Clojure 序列操作：map、filter、reduce

Clojure 处理数据的核心在于对序列的操作。大多数编程任务最终都可以归纳为：转换数据、筛选数据和汇总数据。这三个动作在 Clojure 中分别对应 map、filter 和 reduce 三个核心函数。

1. 数据转换：map

map 的作用是将一个函数应用到序列的每一个元素上，返回一个包含新结果的新序列。这是一种“一对一”的转换。

理解基本用法

map 接收两个参数：一个函数和一个集合。

打开你的 REPL 或编辑器，输入以下代码：

(map inc [1 2 3 4])

运行后，你会得到结果 (2 3 4 5)。

这里 inc 是 Clojure 内置的加一函数，map 遍历了列表中的每个数字并分别对其加一。

处理复杂数据结构

在实际开发中，我们经常需要处理包含 Map 的向量（类似 JSON 数组）。假设你有一组用户数据，需要提取所有人的名字。

定义一个用户向量：

(def users [{:name "Alice" :age 25}
            {:name "Bob"   :age 30}
            {:name "Charlie" :age 35}])

使用 map 配合 :name 关键字来提取名字。在 Clojure 中，关键字可以作为函数使用，用于从 Map 中获取对应的值。

输入以下代码：

(map :name users)

观察输出结果 ("Alice" "Bob" "Charlie")。

使用匿名函数

当内置函数无法满足需求时，编写一个匿名函数传给 map。

输入以下代码，将年龄增加 1 岁：

(map (fn [user] (update user :age inc)) users)

这里 使用了 update 函数，它接收 Map、键和一个更新函数，返回更新后的 Map。

2. 数据筛选：filter

filter 用于根据条件从集合中保留或剔除元素。它接收一个“断言函数”（返回 true 或 false 的函数）和一个集合。

筛选数字

假设你有一个数字列表，只想保留其中的偶数。

输入以下代码：

(filter even? [1 2 3 4 5 6])

运行结果为 (2 4 6)。

筛选复杂结构

继续使用上面的 users 数据，假设我们需要找出年龄大于 30 岁的用户。

编写筛选条件：

(filter (fn [user] (> (:age user) 30)) users)

或者 使用更简洁的匿名函数写法 #(...)：

(filter #(< 30 (:age %)) users)

这里 % 代表传入的参数（即单个 user Map）。

取反操作

如果你想要剔除满足条件的元素，可以 使用 remove 函数，它的用法与 filter 完全一致，但逻辑相反。

3. 数据汇总：reduce

reduce 是这三个函数中最强大的。它将一个序列“折叠”或“归纳”成一个单一值。它通常用于求和、求积或构建复杂的数据结构。

理解工作机制

reduce 接收三个参数：一个函数、一个初始值（可选）和一个序列。

它的核心逻辑是：函数的上一次计算结果（累加器）会和序列的下一个元素一起，再次传入函数进行计算。

我们可以用数学公式来表达这个过程。假设函数为 $f$，序列为 $[x_1, x_2, x_3]$，初始值为 $acc_0$，那么计算过程如下：

$$ acc_1 = f(acc_0, x_1) $$
$$ acc_2 = f(acc_1, x_2) $$
$$ result = f(acc_2, x_3) $$

求和示例

计算数字列表的总和。

输入以下代码：

(reduce + 0 [1 2 3 4])

执行步骤如下：

1. 取初始值 0 和第一个元素 1，执行 (+ 0 1)，得到 1。
2. 取上一步结果 1 和第二个元素 2，执行 (+ 1 2)，得到 3。
3. 取上一步结果 3 和第三个元素 3，执行 (+ 3 3)，得到 6。
4. 取上一步结果 6 和第四个元素 4，执行 (+ 6 4)，得到 10。

最终结果为 10。

为了更直观地理解数据流动过程，可以参考下面的流程图：

构建复杂数据

reduce 不仅仅可以计算数字，还可以构建数据结构。例如，我们将一个向量转换成 Map。

输入以下代码：

(reduce conj {} [[:a 1] [:b 2]])

这里 conj 是向集合中添加元素的函数。初始值是一个空 Map {}。

1. 执行 conj {} [:a 1]，得到 {:a 1}。
2. 执行 conj {:a 1} [:b 2]，得到 {:a 1 :b 2}。

4. 实战组合：Thread-Last Macro

在实际开发中，我们经常需要将这三个函数串联起来使用。例如：“从用户列表中过滤出成年人，提取他们的名字，然后将名字合并成一个字符串”。

如果不使用宏，代码会变成这样：

(apply str (interpose ", " (map :name (filter #(< 18 (:age %)) users))))

这种嵌套结构极难阅读。Clojure 提供了 ->>（Thread-Last Macro）来解决这个问题。它将上一步的结果作为最后一个参数传递给下一个函数。

使用 ->> 重写上述逻辑：

(->> users
     (filter #(< 18 (:age %))) ; 1. 筛选年龄大于18的
     (map :name)                ; 2. 提取名字
     (interpose ", ")           ; 3. 在名字中间插入逗号
     (apply str))               ; 4. 将所有字符串拼接起来

阅读代码的顺序现在变成了从上到下，完全符合数据处理流水线的思维逻辑。

为了方便记忆和区分，下表总结了这三个函数的核心特征：