94.Python中的递归函数是什么？请给出一个例子。
递归函数是一种特殊的函数，它在其定义中会调用自身。这种调用通常是在函数的某个条件语句中，当满足某个条件时，函数会调用自身来处理更小或更简单的子问题。递归函数通常用于解决可以分解为相似子问题的问题，例如树或图的遍历，排序算法，阶乘计算等。
下面是一个Python中递归函数的例子，这是一个计算阶乘的函数：
python复制代码
|---|---------------------------------|
| | def factorial(n): |
| | # 递归结束条件 |
| | if n == 0: |
| | return 1 |
| | else: |
| | # 递归调用 |
| | return n * factorial(n-1) |
| | |
| | print(factorial(5)) # 输出: 120 |
在这个例子中，factorial函数是用来计算一个数的阶乘的。当n为0时，函数返回1（因为0的阶乘定义为1）。否则，函数返回n乘以n-1的阶乘，n-1的阶乘是通过递归调用factorial(n-1)来计算的。
递归函数需要注意的是，必须有明确的递归结束条件，否则函数会无限递归下去，导致程序崩溃。在上述例子中，递归结束条件是n == 0。
95.Python中的多态和重载有什么区别？
在面向对象编程中，多态（Polymorphism）和重载（Overloading）是两个重要的概念，它们在Python中也有所体现，尽管Python对重载的支持不像一些其他语言（如Java或C++）那样严格。让我们来详细解释一下这两个概念的区别。
多态（Polymorphism）
多态性是面向对象编程的三大特性之一（封装、继承、多态）。多态意味着允许使用父类类型的引用或接口来引用子类的对象。当程序调用子类的方法时，会调用子类中的实现，而不是父类中的实现。这允许我们在不改变代码结构的情况下，通过改变对象类型来改变程序的行为。
在Python中，多态通常是通过继承和方法的重写来实现的。例如：
python复制代码
|---|-------------------------------------------------------------------------|
| | class Animal: |
| | def speak(self): |
| | raise NotImplementedError("Subclass must implement abstract method") |
| | |
| | class Dog(Animal): |
| | def speak(self): |
| | return "Woof!" |
| | |
| | class Cat(Animal): |
| | def speak(self): |
| | return "Meow!" |
| | |
| | def animal_speak(animal): |
| | print(animal.speak()) |
| | |
| | dog = Dog() |
| | cat = Cat() |
| | |
| | animal_speak(dog) # 输出: Woof! |
| | animal_speak(cat) # 输出: Meow! |
在这个例子中，Animal 类有一个名为 speak 的方法，它被子类 Dog 和 Cat 重写。animal_speak 函数接受一个 Animal 类型的参数，并调用其 speak 方法。由于多态性，当我们传递一个 Dog 或 Cat 对象时，会调用相应子类的 speak 方法。
重载（Overloading）
重载是指在同一个类中，允许存在一个以上的同名方法，但这些方法必须具有不同的参数列表（参数的类型、数量或顺序），以便编译器在编译时能根据参数的列表选择一个合适的方法执行。
然而，Python并不直接支持方法重载，这意味着你不能在同一个类中定义多个同名但参数不同的方法。Python的设计理念是"明确优于隐晦"，因此它更倾向于让程序员明确地调用不同的方法名，而不是依赖于参数类型来决定调用哪个方法。
尽管如此，你可以通过一些技巧来模拟方法重载的行为，例如使用默认参数、可变参数或检查参数类型。但这并不是真正的重载，而是利用Python的其他特性来实现类似的功能。
总结：多态和重载都是面向对象编程中的重要概念，但它们在Python中的实现和用法有所不同。多态主要通过继承和方法的重写来实现，而Python并不直接支持方法重载。
96.Python中的迭代器和生成器有什么区别？
Python中的迭代器和生成器都是用于遍历数据集合的重要工具，它们之间有一些关键的区别。
迭代器（Iterator）
迭代器是一个实现了迭代器协议的对象。迭代器协议包括两个方法：__iter__() 和 __next__()。__iter__() 方法返回迭代器对象本身，而 __next__() 方法返回迭代器的下一个值。当没有更多的值可供迭代时，__next__() 方法应该抛出 StopIteration 异常。
迭代器是一个通用的概念，任何实现了迭代器协议的对象都可以被视为迭代器。例如，Python中的列表、元组、字典、集合和文件对象等都是迭代器。
生成器（Generator）
生成器是一种特殊的迭代器，它可以通过函数来创建。生成器函数使用 yield 语句来产生值，而不是使用 return 语句。当生成器函数被调用时，它会返回一个生成器对象，这个对象可以用于迭代。每次迭代时，生成器会从上一次 yield 语句的位置继续执行，直到遇到下一个 yield 语句。
生成器的主要优点是它可以按需生成数据，而不是一次性生成所有数据。这可以节省内存空间，特别是在处理大量数据时。此外，生成器也更加简洁和高效，因为它们自动创建了 __iter__() 和 __next__() 方法。
区别
- 语法差异 ：生成器使用
yield语句来产生值，而迭代器使用__next__()方法来返回值。 - 内存占用：生成器按需生成数据，只在需要时才产生值，因此可以节省内存空间。而迭代器需要一次性生成所有数据，可能会占用较多的内存。
- 实现方式：生成器是通过函数来创建的，而迭代器是通过实现迭代器协议的类来创建的。
- 可迭代性 ：生成器是可迭代的，可以使用
for循环或者next()函数来遍历生成器对象。而迭代器本身就是可迭代的，可以直接使用for循环来遍历迭代器对象。
总的来说，生成器是创建迭代器的简单而强大的工具，特别适用于处理大量数据或者需要延迟生成数据的场景。