斐波那契数列python代码

斐波那契数列是一个经典的数学问题，可以用递归或迭代的方式来实现。

递归方式：

python
def fibonacci_recursive(n):
    if n <= 0:
        return "输入值必须为正整数"
    elif n == 1:
        return 0
    elif n == 2:
        return 1
    else:
        return fibonacci_recursive(n-1) + fibonacci_recursive(n-2)

# 测试
n = 10  # 替换为你想要的斐波那契数列长度
result_recursive = [fibonacci_recursive(i) for i in range(1, n+1)]
print(result_recursive)

迭代方式：

python
def fibonacci_iterative(n):
    if n <= 0:
        return "输入值必须为正整数"
    
    fib_list = [0, 1]
    while len(fib_list) < n:
        fib_list.append(fib_list[-1] + fib_list[-2])
    
    return fib_list[:n]

# 测试
n = 10  # 替换为你想要的斐波那契数列长度
result_iterative = fibonacci_iterative(n)
print(result_iterative)

你可以根据需要选择递归或迭代的方式。值得注意的是，递归方式在计算大数值时可能会变得较慢，因为它涉及到重复计算相同的子问题。而迭代方式则更有效率。

如果你关心性能，并希望进一步优化斐波那契数列的计算，可以考虑使用动态规划来避免递归中的重复计算。

动态规划方式：

python
def fibonacci_dynamic_programming(n):
    if n <= 0:
        return "输入值必须为正整数"
    
    fib_list = [0, 1]
    for i in range(2, n):
        fib_list.append(fib_list[-1] + fib_list[-2])
    
    return fib_list

# 测试
n = 10  # 替换为你想要的斐波那契数列长度
result_dynamic_programming = fibonacci_dynamic_programming(n)
print(result_dynamic_programming)

这种方式将中间结果存储在列表中，避免了递归中的重复计算，提高了性能。

无论选择哪种方式，都要根据具体情况来决定。递归方式简单易懂，但在大数值情况下可能效率较低；迭代方式和动态规划方式性能更好，但可能稍显复杂。根据实际需求和代码的可读性做出选择。