Python 的 filter() 函数是一种内置的高阶函数，用于从可迭代对象中筛选满足特定条件的元素，返回一个迭代器（Python 3 中）。以下是其核心要点：

🔧 1. 基本语法与定义

• 语法：filter(function, iterable)

• function：判断函数，返回布尔值（True/False）。若为 None，则自动过滤掉布尔值为 False 的元素（如 0、""、None、False 等）。

• iterable：可迭代对象（如列表、元组、字典）。

• 返回值：迭代器（filter 对象），需通过 list() 等转换为列表以查看结果。

⚙️ 2. 核心工作机制

• 遍历 iterable 中的每个元素，传递给 function 进行测试：

• 若 function 返回 True，保留该元素；

• 若返回 False，丢弃该元素。

示例：

筛选偶数

numbers = [1, 2, 3, 4, 5]
even = filter(lambda x: x % 2 == 0, numbers)
print(list(even)) # 输出 [2, 4]

过滤空字符串

words = [“hello”, “”, “world”]
non_empty = filter(None, words)
print(list(non_empty)) # 输出 [“hello”, “world”]

🛠️ 3. 典型应用场景

• 数据清洗：去除缺失值（None）、空字符串或无效数据。

• 条件筛选：如从用户列表中过滤成年人（age >= 18）。

• 复杂逻辑：结合 lambda 或自定义函数，如筛选质数、特定字符的字符串等。

• 链式操作：多条件过滤（嵌套 filter）。

字典处理示例：
users = [{“name”: “Alice”, “age”: 25}, {“name”: “Bob”, “age”: 17}]
adults = filter(lambda u: u[“age”] >= 18, users)
print(list(adults)) # 输出 [{“name”: “Alice”, “age”: 25}]

↔️ 4. 与列表推导式的比较

特性 filter() 列表推导式 返回值 迭代器（惰性求值） 列表（立即求值） 内存效率 更高（适合大数据） 较低（生成完整列表） 可读性 简单条件更简洁 复杂条件更清晰

示例对比：

filter 方式

filter(lambda x: x % 2 == 0, numbers)

列表推导式

[x for x in numbers if x % 2 == 0]

⚠️ 5. 注意事项

• 返回值处理：filter 返回迭代器，需显式转换为列表。

• 函数返回值：function 必须返回布尔值，否则逻辑可能出错（如返回数值 0 被视为 False）。

• 性能优化：大数据集优先用 filter（惰性计算）或生成器表达式。

💎 总结

filter() 是 Python 函数式编程的核心工具，通过简洁的语法实现数据筛选，尤其适合链式操作、大数据处理和数据清洗。结合 lambda 可提升代码简洁性，但与列表推导式相比需权衡可读性与场景需求。对于返回的迭代器对象，务必通过 list()、循环等方式处理以获取实际结果。