---

介绍

在函数式编程中，map、filter、reduce 是三种基本的高阶函数，它们在处理数据集合时起着至关重要的作用。这些函数有助于执行列表（或数组）的转换和操作，而不需要改变原始数据集合。它们通常用于简化算法，使得代码更加简洁、易于理解和维护。

map 函数

作用和语法

map 函数遍历集合中的每个元素，并应用一个给定的函数，然后返回一个包含结果的新集合。
在 Python 中，map 函数的基本语法如下：

map(function, iterable, ...)

• function: 要应用到每个元素上的函数。
• iterable: 一个或多个可迭代的对象。

使用 map 函数

# 定义一个函数，将元素乘以 2
def multiply_by_two(x):return x * 2
# 使用 map 应用这个函数到列表 [1, 2, 3]
result = map(multiply_by_two, [1, 2, 3])
# 将结果转换为列表
print(list(result))  # 输出： [2, 4, 6]

Lambda 函数的配合应用

# 使用 lambda 函数简化 map 调用
result = map(lambda x: x * 2, [1, 2, 3])
print(list(result))  # 输出： [2, 4, 6]

filter 函数

作用和语法

filter 函数遍历集合中的每个元素，应用一个测试函数，仅保留那些测试结果为 True 的元素。
Python 中的 filter 函数语法如下：

filter(function, iterable, ...)

• function: 测试每个元素的测试函数。
• iterable: 一个或多个可迭代的对象。

使用 filter 函数

# 定义一个函数，检查元素是否为偶数
def is_even(x):return x % 2 == 0
# 使用 filter 应用这个函数到列表 [1, 2, 3, 4, 5]
result = filter(is_even, [1, 2, 3, 4, 5])
# 将结果转换为列表
print(list(result))  # 输出： [2, 4]

Lambda 函数的结合运用

# 使用 lambda 函数简化 filter 调用
result = filter(lambda x: x % 2 == 0, [1, 2, 3, 4, 5])
print(list(result))  # 输出： [2, 4]

reduce 函数

作用和语法

reduce 函数将一个二元函数累积地应用到一个序列的所有元素上，从左到右，直到序列结束。
Python 中的 reduce 函数语法如下：

reduce(function, iterable[, initial], ...)

• function: 一个二元操作函数，有两个参数，对序列中的连续两个元素进行操作。
• iterable: 一个可迭代的对象。
• initial: 可选参数，作为第一次调用函数时的第一个参数。

使用 reduce 函数

from functools import reduce
# 定义一个函数，计算列表中所有数字的乘积
def multiply(x, y):return x * y
# 使用 reduce 计算 [1, 2, 3, 4] 的乘积
result = reduce(multiply, [1, 2, 3, 4])
print(result)  # 输出： 24

典型应用场景

from functools import reduce
# 计算 Fibonacci 数列的前 n 项和
def fib_sum(n):return reduce(lambda x, _: x + fib(n-1), range(n), 0)
# 辅助函数，计算 Fibonacci 数列的第 n 项
def fib(n):return 1 if n <= 1 else fib(n-1) + fib(n-2)
# 调用函数
print(fib_sum(10))  # 输出： 550

在这段代码中，fib_sum 函数使用 reduce 来计算斐波那契数列前 10 项的和。reduce 函数以一个累加操作的 lambda 函数和一个 range 的列表作为初始参数，然后对 range 列表中的每个数字应用 lambda 函数，将其结果与之前的累加结果相加。