2.3.8 Python 递归

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；递归 ---- 递推回归

递归特性:

1. 必须有一个明确的结束条件
2. 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
3. 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）

 

def calc(n):
    print(n)
    if int(n/2) ==0:
        return n
    return calc(int(n/2))

calc(10)

>>>
10
5
2
1

def calc(n):
    v = int(n/2)
    print(v)
    if v > 0:
        calc(v)
    print(n)

calc(10)

>>>
5
2
1
0
1
2
5
10

递推 返回：

问题： 系统默认最大递归深度1000 ，可以自行设置，但最大手系统内存限制。每掉一次函数，如果没返回，那么久一直占用内存

import sys
print(sys.getrecursionlimit()) #查看最大递归层

sys.setrecursionlimit(1500)    #设置最大递归层

def recursion(n):
     print(n)
     return recursion(n+1)

recursion(1)

>>>
1
2
....
841
Traceback (most recent call last):
  File "C:/Users/yuxin/OneDrive/PycharmProjects/learn_oop/test2.py", line 10, in <module>
    recursion(1)
  File "C:/Users/yuxin/OneDrive/PycharmProjects/learn_oop/test2.py", line 8, in recursion
    return recursion(n+1)
  File "C:/Users/yuxin/OneDrive/PycharmProjects/learn_oop/test2.py", line 8, in recursion
    return recursion(n+1)
  File "C:/Users/yuxin/OneDrive/PycharmProjects/learn_oop/test2.py", line 8, in recursion
    return recursion(n+1)
  [Previous line repeated 995 more times]
RecursionError: maximum recursion depth exceeded

 

 

递归与栈的关系

递归最高层次的根本原因，是递归与栈的关系

函数的调用是通过栈（类似于子弹壳的数据结构，有大小限制，后入先出）每调用一层，加一层栈帧，调用超出大小限制，会栈溢出

 

 

###########################################################################################

递归的作用

'''
二分查找
'''

data = [1, 3, 6, 7, 9, 12, 14, 16, 17, 18, 20, 21, 22, 23, 30, 32, 33, 35]


def binary_search(dataset,find_num):
    print(dataset)

    if len(dataset) >1:
        mid = int(len(dataset)/2)
        if dataset[mid] == find_num:  #find it
            print("找到数字",dataset[mid])
        elif dataset[mid] > find_num :# 找的数在mid左面
            print("\033[31;1m找的数在mid[%s]左面\033[0m" % dataset[mid])
            return binary_search(dataset[0:mid], find_num)
        else:# 找的数在mid右面
            print("\033[32;1m找的数在mid[%s]右面\033[0m" % dataset[mid])
            return binary_search(dataset[mid+1:],find_num)
    else:
        if dataset[0] == find_num:  #find it
            print("找到数字啦",dataset[0])
        else:
            print("没的分了,要找的数字[%s]不在列表里" % find_num)


binary_search(data,66)

'''
阶乘
'''

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

print(factorial(3))

###########################################################################################

尾递归优化

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。

例：

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

>>> 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
'''

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 - 1和num * 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

转载于:https://my.oschina.net/devopsxin/blog/1926101