本文介绍如何将嵌套的二维用户数据数组，按 `class_id` 字段归并为统一结构：每个班级对应一个对象，其 `students` 数组包含该班所有学生（仅保留 `roll_number` 和 `name`）。核心方法是先扁平化再用 `reduce` 构建哈希映射，最后提取值。

在 Node.js（或现代浏览器环境）中处理多维嵌套数据时，直接使用 map 或 for 循环逐层遍历容易遗漏跨子数组的同字段聚合逻辑——正如提问中所示：原始数据是二维数组（每个子数组可能含多个不同 class_id 的学生），而需求是按 class_id 全局分组，而非按子数组顺序分组。

✅ 正确思路：扁平化 + 累积映射 + 提取值

1. flat() 扁平化：将二维数组转为一维，消除嵌套层级干扰；
2. reduce() 构建索引对象：以 class_id 为键，动态初始化班级对象 { class_id, students: [] }；
3. Object.values() 提取结果：将键值对映射转为符合要求的数组格式。

以下是完整、可直接运行的解决方案：

Comet AI 浏览器

下载 Comet AI 浏览器，体验由 Perplexity AI 驱动的革命性上网方式。内置 AI 助手可实时总结网页、跨标签页对比信息、自动执行任务。告别繁琐操作，让 AI 成为你的浏览副驾，大幅提升研究与工作效率。支持 Windows、macOS、Android 和 iOS。

下载

const data = [
  [
    { class_id: "Grade 1", roll_number: "1", name: "alex" },
    { class_id: "Grade 1", roll_number: "2", name: "bob" },
  ],
  [
    { class_id: "Grade 2", roll_number: "7", name: "peter" },
    { class_id: "Grade 3", roll_number: "6", name: "lia" },
    { class_id: "Grade 2", roll_number: "5", name: "mary" },
    { class_id: "Grade 3", roll_number: "1", name: "violet" },
  ],
];

const result = data
  .flat() // → [{...}, {...}, {...}, ...]
  .reduce((acc, { class_id, roll_number, name }) => {
    // 若该 class_id 尚未存在，则初始化
    acc[class_id] ??= { class_id, students: [] };
    // 向对应班级的 students 数组推入精简学生对象
    acc[class_id].students.push({ roll_number, name });
    return acc;
  }, {});

console.log(Object.values(result));
// 输出：
// [
//   { class_id: "Grade 1", students: [{ roll_number: "1", name: "alex" }, { roll_number: "2", name: "bob" }] },
//   { class_id: "Grade 2", students: [{ roll_number: "7", name: "peter" }, { roll_number: "5", name: "mary" }] },
//   { class_id: "Grade 3", students: [{ roll_number: "6", name: "lia" }, { roll_number: "1", name: "violet" }] }
// ]

⚠️ 注意事项

• 兼容性：Array.prototype.flat() 和 ??=（Nullish Coalescing Assignment）需 Node.js ≥ 12（推荐 ≥ 14.17+）或现代浏览器支持。若需兼容旧环境，可用 [].concat(...data) 替代 flat()，用 acc[class_id] = acc[class_id] || { class_id, students: [] } 替代 ??=。
• 字段健壮性：代码假设每条记录必含 class_id、roll_number、name。生产环境中建议增加校验（如 if (!class_id) continue;）。
• 性能：该方案时间复杂度为 O(n)，空间复杂度为 O(k)，其中 n 是总学生数，k 是唯一班级数，高效且易于维护。

此模式不仅适用于学籍管理，也广泛用于日志聚合、订单分组、API 多请求结果合并等场景——关键在于用对象作临时索引容器，避免手动维护索引位置或重复查找。