Python基础夯实:递归算法

简介: 递归算法

一、函数执行流程


http://pythontutor.com/visualize.html#mode=edit

image.png

示例.png


  • 全局帧中生成 foo1foo2foo3main 函数对象
  • main 函数调用
  • main 中查找内建函数 print 压栈,将常量字符串压栈,调用函数,弹出栈顶
  • main 中全局查找函数 foo1 压栈,将常量 100、101 压栈,调用函数 foo1,创建栈帧。print 函数压栈,字符串和变量 bb1 压栈,调用函数,弹出栈顶,返回值
  • main 中全局查找函数 foo2 压栈,将常量 200 压栈,调用函数 foo2,创建栈帧。foo3 函数压栈,变量 c 引用压栈,调用 foo3,创建栈帧。foo3 完成 print 函数调用后返回。foo2 恢复调用,执行 print 后,返回值。mainfoo2 调用结束弹出栈顶。main 继续执行 print 函数调用,弹出栈顶。main 函数返回

image.png

示例.png

image.png

示例.png


二、递归 Recursion


  • 函数直接或见着调用自身就是 递归
  • 递归需要有边界条件、递归前进段、递归返回段
  • 递归一定要有 边界条件
  • 当边界条件不满足的时候,递归前进
  • 当边界条件满足的时候,递归返回

    image.png
    示例.png

2.1 斐波那契数列 Fibonacci number:1, 1, 2, 3, 5, 8, 13, 21, 34, 55, ....


  • F(n) 为该数列第 n 项(n∈N*),那么这句话可写成:F(n)=F(n-1)+F(n-2)
  • F(0)=0, F(1)=1, F(n)=F(n-1)+F(n-2)

a = 0
b = 1
n = 10   # 55
# 循环实现
for i in range(n -1):
    a, b = b, a + b
else:
    print(b)
# 递归实现
def fib(n):
    return 1 if n < 3 else fib(n-1) + fib(n-2)
  • fib(5) 解析
    fib(4) + fib(3)
    fib(4) 调用 fib(3)fib(2)
    fib(3) 调用 fib(2)fib(1)
    fib(2)fib(1) 是边界 return 1,所有函数调用逐层返回


2.2 递归要求


  • 递归一定要有退出条件,递归调用一定要执行到这个退出条件。没有退出条件的递归调用,就是无限调用
  • 递归调用的深度不宜过深
  • Python 对递归调用的深度做了限制,以保护解释器
  • 超过递归深度限制,抛出 RecursionError: maxinum recursion depth exceeded 超出最大深度
  • sys.getrecursionlimit()


2.3 递归性能 fib(35) 比较


  • for 循环

    image.png
    示例.png
  • 递归
    image.png

    示例.png


2.4 递归的性能


  • 循环稍微复杂一些,但是只要不是死循环,可多次迭代直至算出结果
  • fib 函数代码极简易懂,但是只能获取到最外层函数调用,内部递归结果都是中间结果。而且给定一个 n 都要进行近 2n 次递归,深度越深,效率越低。为了获取斐波那契数列需要外面再套一个 n 次循环,效率就更低了
  • 递归还有深度限制,若递归复杂,函数反复压栈,栈内存很快就溢出了
  • 斐波那契数列改进

def fib(n, a=0, b=1):
    a, b = b, a+b
    if n == 1:
        return a
    return fib(n-1, a, b)
print(fib(4))
  • 改进后的函数和循环的思想类似
  • 参数 n 是边界条件,用 n 来计数
  • 上次的计算结果直接作为函数的实参
  • 效率高
  • 和循环比较,性能相近。所以并不是说递归一定效率低下,但递归有深度限制


2.5 间接递归

def foo1():
    foo2()
def foo2():
    foo1()
foo1()

间接递归,是通过别的函数调用了函数自身

拖构成了循环递归调用是非常危险的,但往往这种情况在代码复杂情况下,很可能发生这种调用,要用代码的规范来避免递归调用的发生


三、递归总结


  • 递归是一种很自然的表达,符合逻辑思维
  • 递归相对运行效率低,每一次调用函数都要开辟栈帧
  • 递归有深度限制,若递归层次太深,函数反复压栈,栈内存很快就溢出了
  • 若是有限次数的递归,可使用递归调用,或使用循环代替,循环代码稍复杂一些,但只要不是死循环,可多次迭代直至算出结果
  • 绝大多数递归,都可使用循环实现
  • 即使递归代码很简洁,但 能不用则不用 递归


四、递归练习


4.1 求 n 的阶乘


  • 按公式

def fac(n):
    if n == 1:
        return 1
    return n * fac(n-1)
def fac(n):
    return 1 if n < 2 else n * fac(n-1)
  • 按循环

n = 6
fac = 1
for i in range(n, 0, -1):   # 计数器 n 次
    fac = fac * i
print(fac)
def fac1(n, fac=1):
    fac = fac * n
    if n == 1:
        return fac
    return fac1(n-1, fac)


4.2 将一个数逆序放入列表中,例如 1234 => [4, 3, 2, 1]


  • 传入字符串

target = []
def revert(data):
    target.append(data[-1])
    if len(data) == 1:
        return target
    return revert(data[:-1])
revert('1234')
def revert(data, target=None):
    if target is None:
        target = list()
    target.append(data[-1])
    if len(data) == 1:
        return target
    return revert(data[:-1], target)
revert('1234')
def revert(data):
    if data == '':
        return []
    return [data[-1]] + revert(data[:-1])
revert('1234')
  • 传入数字

def revert(data, target=None):
    if target is None:
        target = list()
    if not isinstance(target, list):
        return
    x, y = divmod(data, 10)
    target.append(y)
    if x:
        return revert(x, target)
    return target
revert(120340)


4.3 解决猴子吃桃问题


  • 按题意

def peach(days=1):
    if days == 10:
        return 1
    return 2 * (peach(days+1) +1)
def peach(days=10):
    if days == 1:
        return 1
    return 2 * (peach(days-1) + 1)
  • 按循环

peach = 1
for i in range(9):
    peach = 2 * (peach + 1)
print(peach)
def fn(days=9, peach=1):
    peach = 2 * (peach + 1)
    if days == 1:
        return peach
    return fn(days-1, peach)
fn()
目录
相关文章
|
1月前
|
算法 前端开发 数据处理
小白学python-深入解析一位字符判定算法
小白学python-深入解析一位字符判定算法
48 0
|
1月前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
61 4
|
1月前
|
机器学习/深度学习 缓存 算法
Python算法设计中的时间复杂度与空间复杂度,你真的理解对了吗?
【10月更文挑战第4天】在Python编程中,算法的设计与优化至关重要,尤其在数据处理、科学计算及机器学习领域。本文探讨了评估算法性能的核心指标——时间复杂度和空间复杂度。通过详细解释两者的概念,并提供快速排序和字符串反转的示例代码,帮助读者深入理解这些概念。同时,文章还讨论了如何在实际应用中平衡时间和空间复杂度,以实现最优性能。
66 6
|
11天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
43 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
11天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
40 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
11天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
52 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
16天前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
32 2
|
1月前
|
存储 机器学习/深度学习 算法
蓝桥杯练习题(三):Python组之算法训练提高综合五十题
蓝桥杯Python编程练习题的集合,涵盖了从基础到提高的多个算法题目及其解答。
63 3
蓝桥杯练习题(三):Python组之算法训练提高综合五十题
|
25天前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
28 3
|
28天前
|
机器学习/深度学习 人工智能 算法
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
车辆车型识别,使用Python作为主要编程语言,通过收集多种车辆车型图像数据集,然后基于TensorFlow搭建卷积网络算法模型,并对数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django搭建web网页端操作界面,实现用户上传一张车辆图片识别其类型。
72 0
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
下一篇
无影云桌面