map、filter、reduce的核心区别是：map一对一转换元素，filter按条件筛选子集，reduce累积计算得单值；三者均不修改原数据，返回惰性对象（reduce除外），体现函数式编程思想。
这三个函数都是 Python 中处理可迭代对象的高阶函数，核心区别在于：map 用于逐个转换元素，filter 用于筛选符合条件的元素，reduce 用于累积计算得到单个结果。
map：一对一映射，生成新序列
map 接收一个函数和一个可迭代对象，把函数依次作用在每个元素上，返回一个 map 对象（惰性求值，需转 list 等才可见结果）。原数据不变，输出长度与输入一致。
常见用法示例：
- list(map(lambda x: x * 2, [1, 2, 3])) → [2, 4, 6]
- list(map(str.upper, ['a', 'b', 'c'])) → ['A', 'B', 'C']
- 注意：传入函数必须接受一个参数；多个可迭代对象可并行传入（如 map(func, a, b)），func 需支持多参数
filter：按条件过滤，输出子集
filter 接收一个判断函数（返回 True/False）和一个可迭代对象，只保留使函数返回 True 的元素，也返回惰性对象。输出长度 ≤ 输入长度，不改变原数据。
立即学习“Python免费学习笔记（深入）”；
常见用法示例：
- list(filter(lambda x: x > 2, [1, 2, 3, 4])) → [3, 4]
- list(filter(None, [0, '', [], 'hello', 42])) → ['hello', 42]（None 表示保留真值）
- 函数返回值必须是布尔类型或可转为布尔值；空序列、0、None、空字符串等会被过滤掉
reduce：归约聚合，产出单一值
reduce 不是内置函数，需从 functools 导入：from functools import reduce。它接收一个二元函数（两个参数）、一个可迭代对象，以及可选的初始值，将函数依次应用于累积结果和下一个元素，最终返回一个值。
常见用法示例：
- reduce(lambda x, y: x + y, [1, 2, 3, 4]) → 10
- reduce(lambda x, y: x if x > y else y, [2, 8, 1, 6]) → 8（找最大值）
- 若提供初始值（如 reduce(func, seq, init)），第一次调用是 func(init, seq[0])；空序列且无初始值会报错
三者都遵循函数式编程思想：不修改原数据、无副作用、强调“做什么”而非“怎么做”。实际使用中，列表推导式常可替代 map 和 filter（更 Pythonic），而 reduce 多数场景可用 sum、max、any 等内置函数或循环代替，除非逻辑复杂需自定义累积过程。
