sum()是求一维数字列表和的首选方法，底层C实现、快且稳；递归仅适用于教学或嵌套结构处理，实际项目中应避免。
直接用 sum() 就够了，别自己写递归
绝大多数场景下，sum() 是唯一该用的方法。它底层用 C 实现，快、稳、支持浮点和整数混合，还能指定初始值。自己写递归不仅慢（Python 递归深度限制默认才 1000），还容易爆栈或漏处理空列表、嵌套结构等边界。
常见错误现象：TypeError: unsupported operand type(s) for +: 'int' and 'list' —— 这通常是你误把二维列表传给了 sum()，但没加初始值 start=[]；或者你写了递归却忘了处理 list[0] 是子列表的情况。
- 一维数字列表：直接
sum(lst) - 想从非零开始累加：用
sum(lst, start=10) - 二维扁平求和：必须写
sum(lst, start=[])再套一层sum()，或改用itertools.chain - 含
None或字符串？先过滤：sum(x for x in lst if isinstance(x, (int, float)))
递归只在教学或特殊结构里有意义
真实项目中几乎没人用递归求一维列表和。它的价值仅限于理解分治思想，或处理树形/嵌套结构（比如 JSON 数据里不定深的数字字段）。
使用场景举例：解析 API 返回的嵌套字典，里面 "value" 字段可能是数字，也可能是个含多个 "value" 的列表。
立即学习“Python免费学习笔记（深入）”；
- 递归函数必须有明确终止条件，比如
if not lst: return 0 - 遇到子列表要递归调用自身，遇到数字才累加 —— 漏掉类型判断就会报错
- Python 默认递归深度 1000，超深嵌套会触发
RecursionError - 性能差：10 万元素的列表，递归比
sum()慢 50 倍以上
简短示例（仅作示意）：
def recursive_sum(lst):
if not lst:
return 0
head = lst[0]
tail = lst[1:]
if isinstance(head, list):
return recursive_sum(head) + recursive_sum(tail)
return head + recursive_sum(tail)
sum() 不支持字符串列表，也别硬凑
有人试 sum(['a', 'b', 'c'], '')，看似能跑，但这是滥用 —— sum() 设计目标是数值累加，字符串拼接该用 ''.join()。强行用 sum() 会失去类型安全，且性能更差。
- 字符串拼接：必须用
''.join(lst)，清晰、快、专一 - 数字转字符串再拼？先
[str(x) for x in lst]，再join，别用sum() - 混着来（如
[1, 'a', 2.5]）？说明数据结构本身有问题，先统一类型或拆逻辑
NumPy 的 sum() 是另一回事
如果你已经在用 NumPy 处理数组，np.sum() 和 Python 内置 sum() 完全不同：它支持 axis 参数、dtype 控制、NaN 跳过（nan_policy），且对大数组有数量级性能优势。
- 普通列表别 import numpy 只为求和 —— 启动开销不划算
- 已经是
np.ndarray？优先用arr.sum()，不是sum(arr) -
np.sum([1,2,3])能跑，但本质是先转成 ndarray 再算，多此一举 - 注意
np.sum()默认返回np.int64或np.float64，和 Python int/float 行为略有差异
sum() 能自动展平嵌套，或在非数值场景下强行复用它 —— 其实那已经不是“求和”，而是数据清洗或结构转换了。 
