Python yield实现高效斐波那契数列生成器

本文主要探讨了Python中的"yield"关键字在生成斐波那契数列的应用以及其在提高函数可复用性和内存管理方面的优势。斐波那契数列是一个经典的递归数列，每个数是前两个数之和，通常用于初学者学习迭代和递归概念。 首先，文章介绍了一个简单的斐波那契数列生成函数`fab(max)`，它使用while循环逐个输出前`max`个数。然而，这个函数的问题在于，虽然能直接打印结果，但它作为纯函数（返回值为None），并不支持链式调用，且随着输入值`max`增大，内存占用也会增加。 为了提高函数的可复用性，文章提供了第二个版本的`fab(max)`，通过将每个数添加到列表`L`中并返回列表。这样虽然解决了可复用问题，但当`max`增大时，列表存储大量中间结果可能导致内存占用过大。 为了更好地控制内存，文章提到在Python 2.x中，可以使用`xrange`生成器来迭代，因为它不会一次性创建整个序列，而是按需生成，这样即使在处理大数时也能保持较低的内存占用。于是文章展示了如何使用`xrange`实现迭代版本的斐波那契数列生成： ```python 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: raise StopIteration fib = self.a self.a, self.b = self.b, self.a + self.b self.n += 1 return fib ``` 这个`Fab`类实现了迭代器协议，通过`__iter__()`和`__next__()`方法，每次调用`next(fab_instance)`时，会生成下一个斐波那契数，直到达到`max`为止。这种方式极大地减少了内存消耗，适用于处理大规模数据或需要节省内存的情况。 总结起来，文章重点讲解了如何通过`yield`关键字以及迭代器的概念，将斐波那契数列的生成优化为更高效、内存友好的形式，这对于理解和应用Python中的迭代和生成器至关重要。