python基础学习之递归函数知识总结
程序员文章站
2024-01-09 23:05:40
一、递归函数使用注意点递归函数一定要编写终止条件,否则将产生无限递归。(死循环)二、递归的效率问题 递归效率不高,递归层次过多会导致栈溢出。 python中不推荐使用递归。三、递归函数引入...
一、递归函数使用注意点
递归函数一定要编写终止条件,否则将产生无限递归。(死循环)
二、递归的效率问题
- 递归效率不高,递归层次过多会导致栈溢出。
- python中不推荐使用递归。
三、递归函数引入
""" 使用代码循环输出故事:从前有座山,山里有座庙... """ # ------------while循环 (暂时忽略死循环)--------------- while true: print("从前有座山,山里有座庙...") # ---------------通过定义一个方法, 在while循环里面调用实现( 暂时忽略死循环)--------------- def func_story(): print("从前有座山,山里有座庙...") while true: func_story() # ---------------使用递归的方法实现循环--------------- def story(): print("从前有座山,山里有座庙...") story() story() # 报错:recursionerror: maximum recursion depth exceeded while calling a python object
四、递归的深度
这里就引申到一个递归的最大深度。
import sys # 获取最大递归深度 res = sys.getrecursionlimit() print(res) # 输出:1000 # 递归最大深度: def func(n): print(n) n += 1 func(n) func(1) # python 3 打印到998就停止打印了
我们可以设置递归的最大深度。但是能够达到的最大深度,跟电脑配置也有关系:
import sys # 设置递归的深度 sys.setrecursionlimit(10000) # 递归最大深度: def func(n): print(n) n += 1 func(n) func(1) # python 3 打印到3221就停止打印了
五、通过缓存解决递归限制
通过缓存解决最大递归限制的问题:
- python的functools模块中提供了很多高阶函数的操作。
- lru_cache:缓存功能装饰器,能够缓存相同参数的函数调用结果,可以节约高开销或i/o函数的调用时间。
- 通过lru_cache装饰递归函数
六、递归函数使用示例
递归函数示例一:
# 18 20 22 24 def age(n): if n == 1: return 18 else: return age(n-1) + 2 print(age(1)) # 输出:18 print(age(2)) # 输出:20 print(age(3)) # 输出:22 print(age(4)) # 输出:24
递归函数示例二:打印三级菜单
# 我们有一个这样的三级菜单 menu = { "功能测试": { "用例管理": { "添加用例": {}, "删除用例": {}, "复制用例": {} }, "元素管理": { "添加元素": {}, "删除元素": {}, "复制元素": {} }, }, "接口测试": { "api管理": { "添加api": {}, "删除api": {}, "复制api": {} }, "环境管理": { "添加环境": {}, "删除环境": {}, "复制环境": {} }, }, } def query_menu(menu:dict): """ 一级级查询菜单信息 :return: """ # 用户输入q退出 while true: for k in menu:print(f"当前菜单:{k}") key = input(">>>").strip() if key == "q": return key elif key in menu.keys() and menu[key]: res = query_menu(menu[key]) if res == "q": return "q" query_menu(menu)
输出结果:
到此这篇关于python基础学习之递归函数知识总结的文章就介绍到这了,更多相关python递归函数内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!