Python取余用%运算符还是divmod函数？

在 Python 中获取除法余数时，选用 % 运算符还是 divmod() 函数，取决于你的计算目标是仅需要余数，还是需要同时使用商和余数。如果程序只关注余数本身（例如判断奇偶、轮播索引循环），直接使用 % 运算符在语法上最简明，执行速度也最快；如果业务逻辑中既要用到整除后的商、又要用到余数（例如时分秒换算、分页计算、进制转换），使用内置函数 divmod() 能在一次底层操作中返回包含商和余数的二元元组，既能避免重复除法计算，又能让代码意图更加清晰。

一、% 运算符的计算机制与适用场景

% 是 Python 提供的取模运算符。当执行表达式 r = a % b 时，Python 内部遵循向负无穷整除（Floor Division）的数学定义：

# Python 取模公式
r = a - (a // b) * b

由于 a // b 始终向下舍入到最接近的负无穷整数，这也决定了 Python 中余数 r 的符号始终与除数 b 的符号保持一致，而与被除数 a 的正负无关。这一特性不同于 C 或 Java 中直接截断小数部分的取余方式。

在绝大多数仅关注剩余周期的场景中，% 运算符是标准解法。常见用法包括：

• 奇偶性或倍数判断：检查 n % 2 == 0 或 n % 5 == 0。
• 环形数组与循环索引：当游标递增越界时，通过 (current_index + 1) % length 将索引限定在有效范围之内。
• 数据哈希分桶：将计算出的哈希整数按桶容量取模，均匀分散到指定存储槽中。

# 示例：仅使用 % 运算符控制环形队列游标
buffer_size = 5
pointer = 0

for step in range(8):
    pointer = (pointer + 1) % buffer_size
    print(f"步数 {step + 1}: 游标指向索引 {pointer}")

图1：% 运算符基于向负无穷取整原则的推导流程与正负符号归纳

二、divmod() 函数的运作机制与适用场景

divmod(a, b) 是 Python 的内置函数。它接收两个数值参数，并直接返回一个形如 (quotient, remainder) 的元组。在数学逻辑上，它严格等价于：

# divmod 的返回值结构
divmod(a, b) == (a // b, a % b)

尽管数学结果与分别书写 // 和 % 一致，但在底层实现上，现代 CPU 的整数除法硬件指令（例如 x86 架构的 IDIV）在执行一次除法周期时，通常会同时在寄存器中产出商与余数。CPython 虚拟机的整数对象在实现 nb_divmod 槽位时，能够利用这一特性直接完成两者计算，省去二次除法开销。

当需要将一个累积数值递归或级联拆解为不同度量单位时，divmod() 的代码表现力极强。典型场景包括：

• 时间换算：将总秒数拆解为“时、分、秒”结构。
• 分页与定位：已知数据列表的绝对索引，求其所在页码及页内第几项。
• 非十进制数转换：在手写进制转换（如将十进制数转为二进制或十六进制字符串）时，循环提取余数作为当前位，并将商传递至下一轮。

# 示例：使用 divmod() 进行秒数分解
total_seconds = 7520

# 一步提取小时与剩余秒数
hours, remainder = divmod(total_seconds, 3600)
# 再将剩余秒数拆解为分钟与秒
minutes, seconds = divmod(remainder, 60)

print(f"{total_seconds} 秒等于 {hours} 小时 {minutes} 分钟 {seconds} 秒")
# 输出：7520 秒等于 2 小时 5 分钟 20 秒

图2：divmod() 在多级单位分解中的传递过程及输出映射

三、核心差异对比：性能、可读性与开销

在技术选型时，很多开发者容易走入两个极端：要么在任何地方都只写 %，哪怕后面立即再写一行 //；要么误以为 divmod() 总是更高级，即使只要余数也写成 _, r = divmod(a, b)。为了明确两者差异，我们可以从底层执行机制切入分析：

如果只做单纯的取余判断（例如判断 x % 2 == 0），使用 % 运算符几乎没有多余开销，虚拟机直接执行 BINARY_MODULO 字节码。而如果此时调用 divmod(x, 2)，虚拟机需要先查找 divmod 全局函数名、建立函数调用栈帧、在底层构建元组、最后再由上层代码解包并丢弃商。这种做法不仅使代码变得冗长，还凭空增加了大约 2 至 3 倍的调用耗时。

反之，如果在业务中必须同时获得商与余数，分别执行 q = a // b 和 r = a % b 意味着 Python 解释器要先后调用两次除法例程。此时 q, r = divmod(a, b) 凭借单次硬件除法结合，整体耗时比两次独立操作更少，且完全杜绝了变量名写错或除数不一致的潜在隐患。

图3：% 运算符与 divmod() 在字节码调用层级与数据产出机制上的差异

四、常见开发误区与边界细节

1. 浮点数的取模行为与精度限制

无论是 % 还是 divmod()，Python 均支持浮点数运算。例如：

# 浮点数取模示例
print(8.5 % 2.5)          # 输出 1.0
print(divmod(8.5, 2.5))   # 输出 (3.0, 1.0)

但需要注意的是，IEEE 754 浮点数存在二进制表示误差。例如在计算 5.5 % 1.1 时，由于 1.1 无法精确表示为有限位二进制小数，实际输出可能为 1.0999999999999996 而非整齐的 0.0。如果在对精度有严苛要求的科学计算或金融核算中对浮点数求模，应考虑使用 decimal.Decimal 或 Python 标准库中的 math.fmod() 函数。

2. 避免盲目使用下划线丢弃返回值

在部分代码库中，常能见到类似以下的书写习惯：

# 不推荐：仅仅为了取余数而强行调用 divmod
_, rem = divmod(item_id, 10)

# 推荐：清晰直观且执行代价最低
rem = item_id % 10

通过下划线变量 _ 忽略商看似无害，但它强行触发了解释器的函数调度与元组分配。只要不需要商，就应当坚定地使用 % 运算符。

五、总结：快速选型指南

在面对实际开发需求时，不需要在两者之间过度纠结，可以依据以下规则迅速定夺：

1. 只取余数：统一使用 % 运算符。语法简洁自然，具备最佳的执行性能与可读性。
2. 只求整商：统一使用 // 运算符。
3. 同时需要商和余数：果断使用 q, r = divmod(a, b)。避免先后书写两次除法，让多级换算与分页代码更加稳健、优雅。

图4：针对不同业务场景的除法与取余语法选型总结