高阶函数：map、filter、reduce、sorted底层详解+实战选型

博客导语

高阶函数是Python函数式编程基石，判定标准只有两个：参数接收函数、返回值返回函数。很多开发者只会无脑调用，不懂惰性特性、和推导式的选型边界、底层迭代器返回逻辑。本文全覆盖四大内置高阶函数，附带性能对比、面试问答、替代方案。

一、map 映射函数

1.底层原理

语法：map(func, *iterables)，遍历多个可迭代对象，将每个元素传入func处理，**返回惰性迭代器，不占用堆内存**，只有强制转换list/tuple时才会执行计算。支持多序列并行映射，匹配最短序列长度。

# 单序列映射 nums = [1,2,3,4] res = map(lambda x:x**2, nums) print(type(res)) # map迭代器，惰性对象 print(list(res)) # [1,4,9,16] # 双序列并行映射 a = [1,2], b=[10,20] res2 = map(lambda x,y:x+y,a,b) print(list(res2)) # [11,22]

2.选型避坑

简单单元素转换：列表推导式更快；多序列并行转换：优先map，代码更简洁。

二、filter 过滤函数

语法：filter(func, iterable)，func返回布尔值，保留返回True的元素；func传入None时，自动过滤所有空值、0、None。同样返回惰性迭代器。

data = [0,1,None,"",22,[],33] # 过滤空值 res = filter(None, data) print(list(res)) # [1,22,33] # 自定义条件过滤偶数 res2 = filter(lambda x:x%2==0, [1,2,3,4])

三、reduce 累积归约函数

位于functools内置库，Python3移出全局命名空间。语法：reduce(func, iter, init=None)，func必须接收两个参数，依次累积计算，最终返回单个值，无惰性特性。

from functools import reduce # 列表求和 print(reduce(lambda x,y:x+y,[1,2,3,4])) # 10 # 带初始值：初始值参与第一次计算 print(reduce(lambda x,y:x*y,[2,3],5)) # 30

四、sorted 全局排序函数

区分list.sort()：sorted返回全新列表、不修改原数据、支持所有可迭代对象；sort原地修改、仅列表可用。核心参数key（排序依据）、reverse（升降序）。

user = [("李四",24),("张三",20)] # 按年龄升序 new_user = sorted(user,key=lambda x:x[1]) # 按姓名降序 new_user2 = sorted(user,key=lambda x:x[0],reverse=True)

面试高频总结

map/filter惰性节省内存、适合海量数据；reduce适合聚合计算；sorted是开发最高频高阶函数。