递归特性:

 1. 必须有一个明确的结束条件

 2. 每次进入更深一层递归时，问题规模相比上次递归都应有所减少

 3. 递归效率不高，递归层次过多会导致栈溢出(在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返     回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出。)

 # 递增函数

 #递增函数的条件：

 # 1.函数需要调用自身

 # 2.必须有个条件停止调用

 def mulit(n):

     if n == 1:

         return  1           #首先考虑程序怎么停止

     return n*mulit(n-1)     #如果n不是1，就执行该语句

 print(mulit(6))

 # --------------------------------------------

 # 斐波那契数列

 def fibo(n):

     if n <= 1:

         return n #注意， 这里是返回n

     return fibo(n-1)+fibo(n-2)

 print(fibo(10))

 str = ['','','a', 'b']

 def fun2(s):

     return s + "alvin"

 # fun2("123")

 ret = map(fun2, str)

 print(ret)      #  <map object at 0x00000000023D8940>

 print(list(ret))#  ['1alvin', '2alvin', 'aalvin', 'balvin']

#map(function, sequence)

str = [1, 2,'a', 'b']

def fun2(s):

    return s + "alvin"

ret = map(fun2, str)

print(ret)      #  map object的迭代器

print(list(ret))#  ['aalvin', 'balvin', 'calvin', 'dalvin']

 #对sequence中的item依次执行function(item)，将执行结果组成一个map object迭代器返回.

 #map也支持多个sequence，这就要求function也支持相应数量的参数输入：
ef add(x,y):

print (list(map(add, range(10), range(10))))##[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

 #reduce(function, sequence, starting_value)　

 #使用前需要导入以下模块　

 from functools import reduce  

 def add1(x,y):

     return x + y

 print (reduce(add1, range(1, 101)))## 4950 （注：1+2+...+99）

 print (reduce(add1, range(1, 101), 20))## 4970 （注：1+2+...+99+20）
对sequence中的item顺序迭代调用function，如果有starting_value，还可以作为初始值调用.

# lambda

#普通函数与匿名函数的对比：

#普通函数

def add(a,b):

    return a + b

print add(2,3)

#匿名函数

add = lambda a,b : a + b

print add(2,3)

#========输出===========

5

5