遞歸函數
在函數內部,可以調用其他函數。如果一個函數在內部調用自身本身,這個函數就是遞歸函數。
函數實現過程
def calc(n): v = int(n//2) print(v) if v > 0: calc(v) print(n) calc(10)
輸出結果
5
2
1
0
1
2
5
10
為什么是這個結果
遞歸特性:
- 必須有一個明確的結束條件
- 每次進入更深一層遞歸時,問題規模相比上次遞歸都應有所減少
- 一般通過return結束遞歸
- 遞歸效率不高,遞歸層次過多會導致棧溢出(在計算機中,函數調用是通過棧(stack)這種數據結構實現的,每當進入一個函數調用,棧就會加一層棧幀,每當函數返回,棧就會減一層棧幀。由於棧的大小不是無限的,所以,遞歸調用的次數過多,會導致棧溢出)
- 堆棧掃盲http://www.cnblogs.com/lln7777/archive/2012/03/14/2396164.html
遞歸深度
python默認對最大遞歸層數做了一個限制:997,但是也可以自己限制
import sys sys.setrecursionlimit(10000)#修改遞歸層數 n=0 def f(): global n n+=1 print(n) f() f()
遞歸應用
1.下面我們來猜一下小明的年齡
小明是新來的同學,麗麗問他多少歲了。
他說:我不告訴你,但是我比滔滔大兩歲。
滔滔說:我也不告訴你,我比曉曉大兩歲
曉曉說:我也不告訴你,我比小星大兩歲
小星也沒有告訴他說:我比小華大兩歲
最后小華說,我告訴你,我今年18歲了
這個怎么辦呢?當然,有人會說,這個很簡單啊,知道小華的,就會知道小星的,知道小星的就會知道曉曉的,以此類推,就會知道小明的年齡啦。這個過程已經非常接近遞歸的思想了。
用遞歸實現
""" age(5) = age(4)+2 age(4) = age(3) + 2 age(3) = age(2) + 2 age(2) = age(1) + 2 age(1) = 18 """ def calc_age(n): if n == 1: return 18 else: return calc_age(n-1)+2 print(calc_age(5)) # 26
2.一個數,除2直到不能整除2
n = 100 def cal(n): if n == 0: return else: n = int(n // 2) print(n) cal(n) print("退出=", n) cal(100)
3.一個數,除2直到次數等於5退出
def calc(n,count): print(n, count) if count < 5: r = calc(n / 2, count + 1) return r # 里層返回為上層,此處不加return 返回None else: return n # 最里層返回 res = calc(188, 1) print('res ', res)
遞歸調用過程
4.深度查詢
menus = [ { 'text': '北京', 'children': [ {'text': '朝陽', 'children': []}, {'text': '昌平', 'children': [ {'text': '沙河', 'children': []}, {'text': '回龍觀', 'children': []}, ]}, ] }, { 'text': '上海', 'children': [ {'text': '寶山', 'children': []}, {'text': '金山', 'children': []}, ] } ] # 深度查詢 #1. 打印所有的節點 #2. 輸入一個節點名字,沙河, 你要遍歷找,找到了,就打印它,並返回true,
實現
# 打印所有的節點 def recu_Menu(menu): for sub_menu in menu: menu_text = sub_menu['text'] menu_children = sub_menu['children'] print(menu_text) recu_Menu(menu_children) recu_Menu(menus) # 打印所有的節點,輸入一個節點名字,沙河, 你要遍歷找,找到了,就打印它,並返回true, def recu_Menu_node(menu, node, layer): # if len(menu)>0: for sub_menu in menu: menu_text = sub_menu['text'] menu_children = sub_menu['children'] print("menu_text=", menu_text) if node == menu_text: print("找到%s在第%s層" % (node, layer)) #返回到外層 return True else: if recu_Menu_node(menu_children, node, layer + 1) == True: #如果里層返回True,繼續向上返回True return True else: recu_Menu_node(menu_children, node, layer + 1) node_str = input("輸入一個節點名字-> ") print(recu_Menu_node(menus, node_str, 1))
-》回龍觀
找到回龍觀在第3層
True
5.猴子吃桃問題
# 題目:猴子吃桃問題:猴子第一天摘下若干個桃子,當即吃了一半,還不癮,又多吃了一個 # 第二天早上又將剩下的桃子吃掉一半,又多吃了一個。 # 以后每天早上都吃了前一天剩下的一半零一個。 # 到第10天早上想再吃時,見只剩下一個桃子了。求第一天共摘了多少。 """ 下一天等於是前一天吃了一半還多一個剩下的。 所以f(n) = 2 * f(n - 1) + 2 """ def peach(n): if n == 1: return 1 else: return 2 * peach(n-1) + 2 print(peach(10)) # 1534
6.二分查找算法
從[1, 3, 6, 7, 9, 12, 14, 16, 17, 18, 20, 21, 22, 23, 30, 32, 33, 35]序列中找到30的位置
代碼實現
data = [1, 3, 6, 7, 9, 12, 14, 16, 17, 18, 20, 21, 22, 23, 30, 32, 33, 35] print('start to find') # 遞歸二分查找 def binary_search(dataset, start, end, val): mid = int((start + end)/ 2) # 取中間數 # print(dataset, mid, start, end) if start <= end: if dataset[mid] == val: # 判斷中間值和要找的那個值的大小關系 print("find val", dataset[mid]) return mid elif dataset[mid] > val: print('mid %s is bigger than %s, keep looking in left %s' % (dataset[mid], val, mid)) return binary_search(dataset, start, mid-1, val) else: # dataset[mid] < val: print('mid %s is smaller than %s, keep looking in right %s' % (dataset[mid], val, mid)) return binary_search(dataset, mid+1, end, val) else: # if dataset[start] == val: # print('finally find val:', dataset[start]) # return start # else: print("data %s doesn't exist in dataset " % val) return -1 print('start to find') print(binary_search(data,0,len(data)-1, 30))
輸出結果
start to find mid 17 is smaller than 30, keep looking in right 8 mid 23 is smaller than 30, keep looking in right 13 mid 32 is bigger than 30, keep looking in left 15 find val 30 mid =14 #返回位置為14
另一種實現
data = [1, 3, 6, 7, 9, 12, 14, 16, 17, 18, 20, 21, 22, 23, 30, 32, 33, 35] print('start to find') def binary_search(dataset, val): mid = int(len(dataset)/ 2) # 取中間數 print(dataset) if mid > 0: if dataset[mid] == val: # 判斷中間值和要找的那個值的大小關系 print("find n", dataset[mid]) elif dataset[mid] > val: new_dataset = dataset[:mid] # 顧頭不顧尾 print('mid %s is bigger than %s, keep looking in left %s' % (dataset[mid], val, mid)) binary_search(new_dataset, val) else: # dataset[mid] < val: new_dataset = dataset[mid:] # 顧頭不顧尾 print('mid %s is smaller than %s, keep looking in right %s' % (dataset[mid], val, mid)) binary_search(new_dataset, val) else: if dataset[0] == val: print('finally find val:', dataset[0]) else: print("data %s doesn't exist in dataset " % val) binary_search(data,30)