Python 递归函数

本文介绍了递归函数的概念、特点及优缺点,并通过实例演示了如何使用递归来解决问题,包括计算阶乘和求和等问题。

递归函数

1.什么是递归?

 递归就是自己调用自己,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己本身,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!=1×2×3×⋅⋅⋅×(n−1)×n=(n−1)!×n=fact(n−1)×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。

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。

2. 递归函数特性:

必须有一个明确的结束条件;
每次进入更深一层递归时,问题规模相比上次递归都应有所减少
相邻两次重复之间有紧密的联系,前一次要为后一次做准备(通常前一次的输出就作为后一次的输入)。
递归效率不高,递归层次过多会导致栈溢出(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)
先举个简单的例子:计算1到100之间相加之和;通过循环和递归两种方式实现

# 循环方式 
def demo_sum(n): 
    sum = 0 
    for i in range(1,n+1) : 
        sum += i 

        print(sum)


 
# 递归方式 


# 递归方式 
def demo_sum2(n): 
    if n>0: 
       return n +demo_sum2(n-1) 
    else: 
       return 0


结果:

5050
5050

3.递归函数的优点:

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。

4.递归函数的缺点

1. 自己调用自己,容易导致栈内存溢出。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。

2. 运行效率比较低

***使用递归函数需要注意防止栈溢出。

把上面的递归求和函数的参数改成10000就导致栈溢出!

RecursionError: maximum recursion depth exceeded in comparison

5.防止递归调用栈内存溢出的方法:

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。

 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,一般递归

def normal_digui(n):
    if n == 1:
        return 1
    else:
        return n + normal_digui(n-1)


执行:

normal_digui(5)
5 + normal_digui(4)
5 + 4 + normal_digui(3)
5 + 4 + 3 + normal_digui(2)
5 + 4 + 3 + 2 + normal_digui(1)
5 + 4 + 3 + 3
5 + 4 + 6
5 + 10
15


可以看到, 一般递归, 每一级递归都需要调用函数, 会创建新的栈,随着递归深度的增加, 创建的栈越来越多, 造成爆栈:boom:

尾递归: 尾递归基于函数的尾调用, 每一级调用直接返回函数的返回值更新调用栈,而不用创建新的调用栈, 类似迭代的实现, 时间和空间上均优化了一般递归!

def wei_digui(n, total=0):
    if n == 0:
        return total
    else:
        return wei_digui(n-1, total+n)


执行:

wei_digui(5)
wei_digui(4, 5)
wei_digui(3, 9)
wei_digui(2, 12)
wei_digui(1, 14)
wei_digui(0, 15)
15

可以看到, 每一级递归的函数调用变成"线性"的形式.

6.递归函数解决的问题:

递归算法一般用于解决三类问题:
(1)数据的定义是按递归定义的。(比如Fibonacci函数)
(2)问题解法按递归算法实现。(回溯)
(3)数据的结构形式是按递归定义的。(比如树的遍历,图的搜索)等 

                  
       

<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
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