用 reduce 做数据透视的核心是将分组与聚合压缩进累加器：先动态生成唯一字符串 key（如 ${city}-${category}），再按需设计累加器结构（如 {sum: 0, count: 0}），最后安全更新并后处理。
用 reduce 做数据透视，核心是把“按维度分组 + 聚合计算”这两步，压缩进一个累加器对象里。关键不在写法多炫，而在想清楚：分组键怎么生成？聚合值怎么更新？初始值设成什么？
明确分组维度，动态构造唯一 key
不能硬编码字段名，得根据需求拼出可区分的分组标识。比如按城市+品类统计销售额，key 就是 `${city}-${category}`；如果多级分组（如省-市-区），就用数组 join 或嵌套对象结构。
常见错误是直接用对象当 key（JS 会自动转成 [object Object]），必须转成字符串或用 Map 存储嵌套结构。
- 简单组合：`key = item.city + '|' + item.category`
- 安全序列化（含可能为 null 的字段）：`key = JSON.stringify([item.region, item.productType])`
- 多维嵌套（避免 key 冲突）：用 `Map` 或 `Object` 层层代理，例如 `acc[region] = acc[region] || {}; acc[region][city] = ...`
设计累加器结构，匹配最终输出格式
reduce 的初始值（第二个参数）要和你想要的透视结果结构一致。如果是“城市 → 各品类销售额总和”，初始值就是空对象 {}；如果还要带计数、平均值等，累加器每个分组项就得是对象，包含 sum、count、avg 等字段。
别在 reduce 里反复计算平均值——先累计 sum 和 count，最后再算 avg，更准确也更高效。
- 单指标汇总：
{}，值为数字 - 多指标汇总：
{}，值为{ sum: 0, count: 0, max: -Infinity } - 保留明细数组：
{}，值为[]，用 push 收集原始项
在 reducer 函数里安全更新聚合值
每次迭代，先算出当前项的分组 key，再检查累加器里是否存在该 key 对应的聚合单元。不存在就初始化，存在就更新。注意数值类聚合（sum、max）要判空/类型，避免 NaN。
示例场景：统计每种商品在各仓库的库存总量与最晚入库时间
- key =
`${item.warehouseId}-${item.sku}` - 初始化：
acc[key] = { total: 0, latestDate: null } - 更新：
acc[key].total += Number(item.qty) || 0；if (!acc[key].latestDate || item.date > acc[key].latestDate) acc[key].latestDate = item.date
后处理：扁平化、排序、补全缺失维度
reduce 输出常是嵌套或稀疏结构，真实业务中往往需要转成数组、按某字段排序、或补上没有数据的组合（如某城市没卖过某品类，也要显示 0）。这些不要塞进 reduce 里，单独做更清晰。
- 转数组：
Object.entries(acc).map(([k, v]) => ({ key: k, ...v })) - 补全维度：先生成所有合法组合（笛卡尔积），再用 reduce 结果 merge，默认值为 0
- 排序：用
Array.prototype.sort()，例如按销售额倒序：.sort((a, b) => b.sum - a.sum)
不复杂但容易忽略：reduce 是纯函数，别在回调里改原始数据；key 生成逻辑要稳定；初始值类型必须和后续赋值类型一致。写完跑一两个边界 case（空数组、null 字段、重复 key）就能避开大半坑。
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
