Python递归
之前做算法题的时候，学习过这种思想，探讨一下尾递归
def fact(n):
if n==1:
return 1
return n * fact(n - 1)
print(fact(5))
这个例子实现阶乘，具体逻辑如下
>>> fact(5)
>>> 5*fact(4)
>>> 5*(4*fact(3))
>>> 5*(4*(3*fact(2)))
>>> 5*(4*(3*(2*fact(1)))
>>> 5*(4*(3*(2*(1)))
>>> 5*(4*(3*2))
>>> 5*(4*6)
>>> 5*24
>>> 120
这个递归过程的本质在于每一次调用都会等待其下一个调用完成，并利用返回的结果进行后续计算。这就是递归的强大之处，但也正是由于这种等待，递归深度过大会导致栈溢出。
（Stack Overflow）
尾递归
尾递归（Tail Recursion）是一种特殊的递归形式，它的特点是在递归调用时没有额外的计算或操作。在尾递归中，递归调用是该函数的最后一步，且递归的返回值直接返回给上一级调用。由于这一特点，尾递归可以被编译器或解释器优化，从而减少函数调用栈的占用，避免递归深度过大导致的栈溢出。
def factorial_tail(n, acc=1):
if n == 0:
return acc
return factorial_tail(n - 1, acc * n)
print(factorial_tail(5)) # 120
在支持尾递归优化的语言中，尾递归可以将递归调用转换成循环，从而在执行时不会增长调用栈。
>>> factorial_tail(5, 1)
>>> factorial_tail(4, 5)
>>> factorial_tail(3, 20)
>>> factorial_tail(2, 60)
>>> factorial_tail(1, 120)
>>> 120
但在 Python 中，由于没有原生的尾递归优化支持，调用栈会随着递归层数的增加而增长，因此在 Python 中使用尾递归并不会节省内存。
所以说次数增多同样存在栈溢出问题
Python偏函数
偏函数（partial function）是指通过固定一个或多个参数的值，生成一个新的函数。偏函数使得我们可以通过减少函数的参数数量，得到一个更简单、更具体化的函数
**基本用法：(**functools)
from functools import partial
# 原函数
def power(base, exponent):
return base ** exponent
# 创建偏函数，固定 exponent=2
square = partial(power, exponent=2)
# 使用偏函数
print(square(5)) # 输出：25
从这个小例子中我们可以发现：偏函数能帮助代码更简洁、可读性更高
几个例子
-
简化I/O操作
from functools import partial # 创建一个偏函数，将文件以只读模式打开 open_read = partial(open, mode='r') # 现在我们只需传递文件名即可 with open_read('example.txt') as f: print(f.read()) -
int2函数
print(int(10)) res = int(10,base=8) print(res) //Error需要注意一点：
int()函数在接收两个参数时，第一个参数必须是字符串。正确的用法是将第一个参数写为字符串形式的数字from functools import partial #创建一个偏函数 int2 = partial(int, base=2) def int_to_base(x, base): return int(x, base) #把下面两种形式进行比较 print(int2('1000000')) print(int_to_base('1000000', 2)) # 64从这个小例子中我们可以发现：偏函数能帮助代码更简洁、可读性更高
