Python经典入门练习：九九乘法表与斐波那契数列代码实现

在学习 Python 基础语法的阶段，九九乘法表与斐波那契数列是两道经典的编程练习题。前者重点考察多层循环的嵌套控制、索引范围边界与控制台格式化输出；后者则引导初学者从数学递推关系过渡到程序逻辑，理解迭代状态转移、递归调用栈及其复杂度特征。本文将通过结构化拆解与完整代码示例，逐一讲解这两个题目的核心原理、实现方案及调试注意事项。

一、九九乘法表：双重循环与输出格式控制

九九乘法表的核心逻辑是在终端中输出一个呈下三角形分布的算式矩阵。从程序控制角度看，输出矩阵本质上是一个二维坐标系遍历：行索引 $i$ 从 1 递增至 9，而在每一行内，列索引 $j$ 从 1 递增至 $i$。这种“外层控制行数、内层控制列数”的模式是理解嵌套循环（Nested Loops）最直观的案例。

图 1：九九乘法表双重循环控制流程与下三角坐标映射

1. 基础实现代码

在 Python 中，内置函数 range(start, stop) 生成一个左闭右开区间 $[start, stop)$ 的整数序列。因此，行索引需要遍历 1 到 9，对应表达式为 range(1, 10)；而列索引在每一行需从 1 遍历到当前的 $i$，对应表达式为 range(1, i + 1)。

# 基础版九九乘法表实现
for i in range(1, 10):
    for j in range(1, i + 1):
        # 默认 print 每次调用后会自动换行
        # 设置 end="\t" 使用制表符作为分隔符，阻止立即换行
        print(f"{j}*{i}={i * j}", end="\t")
    # 内层循环结束后调用无参 print() 进行换行
    print()

2. 排版优化：制表符与字段对齐

在基础实现中，通常使用 end="\t" 实现单行内各项之间的横向间隔。但在部分不同终端环境中，制表符宽度计算方式略有差异，当乘积由一位数（如 $2 \times 3 = 6$）变为两位数（如 $3 \times 4 = 12$）时，可能会产生视觉上的参差。为获得确定性的整齐排版，可采用 Python 格式化字符串（f-string）显式指定字符宽度。

图 2：格式化字段宽度与输出缓冲区对齐机制

# 格式化定宽九九乘法表
for i in range(1, 10):
    for j in range(1, i + 1):
        # :<2 表示乘积计算结果左对齐并占用至少2个字符空间
        print(f"{j}*{i}={i * j:<2}", end="  ")
    print()

二、斐波那契数列：数学递推与算法实现

斐波那契数列（Fibonacci sequence）是算法分析中最基础的状态转移序列。其定义如下：

• $F(0) = 0$
• $F(1) = 1$
• $F(n) = F(n-1) + F(n-2) \quad (n \ge 2)$

该数列的前若干项为：$0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, \dots$。虽然数学递推式直接映射为递归形式，但在工程实现中，选择迭代法、递归法还是生成器，在执行效率与内存消耗上存在本质差异。

图 3：斐波那契数列计算路径演进：递归树剪枝与迭代滑动窗口对比

1. 迭代法实现（推荐工程实践）

迭代法通过维护两个局部变量模拟滑动窗口，利用 Python 特有的多元赋值语法 a, b = b, a + b，在单次循环中原子性地更新前项与当前项，避免了显式引入临时中间变量。

def fibonacci_iterative(n: int) -> int:
    """计算第 n 个斐波那契数（迭代法）

    参数:
        n: 非负整数序列索引 (n >= 0)
    返回:
        第 n 个斐波那契数值
    """
    if n < 0:
        raise ValueError("输入必须是非负整数")
    if n == 0:
        return 0
    if n == 1:
        return 1

    a, b = 0, 1
    # 循环从 2 迭代到 n
    for _ in range(2, n + 1):
        a, b = b, a + b
    return b

# 示例验证输出前 10 项序列 (0 到 9)
if __name__ == "__main__":
    result = [fibonacci_iterative(i) for i in range(10)]
    print("前10项斐波那契数列:", result)
    # 示例输出: [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]

2. 递归法及其记忆化优化

纯递归实现最贴近数学定义，但若不加缓存，其时间复杂度为 $O(2^n)$。当计算 $n = 35$ 时，调用次数已高达上千万次。为保留递归的代码表现力同时消除性能瓶颈，可以使用 Python 标准库中的 functools.lru_cache 装饰器，将已经计算过的子问题结果保存在哈希表中，从而将时间复杂度降为 $O(n)$。

from functools import lru_cache

# 使用内置最近最少使用缓存装饰器，避免重复计算
@lru_cache(maxsize=None)
def fibonacci_memo(n: int) -> int:
    if n < 0:
        raise ValueError("输入必须是非负整数")
    if n in (0, 1):
        return n
    return fibonacci_memo(n - 1) + fibonacci_memo(n - 2)

# 测试记忆化递归调用
print("F(50) =", fibonacci_memo(50))
# 示例输出: F(50) = 12586269025

3. 生成器实现（惰性求值流）

在很多实际应用场景中，我们并非只需要计算某一个特定的 $F(n)$，而是需要连续消费斐波那契序列。如果直接生成列表存储全部元素，会随项数增长消耗大量连续内存。利用 Python 的 yield 关键字构建生成器，可以实现按需计算（Lazy Evaluation）。

def fibonacci_gen():
    """无限斐波那契数生成器"""
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

# 按需获取数列中前 8 项
gen = fibonacci_gen()
seq = [next(gen) for _ in range(8)]
print("生成器产出序列:", seq)
# 示例输出: [0, 1, 1, 2, 3, 5, 8, 13]

三、常见错误与调试避坑要点

四、核心知识架构与演进总结

九九乘法表与斐波那契数列看似简单，但它们各自涵盖了初学者迈向合格工程师的关键能力。九九乘法表训练了对二维矩阵坐标的抽象与遍历能力，斐波那契数列则建立了状态转移和计算复杂度的量化意识。

图 4：Python 经典练习的核心知识架构与工程技能演进总览

掌握了这两个题目的底层机制与优化推导后，读者可以在编写更复杂的二维数据处理（如矩阵转置、图形渲染）与动态规划算法（如背包问题、最长递增子序列）时建立清晰的结构化思维。