将 _ 最好的，最准确_ 的方法是使用位操作：
(n & (n-1) == 0) and n != 0
说明：
2的每个幂将1位恰好设置为1（该数的对数以2为底的索引中的位）。因此，当从中减去1时，该位翻转为0，而所有在前位翻转为1。这使这2个数字互为逆，因此对它们进行“与”运算时，结果将为0。
例如：
n = 8decimal | 8 = 2**3 | 8 - 1 = 7 | 8 & 7 = 0 | ^ | |binary | 1 0 0 0 | 0 1 1 1 | 1 0 0 0 | ^ | | & 0 1 1 1index | 3 2 1 0 | | ------- 0 0 0 0----------------------------------------------------- n = 5decimal | 5 = 2**2 + 1 | 5 - 1 = 4 | 5 & 4 = 4 | | |binary | 1 0 1 | 1 0 0 | 1 0 1 | | | & 1 0 0index | 2 1 0 | | ------ 1 0 0
因此，总而言之，每当我们从一个数字中减去一个，然后将结果与数字本身相减，即为0-该数字就是2的幂！
当然，
0将任何与进行AND运算都会得到0，因此我们添加的校验
n != 0。
您总是可以使用一些
math函数，但是这些函数的准确性较差：
import mathmath.log(n, 2).is_integer()
要么：
math.log2(n).is_integer()
- 值得注意的是，对于任何
n <= 0
函数，两个函数都将抛出a，ValueError
因为它在数学上是未定义的（因此不应出现逻辑问题）。
要么：
abs(math.frexp(n)[0]) == 0.5
还应该指出的是，对于某些数字，这些功能不准确，实际上给出了 假结果 ：
math.log(2**29, 2).is_integer()
会给False
math.log2(2**49-1).is_integer()
会给True
math.frexp(2**53+1)[0] == 0.5
会给True
！
这是因为
math函数使用浮点数，而这些浮点数具有固有的精度问题。
定时
根据数学文档，
log具有给定基数的，实际上会计算出
log(x)/log(base)这显然很慢。
log2据说更准确，甚至可能更有效。位操作是简单的操作，不调用任何函数。
结果是：
log与base=2：0.67秒frexp：0.52秒log2：0.37秒位操作：0.2秒
我用于这些措施的代码可以在此REPL中重新创建。
