Python的map、filter、reduce是函数式编程三大核心：map用于批量转换（惰性求值，注意返回值非None）；filter按真值筛选（非仅非空）；reduce需导入且设初值，适用于累积计算。
Python 的 map、filter 和 reduce 是函数式编程的三大核心高阶函数，它们能帮你写出更简洁、可读性更强、副作用更少的代码。关键不在于“炫技”，而在于选对场景、写对逻辑、避开常见坑。
map：批量转换，别改原数据，也别让它返回 None
map(func, iterable) 对可迭代对象每个元素调用函数，返回一个 map 对象（惰性求值）。常用于统一格式化、类型转换或简单计算。
- 推荐用列表推导式替代
map的情况：逻辑简单、只涉及一两个表达式（如[x * 2 for x in nums]比list(map(lambda x: x*2, nums))更直观） - 适合
map的场景：函数已定义好、逻辑稍复杂、或需复用（比如map(str.strip, lines)或map(json.loads, json_strings)） - 注意：如果函数返回
None，map结果里也会是None——这容易引发后续 AttributeError，建议函数明确返回值
filter：筛选要“真值”，不是“非空”
filter(func, iterable) 保留使函数返回真值（truthy）的元素。很多人误以为它过滤 None 或空字符串，其实它判断的是布尔上下文结果。
-
filter(None, [0, 1, '', 'hello', [], [1]])返回[1, 'hello', [1]]—— 因为0、''、[]在 bool 中为False - 写自定义函数时，直接返回条件表达式即可，避免绕弯：
filter(lambda x: x > 10, nums)比filter(lambda x: True if x > 10 else False, nums)干净得多 - 若需按属性筛选对象，优先用
getattr(obj, 'field')或点号访问（确保对象有该属性），否则加hasattr防错
reduce：累积计算，别硬刚，记得导入和设初值
reduce 不在内置命名空间里，必须从 functools 导入：from functools import reduce。它把函数依次作用于序列元素，累计出单个结果。
立即学习“Python免费学习笔记（深入）”；
- 常见用途：求和、连乘、拼接字符串、找最大/最小（但
sum、max、min更语义化，优先用内置） - 二元函数必须接收两个参数（累计值 + 当前元素），顺序不能反：
lambda acc, x: acc + x是标准写法 - 空序列会报错，务必传第三个参数作为初始值：
reduce(lambda a,b: a+b, [], 0)返回0；不传则抛TypeError - 嵌套结构扁平化、多字典合并等场景中，
reduce配合dict.update或解包更清晰（例如reduce(lambda a,b: {**a,**b}, dict_list)）
组合使用：链式处理，比嵌套更易读
三者可按“筛选 → 转换 → 归约”顺序串联，配合生成器表达式或转为 list 控制求值时机。
- 例：统计文本中长度超过 3 的单词数量
words = "the quick brown fox jumps".split()count = len(list(filter(lambda w: len(w) > 3, map(str.lower, words))))- 更推荐拆解或改用推导式：
len([w.lower() for w in words if len(w) > 3])，兼顾可读与性能 - 真正复杂流程（如数据清洗 pipeline）可用函数变量封装每步：
cleaned = reduce(lambda data, step: step(data), [filter_nonempty, parse_json, enrich_with_api], raw_data)
