# 递归

递归是什么？
举个例子：

	def demo(n:int):
	count = 1
	if n ==100:
	return count
	else:
	return count + demo(n+1)

	print(demo(2)) # 输出 99

约等于循环 99 次 + 1
在函数中调用函数本身就是递归

递归必须要准备一个退出分支，例如本段的 if n==100: 就是退出分支

如果没有退出分支：

	def demo(n:int):
	count = 1
	return count + demo(n+1)
	# RecursionError: maximum recursion depth exceeded

python 有最大递归深度，一般为 1000 层，部分解释器由于配置可能会有 ±10 层的区别
假如这个函数在正常情况的递归深度超过了 1000 层，可以使用下面的代码调整最大深度

	import sys
	sys.setrecursionlimit(10000) # 层数

然后你就会发现：代码执行不完就会报错 进程已结束,退出代码-1073741571 (0xC00000FD)
这是因为栈溢出了，建议减少递归层数或进行尾递归优化

生成器在后面会讲到

# 匿名表达式和函数变量

# 匿名表达式

	a = lambda n: n * 10
	print(a(10))

这种写法 PEP 并不建议，它会建议使用 def 来实现效果，但部分情况下这样会徒增行数
并不会增加可读性

匿名表达式格式： lambda 输入:输出
建议将 lambda 用于简易函数，大型函数使用 def

# 警卫

在 lambda 后可以使用 if...else (警卫) 来实现分支结构
例子：

	f = lambda a: a10 if a%2 == 0 else a5
	print(f(10))
	print(f(5))

警卫的格式： 返回值 if 条件 else 返回值(可以再套一个if)
可用于 return 等返回值的关键字后

套的层多了可读性很差

# 函数变量

	def demo():
	print("hello")

	func = demo
	func()

变量名 = 方法 即为函数变量格式

方法后不带括号，不然就是把返回值作为赋值对象

直接用 变量名() 就可以调用方法

# 推导式

	f = [x for x in range(10)]
	print(f) # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

推导式格式： 表达式 for 变量 in 可迭代数据
警卫同样适用于表达式，如下：

	f = [x*2 if x%2 == 0 else x for x in range(10)]
	print(f)

# 迭代器和生成器

# 迭代器

	list1 = [1,2,3,4,5]
	iter1 = iter(list1) # 或 list1.__iter__()
	print(iter1.__next__()) # 或 next (iter1)

对可迭代对象执行 iter() 操作，就可以得到一个迭代器
对迭代器执行 next() 方法，就会让指针前进一项并返回
在指针超出范围后，会返回 StopIteration 错误
一个示意图
迭代器非常省内存，比如一个有一千万个整数的列表，使用列表会占用 100MB 左右，而迭代器只有 50B 左右
因为迭代器是惰性的，执行前不会访问
可以使用 for 循环来快速访问迭代器：

	l = [1,2,3,4,5]
	i = iter(l)
	for j in i:
	print(j)

# 生成器

# 生成器函数

	def fibonacci(num: int):
	a, b = 1, 1
	for i in range(num - 1):
	a, b = b, a + b
	yield a

这是一个生成斐波那契数列的函数，尝试直接 print 它：

print(fibonacci(10))

返回： <generator object fibonacci at 0x0000022C97099B60>
实际上这个函数已经变成了生成器，可以使用 for 或 next 来获取返回值
生成器的语法：

	def 函数名(参数):
	语句
	yield 返回值
	语句

与 return 不同，函数遇到 yield 后不会退出，在返回值后继续执行下面的代码
所以可以有多个 yield, 返回值格式如下：

值 1 值 2 值 3 值 1 值 2 值 3...

python