斐波那契數列（黃金分割數列）指的是這樣一個數列 0, 1, 1, 2, 3, 5, 8, 13,特別指出：第0項是0，第1項是第一個1。從第三項開始，每一項都等於前兩項之和。
Python 實現斐波那契數列代碼如下：
實現一：
1 def fibonacci(): 2 num = input("Please input your number\n") 3 i,a,b= 0,0,1 //賦值 4 if int(num) < 0: 5 print("你輸入的數據不合理") 6 elif int(num)== 1: 7 print(a) 8 else: 9 while i < int(num): 10 print(a) 11 #sum = a+b 12 #a = b 13 #b = sum 14 a, b = b, a + b #a, b = b, a + b這里不能寫成 a=b b=a+b，如果寫成這樣，b就不是前兩位相加的值，而是已經被b賦過值的a和b相加的值 15 i+=1 16 fibonacci()
實現二：
使用列表的方式實現
1 def fibonacci(num): 2 fibs = [0,1] 3 for i in range(num-2): 4 fibs.append(fibs[-2]+fibs[-1]) #倒數第二個+倒數第一個數的結果，追加到列表 5 print(fibs) 6 7 fibonacci(5)
實現三：
以上兩種方式，都是直接調用的函數中的print打印，return值為none，因此無法進行復用。
將return為一個序列，可以直接復用該序列。
1 def fibonacci(num): 2 fibs = [0,1] 3 for i in range(num-2): 4 fibs.append(fibs[-2]+fibs[-1]) #倒數第二個+倒數第一個數的結果，追加到列表 5 return(fibs) 6 fibonacci(5)
或者
1 def fab_demo2(max): 2 a, n, b = 0, 0, 1 3 list_demo = [] 4 while n < max: 5 list_demo.append(b) 6 a, b = b, a + b 7 n += 1 8 print(list_demo) 9 return list_demo
實現四：
可以復用了，但是考慮到后期若要存儲在list中的數據量過大，比較吃內存浪費資源，應該怎么辦呢，
此時，考慮到利用 iterable 我們可以把 fab 函數改寫為一個支持 iterable 的 class
1 class Fab(object): 2 def __init__(self,max): 3 self.max = max 4 self.n ,self.a ,self.b = 0 ,0 ,1 5 6 def __iter__(self): #繼承object，重寫__iter__后，自動調用__next__方法，返回r對象 7 return self 8 9 def __next__(self): #此處python2為next，python3為__next__，注意區別 10 if self.n < self.max: 11 r = self.b 12 self.a , self.b = self.b , self.a + self.b 13 self.n += 1 14 return r 15 raise StopIteration() 16 #Fab 類通過 next() 不斷返回數列的下一個數，內存占用始終為常數： 17 for i in Fab(5): 18 print(i) 19 #或者 20 print(next(iter(Fab(5))))
實現五
代碼不夠簡潔，使用yield關鍵字
1 def fab_demo4(max): 2 a,n,b = 0,0,1 3 while n < max: 4 yield b 5 #print b 6 a,b = b,a+b 7 n+=1 8 print(next(fab_demo4(5))) 9 for i in fab_demo4(5): 10 print(i)
僅僅把 print b 改為了 yield b，就在保持簡潔性的同時獲得了 iterable 的效果
yield 的作用就是把一個函數變成一個 generator，帶有 yield 的函數不再是一個普通函數，Python 解釋器會將其視為一個 generator，
調用 fab(5) 不會執行 fab 函數，而是返回一個 iterable 對象！
在 for 循環執行時，每次循環都會執行 fab 函數內部的代碼，執行到 yield b 時，fab 函數就返回一個迭代值，
下次迭代時，代碼從 yield b 的下一條語句繼續執行，而函數的本地變量看起來和上次中斷執行前是完全一樣的，於是函數繼續執行，直到再次遇到 yield。
也可以手動調用 fab(5) 的 next() 方法（因為 fab(5) 是一個 generator 對象，該對象具有 next() 方法）
我們可以得出以下結論：
一個帶有 yield 的函數就是一個 generator，它和普通函數不同，生成一個 generator 看起來像函數調用，但不會執行任何函數代碼，直到對其調用 next()（在 for 循環中會自動調用 next()）才開始執行。雖然執行流程仍按函數的流程執行，但每執行到一個 yield 語句就會中斷，並返回一個迭代值，下次執行時從 yield 的下一個語句繼續執行。看起來就好像一個函數在正常執行的過程中被 yield 中斷了數次，每次中斷都會通過 yield 返回當前的迭代值。
yield 的好處是顯而易見的，把一個函數改寫為一個 generator 就獲得了迭代能力，比起用類的實例保存狀態來計算下一個 next() 的值，不僅代碼簡潔，而且執行流程異常清晰。
如何判斷一個函數是否是一個特殊的 generator 函數？可以利用 isgeneratorfunction 判斷：
1 >>> from inspect import isgeneratorfunction 2 >>> isgeneratorfunction(fab) 3 True
要注意區分 fab 和 fab(5)，fab 是一個 generator function，而 fab(5) 是調用 fab 返回的一個 generator，好比類的定義和類的實例的區別：