Python学习中递归、迭代、生成器、函数式编程的思考

递归函数

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，递归调用的次数过多，会导致栈溢出。

 

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。

² 递归：

def fact(n):

    if n==1:

        return1

    return n * fact(n - 1)

² 尾递归优化：

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)

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，主要是要把每一步的乘积传入到递归函数中。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。

迭代（Iteration）

如果给定一个list或tuple，我们可以通过for循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration）。

Python的for循环不仅可以用在list或tuple上，还可以作用在其他可迭代对象上。

² dict的存储不是按照list的方式顺序排列，所以，迭代出的结果顺序很可能不一样。

² 默认情况下，dict迭代的是key。如果要迭代value，可以用for value in d.itervalues()；

² 如果要同时迭代key和value，可以用for k, v in d.iteritems()。

² 字符串也是可迭代对象，也可以作用于for循环。

 

判断一个对象否可迭代？

通过collections模块的Iterable类型判断：

>>> from collections import Iterable

>>> isinstance('abc', Iterable)     # str是否可迭代

True

>>>isinstance([1,2,3], Iterable)    # list是否可迭代

True

>>> isinstance(123,Iterable)    # 整数是否可迭代

   False

 

列表生成式

运用列表生成式，可以快速生成list，可以通过一个list推导出另一个list，而代码却十分简洁。

²  >>> [x * x for x in range(1, 11)]

²[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

写列表生成式时，把要生成的元素x * x放到前面，后面跟for循环，就可以把list创建出来。

²  列出当前目录下的所有文件和目录名，可以通过一行代码实现：

>>> import os     # 导入os模块，模块的概念后面讲到

>>> [d for d in os.listdir('.')]     # os.listdir可以列出文件和目录

['.emacs.d', '.ssh', '.Trash', 'Adlm', 'Applications', 'Desktop', 'Documents', 'Downloads', 'Library', 'Movies', 'Music', 'Pictures', 'Public', 'VirtualBox VMs', 'Workspace', 'XCode']

生成器（Generator）

在Python中，这种一边循环一边计算的机制，称为生成器（Generator）

“如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。”

要创建一个generator：

²  第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

>>> L = [x * x for x in range(10)]

>>> L

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

>>> g = (x * x for x in range(10))

>>> g

<generator object <genexpr> at 0x104feab40>

创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。

²  如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：

def fib(max):

    n, a, b = 0, 0, 1

    while n < max:

        yield b

        a, b = b, a + b

        n = n + 1

>>> fib(6)

<generator object fib at 0x104feaaa0>

（函数的方法）

²  对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。

函数式编程

函数式编程就是一种抽象程度很高的编程范式，纯粹的函数式编程语言编写的函数没有变量，因此，任意一个函数，只要输入是确定的，输出就是确定的，这种纯函数我们称之为没有副作用。而允许使用变量的程序设计语言，由于函数内部的变量状态不确定，同样的输入，可能得到不同的输出，因此，这种函数是有副作用的。

函数式编程的一个特点就是，允许把函数本身作为参数传入另一个函数，还允许返回一个函数！

Python对函数式编程提供部分支持。由于Python允许使用变量，因此，Python不是纯函数式编程语言。

²  把函数作为参数传入，这样的函数称为高阶函数，函数式编程就是指这种高度抽象的编程范式。函数名其实就是指向函数的变量，函数名本身也可以赋值给变量。

²  高阶函数除了可以接受函数作为参数外，还可以把函数作为结果值返回。