Quadrat einer Zahl in Python berechnen: 6 effektive Methoden

Das Quadrat einer Zahl (n²) lässt sich in Python auf vielfältige Weise berechnen. Dieser Artikel stellt sechs Methoden vor – von einfachen Operatoren bis hin zu NumPy-Arrays für wissenschaftliches Rechnen.

Methode 1: pow()-Funktion

Die pow()-Funktion (Built-in, kein Import nötig) berechnet Potenzen: pow(basis, exponent).

basis = int(input("Basis-Zahl eingeben: "))
ergebnis = pow(basis, 2)
print(f"Das Quadrat von {basis} ist {ergebnis}")

Hinweis: pow() akzeptiert optional ein drittes Argument für Modulo: pow(basis, exp, mod) – effizient für modulare Arithmetik.

Methode 2: Potenz-Operator **

Der idiomatische Python-Operator für Potenzen.

basis = int(input("Basis: "))
exponent = int(input("Exponent: "))
ergebnis = basis ** exponent
print(f"{basis}^{exponent} = {ergebnis}")

Für das Quadrat einfach basis ** 2 schreiben. Lesbar und schnell.

Methode 3: Multiplikation

Die mathematische Definition direkt umgesetzt: n * n.

basis = int(input("Zahl: "))
ergebnis = basis * basis
print(f"Quadrat: {ergebnis}")

Für einfache Fälle oft am schnellsten, da kein Funktionsaufruf nötig.

Methode 4: Liste & Schleife (Batch-Verarbeitung)

Quadrat für mehrere Zahlen gleichzeitig berechnen.

zahlen = [2, 4, 6, 8]
for zahl in zahlen:
    print(f"{zahl}² = {zahl ** 2}")

Alternative (List Comprehension – pythonischer):

quadrate = [x**2 for x in zahlen]
print(quadrate)  # [4, 16, 36, 64]

Methode 5: While-Schleife

Für sequenzielle Berechnungen bis zu einer Grenze.

n = 1
while n <= 5:
    print(f"{n}² = {n**2}")
    n += 1

Ausgabe: 1, 4, 9, 16, 25. Nützlich, wenn die Anzahl der Iterationen dynamisch bestimmt wird.

Methode 6: NumPy-Arrays (Für Data Science & High Performance)

Für große Datenmengen und numerische Berechnungen der Standard.

import numpy as np

arr = np.array([2, 4, 6, 8])
quadrate = np.square(arr)  # oder arr ** 2
print(quadrate)  # [ 4 16 36 64]

Vorteile: Vektorisiert (C-Geschwindigkeit), speichereffizient, unterstützt Broadcasting & multidimensionale Arrays.

Zusammenfassung & Empfehlung

Szenario	Beste Methode	Grund
Einzelne Zahl, lesbarer Code	n ** 2 oder n * n	Pythonisch, schnell, keine Imports
Modulare Arithmetik	pow(n, 2, mod)	Effizient für große Zahlen (Kryptografie)
Liste von Zahlen	List Comprehension [x**2 for x in liste]	Kompakt, schnell, pythonisch
Große Datenmengen, wissenschaftliches Rechnen	NumPy np.square(array)	Vektorisiert, parallelisierbar, Standard in Data Science

Wichtig: Verwechseln Sie Quadrat (n²) nicht mit Quadratwurzel (√n / math.sqrt(n) / n ** 0.5).