day14（1）--递归、匿名函数、内置函数

一、递归

1. 　　定义：本质上是回溯和递推
   1. 回溯：询问答案的过程
   2. 递推：推出答案的过程
2. 前提：
   1. 回溯到一个有结果的值开始递推
   2. 回溯与递推的条件要有规律
3. 方式：
   1. 直接递归：自己调用自己
   2. 间接递归：通过别人来调用自己
4. 栈溢出问题：
   1. 递归函数的优点是定义简单，逻辑清晰。理论上，所有的递归函数都可以写成循环的方式，但循环的逻辑不如递归清晰。
   2. 使用递归函数需要注意防止栈溢出。在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出。

   3. RuntimeError: maximum recursion depth exceeded in comparison 栈溢出报错

   4. 解决递归调用栈溢出的方法是通过尾递归优化，事实上尾递归和循环的效果是一样的，所以，把循环看成是一种特殊的尾递归函数也是可以的。

      尾递归是指，在函数返回的时候，调用自身本身，并且，return语句不能包含表达式。这样，编译器或者解释器就可以把尾递归做优化，使递归本身无论调用多少次，都只占用一个栈帧，不会出现栈溢出的情况。

5. 总结：

   1. 使用递归函数的优点是逻辑简单清晰，缺点是过深的调用会导致栈溢出。

   2. 针对尾递归优化的语言可以通过尾递归防止栈溢出。尾递归事实上和循环是等价的，没有循环语句的编程语言只能通过尾递归实现循环。

   3. Python标准的解释器没有针对尾递归做优化，任何递归函数都存在栈溢出的问题

# -*- coding: utf-8 -*-
# 完成阶乘计算 n！ = 1*2*3.....*(n-1)*n=n*(n-1)!
def fact(n):
    if n==1:
        return 1
    return fact(n-1)*n

print(fact(5))

# 斐波那契

def fib(a, b, stop):
    if a > stop:
        return
    print(a, end=' ')
    fib(b, a + b, stop)

fib(0, 1, 10)  # 0 1 1 2 3 5 8

# 什么是递归，完成询问年龄的递归，第一个⼈年纪10岁，后一个⼈是前一个⼈年纪的3倍，依次类推，求第三个⼈年纪
def fn(n):
    age = 10
    if n == 1:
        return age
    age = fn(n - 1) * 3
    return age

print(fn(3))  # 90 

def fn(n, age):
    if n == 1:
        return age
    age = fn(n - 1, age) * 3
    return age

print(fn(3, 10))  # 90 

二、匿名函数（lambda）：当我们在传入函数时，有时候不需要显式的定义函数，直接传入匿名函数更为方便

1. 语法：lambda 参数：表达式

　　　　　　关键字 lambda 表示 匿名函数， 冒号（：）前的x表示函数参数，匿名函数有个限制，就是只有一个表达式，不用写return，返回值就是该表达式结果。

　　　　　　匿名函数优点：没有名字，因此不必担心名字冲突问题，另外，匿名函数也是个函数对象，也可以把匿名函数赋值给一个变量，在利用变量来调用函数（一般不这么操作，这样会失

　　　　　　去匿名函数本身的意义），也可以把匿名函数作为函数返回值使用。

# 匿名函数本质就是一个没有函数名没有函数体只有一个返回值（可以还返回一个值，或是列表字典等）的函数语法糖形式
# 一般结合内置函数使用，作为回调函数来使用
# 关键字：lambda |参数列表省略（）
# 定义语法：
#     lambda 参数列表:一个返回值表达式
f = lambda x, y: x + y  # 如果用变量接受，则相当于有名函数，一次一般不这么用

# 应用场景：（一般不用一个变量名去接受）
# 1.匿名函数函数地址可以被一个变量接受，该函数可以作为函数名来使用，但违背初中
# 2.结合内置函数使用  : 内置函数某些参数需要一个函数地址
#                    可以赋值一个有名函数名，也可以直接赋值匿名函数

def fn(arg):
    print(arg)
    return arg

ls = [100, 200, 30, 40]
res = max(ls)

res2 = max(ls, key=fn)
print('_____________________________________________')
print(res)
print('****************************************************')
res1 = max(ls, key=lambda ele: ele)
print(res1)

三 、内置函数

# 内置函数

iterable = [1, 2, 3, 4, 5, 65, 4]
res = max(iterable, key=lambda x: x)  # 参数：可迭代对象遍历的元素，但绘制：作比较的值
print(res)

iterable = {
    'Bob': 12000,
    'Tom': 37000,
    'Jerry': 7600,
    'Zero': 1200,
}

res = max(iterable, key=lambda x: x)
print(res)
res = max(iterable, key=lambda x: iterable[x])
print(res)

print('&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&')

iterable = {
    'Bob': {'no': 120, 'money': 120500},
    'Tom': {'no': 130, 'money': 120040},
    'Jerry': {'no': 10, 'money': 1200230},
    'Zero': {'no': 1120, 'money': 120100}
}
res = max(iterable, key=lambda k: iterable[k]['no'])
print(res)
res = max(iterable, key=lambda x: iterable[x]['money'])
print(res)

print('&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&')

iterable = {
    'Bob': [121, 120500],
    'Tom': [20, 1205120],
    'Jerry': [10, 120510],
    'Zero': [120, 1220500],
}
# sorted 方法排序
res = sorted(iterable, key=lambda x: iterable[x][0])  # 按员工号排序
print(res)
res = sorted(iterable, key=lambda x: iterable[x][1])  # 按员工号排序
print(res)

# map ：映射
res = map(lambda x: x + 10, [1200, 3600, 4000, 2300])
print(list(res))

# reduce： 合并
from functools import reduce

res = reduce(lambda f, n: f * n, [1, 2, 3, 4, 5])  # 阶乘5！
print(res)  #
'''
# 重点：
# 反射
# getattr()
# setattr()
# delattr()
# classmethod()
# staticmethod()
# super()

# 名称空间《==》可执行字符串
# exec()
# enumerate()
# isinstance()
# len()
# max()
# min()
# object()
# open()
# range()
# abs() 求绝对值
'''
print(abs(-10))  #
# all() 全真才真，可迭代元素所有元素全我真才真
print(all([1, 2, 3]))  # True
print(all([1, 2, None]))  # False
print(all([1, '', None]))  # False
print(any([0, 1, None]))  # True  any元素有真则真

# bin()求二进制 oct()8进制

# eval（可以理解为将字符串去除 ，形成可执行对象