递归的各种例子： “要理解递归，你必须先了解递归”，“一个人他的母亲是人类”。你可能想知道，这是与编程有毛线关系？
您可能要拆一个复杂的问题分解成几个较小的块。如果已经熟悉了循环或迭代，但在某些情况下，递归可能是一个更好的解决方案。在Python中，函数如果它调用自己，具有终止条件就是递归。为什么终止条件？调用自己时可能无法终止。
递归与列表
让我们先从一个非常简单的例子：增加所有数字在列表中。无需递归，这可能是：#!/usr/bin/env python
def sum(list):
sum = 0
# Add every number in the list.
for i in range(0, len(list)):
sum = sum + list[i]
# Return the sum.
return sum
print(sum([5,7,3,8,10]))
我们在这里只需调用 sum 函数，该函数将每个元素的变量相加之后的总和并返回。要做到这一点也可用递归：
#!/usr/bin/env python
def sum(list):
if len(list) == 1:
return list[0]
else:
return list[0] + sum(list[1:])
print(sum([5,7,3,8,10]))
如果列表的长度为1则返回列表（终止条件）。否则，它返回元素和调用函数 sum() 减去列表中的一个元素。如果所有调用执行时，它返回达到终止条件，并返回结果（答案）。
阶乘递归
阶乘的数学定义是： n! = n * (n-1)!, 如果 n > 1 and f(1) = 1. 例如: 3! = 3 x 2 x 1 = 6. 我们可以在 Python 使用递归函数实现这一点：
#!/usr/bin/env python
def factorial(n):
if n == 1:
return 1
else:
return n * factorial(n-1)
print factorial(3)
当调用阶乘函数 n = 3. 那么返回：n * factorial(n-1). 这一过程将持续直到 n = 1. 如果 n==1 ，这将返回结果。
递归的限制
每当一个函数调用自身并存储一些内存。 因此，一个递归函数比传统的函数需要更多的内存。 Python会在 1000 次调用的深度后停止函数调用。如果运行下面这个例子：#!/usr/bin/env python
def factorial(n):
if n == 1:
return 1
else:
return n * factorial(n-1)
print factorial(3000)
会得到错误如下：
RuntimeError: maximum recursion depth exceeded
在其他编程语言，程序可以简单地崩溃。可以通过修改的递归调用次数来解决此问题：
#!/usr/bin/env python
import sys
sys.setrecursionlimit(5000)
def factorial(n):
if n == 1:
return 1
else:
return n * factorial(n-1)
print factorial(3000)
但要记住仍有限制阶乘函数的输入。出于这个原因，应该明智地使用递归。正如现在了解到的阶乘问题，递归函数不是最好的解决方案。 对于其他问题，如遍历目录，递归可能是一个很好的解决方案。