1.1斐波那契序列

1.1斐波那契序列

1.1.1递归和基线条件的运用

def fib1(n:int) -> int:
    if n < 2:
        return n
    return fib1(n - 1) + fib1(n - 2)
if __name__ == "__main__":
    print(fib1(5))
    print(fib1(6))
    print(fib1(10))

1.1.2用结果缓存来救场

结果缓存（memoization）是一种缓存技术，即在每次计算任务完成后就把结果保存起来，这样下次需要时即可直接检索出结果，而不需要重复计算。

from typing import Dict
memo:Dict[int,int] = {0 : 0 , 1 : 1}
#利用字典对象作为结果缓存
def fib2(n:int) ->int:
    if n not in memo:
        memo[n]=fib2(n-1)+fib2(n-2)
    return memo[n]

if __name__ == "__main__":
    print(fib2(5))
    print(fib2(50))

1.1.3自动化的结果缓存

Python 自带了一个内置的装饰器（ decorator )，可以自动为任何函数缓存结果。每次用新的参数执行方法时，该装饰器就会把返回值缓存起来。以后再用相同的参数调用该方法时，都会从缓存中读取该参数对应的方法之前的返回值并返回。

from functools import lru_cache

@lru_cache(maxsize=None)
def fib3(n:int)->int:
    if n<2:
        return n
    return fib3(n-2)+fib3(n-1)

if __name__ == "__main__":
    print(fib3(5))
    print(fib3(50))

@lru_cache的maxsize属性表示对所修饰的函数最多应该缓存多少次最近的调用结果，如果将其设置为None则表示没有限制。

1.1.4迭代法解决斐波那契问题

def fib4(n:int)->int:
    if n == 0:return n
    last:int=0
    next:int=1
    for _ in range(1,n):
        last,next=next,last+next
    return next

if __name__ == "__main__":
    print(fib4(5))
    print(fib4(50))

last 被设置为 next 的上一个值， next 被设置为 last 的上一个值加上 next 的上一个值。这样在 last 已更新而 next 未更新时，就不用创建临时变量以存储 next 的上一个值了。

1.1.5用生成器生成斐波那契数

用yield语句很容易就能把方法转换为Python生成器。在对生成器进行迭代时，每轮迭代都会用yield语句从斐波那契序列中吐出一个值。

from typing import Generator

def fib5(n:int)->Generator[int,None,None]:
    yield 0
    if n>0:yield 1
    last:int=0
    next:int=1
    for _ in  range(1,n):
        last, next = next, last + next
        yield next

if __name__ == "__main__":
    for i in fib5(50):
        print(i,end="  ")
        if i%5==0:
            print()