lambda不好写，写了前两个，把-2改为-7，改成-7后，我试过x必须大于4。-2时x可以从1开始
公司主营业务：成都网站设计、网站制作、外贸营销网站建设、移动网站开发等业务。帮助企业客户真正实现互联网宣传，提高企业的竞争能力。成都创新互联是一支青春激扬、勤奋敬业、活力青春激扬、勤奋敬业、活力澎湃、和谐高效的团队。公司秉承以“开放、自由、严谨、自律”为核心的企业文化，感谢他们对我们的高要求，感谢他们从不同领域给我们带来的挑战，让我们激情的团队有机会用头脑与智慧不断的给客户带来惊喜。成都创新互联推出西乌珠穆沁免费做网站回馈大家。
#递归
def power(n, x):
if abs(1/pow(n, x))abs(pow(10, -2)):
return 0#回归条件
else:
m = n + 1#递归因子
if(n%2==1):
return 1/pow(n, x)+power(m, x)#求和奇正
else:
return -1/pow(n, x)+power(m, x)#求和偶负
def power2(n, x):
sum = 0
while(1/pow(n,x)abs(pow(10, -2))):
if (n % 2 == 1):
sum+= 1 / pow(n, x)
else:
sum+=-1 / pow(n, x)
n += 1 # 递增
return sum
if __name__ == "__main__":
x = input("请输入幂数")
x = int(x)
n = 1
sum = power(n, x)
print(sum)
n=1
sum = power2(n, x)
print(sum)
递归的思想主要是能够重复某些动作，比如简单的阶乘，次方，回溯中的八皇后，数独，还有汉诺塔，分形。
由于堆栈的机制，一般的递归可以保留某些变量在历史状态中，比如你提到的return x * power..., 但是某些或许庞大的问题或者是深度过大的问题就需要尽量避免递归，因为可能会栈溢出。还有一个问题是～python不支持尾递归优化！！！！所以～还是尽量避免递归的出现。
def power(x, n)
if n 0:
return 1
return x * power(x, n - 1)
power(3, 3)
3 * power(3, 2)
3 * (3 * power(3, 1))
3 * (3 * (3 * power(3, 0)))
3 * (3 * (3 * 1)) 这里n = 0, return 1
3 * (3 * 3)
3 * 9
27
当函数形参n=0的时候，开始回退～直到第一次调用power结束。
python用递归函数求1+2+3+4+5的值的方法：
1、写出临界条件
2、找这一次和上一次的关系
3、假设当前函数已经能用，调用自身计算上一次的结果，再求出本次的结果
代码实现如下：
例如上面的例子，实现一个整形集合的累加。假设lst = [1,2,3,4,5],实现累加的方式有很多：
第一种：用sum函数。
sum(lst)
第二种：循环方式。
def customer_sum(lst):
result = 0
for x in lst:
result+=x
return result
def customer_sum(lst):
result = 0
while lst:
temp = lst.pop(0)
result+=temp
return result
if name ==" main ":
lst = [1,2,3,4,5]
print customer_sum(lst)
第三种：递推求和
def add(lst,result):
if lst:
temp = lst.pop(0)
temp+=result
return add(lst,temp)
else:
return result
if name ==" main ":
lst = [1,2,3,4,5]
print add(lst,0)
第四种：reduce方式
lst = [1,2,3,4,5]
print reduce(lambda x,y:x+y,lst)
lst = [1,2,3,4,5]
print reduce(lambda x,y:x+y,lst,0)
def add(x,y):
return x+y
print reduce(add, lst)
def add(x,y):
return x+y
print reduce(add, lst,0)
有一个序列集合，例如[1,1,2,3,2,3,3,5,6,7,7,6,5,5,5],统计这个集合所有键的重复个数，例如1出现了两次，2出现了两次等。大致的思路就是用字典存储，元素就是字典的key,出现的次数就是字典的value。方法依然很多
第一种：for循环判断
def statistics(lst):
dic = {}
for k in lst:
if not k in dic:
dic[k] = 1
else:
dic[k] +=1
return dic
lst = [1,1,2,3,2,3,3,5,6,7,7,6,5,5,5]
print(statistics(lst))
第二种：比较取巧的，先把列表用set方式去重，然后用列表的count方法
def statistics2(lst):
m = set(lst)
dic = {}
for x in m:
dic[x] = lst.count(x)
lst = [1,1,2,3,2,3,3,5,6,7,7,6,5,5,5]
print statistics2(lst)
第三种：用reduce方式
def statistics(dic,k):
if not k in dic:
dic[k] = 1
else:
dic[k] +=1
return dic
lst = [1,1,2,3,2,3,3,5,6,7,7,6,5,5,5]
print reduce(statistics,lst,{})
或者
d = {}
d.extend(lst)
print reduce(statistics,d)
通过上面的例子发现,凡是要对一个集合进行操作的，并且要有一个统计结果的，能够用循环或者递归方式解决的问题，一般情况下都可以用reduce方式实现。
首先我们要了解一下什么是递归。
递归法，递归法就是利用上一个或者上几个状态来求取当前状态的值（个人看法）。也可以说成函数自己调用自己的一种解决问题的策略。因此递归法通常是依托函数来实现的，递归函数总是会有一个出口，我们在解决递归问题时，只需要找出递归的关系式以及递归函数的出口（这两个可以说是递归函数的核心了）。下面我将在这里举求斐波那契值的例子带领着大家具体的实践一下递归法。
很显然递归函数的递推式是：fib(n) = fib(n-1)+fib(n-2)。
递归函数的出口是当n为1时返回1，当n为0时返回0。
最后递归函数的核心代码就可以写出了：
然后总的代码就是：
具体思路如下：
语句 return fib(n-1)+fib(n-2)的意思就是向前求斐波那契值，直到n-1=1，n-2=0
因为只有第1个和第0个斐波那契值是确定的
例：
当n=3时
第一次调用函数fib会执行第三条语句（因为n1)这样求回返回fib（2）+fib（1）
第二次调用函数时，因为21所有会返回fib（1）+fib（0）；因为1不大于1，所以调用函数时
会执行第二条语句返回1值。
第三次调用函数，会执行第一和第二条语句，依次返回0和1从而求得fib（2）
fib（3）=fib（2）+fib（1）
fib（2）=fib（1）+fib（0）
即fib（3）=fib（1）+fib（0）+fib（1）=2*fib（1）+fib（0）