기본 콘텐츠로 건너뛰기

벡터와 행렬에 관련된 그림들

[python]재귀함수(Recursive Function)

함수

관련내용

재귀함수(Recursive Function)

함수는 다른 함수를 포함할 수 있습니다. 그 포함된 함수가 함수 자신일 경우 재귀함수(Recursive Function)라고 합니다. 예를 들어 식 1과 같이 1부터 지정된 수까지 모든 정수를 곱하는 경우 즉, factorial을 재귀함수로 작성할 수 있습니다.

n factorial = n! = 1·2·3 … n(식 1)
def factorial(x): 
    if x==1: 
        return 1 
    else: 
        return (x*factorial(x-1))

factorial(5)
120

위 사용자 정의 함수 factorial()if ~ else 구문을 적용하였으며 ifelse 블럭 모두 return() 함수를 하위 문으로 가지고 있으므로 어떤 블럭이 실행되더라도 함수는 종결됩니다. 그러나 else 블럭의 실행은 함수 자신을 반환하는 것으로 if 블럭이 실행되지 않는 이상 함수의 실행이 반복됩니다. 최종적으로 else 문의 실행으로 1을 반환하는 경우 x == 1이 되어 실행이 종결됩니다. 이같은 종결조건은 재귀함수의 필수 요소입니다.

위 함수에 인수 5를 전달하여 실행하는 과정은 다음과 같습니다.

factorial(5) (5) 전달된 인수
→ 5 × factorial(4) fatorial(4) 호출
→ 5 × 4 × factorial(3) fatorial(3) 호출
→ 5 × 4 × 3 × factorial(2) fatorial(3) 호출
→ 5 × 4 × 3 × 2 × factorial(1) fatorial(2) 호출
→ 5 × 4 × 3 × 2 × 1 (1) 호출, 실행종결

다음은 내장함수인 str()list()를 적용하여 인수로 전달한 수를 각 자리의 숫자로 분리한 것입니다.

  • str(x)
    • x를 문자열로 형변환하는 내장함수
    • x는 수치형 리터럴 또는 컬렉션 등의 모든 자료형
  • list(x)
    • 객체 x를 list 형으로 변환하는 함수
    • 전달하는 인수가 없는 경우 빈 리스트를 생성
list(str(98))
['9', '8']

재귀함수를 사용하여 위 결과를 나타내 봅니다.

def eachNum(x): 
    if x < 10: 
        print(x, end=" ") 
    else: 
        eachNum(int(x/10)) 
        print(x%10, end=" ")

eachNum(98)
9 8 

위 함수의 실행과정은 그림 1과 같이 나타낼 수 있습니다.

그림 1. 재귀함수 exchNum()의 실행과정.
eachNum(89234)
8 9 2 3 4 

재귀함수는 동일한 함수를 반복 실행하게 합니다. 그러므로 복잡한 코드를 간단히 만들 수 있지만 함수 자체가 복잡하면 가독성이 저하되고 속도면에서 불리해집니다. 다음은 피보나치 수열을 나타내기 위해 재귀적 사용 여부에 따라 작성된 두 개의 함수들에 대한 실행시간을 살펴봅니다. 피보나치 수열은 식 2와 같이 계산됩니다.

피보나치 수열 : 0, 1, 1, 2, 3, 5, 8, 13, … (식 2)
an = an-1 + an-2

함수 fib(n)은 재귀함수입니다. 이 함수의 실행 시간을 측정하기 위해 파이썬 패키지 time의 time() 함수를 사용합니다.

  • time.time()
    • time 모듈 함수
    • 함수가 실행되는 시간을 초 단위로 반환
def fib(n):
    if n<=1:
        return n
    else:
        return(fib(n-1)+fib(n-2))
from time import time
st=time()
re=[]
for i in range(31):
    re.append(fib(i))
print(re)
et=time()
print(f"실행시간:{et-st}")
[0, 1, …, 514229, 832040]
실행시간:0.7545561790466309

다음 함수는 피보나치 수열의 일반식을 기반으로 작성한 것으로 재귀함수보다 복잡한 구조를 가집니다. 그러나 함수는 위 재귀함수와 비교하여 매우 빠른 실행을 나타냅니다. 즉, 재귀함수의 경우 메모리 관리 측면에서 비효율적입니다.

def fib2(n):
    re=[0]*(n+1)
    if n>0:
        re[1]=1
        for i in range(2, n+1):
            re[i]=re[i-1]+re[i-2]
    return(re)
st=time()
print(fib2(30))
et=time()
print(f"실행시간:{et-st}")
[0, 1, …, 514229, 832040]
실행시간:0.001049041748046875

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...

[sympy] Sympy객체의 표현을 위한 함수들

Sympy객체의 표현을 위한 함수들 General simplify(x): 식 x(sympy 객체)를 간단히 정리 합니다. import numpy as np from sympy import * x=symbols("x") a=sin(x)**2+cos(x)**2 a $\sin^{2}{\left(x \right)} + \cos^{2}{\left(x \right)}$ simplify(a) 1 simplify(b) $\frac{x^{3} + x^{2} - x - 1}{x^{2} + 2 x + 1}$ simplify(b) x - 1 c=gamma(x)/gamma(x-2) c $\frac{\Gamma\left(x\right)}{\Gamma\left(x - 2\right)}$ simplify(c) $\displaystyle \left(x - 2\right) \left(x - 1\right)$ 위의 예들 중 객체 c의 감마함수(gamma(x))는 확률분포 등 여러 부분에서 사용되는 표현식으로 다음과 같이 정의 됩니다. 감마함수는 음이 아닌 정수를 제외한 모든 수에서 정의됩니다. 식 1과 같이 자연수에서 감마함수는 factorial(!), 부동소수(양의 실수)인 경우 적분을 적용하여 계산합니다. $$\tag{식 1}\Gamma(n) =\begin{cases}(n-1)!& n:\text{자연수}\\\int^\infty_0x^{n-1}e^{-x}\,dx& n:\text{부동소수}\end{cases}$$ x=symbols('x') gamma(x).subs(x,4) $\displaystyle 6$ factorial 계산은 math.factorial() 함수를 사용할 수 있습니다. import math math.factorial(3) 6 a=gamma(x).subs(x,4.5) a.evalf(3) 11.6 simpilfy() 함수의 알고리즘은 식에서 공통사항을 찾아 정리하...

sympy.solvers로 방정식해 구하기

sympy.solvers로 방정식해 구하기 대수 방정식을 해를 계산하기 위해 다음 함수를 사용합니다. sympy.solvers.solve(f, *symbols, **flags) f=0, 즉 동차방정식에 대해 지정한 변수의 해를 계산 f : 식 또는 함수 symbols: 식의 해를 계산하기 위한 변수, 변수가 하나인 경우는 생략가능(자동으로 인식) flags: 계산 또는 결과의 방식을 지정하기 위한 인수들 dict=True: {x:3, y:1}같이 사전형식, 기본값 = False set=True :{(x,3),(y,1)}같이 집합형식, 기본값 = False ratioal=True : 실수를 유리수로 반환, 기본값 = False positive=True: 해들 중에 양수만을 반환, 기본값 = False 예 $x^2=1$의 해를 결정합니다. solve() 함수에 적용하기 위해서는 다음과 같이 식의 한쪽이 0이 되는 형태인 동차식으로 구성되어야 합니다. $$x^2-1=0$$ import numpy as np from sympy import * x = symbols('x') solve(x**2-1, x) [-1, 1] 위 식은 계산 과정은 다음과 같습니다. $$\begin{aligned}x^2-1=0 \rightarrow (x+1)(x-1)=0 \\ x=1 \; \text{or}\; -1\end{aligned}$$ 예 $x^4=1$의 해를 결정합니다. solve() 함수의 인수 set=True를 지정하였으므로 결과는 집합(set)형으로 반환됩니다. eq=x**4-1 solve(eq, set=True) ([x], {(-1,), (-I,), (1,), (I,)}) 위의 경우 I는 복소수입니다.즉 위 결과의 과정은 다음과 같습니다. $$x^4-1=(x^2+1)(x+1)(x-1)=0 \rightarrow x=\pm \sqrt{-1}, \; \pm 1=\pm i,\; \pm1$$ 실수...