我们在前面的章节中,很多次的看到了在函数中调用别的函数的情况,如果一个函数在内部调用了自身,这个函数就被称为递归函数。
高斯求和
def sum_number(n):
total = 0
for i in range(1, n+1):
total += i
return total
sum = sum_number(100)
print(sum)
def sum_number(n):
total = 0
for i in range(1, n+1):
total += i
return total
sum = sum_number(100)
print(sum)
但如果使用递归函数来写
def sum_number(n):
if n <= 0:
return 0
return n+sum_number(n-1)
sum = sum_number(100)
print(sum)
def sum_number(n):
if n <= 0:
return 0
return n+sum_number(n-1)
sum = sum_number(100)
print(sum)
分析一下代码
当n小于0的时候,直接给出和值为0,当n大于0时,结果是n加上sum_number(n-1)
。这里的sum_number(n-1)
又是一次sum_number
函数的调用,不过参数的值变成了n-1,要得到sum_number(n)
的值必须等待sum_number(n-1)
的值被计算出来,同样要得到sum_number(n-1)
的值必须等待sum_number(n-2)
的值,如此一路推算下去,直到sum_number(0)
,因为if语句的存在,它不需要等待sum_number(-1)
的计算了,而是直接给出结果0。然后程序一路返回,直到回到最初的sum_number(n)
,并给出最终结果。
核心思想
每一次递归,整体问题都要比原来减小,并且递归到一定层次时,要能直接给出结果。
每一个递归程序都要遵循相同的基本步骤:
- 初始化算法,递归程序通常需要一个开始时使用的种子值,可以向函数传递参数,或者提供一个入口函数,这个函数是非递归的,但可以为递归计算设置种子值;
- 检查要处理的当前值是否已经与基本条件相匹配,如果匹配,则进行处理并返回值;
- 使用更小的或更简单的子问题(或多个子问题)来重新定义答案;
- 对子问题运行算法;
- 将结果合并入答案的表达式;
- 返回结果。
例如:
lis = []
all_top_comments = ["顶级评论1", "顶级评论2", "顶级评论3", "..."]
def get_comment(comments):
for comment in comments:
lis.append(comment)
# 假设有一个child方法获取当前评论的所有子评论
child_comments = comment.child()
# 如果有子评论的话,就递归查找下去,否则回退
if len(child_comments) > 0:
get_comment(child_comments)
get_comment(all_top_comments)
lis = []
all_top_comments = ["顶级评论1", "顶级评论2", "顶级评论3", "..."]
def get_comment(comments):
for comment in comments:
lis.append(comment)
# 假设有一个child方法获取当前评论的所有子评论
child_comments = comment.child()
# 如果有子评论的话,就递归查找下去,否则回退
if len(child_comments) > 0:
get_comment(child_comments)
get_comment(all_top_comments)
使用递归函数需要注意递归深度溢出,在Python中,通常情况下,这个深度是1000层,超过将抛出异常。在计算机中,函数递归调用是通过栈(stack)这种数据结构实现的,每当进入一个递归时,栈就会加一层,每当函数返回一层,栈就会减一层。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。