本文详细解析了 Python 编程中的五个经典示例，涵盖斐波那契数列的递归与迭代优化、快速排序的分治策略实现、基于 Counter 与正则表达式的文本词频统计、阶乘计算的递归限制与标准库替代方案，以及列表推导式和生成器表达式的高效用法。文章不仅提供了完整的代码实现，还深入探讨了各算法的时间复杂度、空间复杂度及实际应用场景中的注意事项，如文件编码处理、异常捕获及 PEP 8 规范。通过对比不同实现方式的优劣，旨在帮助读者建立扎实的算法思维，掌握 Pythonic 的编程风格，从而在实际开发中能够灵活运用 Python 解决各类技术与数据处理问题。
Python 作为一种简洁而强大的编程语言，凭借其清晰的语法和丰富的标准库，广泛应用于数据分析、人工智能、Web 开发等领域。掌握 Python 的经典算法与实用技巧，不仅能提升编码效率，还能深入理解计算机科学的底层逻辑。本文将通过五个核心示例，结合代码实现与性能分析，帮助读者构建扎实的 Python 编程基础。
斐波那契数列是学习递归思想的经典案例。数列定义为 F(0)=0, F(1)=1, F(n)=F(n-1)+F(n-2)。
直接翻译数学公式的代码如下，虽然简洁但存在严重的性能问题：
def fibonacci_recursive(n):
if n <= 1:
return n
return fibonacci_recursive(n - 1) + fibonacci_recursive(n - 2)
该实现的时间复杂度为 O(2^n)，因为存在大量重复计算。当 n 较大时，程序会非常缓慢甚至导致栈溢出。
使用循环替代递归可以显著提升性能，时间复杂度降为 O(n)，空间复杂度为 O(1)：
def fibonacci_iterative(n):
if n <= 1:
return n
a, b = 0, 1
for _ in range(2, n + 1):
a, b = b, a + b
return b
利用字典缓存已计算的结果，可以在保留递归结构的同时优化性能：
from functools import lru_cache
@lru_cache(maxsize=None)
def fibonacci_memo(n):
if n <= 1:
return n
return fibonacci_memo(n - 1) + fibonacci_memo(n - 2)
快速排序（Quick Sort）是一种高效的排序算法，平均时间复杂度为 O(n log n)。其核心思想是通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序。
def quick_sort(lst):
# 基本情况：空列表或单元素列表无需排序
if len(lst) <= 1:
return lst
pivot = lst[0]
# 列表推导式构建左右子列表
left = [x for x in lst[1:] if x < pivot]
right = [x for x in lst[1:] if x >= pivot]
# 递归调用并合并结果
return quick_sort(left) + [pivot] + quick_sort(right)
注意：上述实现创建了新的列表，空间复杂度较高。在实际工程中，常使用原地排序以节省内存。
在数据处理任务中，统计词频是非常常见的需求。Python 的 collections 模块提供了高效的工具。
使用 re 模块提取单词，配合 Counter 类进行计数：
import re
from collections import Counter
def most_common_words(filename, num=10):
try:
with open(filename, 'r', encoding='utf-8') as f:
# 读取文件内容并转换为小写
content = f.read().lower()
# 使用正则提取单词（只保留字母数字字符）
words = re.findall(r'\w+', content)
# 统计词频
counter = Counter(words)
return counter.most_common(num)
except FileNotFoundError:
print(f"文件 {filename} 不存在")
return []
except UnicodeDecodeError:
print("文件编码错误，请尝试指定 encoding 参数")
return []
在处理不同来源的文件时，务必注意编码格式。推荐使用 encoding='utf-8'，若遇到中文乱码可尝试 gbk 或 utf-8-sig。
阶乘（Factorial）是另一个展示递归应用的典型例子。n! = n * (n-1)!
def factorial_recursive(n):
if n == 0 or n == 1:
return 1
else:
return n * factorial_recursive(n - 1)
对于生产环境，建议直接使用 math 模块，其底层由 C 语言实现，速度更快且避免了递归深度限制：
import math
result = math.factorial(100)
Python 默认递归深度限制约为 1000 层。若需计算大数阶乘，应改用迭代或标准库函数，否则可能触发 RecursionError。
列表推导式是 Python 特有的语法糖，允许在一行代码中生成列表，使代码更加简洁易读。
# 生成 1 到 10 的平方数列表
squares = [x**2 for x in range(1, 11)]
print(squares) # [1, 4, 9, ..., 100]
# 仅获取偶数的平方
even_squares = [x**2 for x in range(1, 11) if x % 2 == 0]
对于大数据集，使用圆括号 () 代替方括号 [] 可创建生成器，按需生成数据，极大降低内存占用：
sum_of_squares = sum(x**2 for x in range(1000000))
typing 模块标注函数参数和返回值类型，提高代码可读性和 IDE 支持。try-except 块，防止程序崩溃。venv 管理项目依赖，避免全局包污染。本文通过斐波那契数列、快速排序、文本分析、阶乘计算及列表推导式五个维度，系统展示了 Python 的核心特性与工程实践。理解这些示例背后的原理，有助于开发者在面对复杂问题时设计出更优的解决方案。建议读者在实际项目中多动手实践，并结合官方文档深入学习，逐步提升编程能力。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online