【python】爬楼梯—递归分析(超级详细)

简介: 【python】爬楼梯—递归分析(超级详细)

爬楼梯—递归分析

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。 每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢? 注意:给定 n 是一个正整数。

示例 1:

输入: 1

输出: 1

解释: 有一种方法可以爬到楼顶。

方法1:1 阶

示例 2:

输入: 2

输出: 2

解释: 有两种方法可以爬到楼顶。

方法1:1 阶 + 1 阶

方法2:2 阶


继续向后分析,我们会得到:

输入: 3

输出: 3

解释: 有三种方法可以爬到楼顶。

方法1:1 阶 + 1 阶 + 1 阶

方法2:1 阶 + 2 阶

方法3:2 阶 + zh1 阶

输入: 4

输出: 5

解释: 有5种方法可以爬到楼顶。

方法1:1 阶 + 1 阶 + 1 阶 + 1 阶

方法2:1 阶 + 1 阶 + 2 阶

方法3:1 阶 + 2 阶 + 1 阶

方法4:2 阶 + 1 阶 + 1 阶

方法5:2 阶 + 2 阶

输入: 5

输出: 8

解释: 有5种方法可以爬到楼顶。

方法1:1 阶 + 1 阶 + 1 阶 + 1 阶 + 1 阶

方法2:1 阶 + 1 阶 + 1 阶 + 2 阶

方法3:1 阶 + 1 阶 + 2 阶 + 1 阶

方法4:1 阶 + 2 阶 + 1 阶 + 1 阶

方法5:1 阶 + 2 阶 + 2 阶

方法6:2 阶 + 1 阶 + 1 阶 + 1 阶

方法7:2 阶 + 1 阶 + 2 阶

方法8:2 阶 + 2阶 + 1 阶

总结一下上述的内容:

当1层楼梯时,有1种方法,表示为:f(1) = 1

当2层楼梯时,有2种方法,表示为:f(2) = 2

当3层楼梯时,有3种方法,表示为:f(3) = f(2) + f(1) = 3

当4层楼梯时,有5种方法,表示为:f(4) = f(3) + f(2) = 5

当5层楼梯时,有8种方法,表示为:f(5) = f(4) + f(3) = 8

…(以此类推)

当n层楼梯时,有f(n)种方法,表示为:f(n) = f(n-1) + f(n-2) = ?

python代码如下:

def digui(n):
    if n == 1:
        return 1
    if n == 2:
        return 2
    return digui(n - 1) + digui(n - 2)
print(digui(5))

运行结果:

8

流程图思路分析:


相关文章
|
7月前
|
存储 分布式计算 大数据
基于Python大数据的的电商用户行为分析系统
本系统基于Django、Scrapy与Hadoop技术,构建电商用户行为分析平台。通过爬取与处理海量用户数据,实现行为追踪、偏好分析与个性化推荐,助力企业提升营销精准度与用户体验,推动电商智能化发展。
|
8月前
|
缓存 供应链 监控
1688item_search_factory - 按关键字搜索工厂数据接口深度分析及 Python 实现
item_search_factory接口专为B2B电商供应链优化设计,支持通过关键词精准检索工厂信息,涵盖资质、产能、地理位置等核心数据,助力企业高效开发货源、分析产业集群与评估供应商。
|
8月前
|
缓存 监控 算法
item_get - Lazada 商品详情详情接口深度分析及 Python 实现
Lazada商品详情接口item_get可获取商品全维度数据,包括价格、库存、SKU、促销及卖家信息,支持东南亚六国站点,适用于竞品监控、定价策略与市场分析,助力跨境卖家精准决策。
|
8月前
|
JSON 监控 数据格式
1688 item_search_app 关键字搜索商品接口深度分析及 Python 实现
1688开放平台item_search_app接口专为移动端优化,支持关键词搜索、多维度筛选与排序,可获取商品详情及供应商信息,适用于货源采集、价格监控与竞品分析,助力采购决策。
|
8月前
|
缓存 供应链 监控
VVIC seller_search 排行榜搜索接口深度分析及 Python 实现
VVIC搜款网seller_search接口提供服装批发市场的商品及商家排行榜数据,涵盖热销榜、销量排名、类目趋势等,支持多维度筛选与数据分析,助力选品决策、竞品分析与市场预测,为服装供应链提供有力数据支撑。
|
8月前
|
缓存 监控 算法
唯品会item_search - 按关键字搜索 VIP 商品接口深度分析及 Python 实现
唯品会item_search接口支持通过关键词、分类、价格等条件检索商品,广泛应用于电商数据分析、竞品监控与市场调研。结合Python可实现搜索、分析、可视化及数据导出,助力精准决策。
|
7月前
|
机器学习/深度学习 大数据 关系型数据库
基于python大数据的台风灾害分析及预测系统
针对台风灾害预警滞后、精度不足等问题,本研究基于Python与大数据技术,构建多源数据融合的台风预测系统。利用机器学习提升路径与强度预测准确率,结合Django框架实现动态可视化与实时预警,为防灾决策提供科学支持,显著提高应急响应效率,具有重要社会经济价值。
|
7月前
|
机器学习/深度学习 大数据 关系型数据库
基于python大数据的青少年网络使用情况分析及预测系统
本研究基于Python大数据技术,构建青少年网络行为分析系统,旨在破解现有防沉迷模式下用户画像模糊、预警滞后等难题。通过整合多平台亿级数据,运用机器学习实现精准行为预测与实时干预,推动数字治理向“数据驱动”转型,为家庭、学校及政府提供科学决策支持,助力青少年健康上网。

推荐镜像

更多