Python 函数式编程三剑客：map、filter 与 reduce

在学习了“生成器表达式”之后，我们已经初步体会到了函数式编程带来的代码精简和优雅。而在 Python 中，还有三个历史悠久且非常经典的内置高阶函数——也就是常说的“三剑客”：map、filter 和 reduce。

虽然很多时候它们的功能可以用生成器表达式或列表推导式替代，但在某些特定场景下，它们能提供更紧凑的语义表达，尤其是在处理数据流转换和聚合时。

这篇文章我们来彻底搞懂它们的设计思想和使用场景。

什么是“高阶函数”？

在讲三剑客之前，必须先明白什么是高阶函数（Higher-order function）。 简单来说，如果一个函数能接收另一个函数作为参数，或者返回一个函数，那它就是高阶函数。

在 Python 中，函数是一等公民，你可以像传递普通变量一样传递函数名：

1def double(x):
2    return x * 2
3
4# 此时我们没有调用 double()，而是把函数本身赋值给 f
5f = double 
6print(f(5)) # 输出 10

map、filter 和 reduce 就是最典型的高阶函数，它们的核心思想都是：“我来负责控制遍历的过程，你传一个函数告诉我该对元素做什么操作”。

1. map：映射变换

map(function, iterable) 的作用是：把一个可迭代对象（列表、元组等）里的每一个元素，挨个送到 function 里加工，然后把加工后的结果组合成一个新的迭代器返回。

基本用法

假设要把一个字符串列表全都转成大写：

1words = ["hello", "world", "python"]
2
3# 使用 map，传给它的第一个参数是内置函数 str.upper
4upper_words = map(str.upper, words)
5
6# 注意：map 返回的是一个迭代器（惰性求值），需要用 list() 展开
7print(list(upper_words)) 
8# 输出: ['HELLO', 'WORLD', 'PYTHON']

配合 lambda（匿名函数）

通常我们需要传递的函数逻辑很简单，没必要专门用 def 定义一个，这时候可以用 lambda：

1nums = [1, 2, 3, 4, 5]
2# 把每个数字平方
3squared = list(map(lambda x: x**2, nums))
4print(squared) # [1, 4, 9, 16, 25]

算法竞赛中的神级用法

在算法题（比如 Codeforces 或洛谷）中，我们最常见的一行读取并转换输入：

1# 输入例如: 10 20 30
2# input().split() 得到字符串列表 ['10', '20', '30']
3# map(int, ...) 会把每个字符串送给 int() 转成整数
4a, b, c = map(int, input().split())

2. filter：条件过滤

filter(function, iterable) 的作用是：对可迭代对象里的每个元素进行测试。如果 function 返回 True，这个元素就被留下；如果返回 False，就被丢弃。

基本用法

过滤出数组里的所有偶数：

1nums = [1, 2, 3, 4, 5, 6]
2
3# 只留下能被 2 整除的数
4evens = filter(lambda x: x % 2 == 0, nums)
5
6print(list(evens)) # [2, 4, 6]

妙用：过滤空值

如果不传函数（传 None），filter 会自动把所有被视为 False 的元素（如 0、""、[]、None）全过滤掉：

1mixed = [0, 1, False, True, "", "hello", None, []]
2clean = list(filter(None, mixed))
3print(clean) # [1, True, 'hello']

3. reduce：聚合归约

reduce(function, iterable[, initializer]) 是最需要理解的一个。 它的作用是：把前两个元素丢给函数算出一个结果，再把这个结果和第三个元素丢给函数算出一个结果…一直滚动下去，最终把整个集合“压缩”成一个单一的值。

工作原理拆解

我们要算 [1, 2, 3, 4] 的累加和：

1from functools import reduce
2
3nums = [1, 2, 3, 4]
4
5# 这里的 lambda 需要接收两个参数：
6# acc 是前面累积的结果 (accumulator)，x 是当前元素
7total = reduce(lambda acc, x: acc + x, nums)
8print(total) # 输出 10

它的执行过程是这样的：

1. acc=1, x=2，结果 = 3
2. acc=3, x=3，结果 = 6
3. acc=6, x=4，结果 = 10 结束，返回 10。

实战：最大值与连乘

虽然有自带的 max() 和 sum()，但体会一下用 reduce 实现它们：

 1from functools import reduce
 2
 3nums = [3, 8, 1, 6, 2]
 4
 5# 找最大值
 6max_val = reduce(lambda a, b: a if a > b else b, nums)
 7print(max_val) # 8
 8
 9# 计算阶乘（连乘）
10factorial_5 = reduce(lambda a, b: a * b, range(1, 6))
11print(factorial_5) # 1 * 2 * 3 * 4 * 5 = 120

进阶：带初始值的 reduce

reduce 的第三个参数可以指定一个初始值。如果指定了初始值，第一步时 acc 就等于这个初始值，x 等于数组第一个元素。

常用于把一个数组合并成字典：

 1from functools import reduce
 2
 3words = ['apple', 'banana', 'apple', 'orange', 'banana', 'apple']
 4
 5# 统计词频
 6def count_words(acc, word):
 7    acc[word] = acc.get(word, 0) + 1
 8    return acc
 9
10# 传入空字典 {} 作为初始状态
11word_count = reduce(count_words, words, {})
12print(word_count) # {'apple': 3, 'banana': 2, 'orange': 1}

总结：该用推导式还是三剑客？

在现代 Python 中，其实这三者的很多功能可以被列表推导式和生成器表达式完全替代：

• map: map(lambda x: x*2, arr) $\Leftrightarrow$ [x*2 for x in arr]
• filter: filter(lambda x: x>0, arr) $\Leftrightarrow$ [x for x in arr if x>0]

选择指南：

1. 如果你已经有现成的函数（比如 int, str.upper），用 map 非常简洁优雅：map(int, arr) 优于 [int(x) for x in arr]。
2. 如果你的逻辑很简单，但需要写 lambda 才能用 map，那直接写推导式通常可读性更好。
3. reduce 比较抽象，如果不是为了炫技或者处理复杂的链式状态机合并，普通情况下用一个简单的 for 循环累加，对以后的代码维护更友好。