python—递归

在函数内部,可以调用其他函数。如果一个函数在内部调用自身本身,这个函数就是递归函数。

举个例子,我们来计算阶乘n! = 1 x 2 x 3 x ... x n,用函数fact(n)表示,可以看出:

fact(n) = n! = 1 x 2 x 3 x ... x (n-1) x n = (n-1)! x n = fact(n-1) x n

所以,fact(n)可以表示为n x fact(n-1),只有n=1时需要特殊处理。

于是,fact(n)用递归的方式写出来就是:

def fact(n):
    if n==1:
        return 1
    return n * fact(n - 1)

上面就是一个递归函数。可以试试:

>>> fact(1)
1
>>> fact(5)
120
>>> fact(100)
93326215443944152681699238856266700490715968264381621468592963895217599993229915608941463976156518286253697920827223758251185210916864000000000000000000000000

如果我们计算fact(5),可以根据函数定义看到计算过程如下:

===> fact(5)
===> 5 * fact(4)
===> 5 * (4 * fact(3))
===> 5 * (4 * (3 * fact(2)))
===> 5 * (4 * (3 * (2 * fact(1))))
===> 5 * (4 * (3 * (2 * 1)))
===> 5 * (4 * (3 * 2))
===> 5 * (4 * 6)
===> 5 * 24
===> 120

递归函数的优点是定义简单,逻辑清晰。理论上,所有的递归函数都可以写成循环的方式,但循环的逻辑不如递归清晰。

使用递归函数需要注意防止栈溢出。在计算机中,函数调用是通过栈(stack)这种数据结构实现的,每当进入一个函数调用,栈就会加一层栈帧,每当函数返回,栈就会减一层栈帧。由于栈的大小不是无限的,所以,递归调用的次数过多,会导致栈溢出。可以试试fact(1000)

>>> fact(1000)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<stdin>", line 4, in fact
  ...
  File "<stdin>", line 4, in fact
RuntimeError: maximum recursion depth exceeded in comparison

解决递归调用栈溢出的方法是通过尾递归优化,事实上尾递归和循环的效果是一样的,所以,把循环看成是一种特殊的尾递归函数也是可以的。

尾递归是指,在函数返回的时候,调用自身本身,并且,return语句不能包含表达式。这样,编译器或者解释器就可以把尾递归做优化,使递归本身无论调用多少次,都只占用一个栈帧,不会出现栈溢出的情况。

上面的fact(n)函数由于return n * fact(n - 1)引入了乘法表达式,所以就不是尾递归了。要改成尾递归方式,需要多一点代码,主要是要把每一步的乘积传入到递归函数中:

def fact(n):
    return fact_iter(n, 1)

def fact_iter(num, product):
    if num == 1:
        return product
    return fact_iter(num - 1, num * product)

可以看到,return fact_iter(num - 1, num * product)仅返回递归函数本身,num - 1num * product在函数调用前就会被计算,不影响函数调用。

fact(5)对应的fact_iter(5, 1)的调用如下:

===> fact_iter(5, 1)
===> fact_iter(4, 5)
===> fact_iter(3, 20)
===> fact_iter(2, 60)
===> fact_iter(1, 120)
===> 120

尾递归调用时,如果做了优化,栈不会增长,因此,无论多少次调用也不会导致栈溢出。

遗憾的是,大多数编程语言没有针对尾递归做优化,Python解释器也没有做优化,所以,即使把上面的fact(n)函数改成尾递归方式,也会导致栈溢出。

小结

使用递归函数的优点是逻辑简单清晰,缺点是过深的调用会导致栈溢出。

针对尾递归优化的语言可以通过尾递归防止栈溢出。尾递归事实上和循环是等价的,没有循环语句的编程语言只能通过尾递归实现循环。

Python标准的解释器没有针对尾递归做优化,任何递归函数都存在栈溢出的问题。

### Python递归函数概述 在Python编程中,递归是一种常见且强大的算法思想[^2]。通过让函数在其定义体内调用自身来解决问题,这种方法能够简化复杂逻辑,使代码更加简洁易懂。 #### 什么是递归? 当一个函数在其主体部分直接或者间接地调用了它自己,则该函数被称为递归函数。这种特性允许程序按照一定模式反复执行相同的操作直到满足特定条件为止[^4]。 #### 定义与基本结构 为了创建有效的递归函数,通常需要遵循两个主要原则: - **基准情况(Base Case)**:这是终止递归的关键所在,即不再继续调用自己的情形; - **递推关系(Recursive Step)**:描述如何基于更简单的情况构建当前问题解决方案的方式; 例如,在计算阶乘时可以这样设计: ```python def factorial(n): if n == 0 or n == 1: # 基准情况 return 1 else: return n * factorial(n - 1) # 递推关系 ``` #### 实际应用案例分析 考虑经典的汉诺塔(Hanoi Tower)问题作为实际应用场景之一。此问题是关于将一组不同大小圆盘从一根柱子移动到另一根的目标位置上,每次只允许搬动最上面的一片,并且任何时候都不能把较大的放在较小之上[^3]。 下面是解决这个问题的Python代码片段: ```python def hanoi_tower(disk, source='A', auxiliary='B', target='C'): if disk == 1: print(f'Move {source} -> {target}') else: hanoi_tower(disk - 1, source, target, auxiliary) print(f'Move {source} -> {target}') hanoi_tower(disk - 1, auxiliary, source, target) hanoi_tower(3) ``` 这段代码展示了如何利用递归来优雅而清晰地表达复杂的操作流程。 #### 需要注意的问题 尽管递归提供了编写干净、直观代码的可能性,但在实践中也存在一些潜在风险和局限性: - 默认情况下,Python解释器设置了一个最大递归深度限制(通常是997),超出这个数值将会引发`RecursionError`异常。 因此,在处理大规模数据集或涉及深层嵌套的情况下应谨慎使用递归技术,并考虑采用其他替代方案如迭代等方法优化性能表现。
评论
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