6.3 map、filter 与 reduce

map()、filter() 和 reduce() 可以把数据处理拆成清晰的步骤。它们常常和短小的 lambda 函数配合使用。lambda 是匿名函数（anonymous function），适合表达很短的转换规则或判断规则。

数据处理流水线

可以把一组数据想成一条数据处理流水线（data pipeline）：

• filter()：决定哪些元素留下。
• map()：把每个元素转换成新值。
• reduce()：把多个值合并成一个结果。

奇数平方和

下面的程序计算 0 到 9 中所有奇数的平方和。

from functools import reduce

numbers = list(range(10))
print("原始列表 =", numbers)

odds = list(filter(lambda x: x % 2 == 1, numbers))
print("奇数 =", odds)

squares = list(map(lambda x: x ** 2, odds))
print("平方 =", squares)

total = reduce(lambda x, y: x + y, squares)
print("总和 =", total)

运行结果：

原始列表 = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
奇数 = [1, 3, 5, 7, 9]
平方 = [1, 9, 25, 49, 81]
总和 = 165

什么时候使用 lambda

lambda 适合表达非常短的匿名函数。例如 lambda x: x ** 2 表示“输入 x，返回 x 的平方”。

如果处理逻辑比较长，应该使用普通的 def 函数。不要为了追求简短而牺牲可读性。