Python-深入理解递归函数中的return返回值

递归函数在Python实现决策树算法中出现过，这里记录下关于递归函数return的理解，以及递归函数的执行流程

假如有一个列表[4, [3, [2, [1]]]]，现在要你计算这个列表里所有数字的和，该怎么实现呢？

先遍历最外面的列表，如果是数字，就累加，如果是列表，就继续遍历这个列表，这个列表里面的元素是数字，就累加，如果是列表，则继续遍历…遍历完最后一个数字后，将层层递归函数的累加值，原路返回，层层return出去，期间每层递归函数return的累加值需要和上一层递归函数的累加值相加，最终，函数终止时return的累加值就是我们需要的所有列表内数字之和了，下面是示意图：

下面是代码的实现，代码比较简单，就是程序内部逻辑的执行流程比较难懂，需要知道的是递归函数的return不是返回一个值然后程序结束，而是返回一个值到上一层的递归函数，直到return到最外层，也就是第一次执行的递归函数时，程序终止，为了验证这个逻辑，可以将下面代码中的注释打开，然后运行，会发现依次打印出了1，3，6，10，这个结果和上面的图示流程吻合

data = [4, [3, [2, [1]]]]

def sum_list_num(data):
    list_num = 0
    for i in data:
        if isinstance(i, list):
            list_num += sum_list_num(i)
        else:
            list_num += i
    # print(list_num)
    return list_num

if __name__ == '__main__':
    print(sum_list_num(data))

下面看个复杂的，用递归的方法算出决策树的层数，决策树如下图所示：
算法逻辑：

1.从第一个判断节点开始，最大层数置为0，遍历该判断节点下的所有子节点；

2.如果子节点是叶子节点，那么，当前层数记为1，最大层数和当前层数中，较大的值置为最大层数，然后遍历下一个子节点；

3.如果子节点为判断节点，那么，重复1的操作；

4.如果当前遍历的是叶子节点，且是最后一个，那么，递归结束，将值层层return回上层函数，直至最开始的递归函数层，程序终止

代码如下

data = {'no surfacing': {0: 'no', 1: {'flippers': {0: {'head': {0: 'no', 1: {'fin': {0: 'no', 1: 'yes'}}}}, 1: {'warm blooded': {0: {'gill': {0: 'no', 1: {'jaw': {0: 'no', 1: 'yes'}}}}, 1: 'no'}}}}}}

def get_tree_depth(my_tree):
    max_depth = 0
    my_tree = list(my_tree.values())[0]
    for value in my_tree.values():
        this_depth = 1
        if isinstance(value, dict):  # 字典，即节点，需要进行一次递归
            r_max_depth = get_tree_depth(value)
            # print(r_max_depth, this_depth)
            this_depth += r_max_depth
        # print(this_depth, max_depth)
        max_depth = max(this_depth, max_depth)
    # print(max_depth)
    return max_depth

if __name__ == '__main__':
	print(get_tree_depth(my_tree))

程序内部逻辑执行流程图：

可以将注释打开，查看输出，配合流程图理解内部逻辑的执行过程