[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

# -*- 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。

# -*- 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

for i in range(1000): pass

range()方法会导致生成一个 1000 个元素的 List。

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

# -*- 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

# -*- 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：

>>>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：

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