Question

我的标题可能不是很直接，但基本上，我想将以下使用for循环编写的代码更改为递归函数。

import numpy as np
irrel_pos = range(3, 11)
n_extra_pos = [2, 3]
extra_pos = []
rs = np.random.RandomState(1)
for i in range(len(n_extra_pos)):
    sample_i = rs.choice(list(irrel_pos), n_extra_pos[i], replace=False)
    extra_pos.append(set(sample_i))
    irrel_pos = set(irrel_pos) - set(extra_pos[i])

print(irrel_pos)
print(extra_pos)

输出：

{8, 9, 3}
[{10, 5}, {4, 6, 7}]

以下是第一个循环中来自irrel_pos的两个样本项和第二个循环中的三个项的代码，但是在进入第二个循环之前需要删除第一个循环中采样的项。

我试图理解这个问题的功能方法，我该如何将其转换为递归函数？

Answer 1

没有详细说明为什么你想要这样做，至少有两种不同的方法。这在很大程度上取决于你是否希望调用是一个尾调用（它允许编译器在许多严格的函数语言中优化掉函数调用 - 尽管不是Python）或者你想要一个更直接的递归函数。

直接实施

import numpy as np

def recursive(rs, n_extra_pos, irrel_pos):
    if n_extra_pos == []:
        return [], irrel_pos
    extra_pos, irrel_pos = recursive(rs, n_extra_pos[:-1], irrel_pos)
    sample = set(rs.choice(list(irrel_pos), n_extra_pos[-1], replace=False))
    return extra_pos + [sample], irrel_pos - sample

irrel_pos = set(range(3, 11))
n_extra_pos = [2, 3]
rs = np.random.RandomState(1)
extra_pos, irrel_pos = recursive(rs, n_extra_pos, irrel_pos)
print(extra_pos, irrel_pos)

在这个实现中，首先我们递归调用selfelf，直到消耗了n_extra_pos的所有元素，然后在通过调用堆栈返回时，我们进行所需的计算并更新结果。可以看出，递归调用不这里发生的最后一件事，因此TCO（尾调用优化）是不可能的。

要创建一个允许TCO的函数，我们需要使用累加器而不是首先到达调用堆栈的底部，我们将在向下的路上进行计算，所以说，在这样做时，我们将添加我们的累加器（extra_pos和irrel_pos）的结果。然后，当到达底部时，我们所要做的就是返回累加器。这个的实现是

import numpy as np

def tail_recursive(rs, n_extra_pos, extra_pos, irrel_pos):
    if n_extra_pos == []:
        return extra_pos, irrel_pos
    sample = set(rs.choice(list(irrel_pos), n_extra_pos[0], replace=False))
    return tail_recursive(rs, n_extra_pos[1:], 
                          extra_pos + [sample], irrel_pos - sample)

irrel_pos = set(range(3, 11))
n_extra_pos = [2, 3]
rs = np.random.RandomState(1)
extra_pos, irrel_pos = tail_recursive(rs, n_extra_pos, [], irrel_pos)
print(extra_pos, irrel_pos)

但是，如上所述，Python中没有TCO，这使得递归函数不那么有用，从而使得Python不是使用内置map {{1 （reduce）和functools函数中提供的函数，当然还有列表推导。

转换基于中间值的循环的功能方法，该循环在python中的每个循环上更新

1 个答案: