python递归调用可以多少层_函数递归调用

函数的递归调用

在调用一个函数的过程中直接或间接地调用到了本身。函数的递归调用本质就是一个循环的过程(用函数实现的循环)。

递归调用必须在满足某种条件下结束，不能无限递归调用下去。

1、直接调用自身：

def f1():

print('from f1')

f1()

2、间接调用自身：

def f1():

print('from f1')

f2()

def f2():

print('from f2')

f1()

python不是一门函数式编程语言，无法对递归进行尾递归优化。尾递归优化，即在函数的最后一步(而非最后一行)调用自己。

在Python中，每调用一次函数就会在内存产生一个局部名称空间，所以为了防止递归死循环造成内存溢出，Python对递归的最大深度做了限制，默认为1000层。

# 查看最大深度。

import sys

print(sys.getrecursionlimit())

# 设置最大深度,但仍受限于操作系统栈大小的限制,不推荐修改。

sys.setrecursionlimit()

递归的两个阶段

例如要求出第一个人年龄，这个人比第二个人大10岁，第二个人又比第三个人大10岁，第三个人比第四个人大10岁，第四个人比第五个人大十岁，而第五个人的年龄为18岁，那么我们要求第一个人的年龄，就是：

man1 = man2 + 10

man2 = man3 + 10

man3 = man4 + 10

man4 = man5 + 10

man5 = 10

用代码来写就是这样：

def age(n):

if n == 1:

return 18

return age(n-1) + 10

执行过程：

回溯阶段

不断的向下一层函数递进，这个过程称为回溯。

print(age(5))

# age(5) -> age(4) -> age(3) -> age(2) -> age1(1)

递推阶段

满足结束条件，逐层返回值，这个过程称为递推。

age(5)

58

递归应用

在写代码时，如果出现某个功能需要重复调用自身，这个时候就可以使用到递归。

二分法

对一个从小到大排序的有序数字元素列表，查找某个值在列表中的所在位置。若使用遍历查找，那么时间复杂度为O(n)。我们可以使用二分法查找，每次将值与列表中间的元素比较，若值比中间元素大，则下次从右边查找即可；若值比中间元素小，下次从左边查找即可。每次将值与列表的中间值比较，直到找到该值或无该值。

列表为：

l = [-4,-1,0,1,5,8,9,2,8,12,62,23,63]

Python实现二分法：

def dichotomy(n,num_list):

# 对列表排序。

num_list.sort()

if len(num_list) == 0:

# 表示列表为空,无该值.

return

median = len(num_list) // 2

if n > num_list[median]:

# 如果值大于中间值。

new_list = num_list[median+1:]

dichotomy(n,new_list)

elif n < num_list[median]:

# 如果值小于中间值。

new_list = num_list[:median]

dichotomy(n,new_list)

else:

# 不大不小表示找到该值。

print(f'{n} index is {median}')

阶乘

一个正整数的阶乘(factorial)是所有小于及等于该数的正整数的积，并且0的阶乘为1。自然数n的阶乘写作n!。

任何大于等于1 的自然数n 阶乘表示方法：

n！ = n * n(n-1)!

Python代码实现：

def factorial(n):

if n == 1:

return n

return factorial(n-1) * n