Python教程学习简记2--Python 函数调用 定义函数 函数的参数 递归函数

本文学习Python函数，包括：函数调用 定义函数 函数的参数 递归函数

我们知道圆的面积计算公式为：S = π r*r

当我们知道半径r的值时，就可以根据公式计算出面积。假设我们需要计算3个不同大小的圆的面积：

r1 = 12.34
r2 = 9.08
r3 = 73.1
s1 = 3.14 * r1 *r1
s2 = 3.14 * r2 *r2
s3 = 3.14 * r3 *r3

当代码出现有规律的重复的时候，我们需要注意，每次写3.14 * x*x不仅麻烦，而且，如果要把3.14改成3.14159265359的时候，得全部替换。

有了函数，我们就不再每次写s = 3.14 * x * x，而是写成更有意义的函数调用s = area_of_circle(x),而函数area_of_circle()本身只需要写一次，就可以多次调用。

基本上所有的高级语言都支持函数，Python也不例外。Python不但能非常灵活的定义函数，而且本身内置了很多有用的函数，可以直接调用。

抽象

抽象是数学中非常常见的概念。例如：
计算数列的和，比如：1+2+3+4+…+100，写起来十分不方便，于是数学家发明了求和符号∑，可以把1+2+3+4+…+100记作：
100
∑n
n=1
这种抽象记法非常强大，因为我们看到∑就可以理解成求和，而不是还原成低级的加法运算。

而且，这种抽象记法是可以扩展的，比如：
100
∑(n*n+1)
n=1
还原成加法运算就变成了：
（1*1+1）+（2*2+1）+（3×3+1）+…+（100*100+1）
可见，借助抽象，我们才能不关心底层的具体计算过程，而直接在更高的层次上思考问题。

我们写计算机程序也是一样的，函数就是最基本的一种代码抽象的方式。

使用函数

Python内置了很多有用的函数，我们可以直接调用。

要调用一个函数，需要知道函数名称和参数，比如求绝对值的函数abs，只有一个参数。可以直接从Python的官方网站查看文档：

https://docs.python.org/3/library/functions.html#abs

也可以在交互式命令行里面通过help（abs）查看abs函数的帮助信息：

Help on built-in function abs in module builtins:

abs(x, /)
    Return the absolute value of the argument.

调用abs函数：

>>> abs(100)
100
>>> abs(-20)
20
>>> abs(-12.34)
12.34

调用函数的时候，如果传入的参数数量不对，就会报错：TypeError,并且Python会明确的告诉你：abs()有且仅有1个参数，但是给出了两个：

>>> abs(1,2)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: abs() takes exactly one argument (2 given)

如果传入的参数数量是对的，但参数类型不能被函数所接受，也会报TypeError的错误，并且给出错误信息：str是错误的参数类型：

>>> abs('a')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: bad operand type for abs(): 'str'

而max()函数可以接受任意多个参数，并返回最大的那个：

>>> max(1,2,3)
3
>>> max(2,3,-4,0,2,9)
9

数据类型转换
Python内置的常用函数还包括数据类型转换函数，比如 int()函数可以把其他数据类型转换为整数：

>>> int('123')
123
>>> int(12.34)
12
>>> str(1.23)
'1.23'
>>> str(100)
'100'
>>> bool(1)
True
>>> bool('')
False

函数名其实就是指向一个函数对象的引用，完全可以把函数名赋给一个变量，相当于给这个函数起了一个“别名”：

>>> a = abs  # 变量a指向abs函数
>>> a(-1)    # 所以也可以通过a调用abs函数
1

小练习

请利用Python内置的hex()函数把一个整数转换成十六进制表示的字符串：

>>> n1 = 255
>>> n2 = 1000

>>> print(hex(n1))
0xff

>>> print(hex(n2))
0x3e8
这也行：
>>> hex(n1)
'0xff'
>>> hex(n2)
'0x3e8'

定义函数

在Python中，定义一个函数要使用def语句，依次写出函数名、括号、括号中的参数和冒号:，然后，在缩进块中编写函数体，函数的返回值用return语句返回。

我们以自定义一个求绝对值的my_abs函数为例：

def my_abs(x):
    if x >= 0:
        return x
    else:
        return -x

请自行测试并调用my_abs看看返回结果是否正确。

请注意，函数体内部的语句在执行时，一旦执行到return时，函数就执行完毕，并将结果返回。因此，函数内部通过条件判断和循环可以实现非常复杂的逻辑。

如果没有return语句，函数执行完毕后也会返回结果，只是结果为None。

return None可以简写为 return。

在Python交互环境中定义函数时，注意Python会出现…的提示。函数定义结束后需要按两次回车重新回到>>>提示符下：

如果你已经把my_abs()的函数定义保存为abstest.py文件了，那么，可以在该文件的当前目录下启动Python解释器，用from abstest import my_abs来导入my_abs()函数，注意abstest是文件名（不含.py扩展名）：

空函数

如果想定义一个什么事也不做的空函数，可以用pass语句：

def nop():
    pass

pass语句什么都不做，那有什么用？实际上pass可以用来作为占位符，比如现在还没想好怎么写函数的代码，就可以先放一个pass，让代码能运行起来。

pass还可以用在其他语句里，比如：

if age >= 18:
    pass

缺少了pass，代码运行就会有语法错误。

参数检查

调用函数时，如果参数个数不对，Python解释器会自动检查出来，并抛出TypeError：

>>> my_abs(1, 2)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: my_abs() takes 1 positional argument but 2 were given

但是如果参数类型不对，Python解释器就无法帮我们检查。

试试my_abs和内置函数abs的差别：

>>> my_abs('A')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<stdin>", line 2, in my_abs
TypeError: unorderable types: str() >= int()

>>> abs('A')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: bad operand type for abs(): 'str'

当传入了不恰当的参数时，内置函数abs会检查出参数错误，
而我们定义的my_abs没有参数检查，会导致if语句出错，出错信息和abs不一样。所以，这个函数定义不够完善。

我们来修改一下my_abs的定义，对参数类型做检查，只允许整数和浮点数类型的参数。数据类型检查可以用内置函数isinstance()实现：

def my_abs(x):
    if not isinstance(x, (int, float)):
        raise TypeError('bad operand type')
    if x >= 0:
        return x
    else:
        return -x

添加了参数检查后，如果传入错误的参数类型，函数就可以抛出一个错误：

>>> my_abs('A')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<stdin>", line 3, in my_abs
TypeError: bad operand type

返回多个值

函数也是可以返回多个值的。
比如，在游戏中经常需要从一个点移动到另一个点，给出坐标/位移和角度，就可以计算出新的坐标：

import math


def move(x, y, step, angle=0):
        nx = x + step * math.cos(angle)
        ny = y - step * math.sin(angle)
        return nx, nydef move(x, y, step, angle=0):
    nx = x + step * math.cos(angle)
    ny = y - step * math.sin(angle)
    return nx, ny


x, y = move(100, 100, 60, math.pi / 6)

print(x, y)

import math语句表示导入math包，并允许后续代码引用math包里面的sin/cos等函数。

然后，我们就可以同时获得返回值：

但，其实这只是一种假象，Python函数返回的任然是单一值：

r = move(100, 100, 60, math.pi / 6)
print(r)

原来返回值是一个tuple！但是，在语法上，返回一个tuple可以省略括号，而多个变量可以同时接受一个tuple，按位置赋给对应的值，所以，Python的函数返回多值其实际是返回一个tuple，但写起来更方便。

小结：

定义函数时，需要确定函数名和参数个数;

如果有必要，可以先对参数的数据类型做检查;

函数体内部可以用return随时返回函数结果;

函数执行完毕也没有return语句时，自动return None。

函数可以同时返回多个值，但其实就是一个tuple。

小练习：
请定义一个函数quadratic(a, b, c)，接收3个参数，返回一元二次方程：

ax*x + bx + c = 0的两个解。

提示：计算平方根可以调用math.sqrt()函数：

# 定义一个函数quadratic(a, b, c)，
# 接收3个参数，返回一元二次方程：
# ax*x + bx + c = 0的两个解

# ax²+bx+c=0(a≠0)
# Δ=b²-4ac
# ①若Δ=b²-4ac＜0
# 则无实数根
# ②若Δ=b²-4ac=0
# 则有两个相等的实数根（即就一个）
# x=-b/2a
# ③若Δ=b²-4ac＞0
# 则有两个不相等的实数根
# x1=[-b-√(b²-4ac)]/2a
# x2=[-b+√(b²-4ac)]/2a

import math


def quadratic(a, b, c):
    if a != 0:
        delta = b * b - 4 * a * c
        if delta < 0:
            print('no result !')
        elif delta == 0:
            print('two equal result !')
            x = -b/2*a
            return print('x1=x2=', x)
        elif delta > 0:
            # x1=[-b - √(b*b-4*a*c)] / 2*a
            # x2=[-b + √(b*b-4*a*c)] / 2*a
            x1 = (-b + math.sqrt(delta))/(2*a)
            x2 = (-b - math.sqrt(delta))/(2*a)
            print('two result !')
            return x1, x2
    else:
        x = -c / b
        return x


print(quadratic(2, 3, 1))
print(quadratic(1, 3, -4))

函数的参数

函数的参数

定义函数的时候，我们把多参数的名字和位置确定下来，函数的接口定义就完成了。对于函数的调用者来说，只需要知道如何传递正确的参数，以及函数将返回什么样的值就够了，函数内部的复杂逻辑被封装起来，调用者无需了解。

Python的函数定义非常简单，但灵活度非常大。除了正常定义的必选参数外，还可以使用默认参数/可变参数和关键字参数，使得函数定义出来的接口，不但能处理复杂参数，还可以简化调用者的代码。

位置参数

我们首先来写一个计算x*x的函数：

>>> def power(x):
...     return x*x
... 

对于power(x)函数，参数x就是一个位置参数。

当我们调用power函数时，必须传入有且仅有的一个参数x:

>>> power(5)
25
>>> power(15)
225

现在，如果我们要计算x*x*x怎么办？可以再定义一个power3函数，但是如果要计算x*x*x*x / x*x*x*x怎么办？我们不可能定义无限多个函数。

这个时候，我们可以把power（x）修改为power(x,n)，用来计算x的n次方：

def power(x, n):
    s = 1
    while n > 0:
        n = n-1
        # n -= 1
        s = s * x
    return print(s)

power(5, 2)

power(5, 3)

修改后的power(x,n)函数有两个参数：x和n，这两个参数都是位置参数，调用函数时，传入的两个值按照位置顺序依次赋值给参数x和n。

默认参数

新的power(x,n)函数定义没有问题，但是，旧的调用代码失败了，原因是我们增加了一个参数，导致旧的代码因为缺少一个参数而无法正常调用：

Python的错误信息很明确：调用函数power()缺少了一个位置参数n。

这个时候，默认参数就派上用场了。由于我们经常计算x*x，所以，完全可以把第二个参数n的默认值设定为2：

def power(x, n=2):
    s = 1
    while n > 0:
        n = n-1
        # n -= 1
        s = s * x
    return print(s)

power(5)

power(5, 2)

这样，当我们调用power(5)时，相当于调用power(5,2)

对于n > 2的其他情况，就必须明确的传入n，比如power(5,3).

从上面的例子中可以看出，默认参数可以简化函数的调用。设置默认参数时，有以下几点需要注意：

1)必选参数在前，默认参数在后，否则Python的解释器会报错
2）如何设置默认参数

当函数有多个参数时，把变化大的参数放前面，变化小的参数放后面。变化小的参数就可以作为默认参数。

使用默认参数有什么好处呢？最大的好处就是能降低调用函数的难度。

举个例子，我们写一个一年级小学生注册的函数，需要传入name和gender两个参数：

def enroll(name, gender):
    print('name:', name)
    print('gender:', gender)


enroll('Frank', 'F')

这样，调用enroll()函数只需要传入两个参数：

如果继续传入年龄/城市等信息怎么办？这样会使得调用函数的复杂度大大增加。

我们可以把年龄和城市设为默认参数：

def enroll(name, gender, age=6, city='Kunming'):
    print('name:', name)
    print('gender:', gender)
    print('age:', age)
    print('city:', city)

enroll('Frank', 'F')

这样，大多数学生注册时不需要提供年龄和城市，只提供必须的两个参数：

只有与默认参数不符的学生才需要提供而外的信息：

enroll('Bob', 'M', 7)

enroll('Adam', 'M', city='Tianjin')

可见，默认参数降低了函数调用的难度,而一旦需要更复杂的调用时，又可以传递更多的参数来实现。
无论是简单调用还是复杂调用，函数只需要定义一个。

有多个默认参数时，调用的时候，既可以按顺序提供默认参数，比如调用enroll(‘Bob’,’M’,7)，意思就是，除了name，gender这两个参数外，最后一个参数应用在参数age上，city参数由于没有提供，任然使用默认值。

我们也可以不按照顺序提供部分默认参数。当不按顺序提供部分默认呢参数时，需要把参数名写上。
比如调用enroll(‘Adam’,’M’,city=’Tianjin’),意思是，city参数用传进去的值，其他默认参数继续使用默认值。

默认参数很有用，但使用不当，也会掉坑里。
默认参数有个最大的坑，如下：

def add_end(L=[]):
    L.append('END')
    return L

print(add_end([1,2,3]))

print(add_end(['x','y','z']))

print(add_end())

print(add_end())

print(add_end())

当我们正常调用时，结果似乎没错，但是当我们使用默认参数时，一开始结果也是对的：

但是再次调用add_end()时，结果就不对了：

有点醉了，默认参数是[]呀，但是函数似乎每次都记住了上次添加的‘END’后的list。

原因解释如下：

Python函数在定义的时候，默认参数L的值就被计算出来了，即[]，因为默认参数L也是一个变量，它指向对象[]，每次调用该函数，如果改变了L内容，则下次调用时，默认参数的内容就变了，不再是函数定义时的[]了。

所以，定义默认参数要牢记一点：默认参数必须指向不变对象！

修改上面的例子，我们可以用None这个不变对象来实现：

def add_end(L=None):
    if L is None:
        L = []
    L.append('END')
    return L

print(add_end())

print(add_end())

现在，无论调用多少次，都不会有问题：

为什么要设计str None这样的不变对象呢？因为不变对象一旦创建，对象内部的数据就不能修改，这样就减少了由于修改数据导致的错误。此外，由于对象不变，多任务环境下同时读取对象不需要加锁，同时读一点问题都没有。我们在编写程序时，如果可以设计一个不变对象，那就尽量设计成不变对象。

可变参数

在Python函数中，还可以定义可变参数。
顾名思义，可变参数就是传入的参数个数是可变的，可以是1个 2个到任意个，还可以是0个。

我们以数学题为例，给定一组数字a,b,c,…,计算a*a+b*b+c*c+…。

要定义出这个函数，我们必须确定输入的参数。由于参数个数不确定，我们首先想到可以把a，b，c…作为一个list或者tuple传进来，这样，函数可以定义如下：

def calc(numbers):
    sum = 0
    for n in numbers:
        sum = sum + n * n

    return sum


print(calc([1, 2, 3]))

print(calc((1, 3, 5, 7)))

但是，调用的时候，需要先组装出一个list或tuple：

如果利用可变参数，调用函数的方式就可以简化成这样：

print(calc(1, 2, 3))

print(calc(1, 3, 5, 7))

所以，我们把函数的参数改为可变参数：

def calc(*numbers):
    sum = 0
    for n in numbers:
        sum = sum + n*n

    return sum

print(calc(1, 2, 3))

print(calc(1, 3, 5, 7))

定义可变参数和定义一个list或tuple参数相比，仅仅在参数前面加了个*号。在函数内部，参数numbers接收到的是一个tuple，因此，函数代码完全不变。但是，调用该函数时，可以传入任意个参数，包括0个参数：

>>>calc(1, 2)
5
>>>calc()
0

如果已经有一个list或者tuple，要掉用一个可变参数怎么办？我们可以这样做：

>>>nums = [1, 2, 3]
>>>calc(nums[0], nums[1], nums[2])
14

这种写法当然是可行的，问题太繁琐，所以，Python允许我们在list或者tuple前面加一个*号，把list或者tuple的元素变成可变参数传进去：

>>>nums = [1, 2, 3]
>>>calc(*nums)
14

*nums表示把nums这个list的所有元素作为可变参数传进去。
这种写法相当有用，而且很常见。

关键字参数
可变参数允许你传入0个或任意个参数，这些可变参数就在函数调用时自动组装成为一个tuple。

而关键字参数允许你传入0个或任意个含参数名的参数，这些关键字参数在函数内部自动组装为一个dict。如下例：

def person(name, age, **kw):
    print('name:', name, 'age', age, 'other:', kw)

print(person('Michael', 30))

print(person('Bob', 35, city='Beijing'))

print(person('Adam', 45, gender='M', job='Engineer'))

函数person除了必选参数name和age外，还接受关键字参数kw。

在调用函数时，可以只传入必选参数

当然，也可以传入任意个数的关键字参数：

关键字参数有什么用呢？它可以扩展函数的功能。比如，在person函数里，我们保证能接收到name和age这两个参数，但是，如果调用者愿意提供更多的参数，我们也能收到。

试想我们正在做一个用户注册的功能，除了用户名和年龄是必填项外，其他都是可选项，利用关键字参数来定义这个函数就能满足注册的需求。

和可变参数类似，也可以先组装出一个dict，然后，把该dict转换为关键字参数传进去：

extra0 = {'city': 'Beijing', 'job': 'Engineer'}

print(person('Jack', 25, city=extra0['city'], job=extra0['job']))

name: Jack age 25 other: {'job': 'Engineer', 'city': 'Beijing'}

当然，上面复杂的调用可以用简化的写法：

extra1 = {'city': 'Beijing', 'job': 'Enginer'}
print(person('Jack', 24, **extra1))

name: Jack age 24 other: {'job': 'Enginer', 'city': 'Beijing'}

**extra表示把extra这个dict的所有key-valye用关键字参数传入到函数的**kw参数，kw将获得一个dict，注意：kw获得的dict是extra的一份拷贝，对kw的改动不会影响到函数外的extra。

命名关键字参数

对于关键字参数，函数的调用者可以传入任意不受限制的关键字参数。至于到底传入了哪些，就需要在函数内部通过kw检查。

def person(name, age, **kw):
    if 'city' in kw:
        pass
    if 'job' in kw:
        pass
    print('name', name, 'age', age, 'other', kw)


print(person('Jack', 24, city='Kunming', adr='Chenggong', zipcode=547688))

如果限制关键字参数的名字，就可以使用命名关键字参数，例如，只接受city和job作为关键字参数。这种方式定义的函数如下：

def person(name, age, *, city, job):
    print(name, age, city, job)

# 调用方式如下：

person('Jack', 26, city='Kunming', job='Engineer')

命名关键字参数必须传入参数名，这和位置参数不同。如果没有传入参数名，调用将报错：

Traceback (most recent call last):
  File "/usr/local/developTools/pycharmProjects/python3Learning/function/personFun*.py", line 7, in <module>
    person('Jack', 26, 'Kunming', 'Engineer')
TypeError: person() takes 2 positional arguments but 4 were given

由于调用时缺少参数名city和job，Python解释器把这4个参数均视为位置参数，但person()函数接收2个位置参数。

命名关键字参数可以有缺省值，从而简化调用：

def person(name, age, *, city='Kunming', job):
    print(name, age, city, job)


person('Jack', 26, job='Engineer')

由于命名关键字参数city具有默认值，调用时，可以不传入city参数。

使用命名关键字参数时，要特别注意，不是参数，而是特殊分隔符。如果缺少，Python解释器将无法识别位置参数和命名关键字参数：

def person(name, age, city, job):
    # 缺少 * ,city和job将被视为位置参数
    pass

参数组合

在Python中定义函数，可以用必选参数 默认参数 可变参数 关键字参数 命名关键字参数，这5中参数都可以组合使用，除了可变参数无法和命名关键字参数混合。

但是，请注意，参数定义的顺序必须是：
必选参数 默认参数 可变参数/命名关键字参数和关键字参数。

例如，定义一个函数，包含上述若干中参数：

def f1(a, b, c=0, *args, **kw):
    print('a=', a, 'b=', b, 'c=', c, 'args=', args, 'kw =', kw)


def f2(a, b, c=0, *, d, **kw):
    print('a=', a, 'b=', b, 'c=', c, 'd=', d, 'kw=', kw)


f1(1, 2)

f1(1, 2, c=3)

f1(1, 2, 3, 'a', 'b')

f1(1, 2, 3, 'a', 'b', x=99)

f2(1, 2, d=99, ext=None)

在函数调用的时候，Python解释器会自动按照位置参数和参数名把对应的参数传递进去：

最神奇的是通过一个tuple和dict，我们也可以调用上述函数：

args = (1, 2, 3, 4)
kw = {'d': 99, 'x': '#'}

f1(*args, **kw)

args = (1, 2, 3)
kw = {'d': 88, 'x': '#'}

f2(*args, **kw)

所以，对于任意函数，都可以通过类似func(*args, **kw)的形式调用它，无论它的参数时如何定义的。

小结：

Python的函数具有非常的灵活的参数形态，既可以实现简单的调用，又可以传入非常复杂的参数。

默认参数一定要用不可变对象，如果是可变对象，程序运行时会含有逻辑错误！

要注意定义可变参数和关键字参数的语法：

*args是可变参数，args接收的是一个tuple;
**kw是关键字参数，kw接收的是一个dict。

以及调用函数时如何传入可变参数和关键字参数的语法：

可变参数既可以直接传入：func（1， 2， 3），又可以先组装list或tuple，在通过args传入：func((1, 2, 3));

关键在参数既可以直接传入：func(a=1, b=2),又可以先组装dict，在通过kw传入：func({‘a’: 1,’b’: 2})。

使用*args和**kw是Python的习惯写法，当然也可以用其他参数名，但是最好使用习惯用法。

命名关键字参数就是为了显示调用者可以传入的参数名，同时可以提供默认值。

定义命名关键字参数时不要忘了写分隔符*,否则定义的将是位置参数。

递归函数

在函数内部，可以调用其他函数。
如果一个函数在内部调用自身本身，这个函数就是递归函数。

例如，我们来计算阶乘n！ = 1×2×3×…×n，用函数fact（n）表示，可以看出：

fact（n） = n！=1×2×3×…×(n-1)×n = （n-1）！×n = fact（n-1）×n

所以，fact（n）可以表示为n×fact（n-1），只有n=1时需要特殊处理。

于是，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)


print(fact(1))

print(fact(5))

print(fact(100))

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
>>>120

递归函数的有点是定义简单，逻辑清晰。
理论上，所有的递归函数都可以写成循环的方式，但循环的逻辑不如递归清晰。

使用递归函数需要注意防止栈溢出。

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，递归调用的次数越多，会导致栈溢出。可以试试fact（1000）：

fact(1000)

/usr/bin/python3.5 /usr/local/developTools/pycharmProjects/python3Learning/function/factFun.py
Traceback (most recent call last):
  File "/usr/local/developTools/pycharmProjects/python3Learning/function/factFun.py", line 24, in <module>
    print(fact(1000))
  File "/usr/local/developTools/pycharmProjects/python3Learning/function/factFun.py", line 4, in fact
    return n * fact(n - 1)

  .............................

  File "/usr/local/developTools/pycharmProjects/python3Learning/function/factFun.py", line 4, in fact
    return n * fact(n - 1)
  File "/usr/local/developTools/pycharmProjects/python3Learning/function/factFun.py", line 2, in fact
    if n == 1:
RecursionError: maximum recursion depth exceeded in comparison

Process finished with exit code 1

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。

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_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）函数改写成尾递归方式，也会导致栈溢出。

小结：

使用递归函数的优点是逻辑简单清晰，缺点是过深的调用会导致栈溢出。

针对尾递归优化的语言可以通过尾递归防止栈溢出。
尾递归事实上和循环是等价的，没有循环语句的编程语言只能通过尾递归实现循环。

Python标准的解释器没有针对尾递归做优化，任何递归函数都存在栈溢出的问题。

小练习：

汉诺塔的移动可以用递归函数非常简单地实现。

请编写move(n, a, b, c)函数，它接收参数n，表示3个柱子A、B、C中第1个柱子A的盘子数量，然后打印出把所有盘子从A借助B移动到C的方法，例如：