Python3中map(),reduce(),filter()的详细用法

小岛来信

发布时间：2026-10-15 | 4人浏览过

原创

本文详细解析Python3中map、reduce和filter三个高阶函数的用法。map用于序列映射，返回迭代器；filter用于条件过滤；reduce需引入functools模块进行累积计算。文章通过具体代码示例展示了单参数、多参数及lambda匿名函数的结合使用，帮助开发者写出更简洁的代码。

前言

在Python3中，map()、reduce()和filter()是三个常用于处理序列数据的内置高阶函数。它们通常与匿名函数lambda配合使用，能够显著提升代码的简洁性和执行效率。本文将深入讲解这三个函数的具体用法和注意事项。

1.map()函数详解

map()函数的主要作用是对指定序列进行映射操作，其返回值是一个迭代器。该函数的基本语法结构如下所示：

map(function, *iterables)

在上述语法中，第一个参数function代表一个可调用函数，第二个参数iterable代表一个或多个可迭代对象。在执行过程中，map()会遍历可迭代对象中的每个元素，并将它们作为参数传递给function函数进行计算。最终，函数会生成一个新的迭代器，其中包含每次调用function后的返回值。

当仅传入一个可迭代对象时：

"""计算列表中每个元素的三次方"""
def demo_map(x):
    return x ** 3
nums = [1, 2, 3, 4, 5]
print(list(map(demo_map, nums)))  # 输出：[1, 8, 27, 64, 125]

# 使用匿名函数
print(list(map(lambda x: x ** 3, nums)))  # 输出：[1, 8, 27, 64, 125]

若需处理多个可迭代对象：

"""计算3个列表中对应下标元素的和"""
def demo_map(x, y, z):
    return x + y + z
nums1 = [1, 2, 3, 4, 5]
nums2 = [11, 22, 33, 44, 55]
nums3 = [100, 200, 300, 400, 500]
print(list(map(demo_map, nums1, nums2, nums3)))  # 输出：[112, 224, 336, 448, 560]

# 使用匿名函数
print(list(map(lambda x, y, z: x + y + z, nums1, nums2, nums3)))  # 输出：[112, 224, 336, 448, 560]

2.filter()函数详解

filter()函数用于对序列进行过滤操作，剔除不符合条件的元素，其返回值同样是一个迭代器。其使用语法如下：

filter(function or None, iterable)

与map()类似，filter()的第一个参数function指定一个函数，第二个参数iterable指定一个可迭代对象。执行后，将返回一个包含每次调用function函数结果（布尔值）的迭代器，仅保留True对应的元素。

"""找出从 -5 到 5 中能被 4 整除的所有整数"""
def demo_filter(x):
    return x % 4 == 0
nums = range(-5, 6)
print(list(nums))  # 输出：[-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5]
# 传入None，只返回true的值（0是False，所以被过滤掉了）
print(list(filter(None, nums)))  # 输入：[-5, -4, -3, -2, -1, 1, 2, 3, 4, 5]
# 传入正常函数，过滤出 nums 中能被 4 整除的整数
print(list(filter(demo_filter, nums)))  # 输出：[-4, 0, 4]
# 使用匿名函数
print(list(filter(lambda x: x % 4 == 0, nums)))  # 输出：[-4, 0, 4]

在使用map()和filter()时，有以下两点关键区别需要注意：

map()函数必须传入一个正常的可调用函数；而filter()函数既可以传入正常函数，也可以传入None。当filter()的function参数为None时，它只返回可迭代对象中所有布尔值为True的元素。
map()函数支持传入多个可迭代对象，并并行处理；而filter()函数仅支持传入一个可迭代对象。

3.reduce()函数详解

reduce()函数的作用是对参数序列中的元素进行累积计算，最终返回一个单一的值。

需要注意的是，在Python3中，reduce()已从内置全局命名空间中移除。若需使用此功能，必须通过导入functools模块来调用reduce()函数。

其标准使用语法如下：

from functools import reduce
reduce(function, sequence[, initial])

在上述语法中，第一个参数function代表一个函数，且该函数必须接收两个参数；第二个参数sequence代表一个序列；第三个参数initial代表初始值，默认为None。

例如，执行reduce(lambda x, y: x+y, [1, 2, 3, 4, 5])，其计算过程相当于((((1+2)+3)+4)+5)，即从左到右依次对元素进行二元运算。

from functools import reduce
def demo_reduce(x, y):
    return x + y
nums = range(1, 101)
print(reduce(demo_reduce, nums))  # 输出：5050
# 使用匿名函数
print(reduce(lambda x, y: x + y, nums))  # 输出：5050

# 设置初始值为 1000
print(reduce(lambda x, y: x + y, nums, 1000))  # 输出：6050

上述介绍的map()、reduce()和filter()均属于Python3中的高阶函数。它们最大的优势在于能使代码更加简洁易读。当然，如果不使用这些高阶函数，开发者也可以通过常规的循环或列表推导式等方式实现相同的功能。

至此，关于Python3中map()、reduce()和filter()的详细用法介绍完毕。如需了解更多相关Python map()、reduce()、filter()的内容，建议搜索本站历史文章或继续浏览后续相关文章。感谢大家的支持！