Python下直接与递归计算斐波那契数的误差及优化方案

你观察到的偏差确实来自浮点运算的固有精度限制：

• 原有实现用的NumPy默认双精度浮点数只有15~17位十进制有效数字，√5是无理数，从存储开始就存在截断误差
• 闭式中的黄金分割比φ=(1+√5)/2的n次幂会随n增大指数级增长，初始的微小截断误差会被同步指数放大
• 当斐波那契数F_n的位数超过双精度浮点数的精确整数表示上限（2^53，约16位十进制数）后，哪怕没有初始误差，双精度格式本身都无法准确表示这么大的整数，偏差会越来越明显。

如果要保留比内公式（也就是你用的这个闭式公式）的直接计算形式，最直接的方案是用Python标准库自带的decimal模块替换双精度浮点运算，它支持自定义任意计算精度，只要精度给够就能完全消除舍入误差，最后返回精确的整数结果。
优化点可以利用比内公式的固有特性：公式里的b=(1-√5)/2绝对值约为0.618，对任意n≥0都有|b^{n|<1，因此b}n项对结果的贡献永远小于1/√5≈0.447<0.5，计算时甚至可以省略b^{n项，直接对φ}n/√5的结果取最近整数即可，能省一次指数运算，结果完全准确。

修正后的代码如下：

from decimal import Decimal, getcontext

def fib_calc_direct(n):
    # 自动计算所需精度：F_n的十进制位数约为n*log10(φ)≈n*0.209，额外留10位冗余保证舍入正确
    getcontext().prec = int(n * 0.209) + 10
    sqrt5 = Decimal(5).sqrt()
    phi = (1 + sqrt5) / 2
    # 省略b^n项直接计算，结果四舍五入为整数
    res = (phi**n / sqrt5).to_integral_value(rounding="ROUND_HALF_UP")
    return int(res)

如果需要兼容n=0返回0的场景，加个n==0的边界判断即可，或者保留b^n项计算，精度足够的情况下结果完全一致。

注：如果追求计算效率，迭代法或者快速倍增法计算斐波那契数的速度远高于高精度闭式计算，但如果需要严格保留闭式直接计算的逻辑，上面的实现可以做到和递归/迭代结果完全一致，哪怕n取到数万量级都不会有偏差。

内容的提问来源于stack exchange，提问作者13deadfrogs