在 Python 中，map、filter 和 reduce 是三个非常重要的内置函数（reduce 在 Python 3 中被移到了 functools 模块），它们主要用于函数式编程。它们的作用都是对集合（如列表、元组）中的元素进行处理，但处理的方式和目的不同。

简单的一句话总结：

• map：对每个元素做同样的操作（加工）。
• filter：根据条件筛选元素（过滤）。
• reduce：将所有元素合并成一个值（归约）。

1. map(function, iterable) —— 映射

作用：
将传入的函数 function 依次作用到序列 iterable 的每一个元素上，并返回一个包含处理结果的新迭代器（Iterator）。

生活类比：
工厂流水线。原料（列表中的元素）经过机器（函数）加工，变成了成品。

语法：

map(函数, 序列)

示例： 将列表中的每个数字平方。

numbers = [1, 2, 3, 4, 5]

# 定义一个平方函数
def square(x):
    return x  2

# 使用 map
result = map(square, numbers)

# 注意：Python 3 中 map 返回的是迭代器，需要转为 list 查看
print(list(result)) 
# 输出: [1, 4, 9, 16, 25]

# 配合 lambda 使用更简洁
print(list(map(lambda x: x  2, numbers)))

2. filter(function, iterable) —— 过滤

作用：
将序列 iterable 中的每个元素传递给函数 function 进行判断。如果函数返回 True，则保留该元素；如果返回 False，则丢弃该元素。

生活类比：
安检门。只有符合条件（没有携带违禁品）的人才能通过，其他的被拦下。

语法：

filter(判断函数, 序列)

示例： 筛选出列表中的偶数。

numbers = [1, 2, 3, 4, 5, 6]

# 定义判断偶数的函数
def is_even(x):
    return x % 2 == 0

# 使用 filter
result = filter(is_even, numbers)

print(list(result))
# 输出: [2, 4, 6]

# 配合 lambda 使用
print(list(filter(lambda x: x % 2 == 0, numbers)))

3. reduce(function, iterable) —— 归约

作用：
对序列 iterable 中的元素进行累积操作。函数 function 必须接收两个参数。reduce 会先取前两个元素进行计算，然后将结果与第三个元素计算，以此类推，最终返回一个数值。

注意： 在 Python 3 中，reduce 不再是全局内置函数，需要从 functools 模块导入。

生活类比：
滚雪球。从一个小核心开始，越滚越大，最后变成一个大雪球。或者吃贪吃蛇，吃一个变长一点，最后合为一体。

语法：

from functools import reduce
reduce(函数, 序列)

示例： 计算列表中所有数字的和（累加）。

from functools import reduce

numbers = [1, 2, 3, 4]

# 定义相加函数
def add(x, y):
    return x + y

# 使用 reduce
# 计算过程: 
# 1. add(1, 2) -> 3
# 2. add(3, 3) -> 6
# 3. add(6, 4) -> 10
result = reduce(add, numbers)

print(result)
# 输出: 10

# 配合 lambda 使用
print(reduce(lambda x, y: x + y, numbers))

总结对比

💡 最佳实践提示

虽然这三个函数很强大，但在现代 Python 开发中，列表推导式 (List Comprehension) 通常被认为更具“Python 风格”（Pythonic），因为它们可读性更强。

• 替代 map:
  [x**2 for x in numbers]
• 替代 filter:
  [x for x in numbers if x % 2 == 0]
• 替代 reduce:
  通常使用直接的循环或专用函数（如 sum(), max()），但在需要复杂累积逻辑时，reduce 依然非常有用。