Python递归的基础

一尘不染

Python递归的基础

python

“编写一个递归函数“ listSum”，该函数接受一个整数列表并返回列表中所有整数的和。”

例：

>>>> listSum([1,3,4,5,6])
19

我知道如何以其他方式执行此操作，但不是以递归方式执行。

def listSum(ls):
    i = 0
    s = 0
    while i < len(ls):
        s = s + ls[i]
        i = i + 1
    print s

我需要执行此操作的基本方法，因为不允许使用特殊的内置函数。

阅读 422

2020-02-22

共1个答案

一尘不染

每当遇到这样的问题时，请尝试使用相同的函数表示该函数的结果。

在你的情况下，你可以通过将第一个数字与在列表中其余元素上调用同一函数的结果相加来获得结果。

例如，

listSum([1, 3, 4, 5, 6]) = 1 + listSum([3, 4, 5, 6])
                         = 1 + (3 + listSum([4, 5, 6]))
                         = 1 + (3 + (4 + listSum([5, 6])))
                         = 1 + (3 + (4 + (5 + listSum([6]))))
                         = 1 + (3 + (4 + (5 + (6 + listSum([])))))

现在，结果应该是什么listSum([])？它应该为0。这称为递归的基本条件。当满足基本条件时，递归将结束。现在，让我们尝试实现它。

这里最主要的是拆分列表。你可以使用切片来做到这一点。

简单版

>>> def listSum(ls):
...     # Base condition
...     if not ls:
...         return 0
...
...     # First element + result of calling `listsum` with rest of the elements
...     return ls[0] + listSum(ls[1:])
>>> 
>>> listSum([1, 3, 4, 5, 6])
19

尾调用递归

了解了上述递归的工作原理后，你可以尝试使其变得更好一点。现在，要找到实际结果，我们还取决于上一个函数的值。该每当遇到这样的问题时，请尝试使用相同的函数表示该函数的结果。

在你的情况下，你可以通过将第一个数字与在列表中其余元素上调用同一函数的结果相加来获得结果。

例如，

listSum([1, 3, 4, 5, 6]) = 1 + listSum([3, 4, 5, 6])
                         = 1 + (3 + listSum([4, 5, 6]))
                         = 1 + (3 + (4 + listSum([5, 6])))
                         = 1 + (3 + (4 + (5 + listSum([6]))))
                         = 1 + (3 + (4 + (5 + (6 + listSum([])))))

现在，结果应该是什么listSum([])？它应该为0。这称为递归的基本条件。当满足基本条件时，递归将结束。现在，让我们尝试实现它。

这里最主要的是拆分列表。你可以使用切片来做到这一点。

简单版

>>> def listSum(ls):
...     # Base condition
...     if not ls:
...         return 0
...
...     # First element + result of calling `listsum` with rest of the elements
...     return ls[0] + listSum(ls[1:])
>>> 
>>> listSum([1, 3, 4, 5, 6])
19

尾调用递归

了解了上述递归的工作原理后，你可以尝试使其变得更好一点。现在，要找到实际结果，我们还取决于上一个函数的值。该return语句无法立即返回值，直到递归调用返回结果为止。我们可以通过将电流传递给function参数来避免这种情况，例如

>>> def listSum(ls, result):
...     if not ls:
...         return result
...     return listSum(ls[1:], result + ls[0])
... 
>>> listSum([1, 3, 4, 5, 6], 0)
19

在这里，我们传递参数中和的初始值，即in中的零listSum([1, 3, 4, 5, 6], 0)。然后，当满足基本条件时，我们实际上是在result参数中累加和，因此我们将其返回。现在，最后一条return语句具有listSum(ls[1:], result + ls[0])，我们将第一个元素添加到当前元素中，result然后将其再次传递给递归调用。

这可能是了解Tail Call的好时机。它与Python无关，因为它不执行尾调用优化。

传递索引版本

现在，你可能认为我们正在创建许多中间列表。我可以避免吗？

当然可以。你只需要接下来要处理的项目的索引。但是现在，基本条件将有所不同。既然我们要传递索引，我们将如何确定整个列表的处理方式？好吧，如果索引等于列表的长度，那么我们已经处理了列表中的所有元素。

>>> def listSum(ls, index, result):
...     # Base condition
...     if index == len(ls):
...         return result
...
...     # Call with next index and add the current element to result
...     return listSum(ls, index + 1, result + ls[index])
... 
>>> listSum([1, 3, 4, 5, 6], 0, 0)
19

内部功能版本

如果现在看一下函数定义，你将向它传递三个参数。假设你将以API形式发布此函数。当用户实际找到列表的总和时，传递三个值是否方便？

不。我们对于它可以做些什么呢？我们可以创建另一个函数，它是实际listSum函数的本地函数，并且可以将所有与实现相关的参数传递给它，如下所示

>>> def listSum(ls):
...
...     def recursion(index, result):
...         if index == len(ls):
...             return result
...         return recursion(index + 1, result + ls[index])
...
...     return recursion(0, 0)
... 
>>> listSum([1, 3, 4, 5, 6])
19

现在，当listSum调用时，它仅返回recursion内部函数的返回值，该函数接受index和result参数。现在，我们仅传递这些值，而不传递的用户listSum。他们只需要传递要处理的列表即可。

在这种情况下，如果你观察参数，则不会传递ls给参数，recursion而是在其中使用它。由于闭包属性，ls可以在内部访问recursion。

默认参数版本

现在，如果要保持简单，而无需创建内部函数，则可以使用默认参数，如下所示

>>> def listSum(ls, index=0, result=0):
...     # Base condition
...     if index == len(ls):
...         return result
...
...     # Call with next index and add the current element to result
...     return listSum(ls, index + 1, result + ls[index])
... 
>>> listSum([1, 3, 4, 5, 6])
19

现在，如果调用者未明确传递任何值，0则将同时分配给index和result。

递归功率问题

现在，让我们将这些想法应用于另一个问题。例如，让我们尝试实现该power(base, exponent)功能。它将把base筹集的价值返还给权力exponent。

power(2, 5) = 32
power(5, 2) = 25
power(3, 4) = 81

现在，我们如何递归执行此操作？让我们尝试了解如何实现这些结果。

power(2, 5) = 2 * 2 * 2 * 2 * 2 = 32
power(5, 2) = 5 * 5             = 25
power(3, 4) = 3 * 3 * 3 * 3     = 81

嗯，所以我们明白了。该base相乘本身，exponent时间给出结果。好的，我们该如何处理。让我们尝试定义具有相同功能的解决方案。

power(2, 5) = 2 * power(2, 4)
            = 2 * (2 * power(2, 3))
            = 2 * (2 * (2 * power(2, 2)))
            = 2 * (2 * (2 * (2 * power(2, 1))))

如果任何东西加幂到1会得到什么结果？结果将是相同的数字，对不对？我们获得了递归的基本条件：

            = 2 * (2 * (2 * (2 * 2)))
            = 2 * (2 * (2 * 4))
            = 2 * (2 * 8)
            = 2 * 16
            = 32

好吧，让我们实现它。

>>> def power(base, exponent):
...     # Base condition, if `exponent` is lesser than or equal to 1, return `base`
...     if exponent <= 1:
...         return base
...
...     return base * power(base, exponent - 1)
... 
>>> power(2, 5)
32
>>> power(5, 2)
25
>>> power(3, 4)
81

好的，将如何定义Tail调用的优化版本？让我们将当前结果作为参数传递给函数本身，并在满足基本条件时返回结果。让我们保持简单，直接使用默认参数方法。

>>> def power(base, exponent, result=1):
...     # Since we start with `1`, base condition would be exponent reaching 0
...     if exponent <= 0:
...         return result
...
...     return power(base, exponent - 1, result * base)
... 
>>> power(2, 5)
32
>>> power(5, 2)
25
>>> power(3, 4)
81

现在，我们减少exponent每个递归调用中的值并将其乘以result，base然后将其传递给递归power调用。我们从值开始1，因为我们正相反地处理问题。递归将像这样发生

power(2, 5, 1) = power(2, 4, 1 * 2)
               = power(2, 4, 2)
               = power(2, 3, 2 * 2)
               = power(2, 3, 4)
               = power(2, 2, 4 * 2)
               = power(2, 2, 8)
               = power(2, 1, 8 * 2)
               = power(2, 1, 16)
               = power(2, 0, 16 * 2)
               = power(2, 0, 32)

由于exponent变为零，所以满足了基本条件，并且result将返回，所以我们得到32语句无法立即返回值，直到递归调用返回结果为止。我们可以通过将电流传递给function参数来避免这种情况，例如

>>> def listSum(ls, result):
...     if not ls:
...         return result
...     return listSum(ls[1:], result + ls[0])
... 
>>> listSum([1, 3, 4, 5, 6], 0)
19