为何functools.reduce可对列表应用operator.eq，却无法处理对应map对象？

一、第一个代码“无效”的根本原因 #

先看这段代码：

import operator
import functools

iterable = [1, 2, 3]

mapped = map(operator.eq, iterable)
print(type(mapped)) # <class 'map'>

functools.reduce(operator.eq, mapped)

问题出在map(operator.eq, iterable)的用法错误：

• operator.eq是二元函数，需要接收两个参数才能返回布尔值（比如operator.eq(1,2)等价于1==2）。
• map函数会将iterable中的每个元素作为唯一参数传给operator.eq，此时operator.eq不会执行比较，而是返回一个偏应用函数（比如operator.eq(1)等价于lambda x: x == 1，等待接收第二个参数）。

也就是说，mapped这个map对象里的元素不是布尔值，而是一个个等待参数的函数。当functools.reduce用operator.eq处理这些函数时：

1. 第一步取前两个偏函数，用operator.eq比较它们是否是同一个函数对象（显然不是，返回False）；
2. 第二步用operator.eq把False和第三个偏函数比较，判断布尔值和函数对象是否相等（返回False）。

这完全不是预期的“元素比较”逻辑，所以代码看起来“无效”。

二、直接用原可迭代对象的代码为何能运行（但结果意外） #

这段代码能运行，但结果容易误解：

import operator
import functools

iterable = [True, False, False]
functools.reduce(operator.eq, iterable) # 返回True

reduce的执行逻辑是累积应用二元函数，步骤如下：

1. 初始取前两个元素：True == False → 结果为False；
2. 用第一步的结果和第三个元素比较：False == False → 结果为True。

最终返回True，但这和“所有元素是否相等”的预期不符——它不是判断所有元素是否等于第一个元素，而是依次做((a1==a2)==a3)的累积比较，所以结果容易让人误解。

三、核心问题：为什么reduce能处理原iterable，却不能处理map生成的mapped？ #

本质是两者的元素类型完全不同：

• 原iterable的元素是普通值（数字、布尔值等），operator.eq可以接收两个普通值并返回布尔值，符合reduce对二元函数的要求（输入两个可比较的值，返回一个可继续参与运算的值）。
• mapped的元素是偏应用函数，operator.eq接收两个函数对象时，比较的是函数是否为同一对象，而非执行预期的数值/布尔比较；后续用布尔值和函数对象比较时，逻辑完全偏离预期，最终结果毫无意义，所以看起来“无法应用”。

如果想让map生成可用于reduce的布尔值，你需要让operator.eq能拿到两个参数，比如要判断所有元素是否等于第一个元素，可以写成：

import operator
import functools

iterable = [1,1,1]
# 让map给operator.eq传两个参数：第一个元素和当前元素
mapped = map(operator.eq, iterable, [iterable[0]]*len(iterable))
print(functools.reduce(operator.and_, mapped)) # 返回True，判断所有元素等于第一个元素

内容的提问来源于stack exchange，提问作者user2138149