LeetCode 70 爬楼梯：彻底搞懂 `for _ in range(3, n + 1)`，顺便入门动态规划

LeetCode 70 爬楼梯：彻底搞懂 for _ in range(3, n + 1)，顺便入门动态规划

很多人第一次刷 LeetCode 70《爬楼梯》时，代码能看懂，但总会卡在这样一句：

for _ in range(3, n + 1):

尤其是两个问题：

• 为什么从 3 开始？
• 为什么用 _ 而不是 i？

事实上，这句代码背后不仅涉及 Python 循环语法，更隐藏着动态规划最经典的递推思想。

今天就结合爬楼梯这道题，把它彻底讲明白。

题目描述

假设你正在爬楼梯。

每次你可以爬：

• 1 个台阶
• 2 个台阶

问：爬到第 n 阶一共有多少种不同的方法？

例如：

n = 2

1 + 1
2

共 2 种

n = 3

1 + 1 + 1
1 + 2
2 + 1

共 3 种

先找规律

很多动态规划题，第一步不是写代码，而是找规律。

第1阶

只有一种走法：

1

所以：

f(1) = 1

第2阶

有两种走法：

1 + 1
2

所以：

f(2) = 2

第3阶

最后一步有两种可能：

最后走 1 阶

说明前面已经到达第2阶。

方法数：

f(2)

最后走 2 阶

说明前面已经到达第1阶。

方法数：

f(1)

因此：

f(3) = f(2) + f(1)

即：

f(3) = 2 + 1 = 3

第4阶

同样的思路：

f(4) = f(3) + f(2)

第5阶

f(5) = f(4) + f(3)

规律已经出现：

f(n) = f(n-1) + f(n-2)

这其实就是斐波那契数列。

动态规划递推公式

核心公式：

f(n) = f(n-1) + f(n-2)

含义是：

到达第 n 阶的方法数：

= 到达第 n-1 阶的方法数

到达第 n-2 阶的方法数

为什么只需要两个变量

很多同学刚学动态规划时会写数组：

dp = [0] * (n + 1)

实际上这道题不需要。

因为计算当前状态时：

f(n)

只依赖：

f(n-1)
f(n-2)

更早的数据已经没用了。

所以只保留两个变量即可。

a = f(n-2)
b = f(n-1)

然后不断向后滚动。

为什么是 range(3, n + 1)

代码里通常这样写：

a, b = 1, 2

for _ in range(3, n + 1):
    a, b = b, a + b

很多人第一次看到会疑惑。

为什么从3开始

因为：

f(1) = 1
f(2) = 2

已经提前知道了。

也就是：

a = 1
b = 2

已经完成初始化。

后面真正需要计算的是：

第3阶
第4阶
...
第n阶

因此循环从3开始。

为什么是 n+1

因为 Python 的 range 是左闭右开区间。

例如：

range(3, 6)

实际生成：

3
4
5

不会生成：

6

所以如果想循环到 n：

range(3, n + 1)

必须写成：

n + 1

为什么用 _

很多新手会问：

for _ in range(...):

这里的 _ 是什么意思？

其实：

_

只是一个普通变量名。

下面两种写法完全等价：

for i in range(3, n + 1):

for _ in range(3, n + 1):

区别在于：

i

表示：

这个变量后面可能会用到。

而：

_

表示：

我根本不关心循环变量是什么，只想循环这么多次。

这是 Python 的一种编码习惯。

模拟运行过程

假设：

n = 5

初始化：

a = 1
b = 2

表示：

a -> 第1阶方法数
b -> 第2阶方法数

第一次循环

计算第3阶：

a, b = b, a + b

变成：

a = 2
b = 3

表示：

a -> f(2)
b -> f(3)

第二次循环

计算第4阶：

a = 3
b = 5

表示：

a -> f(3)
b -> f(4)

第三次循环

计算第5阶：

a = 5
b = 8

表示：

a -> f(4)
b -> f(5)

循环结束：

return b

得到：

8

完整代码

class Solution:
    def climbStairs(self, n: int) -> int:

        if n == 1:
            return 1

        if n == 2:
            return 2

        a, b = 1, 2

        for _ in range(3, n + 1):
            a, b = b, a + b

        return b

时间复杂度分析

时间复杂度

O(n)

只遍历一次。

空间复杂度

O(1)

只使用了两个变量。

相比数组动态规划：

O(n)

空间更加优秀。

总结

这道题本质上是动态规划最经典的入门题。

核心只有三步：

1. 找出递推公式

f(n)=f(n-1)+f(n-2)

2. 初始化边界

f(1)=1
f(2)=2

3. 用两个变量滚动更新状态

a,b = b,a+b

而代码中的：

for _ in range(3,n+1)

含义其实非常简单：

• 从第3阶开始计算；
• 一直算到第n阶；
• _ 表示循环变量没有实际用途；
• 每循环一次，就向后递推一阶。

理解了这一题，后面像斐波那契数列、使用最小花费爬楼梯、打家劫舍等动态规划题目，都会发现本质上是在做同一件事情：利用已知状态推导未知状态。