python递归函数 python基础学习之递归函数知识总结
florachy 人气:0想了解python基础学习之递归函数知识总结的相关内容吗，florachy在本文为您仔细讲解python递归函数的相关知识和一些Code实例，欢迎阅读和指正，我们先划重点：python递归函数,python函数，下面大家一起来学习吧。
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：
加载全部内容