如何让deep_reduce()支持多返回值函数的累积计算？

核心思路 #

将多返回值的累积状态打包成元组（或自定义可解构结构），让传入的reduce函数接收该累积状态与当前元素，处理后返回新的累积状态。递归过程中全程传递这个状态包，最终一次性输出所有结果。

简洁实现示例 #

以同时计算嵌套列表总和与生成计算过程字符串为例：

from functools import reduce

def deep_reduce(nested_list, reduce_func, initial_acc):
    def _recur(item, acc):
        if isinstance(item, list):
            return reduce(_recur, item, acc)
        return reduce_func(acc, item)
    return reduce(_recur, nested_list, initial_acc)

# 自定义多返回值reduce函数
def multi_accumulate(acc, num):
    current_sum, process_str = acc
    new_sum = current_sum + num
    new_process = f"{process_str} + {num}" if process_str else str(num)
    return (new_sum, new_process)

# 测试嵌套结构
nested_data = [1, [2, [3, 4]], 5]
total, calc_process = deep_reduce(nested_data, multi_accumulate, (0, ""))
print(f"计算结果：{total}")
print(f"计算过程：{calc_process}")

关键要点 #

• 初始累积值必须与reduce函数的返回结构匹配，比如示例中(0, "")对应总和初始值、空过程字符串。
• reduce函数需解构累积状态，分别处理各维度的逻辑后，重新打包成新的状态返回。
• 递归逻辑仅做类型判断与reduce转发，不干预状态处理，确保所有层级都能持续更新多维度累积值。

方案优势 #

• 单次遍历完成所有计算，避免多次调用deep_reduce带来的冗余遍历开销。
• 支持任意数量的返回值扩展，只需调整初始状态与reduce函数的处理逻辑即可。

内容的提问来源于stack exchange，提问作者sten