题目就叫"输出一个数的阶乘",看起来简单得像是拿来给新手练手的入门题。但真要往深了追究,它能牵扯出类型溢出、递归栈深度、异常输入处理、性能取舍这一大堆问题。这些年我面试初级开发、带实习生、给内部工具写基础函数库,阶乘这道题出现过太多次。今天这篇文章就把它彻底拆开,从数学定义讲到各种语言的实现,再讲到大数与边界,最后给出一份可以直接照抄的健壮版本。
1. 阶乘到底是个什么运算,为什么"n!"值得单独写一篇
先对齐一下最基础的概念。阶乘的数学定义是:n! = 1 × 2 × 3 × ... × n,其中 n 是非负整数。比如 5! = 1 × 2 × 3 × 4 × 5 = 120。还有一个特殊约定:0! = 1,这个后面会专门解释。
这个定义在数学上非常干净,读一遍就能背下来。但计算机不是这么工作的。计算机里跑一个阶乘函数,至少要在脑子里过下面几条线:
- 输入是什么类型?整数、字符串、浮点数还是用户从命令行随便输入的?
- 输出是什么类型?算出来的结果会不会超出类型范围?
- 用什么算法?递归虽然直观,但递归深度有没有上限?
- 边界情况怎么处理?负数、0、1、超大数、小数,各自应该返回什么?
我见过太多人把阶乘写成了"三行代码交差"的模式,尤其是网上各种教程,给个递归版本就完事。但如果你把这段代码丢给真正的用户用,第一轮就会被输入校验打回来。这就是为什么我觉得这个题值得认真拆一遍——它是少数几个能把编程语言底层机制、数据结构、算法设计、软件工程思想全部串起来的微型案例。
1.1 数学定义里隐含的两个“不是问题”的问题
数学里,阶乘的两个特殊值经常让人困惑:0! 为什么等于 1?这个其实不是推导出来的,而是为了满足组合数学公式的一致性而人为约定的。排列数公式 P(n, k) = n! / (n-k)!,当 k = n 时,也就是从 n 个里取 n 个排列,应该只有 1 种方式,所以需要 0! = 1。编程里如果不对 0 做特殊处理,很多边界场景就会直接算错。
另一个点是,阶乘函数是定义在非负整数上的。负数阶乘在数学里没有定义,但某些程序设计题会考你对这种情况的处理。你要么直接返回错误码、抛异常,要么用数学上的伽马函数做延拓——但后者已经超出"输出一个数的阶乘"这个范围的语义了,正常工程场景没人会在阶乘函数里给你延拓。
1.2 阶乘在真实项目里到底用来干什么
有人可能会想,阶乘这个运算在真实项目中好像很少直接用。确实是,直接调 n! 的场景不多,但它是大量高级计算的底座:
- 排列组合计算:从 n 个元素中选 k 个的组合数 C(n, k) = n! / (k!(n-k)!),抽奖概率、库存组合、权限角色分配都会间接用到。
- 概率论与统计:泊松分布、二项分布、超几何分布的公式里都有阶乘,做 AB 测试显著性计算、用户行为建模时,底层统计库会调。
- 高等数学中的级数展开:e^x、sin(x)、cos(x) 的泰勒展开式,每一项的分母都是阶乘。游戏开发里做减速曲线、动画缓动函数时可能会涉及。
- 算法复杂度分析:全排列问题的时间复杂度是 O(n!),教科书里讲回溯算法时一定会算这个数,用来吓唬人。
所以阶乘不是一个"死"的数学定义,它是一套底层工具链的螺丝钉。这也是为什么我建议每个人都把它写扎实——不是为做题而做题,而是为了理解计算机如何处理一个看似简单的算式。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 递归方案:一行代码的优雅,隐藏着栈溢出的雷
大多数教程给你的第一个版本是递归。确实,递归写法最贴合数学定义,代码也最短。
2.1 最直观的递归写法
拿最常见的几种语言示范一下。
Python 版本:
python复制def factorial(n):
if n <= 1:
return 1
return n * factorial(n - 1)
JavaScript 版本:
javascript复制function factorial(n) {
if (n <= 1) return 1;
return n * factorial(n - 1);
}
C 语言版本:
c复制long long factorial(int n) {
if (n <= 1) return 1;
return n * factorial(n - 1);
}
这三段代码逻辑完全一样:先判断基线条件 n <= 1 返回 1,然后递归调用 factorial(n - 1) 并把结果乘以 n。代码读起来就像在看数学公式,非常直观,这是递归最大的优势。
但这段代码埋着一个大雷。每次递归调用都会在系统调用栈上压入一层栈帧,保存当前函数的局部变量、返回地址等信息。n 越大,递归层数越深,栈帧越多,最终会碰到一个硬上限。
2.2 调用栈的代价:为什么"优雅"不等于"耐用"
我实测过几种常见编程语言的递归深度上限,结果如下:
| 语言 | 默认递归深度上限 | 表现 |
|---|---|---|
| Python | 约 1000 层 | 抛出 RecursionError |
| JavaScript (V8) | 约 10000 层 | 抛出 RangeError: Maximum call stack size exceeded |
| Java | 随 JVM 栈大小而定,默认约 5000-10000 层 | 抛出 StackOverflowError |
| C/C++ | 与系统栈大小相关,默认约 8MB 栈空间,几万层 | 段错误 (Segmentation fault) |
这意味着,上面那个"优雅"的递归版本,Python 里算 factorial(1000) 直接就崩了,而实际上 1000! 是个 2568 位的正整数,如果用大整数库完全是可以算出来的。也就是说,不是数学上算不了,是递归这个实现方式本身扛不住。
为什么会这样?因为每一层递归都要保留 n 的值和调用返回后的乘法运算上下文。实际操作中,把 n 从 1000 减到 0,需要 1001 层栈帧。每一层栈帧在 Python 里大概占用几十到上百字节,1000 层累计下来就顶到了 Python 的解释器限制。
提示:如果你在公司代码里看到一个递归实现,一定要先问"最深的递归深度会是多少"。递归深度无法保证的代码,写得再漂亮也要重构。
2.3 尾递归:理论上的最优解,现实中的语言差异
有一些人会用"尾递归优化"来改良递归版。尾递归的思路是把乘积结果作为参数往下传,让递归调用成为函数的最后一个动作,从而让编译器或解释器复用当前栈帧,把递归改写成循环的效果。看代码:
python复制def facto
