当前位置：首页 > news >正文

Python 中的 Map 和 Reduce 详解

news 2026/6/4 13:08:26

map和reduce是 Python 中函数式编程的核心工具，专门用于批量处理数据和聚合计算，代码简洁且高效，是数据处理的常用技巧。

简单一句话区分：

map：对每个元素单独做操作（一对一转换）
reduce：把所有元素聚合成一个结果（多对一汇总）

一、map：批量处理每个元素

map(function, iterable)

作用：把指定函数应用到可迭代对象（列表、元组等）的每一个元素上
返回：一个 map 对象（可转列表、元组等）

1. 基础示例

# 需求：把列表中所有数字 ×2nums=[1,2,3,4]# 定义处理函数defdouble(x):returnx*2# map 批量处理result=map(double,nums)# 转列表查看结果print(list(result))# 输出: [2, 4, 6, 8]

2. 搭配 lambda 简写（最常用）

实际开发中，简单函数直接用lambda，不用单独定义：

nums=[1,2,3,4]result=map(lambdax:x*2,nums)print(list(result))# [2, 4, 6, 8]

3. 处理多个可迭代对象

map可以同时处理多个列表，函数参数数量对应列表数量：

a=[1,2,3]b=[10,20,30]# 对应位置相加result=map(lambdax,y:x+y,a,b)print(list(result))# [11, 22, 33]

二、reduce：聚合所有元素为一个值

reduce(function, iterable[, initializer])

作用：反复用函数处理前两个结果，最终把整个序列合并成一个值
注意：Python3 中reduce不在内置函数里，需要从 functools 导入

1. 基础示例：列表求和

# 必须先导入fromfunctoolsimportreducenums=[1,2,3,4]# 累加函数：a=上一次结果，b=当前元素defadd(a,b):returna+b# reduce 汇总求和total=reduce(add,nums)print(total)# 输出: 1+2+3+4=10

2. 搭配 lambda 简写

fromfunctoolsimportreducenums=[1,2,3,4]total=reduce(lambdaa,b:a+b,nums)print(total)# 10

3. 带初始值的 reduce

指定初始值，会从初始值开始计算：

fromfunctoolsimportreducenums=[1,2,3]# 初始值=10，计算 10+1+2+3total=reduce(lambdaa,b:a+b,nums,10)print(total)# 16

4. 其他常用场景：求最大值

fromfunctoolsimportreducenums=[5,2,9,1]max_num=reduce(lambdaa,b:aifa>belseb,nums)print(max_num)# 9

三、map + reduce 组合使用（经典实战）

先批量处理（map），再汇总结果（reduce），这是大数据处理的基础思想。

示例：先把所有数字平方，再求和

fromfunctoolsimportreducenums=[1,2,3,4]# 1. map：每个数平方 → [1,4,9,16]# 2. reduce：求和 → 1+4+9+16=30result=reduce(lambdaa,b:a+b,map(lambdax:x**2,nums))print(result)# 30