数据结构与算法Python版 递归与可视化

一、递归

递归Recursion是一种解决问题的方法

• 将问题分解为规模更小的相同问题，持续分解，直到问题规模小到可以用非常简单直接的方式来解决。
• 递归的问题分解方式非常独特，其算法方面的明显特征就是：在算法流程中调用自身。
• 递归为我们提供了一种对复杂问题的优雅解决方案，精妙的递归算法常会出奇简单。

重要：递归“三定律”

• 递归算法必须有一个基本结束条件（最小规模问题的直接解决）
• 递归算法必须能改变状态向基本结束条件演进（减小问题规模）
• 递归算法必须调用自身（解决减小了规模的相同问题）

示例：使用递归对数列进行求和

• 数列的和=“首个数”+“余下数列”的和
• 如果数列包含的数少到只有1个的话，它的和就是这个数了。这是规模小到可以做最简单的处理
  • 问题分解为更小规模的相同问题，并表现为“调用自身”
  • 对“最小规模”问题的解决：简单直接
    

def list_sum(num_list):
    if len(num_list) == 1:  # 基本结束条件
        return num_list[0]
    else:
        # 减少规模，向长度为1的状态演进，并调用自身
        return num_list[0] + list_sum(num_list[1:])  


list1 = [1, 3, 5, 7, 9]
print(list_sum(list1))


### 输出结果
25

二、递归实现分析

当一个函数被调用的时候，系统会把调用时的现场数据压入到系统调用栈

• 每次调用，压入栈的现场数据称为栈帧
• 当函数返回时，要从调用栈的栈顶取得返回地址，恢复现场，弹出栈帧，按地址返回。
  

Python中的递归深度限制

• Python中的递归深度限制，默认最大递归深度为1000。超过最大递归深度会出现RecursionError错误。
• 这时候要检查程序中是否忘记设置基本结束条件，导致无限递归。

import sys

print(sys.getrecursionlimit())
sys.setrecursionlimit(2000)
print(sys.getrecursionlimit())


### 输出结果
1000
2000

三、递归可视化-分形树

Python内置turtle海龟绘图模块模拟海龟在沙滩上爬行而留下的足迹

示例：画正方形

import turtle

t = turtle.Turtle()
for i in range(4):
    t.forward(100)
    t.right(90)
turtle.done()

示例：画五角星

import turtle

t = turtle.Turtle()
t.pencolor("red")
t.pensize(3)
for i in range(5):
    t.forward(200)
    t.right(144)
turtle.done()

示例：递归画螺旋

from turtle import Turtle
import turtle

t = turtle.Turtle()

def draw_spiral(t: Turtle, line):
    if line > 0:
        t.forward(line)
        t.right(90)
        draw_spiral(t, line - 5)


draw_spiral(t, 100)
turtle.done()

分形树：自相似递归图形

• 分形Fractal，是1975年由Mandelbrot开创的新学科。“一个粗糙或零碎的几何形状，可以分成数个部分，且每一部分都（至少近似地）是整体缩小后的形状”，即具有自相似的性质。
• 分形是在不同尺度上都具有相似性的事物。我们能看出一棵树的每个分叉和每条树枝，实际上都具有整棵树的外形特征（也是逐步分叉的）
• 我们可以把树分解为三个部分：树干、左边的小树、右边的小树。分解后，正好符合递归的定义：对自身的调用
  

from turtle import Turtle
import turtle

t = turtle.Turtle()
t.left(90)
t.pencolor("green")

def draw_tree(t: Turtle, line):
    if line > 0:  # 递归结束条件
        t.forward(line)  # 画树干
        t.right(30)  # 右倾30度
        draw_tree(t, line - 15)  # 递归调用，画右边小树
        t.left(60)  # 向左回60度，即左倾30度
        draw_tree(t, line - 15)  # 递归调用，画左边小树
        t.right(30)  # 向右回30度，即回正
        t.backward(line)  # 退回原位置

draw_tree(t, 100)
turtle.done()

四、递归可视化-谢尔宾斯基三角形

谢尔宾斯基Sierpinski三角形

• 分形构造，平面称谢尔宾斯基三角形，立体称谢尔宾斯基金字塔
• 真正的谢尔宾斯基三角形是完全不可见的，其面积为0，但周长无穷，是介于一维和二维之间的分数维（约1.585维）构造
• 根据自相似特性，谢尔宾斯基三角形是由3个尺寸减半的谢尔宾斯基三角形按照品字形拼叠而成

算法分析

• 在degree有限的情况下，degree=n的三角形，是由3个degree=n-1的三角形按照品字形拼叠而成
• 同时，这3个degree=n-1的三角形边长均为degree=n的三角形的一半（规模减小）
• 当degree=0，则就是一个等边三角形，这是递归基本结束条件
  

import turtle


def draw_triangle(t: turtle.Turtle, points: dict, color: str):
    # 绘制等边三角形
    t.fillcolor(color)
    t.penup()
    t.goto(points["top"])
    t.pendown()
    t.begin_fill()
    t.goto(points["left"])
    t.goto(points["right"])
    t.goto(points["top"])
    t.end_fill()


def get_mid(p1, p2):
    # 取两点的中点
    return (p1[0] + p2[0]) / 2, (p1[1] + p2[1]) / 2


def draw_sierpinski(degree, points):
    # 递归画谢尔宾斯基三角形
    color = "black" if degree % 2 != 0 else "white"
    draw_triangle(t, points, color)
    if degree > 0:  # 最小规模，0直接退出
        # 左三角形
        draw_sierpinski(
            degree - 1,
            {
                "left": points["left"],
                "top": get_mid(points["left"], points["top"]),
                "right": get_mid(points["left"], points["right"]),
            },
        )
        # 上三角形
        draw_sierpinski(
            degree - 1,
            {
                "left": get_mid(points["left"], points["top"]),
                "top": points["top"],
                "right": get_mid(points["top"], points["right"]),
            },
        )
        # 右三角形
        draw_sierpinski(
            degree - 1,
            {
                "left": get_mid(points["left"], points["right"]),
                "top": get_mid(points["right"], points["top"]),
                "right": points["right"],
            },
        )


t = turtle.Turtle()
points = {"top": (0, 200), "left": (-200, -100), "right": (200, -100)}
draw_sierpinski(degree=3, points=points)
turtle.done()

当degree为3时的三角形

您正在阅读的是《数据结构与算法Python版》专栏！关注不迷路~