python實(shí)現(xiàn)斐波那契數(shù)列的方法示例
介紹
斐波那契數(shù)列，又稱黃金分割數(shù)列，指的是這樣一個(gè)數(shù)列：0、1、1、2、3、5、8、13、21、……在數(shù)學(xué)上，斐波納契數(shù)列以如下遞歸的方法定義：
F（0）=0，F(xiàn)（1）=1，F(xiàn)（n）=F(n-1)+F(n-2)（n≥2，n∈N*） 。
1. 元組實(shí)現(xiàn)
fibs = [0, 1] for i in range(8): fibs.append(fibs[-2] + fibs[-1])
這能得到一個(gè)在指定范圍內(nèi)的斐波那契數(shù)列的列表。
2. 迭代器實(shí)現(xiàn)
class Fibs: def __init__(self): self.a = 0 self.b = 1 def next(self): self.a, self.b = self.b, self.a + self.b return self.a def __iter__(self): return self
這將得到一個(gè)無窮的數(shù)列，可以采用如下方式訪問：
fibs = Fibs() for f in fibs: if f > 1000: print f break else: print f
3. 通過定制類實(shí)現(xiàn)
class Fib(object):
def __getitem__(self, n):
if isinstance(n, int):
a, b = 1, 1
for x in range(n):
a, b = b, a + b
return a
elif isinstance(n, slice):
start = n.start
stop = n.stop
a, b = 1, 1
L = []
for x in range(stop):
if x >= start:
L.append(a)
a, b = b, a + b
return L
else:
raise TypeError("Fib indices must be integers")
這樣可以得到一個(gè)類似于序列的數(shù)據(jù)結(jié)構(gòu)，可以通過下標(biāo)來訪問數(shù)據(jù)：
f = Fib() print f[0:5] print f[:10]
4.Python實(shí)現(xiàn)比較簡易的斐波那契數(shù)列示例
先放一個(gè)斐波那契數(shù)列出來瞧瞧…
0 1 1 2 3 5 8 13 21 34 55 89 144 233...
首先給頭兩個(gè)變量賦值：
i, j = 0, 1
當(dāng)然也可以這樣寫：
i = 0 j = 1
接著定個(gè)范圍，就10000之內(nèi)好了：
while i < 10000:
然后在while語句中輸出i并設(shè)計(jì)邏輯：
print i, i, j = j, i+j
在這里需要注意：“i, j = i, i+j”這條代碼不能寫成如下所示：
i = j j = i+j
如果寫成這樣，j就不是前兩位相加的值，而是已經(jīng)被j賦過值的i和j相加的值，這樣的話輸出的數(shù)列會(huì)如下所示：
0 1 2 4 8 16 32 64 128 256 512 1024 2048 4096 8192
正確的整片代碼如下所示：
i, j = 0, 1 while i < 10000: print i, i, j = j, i+j
最后展示運(yùn)行結(jié)果：
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 1597 2584 4181 6765
總結(jié)
以上就是關(guān)于利用Python實(shí)現(xiàn)斐波那契數(shù)列的全部內(nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作能帶來一定的幫助，如果有疑問大家可以留言交流。
相關(guān)文章
Python反向傳播實(shí)現(xiàn)線性回歸步驟詳細(xì)講解
回歸是監(jiān)督學(xué)習(xí)的一個(gè)重要問題，回歸用于預(yù)測(cè)輸入變量和輸出變量之間的關(guān)系，特別是當(dāng)輸入變量的值發(fā)生變化時(shí)，輸出變量的值也隨之發(fā)生變化?；貧w模型正是表示從輸入變量到輸出變量之間映射的函數(shù)2022-10-10
本文介紹的pdf轉(zhuǎn)word功能還有一些待完善地方，例如可增加預(yù)覽功能，實(shí)現(xiàn)每頁預(yù)覽，當(dāng)然我們可以在后續(xù)階段逐漸完善，對(duì)基于PyQt5完成的pdf轉(zhuǎn)word功能感興趣的朋友一起看看吧2022-06-06
使用django的objects.filter()方法匹配多個(gè)關(guān)鍵字的方法
今天小編就為大家分享一篇使用django的objects.filter()方法匹配多個(gè)關(guān)鍵字的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-07-07
這篇文章主要介紹了tensorflow中的梯度求解及梯度裁剪操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2021-05-05
pytorch模型保存到本地后,如何實(shí)現(xiàn)繼續(xù)訓(xùn)練
在PyTorch中,保存和加載模型對(duì)于實(shí)現(xiàn)模型訓(xùn)練的中斷和恢復(fù)非常有用,保存模型主要有兩種方式：一是保存整個(gè)模型包括結(jié)構(gòu)與參數(shù)；二是僅保存模型的state_dict,加載模型時(shí),若保存了整個(gè)模型則直接加載,若僅保存了state_dict,則需先實(shí)例化模型結(jié)構(gòu)后加載2024-09-09
Python爬取求職網(wǎng)requests庫和BeautifulSoup庫使用詳解
這篇文章主要為大家介紹了Python爬取求職網(wǎng)及其他網(wǎng)頁時(shí)requests庫和BeautifulSoup庫的使用詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助2021-10-10
PyCharm連接遠(yuǎn)程服務(wù)器配置的全過程
這篇文章主要介紹了PyCharm連接遠(yuǎn)程服務(wù)器配置的全過程,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-06-06
python中pip安裝庫時(shí)出現(xiàn)Read?timed?out解決辦法
最近需要使用pip庫，安裝的時(shí)候出現(xiàn)問題，本文就詳細(xì)的介紹一下python中pip安裝庫時(shí)出現(xiàn)Read?timed?out解決辦法，具有一定的參考價(jià)值，感興趣的可以了解一下2022-03-03
python實(shí)現(xiàn)基于SVM手寫數(shù)字識(shí)別功能
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)基于SVM手寫數(shù)字識(shí)別功能，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-01-01
python 文件的基本操作 菜中菜功能的實(shí)例代碼
這篇文章主要介紹了python 文件的基本操作 菜中菜功能，本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值 ,需要的朋友可以參考下2019-07-07