最近在玩Python，在粗略的看了一下Learning Python和Core Python之后，偶然發(fā)現(xiàn)網(wǎng)上有個帖子Python程序員的進(jìn)化寫的很有意思。于是打算仿照一篇，那篇帖子用了十余種方法完成一個階乘函數(shù)，我在這里會用九種不同的風(fēng)格寫出一個Fibonacci函數(shù)。
要求很簡單，輸入n，輸出第n個Fibonacci數(shù)，n為正整數(shù)
下面是這九種不同的風(fēng)格：
1）第一次寫程序的Python程序員：
01 def fib(n):
02 return nth fibonacci number
說明：
第一次寫程序的人往往遵循人類語言的語法而不是編程語言的語法，就拿我一個編程很猛的哥們來說，他寫的第一個判斷閏年的程序，里面直接是這么寫的：如果year是閏年，輸出year是閏年，否則year不是閏年。
--------------------------------------------------------------------------------
2）剛學(xué)Python不久的的C程序員：
01 def fib(n):#{
02 if n<=2 :
03 return 1;
04 else:
05 return fib(n-1)+fib(n-2);
06 #}
說明：
在剛接觸Python時，用縮進(jìn)而非大括號的方式來劃分程序塊這種方式我是很不適應(yīng)的，而且每個語句后面沒有結(jié)束符，所以每次寫完一個Python函數(shù)之后干的第一件事一般就是一邊注釋大括號，一邊添加漏掉的冒號。
--------------------------------------------------------------------------------
3）懶散的Python程序員：
01 def fib(n):
02 return 1 and n<=2 or fib(n-1)+fib(n-2)
說明：
看了Learning Python之后，才知道Python沒有三元操作符？，不過鑒于Python里bool值比較特殊（有點像C，非零即真，非空即真），再加上Python的邏輯語句也是支持短路求值（Short-Circuit Evaluation）的，這就可以寫出一個仿？語句出來。
--------------------------------------------------------------------------------
4）更懶的Python程序員：
01 fib=lambda n:1 if n<=2 else fib(n-1)+fib(n-2)
說明：
lambda關(guān)鍵字我曾在C#和Scheme里面用過，Python里面的lambda比C#里簡便，并很像Scheme里的用法，所以很快就適應(yīng)了。在用Python Shell聲明一些小函數(shù)時經(jīng)常用這種寫法。
--------------------------------------------------------------------------------
5）剛學(xué)完數(shù)據(jù)結(jié)構(gòu)的Python程序員：
01 def fib(n):
02 x,y=0,1
03 while(n):
04 x,y,n=y,x+y,n-1
05 return x
說明：
前面的Fibonacci函數(shù)都是樹形遞歸的實現(xiàn)，哪怕是學(xué)一點算法就應(yīng)該知道這種遞歸的低效了。在這里從樹形遞歸改為對應(yīng)的迭代可以把效率提升不少。
Python的元組賦值特性是我很喜歡的一個東東，這玩意可以把代碼簡化不少。舉個例子，以前的tmp=a;a=b;b=tmp;可以直接用一句a,b=b,a實現(xiàn)，既簡潔又明了。
--------------------------------------------------------------------------------
6）正在修SICP課程的Python程序員：
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)
說明：
在這里我使用了Scheme語言中很常見的尾遞歸（Tail-recursion）寫法。Scheme里面沒有迭代，但可以用不變量和尾遞歸來模擬迭代，從而實現(xiàn)相同的效果。不過我還不清楚Python有沒有對尾遞歸做相應(yīng)的優(yōu)化，回頭查一查。
PS：看過SICP的同學(xué)，一眼就能看出，這個程序其實就是SICP第一章里的一個例子。
--------------------------------------------------------------------------------
7）好耍小聰明的Python程序員：
01 fib=lambda n,x=0,y=1:x if not n else f(n-1,y,x+y)
說明：
基本的邏輯和上面的例子一樣，都是尾遞歸寫法。主要的區(qū)別就是利用了Python提供的默認(rèn)參數(shù)和三元操作符，從而把代碼簡化至一行。至于默認(rèn)參數(shù)，學(xué)過C++的同學(xué)都知道這玩意，至于C#4.0也引入了這東東。
--------------------------------------------------------------------------------
8）剛修完線性代數(shù)的Python程序員：
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 i in range(n)]),[[0],[1]])[0]
說明：
這段代碼就不像之前的代碼那樣清晰了，所以先介紹下原理（需要一點線性代數(shù)知識）：
首先看一下之前的迭代版本的Fibonacci函數(shù)，很容易可以發(fā)現(xiàn)存在一個變換：y->x, x+y->y。換一個角度，就是[x,y]->[y,x+y]。
在這里，我聲明一個二元向量[x,y]T，它通過一個變換得到[y,x+y]T，可以很容易得到變換矩陣是[[1,0],[1,1]]，也就是說：[[1,0],[1,1]]*[x,y]T=[y,x+y]T
令二元矩陣A=[[1,0],[1,1]]，二元向量x=[0,1]T，容易知道Ax的結(jié)果就是下一個Fibonacci數(shù)值，即：
Ax=[fib(1),fib(2)]T
亦有：
Ax=[fib(2),fib(3)]T
………………
以此類推，可以得到：
Aⁿx=[fib(n),fib(n-1)]T
也就是說可以通過對二元向量[0,1]T進(jìn)行n次A變換，從而得到[fib(n),fib(n+1)]T，從而得到fib(n)。
在這里我定義了一個二元矩陣的相乘函數(shù)m1，以及一個在二元向量上的變換m2，然后利用reduce操作完成一個連乘操作得到Aⁿx，最后得到fib(n)。
--------------------------------------------------------------------------------
9）準(zhǔn)備參加ACM比賽的Python程序員：
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=[[0 for i in range(len(rhm[0]))] for j in range(len(rhm))]
09 #multiply loop
10 for i in range(len(lhm)):
11 for j in range(len(rhm[0])):
12 for k in 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]
說明：
看過上一個fib函數(shù)就比較容易理解這一個版本了，這個版本同樣采用了二元變換的方式求fib(n)。不過區(qū)別在于這個版本的復(fù)雜度是lgn，而上一個版本則是線性的。
這個版本的不同之處在于，它定義了一個矩陣的快速求冪操作fib_iter，原理很簡單，可以類比自然數(shù)的快速求冪方法，所以這里就不多說了。
PS：雖然說是ACM版本，不過說實話我從來沒參加過那玩意，畢竟自己算法太水了，那玩意又太高端……只能在這里YY一下鳥~
后記：
由于剛學(xué)習(xí)Python沒多久，所以對其各種特性的掌握還不夠熟練。與其說是我在用Python寫程序，倒不如說我是在用C，C++，C#或是Scheme來寫程序。至于傳說中的Pythonic way，我現(xiàn)在還沒有什么體會，畢竟還沒用Python寫過什么真正的程序。
Learning Python和Core Python都是不錯的Python入門書籍，前者更適合沒有編程基礎(chǔ)的人閱讀。
Python是最好的初學(xué)編程入門語言，沒有之一。所以它可以取代Scheme成為MIT的計算機(jī)編程入門語言。
喜歡 
頂
難過
囧
圍觀
無聊
