Python 中的 Map 和 Reduce 详解

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

python 复制代码

# 需求：把列表中所有数字 ×2
nums = [1, 2, 3, 4]

# 定义处理函数
def double(x):
    return x * 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：

python 复制代码

nums = [1, 2, 3, 4]
result = map(lambda x: 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：

python 复制代码

a = [1, 2, 3]
b = [10, 20, 30]

# 对应位置相加
result = map(lambda x, 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

python 复制代码

# 必须先导入
from functools import reduce

nums = [1, 2, 3, 4]

# 累加函数：a=上一次结果，b=当前元素
def add(a, b):
    return a + 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

python 复制代码

from functools import reduce

nums = [1, 2, 3, 4]
total = reduce(lambda a, 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：

python 复制代码

from functools import reduce

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

4. 其他常用场景：求最大值

python 复制代码

from functools import reduce

nums = [5, 2, 9, 1]
max_num = reduce(lambda a, b: a if a > b else b, 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

python 复制代码

from functools import reduce

nums = [1, 2, 3, 4]

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

print(result)  # 30

四、快速对比总结

函数	作用	输入 → 输出	特点
`map`	批量转换	多个元素 → 同数量元素	一对一处理
`reduce`	聚合汇总	多个元素 → 单个值	多对一汇总

核心记忆口诀

map：挨个做，不减少数量
reduce：往一起捏，只剩一个值

总结

map 用于对序列中每个元素执行相同操作，返回新序列
reduce 用于把序列所有元素合并成一个结果 ，需从 functools 导入
两者搭配 lambda 使用最简洁，是 Python 数据处理的高效写法
大数据中的 MapReduce 思想，就来源于这两个基础函数