递归是函数调用自身的编程方法，需满足基线条件和递归条件。如阶乘函数通过n=0或1停止递归，否则调用factorial(n-1)。优点是代码简洁、逻辑清晰，适合树结构与分治问题；缺点是效率低、易触发RecursionError、内存占用高。可通过记忆化（如@lru_cache）或改写为迭代优化性能。掌握递归关键在于明确“问题缩小”和“终止条件”，编写时先确定基线再设计递推。
递归算法是指在函数定义中调用自身的一种编程方法。在 Python 中，递归常用于解决可以分解为相同问题但规模更小的子问题的情况，比如计算阶乘、斐波那契数列、遍历树结构等。
递归的基本原理
一个有效的递归函数必须满足两个条件：
- 基线条件（Base Case）：这是递归停止的条件，防止无限调用导致栈溢出。例如，计算阶乘时，0! = 1 就是基线条件。
- 递归条件（Recursive Case）：函数在此调用自身，但传入更小或更简单的参数，逐步逼近基线条件。
Python 中的递归示例
以计算阶乘为例：
def factorial(n):if n == 0 or n == 1:
return 1 # 基线条件
else:
return n * factorial(n - 1) # 递归调用
print(factorial(5)) # 输出: 120
这段代码中，factorial 函数不断调用自己，直到 n 缩小到 0 或 1，然后逐层返回结果。
立即学习“Python免费学习笔记（深入）”；
递归的优缺点
优点：
- 代码简洁，逻辑清晰，特别适合处理树形结构或分治问题。
- 能自然表达数学上的递推关系。
缺点：
- 效率较低，重复计算多（如朴素斐波那契递归）。
- 深度过大可能引发
RecursionError（超过最大递归深度）。 - 占用较多内存，因为每次调用都需保存调用上下文。
如何优化递归
可以通过以下方式改进递归性能：
- 使用 记忆化（Memoization） 避免重复计算，例如配合字典或
@lru_cache装饰器。 - 将递归改为迭代写法，提升效率和稳定性。
基本上就这些。掌握递归关键是理解“把大问题变小”和“何时停止”。写的时候先想清楚基线条件，再写递推逻辑，不容易出错。
