博客
关于我
剑指 Offer 64. 求1+2+…+n-Python题解
阅读量:514 次
发布时间:2019-03-07

本文共 813 字,大约阅读时间需要 2 分钟。

为了求解1+2+…+n的和,而不使用循环、条件判断等关键字,我们可以采用递归的方式,并通过递归深度来控制递归的终止。具体来说,我们定义一个递归函数,传递当前的n值和递归深度(即剩余的次数),每次递归调用时,递减n和递归深度,直到递归深度为0,此时返回当前的n值。通过这种方法,我们可以避免使用条件判断,而是利用递归深度来控制计算过程。

解决方案代码

求1+2+…+n的和,要求不能使用乘除法、for、while、if、else、switch等关键字及条件判断语句。

示例 1:

输入: n = 3

输出: 6
示例 2:

输入: n = 9

输出: 45

限制:

1 ≤ n ≤ 10000

class Solution:    def sumNums(self, n: int) -> int:        def helper(n: int, times: int) -> int:            if times == 0:                return n            return helper(n - 1, times - 1) + n        return helper(n, n)

代码解释

  • 定义内部递归函数helper(n, times)用于计算从1到n的和。其中,times表示递归的剩余次数。

  • 递归终止条件:当times为0时,返回当前的n值,因为此时已经完成了递归的所有步骤。

  • 递归调用:每次递归调用时,递减n和递归深度(即times减1),并将当前的n值加到结果中。

  • 主函数调用sumNums(n)调用helper(n, n),并返回结果。

  • 这种方法通过递归深度来控制计算过程,避免了使用条件判断语句,满足了题目的所有限制条件。

    转载地址:http://suwjz.baihongyu.com/

    你可能感兴趣的文章
    opencv——最简单的视频读取
    查看>>
    Opencv——模块介绍
    查看>>
    OpenCV与AI深度学习 | 2024年AI初学者需要掌握的热门技能有哪些?
    查看>>
    OpenCV与AI深度学习 | CIB-SE-YOLOv8: 优化的YOLOv8, 用于施工现场的安全设备实时检测 !
    查看>>
    OpenCV与AI深度学习 | CoTracker3:用于卓越点跟踪的最新 AI 模型
    查看>>
    OpenCV与AI深度学习 | OpenCV中八种不同的目标追踪算法
    查看>>
    OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
    查看>>
    OpenCV与AI深度学习 | OpenCV如何读取仪表中的指针刻度
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
    查看>>
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>