### `filter()` 函数 `filter()` 函数用于过滤可迭代对象中的元素。它接受一个函数和一个可迭代对象作为参数，并将函数依次作用于每个元素，保留函数返回值为 `True` 的元素，最终返回一个迭代器。 例如，使用 `filter()` 过滤出字符串列表中等于 `'python'` 的元素： ```python string = ['java', 'python', 'php', 'python', 'c++'] res2 = filter(lambda x: x == 'python', string) print(list(res2)) # 输出: ['python', 'python'] ``` `filter()` 函数的功能相当于以下自定义实现： ```python def filter(bool_func, seq): filtered_seq = [] for eachItem in seq: if bool_func(eachItem): filtered_seq.append(eachItem) return filtered_seq ``` 如果传入的函数为 `None`，则会筛选出所有“真值”为 `True` 的元素[^3]。 --- ### `map()` 函数 `map()` 函数用于将一个函数依次作用于可迭代对象的每一个元素，并将结果收集成一个新的迭代器。它可以处理多个可迭代对象，前提是传入的函数接受相应数量的参数。 例如，对两个列表中的对应元素进行相加： ```python list1 = [1, 2, 3] list2 = [4, 5, 6] result = map(lambda x, y: x + y, list1, list2) print(list(result)) # 输出: [5, 7, 9] ``` `map()` 可以简化对数据的批量处理流程，尤其适合与 `lambda` 表达式结合使用[^1]。 --- ### `reduce()` 函数 `reduce()` 函数属于 `functools` 模块，它通过反复应用一个二元函数（即接受两个参数的函数）来累积地处理可迭代对象中的元素，最终得到一个单一的结果。例如，可以用来求和、求积或合并列表等。 如果提供初始值 `initial`，第一次调用函数时会将初始值与第一个元素一起传入；否则，会使用前两个元素开始累积。 例如，使用 `reduce()` 计算列表元素的乘积： ```python from functools import reduce nums = [1, 2, 3, 4] product = reduce(lambda x, y: x * y, nums) print(product) # 输出: 24 ``` 若提供初始值： ```python product_with_initial = reduce(lambda x, y: x * y, nums, 2) print(product_with_initial) # 输出: 48 (2*1*2*3*4) ``` 该函数在处理需要逐层累积的计算时非常高效[^5]。 --- ### 总结对比 | 函数名 | 功能描述 | 返回类型 | 是否需要导入模块 | |----------|--------------------------------------|--------------|------------------| | `filter` | 过滤满足条件的元素 | iterator | 否 | | `map` | 对每个元素应用函数 | iterator | 否 | | `reduce` | 累积计算，最终返回一个值 | 单一值 | 是 (`functools`) | 这些高阶函数在函数式编程风格中非常常见，能够使代码更简洁、更具表达力，尤其是在配合 `lambda` 使用时效果显著[^2]。 ---