Python递归函数

python递归函数

#####此篇文章来源于我的老师Wayne,仅作记录以备复习

函数执行流程

def foo1(b,b1 =3):
    print('foo1 called',b,b1)

def foo2(c):
    foo3(c)
    print('foo2 called',c)

def foo3(d):
    print('foo3 called',d)

def main():
    print('main called')
    foo1(100,101)
    foo2(200)
    print('main ending')

main()

输出结果在这里插入图片描述

  • 全局帧中生成 foo1、foo2、foo3、main 函数对象
  • main 函数调用
  • main 中查找内建函数 print 压栈,调用函数,弹出栈顶
  • main 中全局查找函数 foo1 压栈,将常量 100、101压栈,调用函数 foo1 ,创建栈帧。print 函数压栈,字符串和变量 b、b1 压栈,调用函数,弹出栈顶,返回值
  • main 中全局查找 foo2 函数压栈,将常量 200 压栈,调用 foo2,创建栈帧。foo3 函数压栈,变量 c 引用压栈,调用 foo3,创建栈帧。foo3 完成 print 函数调用后返回。foo2 恢复调用,执行 print 后,返回值。main 中 foo2 调用结束弹出栈顶。main 继续执行 print 函数调用,弹出栈顶。main 函数返回

递归

  • 函数直接或者间接调用自身就是 递归
  • 递归需要有边界条件、递归前进段、递归返回段
  • 递归一定要有边界条件
  • 当边界条件不满足的时候,递归前进
  • 当边界条件满足的时候,递归返回

递归Recursion

  • 斐波那契数列 Fibonacci number: 1, 1, 2, 3, 5, 8, 13, 21, 34, …
  • 如果设 F(n) 为该数列的第 n 项 (n∈N*),那么这句话就可以写成如下形式: F(n) = F(n-1) + F(n-2)
  • F(0) = 0, F(1) = 1, F(n) = F(n-1) + F(n-2)
a = 0
b = 1
n = 10  # 55
for i in range(n - 1):
    a,b = b,a+b
else:
    print(b)
  • F(0) = 0, F(1) = 1, F(n) = F(n-1) + F(n-2)
def fib(n):
    return 1 if n<3 else fib(n-1) + fib(n-2)

fib(5) 解析:
fib(4) + fib(3)
fib(4) 调用 fib(3)、fib(2)
fib(3) 调用 fib(2)、fib(1)
fib(2)、fib(1)是边界 return 1 ,所有函数调用逐层返回

  • 递归要求
    • 递归一定要有退出条件,递归调用一定要执行到这个退出条件。没有退出条件的递归调用,就是无限调用
    • 递归调用的深度不宜过深
      • Python对递归调用的深度做了限制,以保护解释器
      • 超过递归深度限制,抛出RecursionError: maxinum recursion depth exceeded 超出最大深度
      • sys.gettercursionlimit()

递归的性能

  • 循环稍微复杂一些,但是只要不是死循环,可以多次迭代直至算出结果
  • fib 函数代码极简易懂,但是只能获取到最外层的函数调用,内部递归结果都是中间结果。而且给定一个n,都要进行近2n次递归,深度越深,效率越低。为了获取斐波那契数列需要外面在套一个n次的循环,效率就更低了
  • 递归还有深度限制,如果递归复杂,函数反复压栈,栈内存很快就溢出了

斐波那契数列的改进:

def fib(n,a=0,b=1):
    a,b = b,a+b
    if n == 1:
        return a
    return fib(n-1,a,b)

print(fib(4))
  • 改进
    • 左边的 fib 函数和循环的思想类似
    • 参数 n 是边界条件,用 n 来计数
    • 上一次的计算结果直接作为函数的实参
    • 效率很高
    • 和循环比,性能相近。所以并不是说递归一定效率低下,但是递归有深度限制

  • 简介递归
def foo1():
    foo2()
def foo2():
    foo1()
    
foo1() 

简介递归,是通过别的函数调用了函数自身
但是,如果构成了循环递归调用时非常危险的,但是往往这种情况在代码复杂的情况下,还是可能发生这种调用的。要用代码的规范来避免这种递归调用的发生


递归总结

  • 递归是一种很自然的表达,符合逻辑思维
  • 递归相对运行效率低,每一次调用函数都要开辟栈帧
  • 递归有深度限制,如果递归层次太深,函数反复压栈,栈内存很快就溢出了
  • 如果是有限次数的递归,可以使用递归调用,或者使用循环代替,循环代码稍微复杂一些,但是只要不是死循环,可以多次迭代直至算出结果
  • 绝大多数递归,都可以用循环实现
  • 即使递归代码很简洁,但是能不用则不用递归
<think>好的,用户想了解Python递归函数的使用方法和实现方式,需要示例。首先,我得回顾递归的基本概念,确保自己理解正确。递归就是函数自己调用自己,用来解决可以分解为相似子问题的情况。然后,我需要考虑用户可能的背景,可能是刚开始学习Python,所以需要简单明了的解释。接下来,我应该找一个经典的例子,比如阶乘或者斐波那契数列。阶乘的例子比较直观,容易理解。用户提供的引用里也有阶乘的例子,可以引用。另外,用户可能想知道递归的优缺点,比如栈溢出的问题,引用[2]提到递归层数限制在997层,这点需要强调。 然后,要考虑递归的实现步骤,比如基线条件和递归条件。基线条件就是停止递归的情况,比如n==1时返回1。递归条件是将问题分解,比如n*fact(n-1)。需要详细解释这个过程,可能用步骤分解的方式展示。用户可能还会遇到递归深度的问题,引用[2]提到Python默认限制,这时候可能需要给出解决方案,比如修改递归深度或者改用循环。此外,引用[3]中的示例展示了递归的执行过程,可以借鉴来说明递归的执行流程。还要注意代码示例的正确性,确保缩进和语法正确。比如用户提供的示例代码中有递归函数,要检查是否正确。同时,提醒用户注意栈溢出和效率问题,比如递归虽然简洁但可能不如循环高效,尤其是对于大数的情况。可能还需要对比递归和循环的区别,帮助用户理解何时使用递归更合适。比如树结构遍历用递归比较方便,而简单迭代可能用循环更好。引用中的例子都是数学相关的,但实际应用可能更广泛,可以举目录遍历的例子,如用户问题中的快速排序,但用户现在问的是递归函数本身,所以还是以基础示例为主。最后,生成相关问题时要考虑用户可能进一步的问题,比如如何避免栈溢出,递归的应用场景,或者优化方法。这样可以帮助用户深入学习和解决问题。</think>### Python递归函数示例及实现方式 #### 1. 递归函数的基本概念 递归函数是一种**在函数内部调用自身**的编程方法,适用于将复杂问题分解为**相同结构的子问题**。其核心需要满足两个条件: - **基线条件**(终止条件):递归结束的边界 - **递归条件**:将问题分解为更小的子问题 #### 2. 经典示例:阶乘计算 阶乘 $n! = n \times (n-1) \times ... \times 1$ 可用递归简洁实现: ```python def fact(n): if n == 1: # 基线条件 return 1 return n * fact(n-1) # 递归条件 ``` **执行过程分析**(以 $n=3$ 为例): $$fact(3) \Rightarrow 3 \times fact(2) \Rightarrow 3 \times (2 \times fact(1)) \Rightarrow 3 \times (2 \times 1) = 6$$ #### 3. 递归深度限制 Python默认限制递归深度为**997层**(防止栈溢出)[^2]。测试递归层数: ```python def count_depth(n): try: return count_depth(n+1) except RecursionError: return n print(count_depth(0)) # 输出 996(实际限制为997层) ``` #### 4. 递归应用场景 | 场景类型 | 示例 | 特点 | |----------------|-----------------------|--------------------------| | 数学计算 | 阶乘、斐波那契数列 | 定义本身包含递归 | | 数据结构操作 | 树/图的遍历 | 节点处理逻辑重复 | | 文件系统处理 | 目录遍历 | 嵌套结构自然适合递归 | #### 5. 递归优化方法 1. **尾递归优化**(Python未原生支持): ```python def fact_tail(n, accumulator=1): if n == 0: return accumulator return fact_tail(n-1, n*accumulator) ``` 2. **记忆化缓存**(以斐波那契数列为例): ```python from functools import lru_cache @lru_cache(maxsize=None) def fib(n): if n < 2: return n return fib(n-1) + fib(n-2) ``` #### 6. 递归与循环对比 | 对比维度 | 递归 | 循环 | |----------------|-------------------------------|-------------------------------| | 代码简洁性 | 逻辑清晰(如树遍历) | 需要维护循环变量 | | 内存消耗 | 可能栈溢出 | 内存占用稳定 | | 调试难度 | 调用栈复杂 | 执行路径直观 | | 适用场景 | 问题本身具有递归特性 | 线性迭代问题 | #### 7. 实践建议 - 优先考虑循环实现(如遍历列表) - 使用递归时应明确**终止条件** - 复杂递归建议添加**深度监控**: ```python import sys sys.setrecursionlimit(5000) # 修改默认递归深度限制 ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值