不同的角度，不同的玩法——用Python实现Fibonacci函数

不同的角度，不同的玩法——在Python上实现Fibonacci函数

 

最近在玩Python，在粗略的看了一下Learning Python和Core Python之后，偶然发现网上有个帖子Python程序员的进化写的很有意思。于是打算仿照一篇，那篇帖子用了十余种方法完成一个阶乘函数，我在这里会用九种不同的风格写出一个Fibonacci函数。

 

要求很简单，输入n，输出第n个Fibonacci数，n为正整数

 

下面是这九种不同的风格：

 

---

 

1）第一次写程序的Python程序员：

 

01 def fib(n):

02    return nth fibonacci number

 

说明：

第一次写程序的人往往遵循人类语言的语法而不是编程语言的语法，就拿我一个编程很猛的哥们来说，他写的第一个判断闰年的程序，里面直接是这么写的：如果year是闰年，输出year是闰年，否则year不是闰年。

 

---

 

2）刚学Python不久的的C程序员：

 

01 def fib(n):#{

02     if n<=2 :

03         return1;

04     else:

05         return fib(n-1)+fib(n-2);

06 #}

 

说明：

在刚接触Python时，用缩进而非大括号的方式来划分程序块这种方式我是很不适应的，而且每个语句后面没有结束符，所以每次写完一个Python函数之后干的第一件事一般就是一边注释大括号，一边添加漏掉的冒号。

 

---

 

3）懒散的Python程序员：

 

01 def fib(n):

02    return1 and n<=2or fib(n-1)+fib(n-2)

 

说明：

看了Learning Python之后，才知道Python没有三元操作符？，不过鉴于Python里bool值比较特殊（有点像C，非零即真，非空即真），再加上Python的逻辑语句也是支持短路求值（Short-Circuit Evaluation）的，这就可以写出一个仿？语句出来。

 

---

 

4）更懒的Python程序员：

 

01fib=lambda n:1if n<=2else fib(n-1)+fib(n-2)

 

说明：

lambda关键字我曾在C#和Scheme里面用过，Python里面的lambda比C#里简便，并很像Scheme里的用法，所以很快就适应了。在用PythonShell声明一些小函数时经常用这种写法。

 

---

 

5）刚学完数据结构的Python程序员：

 

01 def fib(n):

02     x,y=0,1

03     while(n):

04         x,y,n=y,x+y,n-1

05    return x

 

说明：

前面的Fibonacci函数都是树形递归的实现，哪怕是学一点算法就应该知道这种递归的低效了。在这里从树形递归改为对应的迭代可以把效率提升不少。

Python的元组赋值特性是我很喜欢的一个东东，这玩意可以把代码简化不少。举个例子，以前的tmp=a;a=b;b=tmp;可以直接用一句a,b=b,a实现，既简洁又明了。

 

---

 

6）正在修SICP课程的Python程序员：

 

01 def fib(n):

02     def fib_iter(n,x,y):

03         if n==0 :return x

04         else :return fib_iter(n-1,y,x+y)

05

06    return fib_iter(n,0,1)

 

说明：

在这里我使用了Scheme语言中很常见的尾递归（Tail-recursion）写法。Scheme里面没有迭代，但可以用不变量和尾递归来模拟迭代，从而实现相同的效果。不过我还不清楚Python有没有对尾递归做相应的优化，回头查一查。

PS：看过SICP的同学，一眼就能看出，这个程序其实就是SICP第一章里的一个例子。

 

---

 

7）好耍小聪明的Python程序员：

 

01fib=lambda n,x=0,y=1:xif not nelse f(n-1,y,x+y)

 

说明：

基本的逻辑和上面的例子一样，都是尾递归写法。主要的区别就是利用了Python提供的默认参数和三元操作符，从而把代码简化至一行。至于默认参数，学过C++的同学都知道这玩意，至于C#4.0也引入了这东东。

 

---

 

8）刚修完线性代数的Python程序员：

 

01 def fib(n):

02     def m1(a,b):

03         m=[[],[]]

04         m[0].append(a[0][0]*b[0][0]+a[0][1]*b[1][0])

05         m[0].append(a[0][0]*b[0][1]+a[0][1]*b[1][1])

06         m[1].append(a[1][0]*b[0][0]+a[1][1]*b[1][0])

07         m[1].append(a[1][0]*b[1][0]+a[1][1]*b[1][1])

08         return m

09     def m2(a,b):

10         m=[]

11         m.append(a[0][0]*b[0][0]+a[0][1]*b[1][0])

12         m.append(a[1][0]*b[0][0]+a[1][1]*b[1][0])

13         return m

14    return m2(reduce(m1,[[[0,1],[1,1]]for iin range(n)]),[[0],[1]])[0]

 

说明：

这段代码就不像之前的代码那样清晰了，所以先介绍下原理（需要一点线性代数知识）：

首先看一下之前的迭代版本的Fibonacci函数，很容易可以发现存在一个变换：y->x, x+y->y。换一个角度，就是[x,y]->[y,x+y]。

在这里，我声明一个二元向量[x,y]T，它通过一个变换得到[y,x+y]T，可以很容易得到变换矩阵是[[1,0],[1,1]]，也就是说：[[1,0],[1,1]]*[x,y]T=[y,x+y]T

令二元矩阵A=[[1,0],[1,1]]，二元向量x=[0,1]T，容易知道Ax的结果就是下一个Fibonacci数值，即：

Ax=[fib(1),fib(2)]T

亦有：

Ax=[fib(2),fib(3)]T

………………

以此类推，可以得到：

Aⁿx=[fib(n),fib(n-1)]T

也就是说可以通过对二元向量[0,1]T进行n次A变换，从而得到[fib(n),fib(n+1)]T，从而得到fib(n)。

 

在这里我定义了一个二元矩阵的相乘函数m1，以及一个在二元向量上的变换m2，然后利用reduce操作完成一个连乘操作得到Aⁿx，最后得到fib(n)。

 

---

 

9）准备参加ACM比赛的Python程序员：

 

01 def fib(n):

02     lhm=[[0,1],[1,1]]

03     rhm=[[0],[1]]

04     em=[[1,0],[0,1]]

05     #multiply two matrixes

06     def matrix_mul(lhm,rhm):

07         #initialize an empty matrix filled with zero

08         result=[[0for i in range(len(rhm[0]))]for j in range(len(rhm))]

09         #multiply loop

10         for iin range(len(lhm)):

11             for jin range(len(rhm[0])):

12                 for kin range(len(rhm)):

13                     result[i][j]+=lhm[i][k]*rhm[k][j]

14         return result

15     

16     def matrix_square(mat):

17         return matrix_mul(mat,mat)

18     #quick transform

19     def fib_iter(mat,n):

20         if not n:

21             return em

22         elif(n%2):

23             return matrix_mul(mat,fib_iter(mat,n-1))

24         else:

25             return matrix_square(fib_iter(mat,n/2))

26    return matrix_mul(fib_iter(lhm,n),rhm)[0][0]

 

说明：

看过上一个fib函数就比较容易理解这一个版本了，这个版本同样采用了二元变换的方式求fib(n)。不过区别在于这个版本的复杂度是lgn，而上一个版本则是线性的。

这个版本的不同之处在于，它定义了一个矩阵的快速求幂操作fib_iter，原理很简单，可以类比自然数的快速求幂方法，所以这里就不多说了。

PS：虽然说是ACM版本，不过说实话我从来没参加过那玩意，毕竟自己算法太水了，那玩意又太高端……只能在这里YY一下鸟~

 

后记：

由于刚学习Python没多久，所以对其各种特性的掌握还不够熟练。与其说是我在用Python写程序，倒不如说我是在用C，C++，C#或是Scheme来写程序。至于传说中的Pythonic way，我现在还没有什么体会，毕竟还没用Python写过什么真正的程序。

Learning Python和Core Python都是不错的Python入门书籍，前者更适合没有编程基础的人阅读。

Python是最好的初学编程入门语言，没有之一。所以它可以取代Scheme成为MIT的计算机编程入门语言。