Pythonの関数型プログラミング入門！map, filter, reduce の活用方法

1. mapって何？リストの中身を一気に変える

1. mapって何？リストの中身を一気に変える

mapは「まとまったデータを順番に処理して、新しいデータをつくる」関数です。例えると、リンゴを全部皮を剥いてリンゴジュースを作るイメージです。

nums = [1, 2, 3, 4]
def square(x):
    return x * x

squares = list(map(square, nums))
print(squares)

[1, 4, 9, 16]

このように、リストの中の数をすべて「二乗する」処理をまとめてできます。

2. filterって何？リストから条件に合うものだけ選ぶ

2. filterって何？リストから条件に合うものだけ選ぶ

filterは、「条件に当てはまるデータだけを取り出す」関数です。たとえば、おいしいリンゴだけ選ぶイメージです。

nums = [1, 2, 3, 4, 5, 6]
def is_even(x):
    return x % 2 == 0

evens = list(filter(is_even, nums))
print(evens)

[2, 4, 6]

このように、偶数だけを取り出すことができます。

3. reduceって何？リストを一つの値にまとめる

3. reduceって何？リストを一つの値にまとめる

reduceは、リストの値を一つにまとめるときに使います。たとえば、みんなで材料を混ぜて一つのケーキを作る感じです。

使うには、functoolsというライブラリから呼び出します。

from functools import reduce

nums = [1, 2, 3, 4]
def add(x, y):
    return x + y

total = reduce(add, nums)
print(total)

10

このように、リストの数字をすべて足して一つの合計にまとめられます。

4. map・filter・reduce を組み合わせる

4. map・filter・reduce を組み合わせる

これらは組み合わせても使えます。たとえばリストから偶数を取り出して二乗して合計する例です。

from functools import reduce

nums = [1, 2, 3, 4, 5, 6]
evens = filter(lambda x: x % 2 == 0, nums)
squares = map(lambda x: x * x, evens)
total = reduce(lambda a, b: a + b, squares)
print(total)

56

このコードで「偶数だけ二乗して、合計する」を一度に処理できます。

5. lambda式（ラムダ式）を使ってシンプルに書く

5. lambda式（ラムダ式）を使ってシンプルに書く

lambdaは、「その場で使う小さな関数」を書くときに使います。次のように短く書けます。

from functools import reduce

nums = [1, 2, 3, 4, 5, 6]
total = reduce(lambda a, b: a + b,
               map(lambda x: x * x,
                   filter(lambda x: x % 2 == 0, nums)))
print(total)

56

難しそうに見えますが、「一列に処理をつなげる」考え方を理解すると、スッキリ書けます。

6. なぜmap/filter/reduceを使うの？メリットは？

6. なぜmap/filter/reduceを使うの？メリットは？

• コードが短く、読みやすくなる
• 同じ処理をまとめて扱えて効率的
• リスト内包表記やラムダ式と組み合わせて使いやすい

コードの流れを直感的に書けるので、初心者にもおすすめです。

7. 注意点は？初心者が気をつけたいこと

7. 注意点は？初心者が気をつけたいこと

• 関数の渡し方（関数名に () を付けない）に注意する
• ラムダ式は複雑に書くと読みにくい
• 最初はリスト内包表記と一緒に練習すると理解が早い

8. 練習してみよう

8. 練習してみよう

まずは短いリストを使って、mapやfilter、reduceを使って遊んでみてください。

例えば文字列リストに大文字小文字をまとめて処理するなど、いろいろ試してみましょう。

まとめ

まとめ

ここまで、Pythonにおける関数型プログラミングの強力なツールである map、filter、そして reduce の基本的な使い方から応用までを詳しく解説してきました。これらの関数は、従来の for ループや while ループによる反復処理を、より宣言的で簡潔なコードへと書き換えることを可能にします。

map関数の本質的な理解

map 関数は、イテラブル（リストやタプルなど）のすべての要素に対して、指定した関数を一律に適用するためのものです。これは「データの変換」を目的としています。例えば、ECサイトの価格リストに一律で消費税を加えたり、ユーザー名のリストをすべて大文字に変換したりといった、一括処理の場面で真価を発揮します。

# mapを使った価格の税込み計算例
prices = [1000, 2500, 4800]
tax_included = list(map(lambda p: int(p * 1.1), prices))
print(tax_included)

[1100, 2750, 5280]

filter関数によるデータの精査

次に、filter 関数は「データの抽出」を担います。膨大なデータセットの中から、特定の条件を満たすものだけを残し、不要なものを排除する際に利用されます。これは検索機能の裏側や、特定のステータスを持つユーザーのみを抽出するロジックなどで頻繁に使われます。条件式（述語関数）が True を返す要素のみが保持されるという仕組みを意識しましょう。

# filterを使った高額商品の抽出例
high_prices = list(filter(lambda p: p > 3000, tax_included))
print(high_prices)

[5280]

reduce関数による情報の集約

reduce 関数は、前の二つとは少し毛色が異なります。リストの要素を順次取り出し、累積的に計算を行うことで、最終的に「一つの値」へと落とし込みます。総和を求めるだけでなく、最大値を算出したり、複雑な辞書データを統合したりする場合にも応用可能です。functools モジュールからインポートする必要がある点は、忘れがちなポイントなので注意してください。

# reduceを使った文字列の連結例
from functools import reduce
words = ["Python", "は", "非常に", "強力だ"]
sentence = reduce(lambda x, y: x + y, words)
print(sentence)

Pythonは非常に強力だ

実務での活用とリスト内包表記との使い分け

Pythonには「リスト内包表記」という、これら三つの関数と似た役割を果たす構文が存在します。多くの場合、map や filter よりもリスト内包表記の方が「Pythonらしい（Pythonic）」とされ、可読性が高いと評価されることもあります。しかし、既存の関数を再利用する場合や、関数型プログラミングの文脈で処理をパイプライン化したい場合には、今回学んだ手法が非常に有効です。

重要なのは、どちらが正しいかではなく、チームのコーディング規約や、その場のコードの読みやすさに合わせて適切な道具を選択できる柔軟性です。ラムダ式（無名関数）を多用しすぎると、かえってデバッグが困難になることもあるため、複雑な処理は def キーワードで通常の関数として定義してから map に渡すといった工夫も、プロ級のエンジニアへの第一歩となります。