[Python]生成斐波那契数列的几种方式的对比与分析

前言

写这篇文章为了记录yield的用法iterable对象相关知识generator function 、以及一些python的小细节

测试环境:python2.7.16

简介

斐波那契(Fibonacci)数列:除第一个和第二个数外,任意一个数都可由前两个数相加得到。

方法一

1
2
3
4
5
6
7
8
9
# -*- coding: UTF-8 -*-

def fab(max):
n, a, b = 0, 0, 1
while n < max:
print b
a, b = b, a + b
n = n + 1
fab(5)

该方法是常规方法,通过在函数里面调用print b来实现打印。

但是该方法可复用性较差,因为 fab 函数返回 None,其他函数无法获得该函数生成的数列。

方法二

要提高 fab 函数的可复用性,最好不要直接打印出数列,而是返回一个 List。

1
2
3
4
5
6
7
8
9
10
11
12
13
# -*- coding: UTF-8 -*-

def fab(max):
n, a, b = 0, 0, 1
L = []
while n < max:
L.append(b)
a, b = b, a + b
n = n + 1
return L

for n in fab(5):
print n

该方法能满足复用性的要求,但该函数在运行中占用的内存会随着参数 max 的增大而增大,如果要控制内存占用,最好不要用 List来保存中间结果,而是通过 iterable 对象来迭代。

细节

1
for i in range(1000): pass

range()方法会导致生成一个 1000 个元素的 List。

1
for i in xrange(1000): pass

xrange()方法则不会生成一个 1000 个元素的 List,而是在每次迭代中返回下一个数值,内存空间占用很小。因为 xrange 不返回 List,而是返回一个 iterable 对象。

方法三

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
# -*- coding: UTF-8 -*-

class Fab(object):

def __init__(self, max):
self.max = max
self.n, self.a, self.b = 0, 0, 1

def __iter__(self):
return self

def next(self):
if self.n < self.max:
r = self.b
self.a, self.b = self.b, self.a + self.b
self.n = self.n + 1
return r
raise StopIteration()

for n in Fab(5):
print n

Fab 类通过 next() 不断返回数列的下一个数,内存占用始终为常数,但是这种方法的代码不够简洁。

方法四

如果我们想要保持第一版 fab 函数的简洁性,同时又要获得iterable 的效果,yield 就派上用场了

1
2
3
4
5
6
7
8
9
10
11
12
# -*- coding: UTF-8 -*-

def fab(max):
n, a, b = 0, 0, 1
while n < max:
yield b # 使用 yield
# print b
a, b = b, a + b
n = n + 1

for n in fab(5):
print n

简单地讲,yield 的作用就是把一个函数变成一个 generator(生成器),带有 yield 的函数不再是一个普通函数,Python 解释器会将其视为一个 generator,调用 fab(5) 不会执行 fab 函数,而是返回一个iterable 对象!在 for 循环执行时,每次循环都会执行 fab 函数内部的代码,执行到yield b时,fab 函数就返回一个迭代值,下次迭代时,代码从 yield b 的下一条语句继续执行,而函数的本地变量看起来和上次中断执行前是完全一样的,于是函数继续执行,直到再次遇到yield

也可以手动调用 fab(5) 的 next() 方法(因为fab(5)是一个generator 对象,该对象具有next()方法),这样我们就可以更清楚地看到 fab 的执行流程:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
>>>f = fab(5) 
>>> f.next()
1
>>> f.next()
1
>>> f.next()
2
>>> f.next()
3
>>> f.next()
5
>>> f.next()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration

在一个 generator function 中,如果没有 return,则默认执行至函数完毕,如果在执行过程中 return,则直接抛出 StopIteration 终止迭代。

示例:

如果直接对文件对象调用 read() 方法,会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield,我们不再需要编写读文件的迭代类,就可以轻松实现文件读取:

1
2
3
4
5
6
7
8
9
def read_file(fpath): 
BLOCK_SIZE = 1024
with open(fpath, 'rb') as f:
while True:
block = f.read(BLOCK_SIZE)
if block:
yield block
else:
return

参考链接

参考链接