map和filter是Python中不修改原数据、返回新迭代器的高阶函数：map对每个元素应用函数实现变换，filter按条件筛选真值元素；二者可嵌套组合实现链式数据处理，体现函数式编程思想。
Python 的 map 和 filter 是两个核心高阶函数，它们不修改原数据，而是返回新迭代器，特别适合简洁、声明式地处理序列——理解它们的用法，是掌握函数式编程思维的关键一步。
map：对每个元素做统一变换
map(func, iterable) 把函数 func 应用到可迭代对象（如列表、元组）的每一个元素上，返回一个 map 对象（惰性求值，需转为 list 等才可见结果）。
- 函数可以是内置函数（如
str、abs）、自定义函数或 lambda 表达式 - 支持多个可迭代对象，此时函数需接收对应数量的参数（按位置配对）
- 遇到长度不一致时，以最短的为准
示例：
>>> list(map(lambda x: x ** 2, [1, 2, 3, 4]))
[1, 4, 9, 16]
>>> list(map(str.upper, ['hello', 'world']))
['HELLO', 'WORLD']
filter：按条件筛选出符合条件的元素
filter(func, iterable) 用函数 func 判断每个元素是否“真值”（返回 True 的保留），返回 filter 对象。注意：func 必须返回布尔值，或能被隐式转换为布尔的值（如非空字符串、非零数）。
- 若想保留所有“非空/非零”元素，可直接传
Non（等价于
efilter(bool, ...)） - 常与 lambda 搭配，实现一行条件过滤
- 原序列顺序保持不变
e示例：
>>> list(filter(lambda x: x % 2 == 0, [1, 2, 3, 4, 5]))
[2, 4]
>>> list(filter(None, ['', 'a', 0, 1, [], [2]]))
['a', 1, [2]]
map + filter 组合：链式数据处理更清晰
两者返回的都是迭代器，可嵌套使用，形成“先筛后变”或“先变后筛”的逻辑流，避免中间变量，增强可读性（尤其配合 lambda 时）。
- 推荐写法：外层用 list() 包裹最终结果，内层保持惰性
- 注意嵌套顺序影响结果——
filter在前，减少后续map的计算量
示例（提取偶数并平方）：
>>> nums = [1, 2, 3, 4, 5, 6]
>>> list(map(lambda x: x**2, filter(lambda x: x % 2 == 0, nums)))
[4, 16, 36]
注意事项和实用提醒
虽然简洁，但实际使用中要注意几点：
- 返回的是迭代器，只可遍历一次；重复使用需重新调用或转为 list/tuple
- 相比 for 循环，
map/filter更侧重“做什么”，而非“怎么做”，利于逻辑抽象，但调试时不如显式循环直观 - 在数据量大时，惰性特性可节省内存；但若需多次访问结果，建议提前转为 list
- 现代 Python 中，列表推导式（如
[x**2 for x in nums if x % 2 == 0]）往往更常用、更 Pythonic，语义也更直接
掌握 map 和 filter 不是为了硬套语法，而是培养用函数组合表达数据流的习惯——这正是函数式编程的起点。
