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:
© 版权声明
THE END
暂无评论内容