在Python编程时何时不使用递归？

递归还是不递归，这是个问题。我们都知道递归函数的乐趣。但它也有自己的一系列缺点，本文将解释其中一个缺点，以帮助您明智地选择。

比如说，我们需要创建一个函数，在调用时需要打印链表中的数据。

这可以通过两种方式完成：

• 1. 使用递归
• 2. 无递归

1.递归：

```
def print_linkedlist(head):

   if head is not None:
       print(head.data)
       print_linkedlist(head.next)
```

第一种方法也有效，但如果列表真的很长，大约有 1000 个元素，那么程序将达到递归深度和错误。不要忘记，随着列表长度的增加，堆栈大小也会线性增加。

什么是递归深度？

在我们继续之前，您应该知道这个问题是 Python 特有的。有些语言我们不会遇到这个问题，但这不会在这里讨论。我们知道递归函数调用自身。这意味着在原始函数。假设一个链表使用上面提到的递归代码从 0 到 n 按 1 计数。

第一个函数查看列表中头节点的数据，然后将其打印出来。但是第一个函数还没有结束。一个旧函数在它里面的所有函数都结束之前不能结束。如果我们观察包含当前正在运行的函数列表的调用堆栈：

# the first function waiting for
# innermost functions to end
print_linkedlist()

       # the child function called 
       # within the first function
           print_linkedlist()

调用堆栈不断增加，因为旧函数永远不会结束，因为它们正在等待内部子函数结束。最终，调用堆栈如下所示：

# original Function
print_linkedlist()

  # first level function
  print_linkedlist()
  
    # second level function
    print_linkedlist()
    
      # third level function
      print_linkedlist()
        ……
          ……
            ……
            
              # 1000 level function – Maximum 
              # Recursion Depth Reached
              print_linkedlist()

还有BAMMM！！！！！最大递归深度！！

递归深度计算递归函数内的活动层数。在Python中，默认的最大递归深度限制为 1000 。该限制有助于防止由无限递归引起的堆栈溢出。

因此，像下面这样的第二种方法更好，因为堆栈大小保持不变。

2. 没有递归/迭代：

```
def print_linkedlist(node):
   while node:
       print(node.data)
       node=node.next
```

结论

递归使用起来很有趣，但您应该了解何时使用和何时不使用它。 Scala 和 Haskell 等一些语言支持一个有趣的特性，称为TAIL CALL RECURSION ，它通过在进行新调用时结束前一个函数的调用来防止递归深度问题。但是Python不支持此功能。因此，至少在Python中，如果您认为函数可能达到递归限制，则更喜欢迭代方法。