305e-05 sec          ---- 0.1318

这是一个较慢但更简单的选择。

但是即使这个解也会给出错误的99999999999998

len(format(fabs(9999999999999998),".0f"))
Out[146]: 16
len(format(fabs(9999999999999999),".0f"))
Out[145]: 17

def length(i):
  return len(str(i))