递归的概念很简单，如果函数包含了对其自身的调用，该函数就是递归的。
递归（Recursion），在数学与计算机科学中，是指在函数的定义中使用函数自身的方法。
在使用递归时，需要注意以下几点：
递归就是在过程或函数里调用自身
必须有一个明确的递归结束条件，称为递归出口。
注意： 切勿忘记递归出口，避免函数无限调用。
每一个递归程序都遵循相同的基本步骤：
1.初始化算法。递归程序通常需要一个开始时使用的种子值（seed value）。要完成此任务，可以向函数传递参数，或者提供一个入口函数，这个函数是非递归的，但可以为递归计算设置种子值。
2.检查要处理的当前值是否已经与基线条件相匹配（base case）。如果匹配，则进行处理并返回值。
3.使用更小的或更简单的子问题（或多个子问题）来重新定义答案。
4.对子问题运行算法。
5.将结果合并入答案的表达式。
6.返回结果。
基线条件（base case）。基线条件是递归程序的最底层位置，在此位置时没有必要再进行操作，可以直接返回一个结果。所有递归程序都必须至少拥有一个基线条件，而且必须确保它们最终会达到某个基线条件；否则，程序将永远运行下去，直到程序缺少内存或者栈空间。
递归算法一般用于解决三类问题：
（1）数据的定义是按递归定义的。（比如Fibonacci函数）
（2）问题解法按递归算法实现。（回溯）
（3）数据的结构形式是按递归定义的。（比如树的遍历，图的搜索）
大多数学过数学、计算机科学或者读过编程相关书籍的人，想必都会遇到阶乘：
n! = 1 × 2 × 3 × … × n
也可以用递归方式定义：
n! = (n-1)! × n
其中，n >= 1，并且 0! = 1。
由于简单、清晰，因此其常被用作递归的示例。
PS： 除了阶乘以外，还有很多算法可以使用递归来处理，例如：斐波那契数列、汉诺塔等。
非递归实现
def factorial(n): result = 1 for i in range(2, n+1): result *= i return result
阶乘函数的递归实现
def factorial(n): if n == 0 or n == 1: return 1 else: return (n * factorial(n - 1))
为了明确递归步骤，对 5! 进行过程分解：
factorial(5) # 第 1 次调用使用 55 * factorial(4) # 第 2 次调用使用 45 * (4 * factorial(3)) # 第 3 次调用使用 35 * (4 * (3 * factorial(2))) # 第 4 次调用使用 25 * (4 * (3 * (2 * factorial(1)))) # 第 5 次调用使用 1 5 * (4 * (3 * (2 * 1))) # 从第 5 次调用返回5 * (4 * (3 * 2)) # 从第 4 次调用返回5 * (4 * 6) # 从第 3次调用返回5 * 24 # 从第 2 次调用返回120 # 从第 1 次调用返回
还是这个函数factorial(N)，让我们试试N = 999和N = 1000，问题来了，N = 999时能输出正确答案，但当N = 1000时，就出现下面的错误了：
RuntimeError: maximum recursion depth exceeded
于是，请记住，默认的Python有一个可用的递归深度的限制，以避免耗尽计算机中的内存。默认是1000。
优点：
递归使代码看起来更加整洁、优雅
可以用递归将复杂任务分解成更简单的子问题
使用递归比使用一些嵌套迭代更容易
缺点:
递归的逻辑很难调试、跟进
递归算法解题的运行效率较低。在递归调用的过程当中系统为每一层的返回点、局部量等开辟了栈来存储。递归次数过多容易造成栈溢出等。
