reduce 的强大在于完全可控的归并过程：用户自定义每步累加器状态，支持求和、乘积、最值、计数、拼接、对象聚合、多级分组、去重及转 Map 等灵活数据处理。
reduce() 的强大，不在于它能“做很多事”，而在于它把“怎么一步步得到结果”的过程完全交到你手上。它不是魔法，是可控的归并——只要你想清楚每一步累加器该变成什么样，它就能帮你稳稳落地。
累加计算：不只是求和，而是定义“合并规则”
数字求和只是最表层的应用。真正体现威力的是：你能自由定义“两个值如何合成一个”。比如：
- 乘积：用 1 作初始值，
(acc, x) => acc * x - 最大值：用 -Infinity 或数组首项，
(acc, x) => Math.max(acc, x) - 偶数计数：初始值为 0，遇到偶数就 +1，
(acc, x) => x % 2 === 0 ? acc + 1 : acc - 字符串拼接带分隔符：初始值为 ''，每次加
${acc ? acc + ',' : ''}${x}
对象数组处理：按需聚合，不止于 sum
面对商品列表、订单明细这类数据，reduce 天然适合结构化汇总：
- 总价计算：
products.reduce((sum, p) => sum + p.price, 0) - 按分类统计数量：
items.reduce((acc, item) => ({ ...acc, [item.category]: (acc[item.category] || 0) + 1 }), {}) - 提取唯一 ID 列表（保留首次）：
arr.reduce((ids, x) => ids.includes(x.id) ? ids : [...ids, x.id], [])
嵌套结构重组：一层 reduce，多级分组
当数据需要按医生 → 科室 → 保险类型逐层归类并汇总金额时，reduce 可以一步到位：
- 初始化累加器为 {}
- 每轮根据
item.medico检查是否存在对应 key，不存在则创建空对象 - 再进一层，基于
item.rateio做同样操作 - 最后在 convenio 层累加
subtotal：acc[med][rat][conv] = (acc[med][rat][conv] || 0) + item.subtotal
去重与转换：控制逻辑，不依赖黑盒
Set 很快，但不够灵活；reduce 虽略 verbose，却完全透明可定制：
- 对象数组去重（按 id）：
arr.reduce((acc, item) => acc.some(x => x.id === item.id) ? acc : [...acc, item], []) - 保留最后一次出现项：
arr.reduce((acc, item) => [...acc.filter(x => x.id !== item.id), item], []) - 转为 Map 提升性能：
arr.reduce((map, item) => map.set(item.id, item), new Map())
它不隐藏过程，也不强加范式。你写下的每一行 reducer，都是对数据流转逻辑的一次明确声明。
