以下是 Python 中 lambda、map、filter 和 reduce 的詳細功能介紹及用法總結，涵蓋基礎語法、高頻場景和示例代碼。

---

一、lambda 匿名函數

功能

• 用于快速定義一次性使用的匿名函數。
• 不需要顯式命名，適合簡化小規模邏輯。

語法

lambda 參數1, 參數2, ...: 表達式

示例

# 定義加法函數
add = lambda a, b: a + b
print(add(3, 5))  # 輸出 8# 作為參數傳遞給其他高階函數
squared = map(lambda x: x**2, [1, 2, 3])
print(list(squared))  # 輸出 [1, 4, 9]

---

二、map 映射

功能

• 對序列中的每個元素執行指定操作，生成新的迭代器。

語法

map(函數, 可迭代對象)

示例

# 將列表中的每個數平方
numbers = [1, 2, 3, 4]
result = map(lambda x: x**2, numbers)
print(list(result))  # 輸出 [1, 4, 9, 16]# 處理多序列（按最短序列長度）
texts = ["apple", "banana", "cherry"]
sizes = [5, 6]
result = map(lambda a, b: (a, len(a), b), texts, sizes)
print(list(result))  # 輸出 [('apple',5,5), ('banana',6,6)]

---

三、filter 過濾

功能

• 根據條件篩選序列中滿足要求的元素，生成新的迭代器。

語法

filter(條件函數, 可迭代對象)

示例

# 過濾偶數
numbers = [1, 2, 3, 4, 5, 6]
even = filter(lambda x: x % 2 == 0, numbers)
print(list(even))  # 輸出 [2, 4, 6]# 過濾非空字符串
words = ["hello", "", "world", None, " "]
valid_words = filter(lambda s: s and s.strip(), words)
print(list(valid_words))  # 輸出 ['hello', 'world']

---

四、reduce 累積

功能

• 將序列中的元素通過函數累積計算，最終返回一個結果（需導入 functools 模塊）。

語法

from functools import reduce
reduce(累積函數, 可迭代對象, [初始值])

示例

from functools import reduce# 累加元素
numbers = [1, 2, 3, 4]
sum_result = reduce(lambda a, b: a + b, numbers)  # 等效于 1+2+3+4
print(sum_result)  # 輸出 10# 求最大值
max_result = reduce(lambda a, b: a if a > b else b, numbers)
print(max_result)  # 輸出 4# 字符串拼接
words = ["I", "love", "Python"]
sentence = reduce(lambda a, b: f"{a} {b}", words)
print(sentence)  # 輸出 "I love Python"# 帶初始值
product = reduce(lambda a, b: a * b, [2, 3, 4], 1)  # 1*2*3*4=24
print(product)  # 輸出 24

---

五、實際應用場景

1. 數據清洗（filter + lambda）

data = ["10.5", "error", "20.3", "NaN", "15.7"]# 過濾無法轉換為浮點數的元素
clean_data = list(filter(lambda x: x.replace('.', '', 1).isdigit(), data))
print(clean_data)  # 輸出 ['10.5', '20.3', '15.7']

2. 多條件轉換（map + lambda）

prices = [100, 200, 300]# 根據價格生成帶稅結果（稅率 8%）
taxed_prices = list(map(lambda p: (p, p * 1.08), prices))
print(taxed_prices)  # 輸出 [(100,108.0), (200,216.0), (300,324.0)]

3. 復雜累積（reduce）

# 將二維列表扁平化
nested_list = [[1, 2], [3, 4], [5, 6]]
flattened = reduce(lambda a, b: a + b, nested_list)
print(flattened)  # 輸出 [1, 2, 3, 4, 5, 6]

---

六、對比列表推導式

方法	用途	優點	缺點
map + lambda	統一處理每個元素	簡潔，適合小規模操作	難以處理復雜邏輯
列表推導式	生成新列表	直觀，支持條件分支	大量計算時內存占用可能較高
filter + lambda	篩選元素	直接表達過濾條件	多條件篩選語法稍復雜
生成器表達式	惰性計算大數據	內存高效，支持流式處理	結果只能遍歷一次

---

七、注意事項

1. 可讀性優先：如果邏輯復雜，建議使用顯式命名的普通函數。
2. 性能權衡：map/filter 在大型數據集下可能比列表推導式更高效（尤其是結合生成器時）。
3. Python 3 的迭代器：map、filter 返回迭代器，直接打印時需轉換為列表（如 list(map(...))）。
4. reduce 替代方案：簡單累加建議使用 sum()、max() 等內置函數。

---

掌握這些工具后，可以大幅簡化迭代操作代碼！建議優先使用列表推導式和生成器表達式，必要時結合 lambda、map、filter、reduce。