Python-递归函数

递归函数

函数执行流程

def foo1(b, b1=3): 
     print("foo1 called", b, b1)
    
def foo2(c): 
    foo3(c)
    print("foo2 called", c)

def foo3(d):
    print("foo3 called", d) 

def main():
    print("main called")
    foo1(100, 101)
    foo2(200)
    print("main ending") 

main()
运行结果:
main called
foo1 called 100 101
foo3 called 200
foo2 called 200
main ending

Process finished with exit code 0

可以通过debug观察函数运行中压栈过程
C语言中，每个栈帧对应着一个未运行完的函数。栈帧中保存了该函数的返回地址和局部变量

栈帧也叫过程活动记录，是编译器用来实现过程/函数调用的一种数据结构

• 全局帧中生成foo1、foo2、foo3、main函数对象
• main函数调用
• main中查找内建函数print压栈，将常量字符串压栈，调用函数，弹出栈顶
• main中全局查找函数foo1压栈，将常量100、101压栈，调用函数foo1，创建栈帧。print函数压栈，字符串和变量b、b1压栈，调用函数，弹出栈顶，返回值
• main中全局查找foo2函数压栈，将常量200压栈，调用foo2，创建栈帧。foo3函数压栈，变量c引用压栈，调用foo3，创建栈帧。foo3完成print函数调用后返回。foo2恢复调用，执行print后，返回值。main中foo2调用结束弹出栈顶。main继续执行print函数调用，弹出栈顶。main函数返回

def foo1(b, b1=3): 
    print("foo1 called", b, b1)
    foo2(2) 
def foo2(a): 
    pass 

foo1函数的字节码
4   0 LOAD_GLOBAL       0 (print)
    3 LOAD_CONST        1 ('foo1 called')
    6 LOAD_FAST         0 (b)
    9 LOAD_FAST         1 (b1)
    12 CALL_FUNCTION    3 (3 positional, 0 keyword pair) 
    # CALL_FUNCTION是函数调用，调用完成后，弹出所有函数参数，函数本身关闭堆栈，并推送返回值15 POP_TOP # 删除顶部（TOS）项目

5   16 LOAD_GLOBAL      1 (foo2)
    19 LOAD_CONST       2 (2)
    22 CALL_FUNCTION    1 (1 positional, 0 keyword pair)
    25 POP_TOP
    26 LOAD_CONST       0 (None)
    29 RETURN_VALUE

递归Recursion

概念

• 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
• 当边界条件满足的时候，递归返回

举例说明

• 斐波那契数列Fibonacci number：1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, …
• 如果设F(n）为该数列的第n项（n∈N*），那么这句话可以写成如下形式：:F(n)=F(n-1)+F(n-2)
• F(0)=0，F(1)=1, F(n)=F(n-1)+F(n-2)

a = 0
b = 1
n = 10 # 55

# 循环实现
for i in range(n - 1):
    a, b = b, a + b
else:
    print(b)
运行结果:
55

Process finished with exit code 0

• F(0)=0，F(1)=1, F(n)=F(n-1)+F(n-2)

def fib(n):
    return 1 if n < 3 else fib(n-1) + fib(n-2)

fib(5)解析：
fib(4) + fib(3)
fib(4)调用fib(3)、fib(2)
fib(3)调用fib(2)、fib(1)
fib(2)、fib(1)是边界return 1，所有函数调用逐层返回

1. 递归要求
2. 递归一定要有退出条件，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
3. 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and递归

import datetime
import time
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:
    print(b)
time.sleep(1)
delta = (datetime.datetime.now() - start).total_seconds()
print(delta)
运行结果:
9227465
1.015385

Process finished with exit code 0



import datetime
import time
n = 35
def fib(n):
    return 1 if n < 3 else fib(n-1) + fib(n-2)
start = datetime.datetime.now()
fib(35)
time.sleep(1)
delta = (datetime.datetime.now() -start).total_seconds()
print(delta)
运行结果:
2.562029

Process finished with exit code 0

递归的性能

• 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

• 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

• 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

• 思考：这个极简的递归代码能否提高性能呢？

• 斐波那契数列的改进

import datetime
import time

def fib(n, a=0, b=1):
    a, b = b, a+b
    if n == 1:
        return a
    return fib(n-1, a, b)
start = datetime.datetime.now()
print(fib(35))
time.sleep(1)
delta = (datetime.datetime.now() - start).total_seconds()
print(delta)
运行结果:
9227465
1.015354

Process finished with exit code 0

1. 改进
   • 左边的fib函数和循环的思想类似
   • 参数n是边界条件，用n来计数
   • 上一次的计算结果直接作为函数的实参
   • 效率很高
   • 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
2. 对比一下三个fib函数的性能

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

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