函数递归及匿名函数

递归Recursion

• 函数直接或者间接调用自身就是递归

• 递归需要有边界条件， 递归前进段， 递归返回段

• 递归一定要有边界条件

• 当边界条件不满足的时候， 递归前进 * 当边界条件满足时、 递归返回

• 递归要求：

• 递归一定要又推出条件， 递归调用一定要执行到这个退出条件。 没有退出条件的递归调用， 就是无限调用

• 递归调用的深度不宜过深

• python对递归调用的深度做了限制， 以保护解释器

• 超过递归深度限制，抛出RecursionError： maxinum recursion depth exceeded 超出最大深
  度

• sys.getrecursionlimit()

递归的性能 fib35项比较

 for 循环
import datetime
start = datetime.datetime.now()
a = 0
b = 1
n = 35
循环实现
for i in range(n - 1):
a, b = b, a + b
else:
pass #print(b) 9227465
delta = (datetime.datetime.now() -
start).total_seconds()
print(delta)

递归
import datetime
n = 35
def fib(n):
return 1 if n < 3 else fib(n-1) + fib(n-2)
start = datetime.datetime.now()
fib(35)
delta = (datetime.datetime.now() -
start).total_seconds()
print(delta)

递归的性能
1.循环稍微复杂一些，但是只要不是死循环，可以多次迭代直至算出结果
2.fib函数代码极简易懂，但是只能获取到最外层的函数调用，内部递归结果都是中间结果。而且给定一个n
都要进行近2n次递归，深度越深，效率越低。为了获取斐波那契数列需要外面再套一个n次的循环，效率就更低了
3.递归还有深度限制，如果递归复杂，函数反复压栈，栈内存很快就溢出了
4.思考：这个极简的递归代码能否提高性能呢？ 递归的性能
 斐波那契数列的改进
1、def fib(n, a=0, b=1):
2、a, b = b, a+b
3、if n == 1:
4、return a
5、return fib(n-1, a, b)
6、print(fib(4))

 改进
1、左边的fib函数和循环的思想类似
2、参数n是边界条件，用n来计数
3、上一次的计算结果直接作为函数的实参
4、效率很高
5、和循环比较，性能相近。所以并不是说递归一定
效率低下。但是递归有深度限制
6、对比一下三个fib函数的性能

递归
 间接递归
def foo1():
foo2()
def foo2():
foo1()
foo1()
间接递归，是通过别的函数调用了函数自身
但是，如果构成了循环递归调用是非常危险的，但是往往这种情况在代码复杂的情况下，还
是可能发生这种调用。要用代码的规范来避免这种递归调用的发生

递归总结
 递归是一种很自然的表达，符合逻辑思维
 递归相对运行效率低，每一次调用函数都要开辟栈帧
 递归有深度限制，如果递归层次太深，函数反复压栈，栈内存很快就溢出了
 如果是有限次数的递归，可以使用递归调用，或者使用循环代替，循环代码稍微复杂一些，但是只要不是
死循环，可以多次迭代直至算出结果
 绝大多数递归，都可以使用循环实现
 即使递归代码很简洁，但是能不用则不用递归
每一次函数调用都是不同的
间接递归： def foo1():
foo2()
def foo2():
foo1()
匿名函数
匿名：隐藏名字，即没有名称
匿名函数：没有名字的函数。
Lambda表达式

1. 使用lambda关键字定义匿名函数，格式为 lambda参数列表： 表达式
2. 参数列表不需要小括号。无参就不写参数
3. 冒号用来分割参数列表和表达式部分
4. 不需要使用return。表达式的值，就是匿名函数的返回值。表达式中不能出现等号
5. lambda表达式[匿名函数]只能写在一行上，也称为单行函数
6. 匿名函数往往用在为高阶函数传参时，使用lambda表达式，往往能简化代码

生成器generato

• 生成器指的是生成器对象，可以由生成器表达式得到，也可以使用yield关键字得到一个生成器函数，调用这
  个函数得到一个生成器对象
• 生成器对象，是一个可迭代对象，是一个迭代器
• 生成器对象，是延迟计算、惰性求值的
  生成器函数
• 函数体中包含yield语句的函数，就是生成器函数，调用后返回生成器对象
  
  生成器的执行
  普通函数调用，函数会立即执行直到执行完毕。
  生成器函数调用，并不会立即执行函数体，而是需要使用next函数来驱动生成器函数执行后获得的生成器对象。
  生成器表达式和生成器函数都可以得到生成器对象，只不过生成器函数可以写的更加复杂的逻辑。
  
• 在生成器函数中，可以多次yield，每执行一次yield后会暂停执行，把yield表达式的值返回
• 再次执行会执行到下一个yield语句又会暂停执行
• return语句依然可以终止函数运行，但return语句的返回值不能被获取到
• return会导致当前函数返回，无法继续执行，也无法继续获取下一个值，抛出StopIteration异常
• 如果函数没有显式的return语句，如果生成器函数执行到结尾（相当于执行了return None），一样会抛出
  StopIteration异常
  生成器函数
• 包含yield语句的生成器函数调用后，生成 生成器对象 的时候，生成器函数的函数体不会立即执行
• next(generator) 会从函数的当前位置向后执行到之后碰到的第一个yield语句，会弹出值，并暂停函数执行
• 再次调用next函数，和上一条一样的处理过程
• 继续调用next函数，生成器函数如果结束执行了（显式或隐式调用了return语句），会抛出StopIteration异
  常
  生成器应用
  1、无限循环
  def counter():
  i = 0
  while True:
  i += 1
  yield i
  c = counter()
  print(next©) # 打印什么
  print(next©) # 打印什么
  print(next©) # 打印什么
  2、计数器
  def inc():
  def counter():
  i = 0
  while True:
  i += 1
  yield i
  c = counter()
  return next©
  print(inc()) # 打印什么？
  print(inc()) # 打印什么?
  print(inc()) # 打印什么?如何修改

修改上例
def inc():
def counter():
i = 0
while True:
i += 0
yield i
c = counter()
def inner():
return next©
return inner # returnn lambda : next©
foo = inc()
print(foo()) # 打印什么？
print(foo()) # 打印什么？
print(foo()) # 打印什么？为什么？
3、斐波那契数列
def fib():
x = 0
y = 1
while True:
yield y
x, y = y, x + y
foo = fib()
for i in range(101):
print(next(foo))
4 、生成器交互
python提供了一个和生成器对象交互的方法send，该方法可以和生成器沟通。

• 调用send方法，就可以把send的实参传给yield语句做结果，这个结果可以在等式右边被赋值给其它变量
• send和next一样可以推动生成器启动并执行。
  5、协程Coroutine
• 生成器的高级用法
• 它比进程、线程轻量级，是在用户空间调度函数的一种实现
• Python3 asyncio就是协程实现，已经加入到标准库
• Python3.5 使用async、await关键字直接原生支持协程
• 协程调度器实现思路
  有2个生成器A、B
  next(A)后，A执行到了yield语句暂停，然后去执行next(B)，B执行到yield语句也暂停，然后再次调用
  next(A)，再调用next(B)在，周而复始，就实现了调度的效果
  可以引入调度的策略来实现切换的方式
• 协程是一种非抢占式调度
  yield from语法
  从Python 3.3开始增加了yield from语法，使得 yield from iterable 等价于 for item in iterable: yield
  item 。
  yield from就是一种简化语法的语法糖。

本质上yield from的意思就是，从from后面的可迭代对象中拿元素一个个yield出去。