在数据处理任务里，我们经常会拿到一个由多个小数组组成的二维数组，每个子数组代表一组样本的数值记录。需求往往是把每一行里的正数挑出来加总，最终得到一个长度与原数组相同的、仅包含各行正数之和的新数组。这个问题看似简单，但涉及遍历控制、条件筛选与聚合计算三个环节，写不好就容易产生冗余代码或隐藏bug。
核心思路与正数定义
所谓“正数”，在绝大多数业务语境中指严格大于零的数值，即不包含零与负数。如果需求里把零也算作正数，那就要把判断条件改成大于等于零。明确这一点非常关键，因为后续所有筛选逻辑都依赖这个边界。二维数组的“行”就是外层数组的每一个元素，它们本身也是数组，因此我们的操作模式是：对外层数组做映射（map），对每行内部做过滤（filter）加求和（reduce或sum）。
这种分行处理的结构天然适合函数式写法。相比用传统for循环先声明结果数组、再嵌套遍历、再判断推送，函数式方法能把“每一行变成一个数”的意图表达得更直接，也更容易单元测试。当然，在行数极大、对性能极度敏感的场景，手动循环可能少一些函数调用开销，但一般业务规模下可读性收益更大。
JavaScript实现方式
在JavaScript中，我们可以利用数组的map、filter和reduce组合出简洁的表达式。下面的例子演示了如何从二维数组生成正数之和的新数组，并处理了空行与全负数行的情况。
const data = [
[3, -1, 4, 0, 5],
[-2, -7],
[0, 0, 9],
[],
[1, 2, 3]
];
// 对每一行计算正数之和
const result = data.map(row => {
// 过滤出严格大于0的数
const positives = row.filter(num => num > 0);
// 若无正数则返回0，否则累加
return positives.reduce((sum, val) => sum + val, 0);
});
console.log(result); // [12, 0, 9, 0, 6]
上面代码中，map遍历外层数组，row就是当前行。filter把正数挑出来，reduce从初始值0开始累加。当某一行没有正数时，reduce作用于空数组会直接返回初始值0，因此不需要额外写if判断，天然兼容空行与全负数行。如果业务要求把零算作正数，只需把过滤条件改为num >= 0。
如果你使用的是较老的运行环境，不支持箭头函数，也可以用普通函数改写，逻辑完全一致。此外，若数据来源不可信，建议在map入口先判断Array.isArray(row)，避免某一行不是数组导致filter报错，从而提升函数健壮性。
Python实现方式
Python处理同样的需求更加直观，列表推导式配合内置sum与生成器表达式就能在一行内完成。下面给出等效实现：
data = [
[3, -1, 4, 0, 5],
[-2, -7],
[0, 0, 9],
[],
[1, 2, 3]
]
# 对每一行过滤正数并求和
result = [sum(num for num in row if num > 0) for row in data]
print(result) # [12, 0, 9, 0, 6]
这里的列表推导式先遍历data中的每一行row，再在行内用生成器表达式挑出大于零的num交给sum。空行在Python里遍历不到元素，sum空迭代器返回0，所以同样不需要特殊处理。相比手写for循环追加到新列表，这种写法更短且意图清晰。
需要注意，如果原始数据可能混入非数值类型，比如字符串，那么num > 0会抛类型错误。实际项目中可加一层类型判断，例如if isinstance(num, (int, float)) and num > 0，或者在数据接入时先做清洗，确保二维数组元素均为数字。
两种语言写法对比
从结构上看，JavaScript的map加filter加reduce与Python的列表推导加sum本质一致：都是“外层映射、内层筛选聚合”。JavaScript更显式地拆出了filter与reduce两步，而Python用sum直接吞掉了聚合过程。性能方面，两者在万行级别数据下差异微小，均远快于频繁DOM操作或数据库读写。
| 维度 | JavaScript | Python |
|---|---|---|
| 核心语法 | map + filter + reduce | 列表推导 + sum |
| 空行处理 | reduce初始值0自动兼容 | sum空迭代返回0 |
| 零是否正数 | 取决于过滤符号 | 取决于过滤符号 |
在团队协作中，如果后端用Python清洗数据、前端用JavaScript做可视化，两边采用一致的“正数”定义与命名习惯，能减少接口联调时的理解偏差。例如统一把结果数组命名为rowPositiveSums，让两边语义对齐。
异常场景与健壮性建议
真实业务里的二维数组不一定规整。除了前面提到的空行、全负数行，还可能遇到嵌套层级错误（某一行不是数组而是单个数字）、包含NaN或None等情况。在JavaScript中，可以在map开头用Array.isArray兜底；在Python中，可用try-except包裹单行逻辑，或预先用schema校验数据形状。
健壮的函数不该假设输入永远完美，而应在边界处给出明确、可预期的行为，比如非数组行直接计为0或抛出带上下文的错误。
另外，当数组规模达到几十万行，且每行很长时，可以考虑用TypedArray或NumPy来向量化计算，但这已超出基础教程范围。掌握本文的行列映射与条件聚合思路后，你只需替换底层容器，就能平滑迁移到高性能方案。
小结
从二维数组每一行计算正数之和并生成新数组，核心就是“按行映射、行内筛选、聚合求和”。JavaScript与Python都提供了极为简洁的表达方式，且都能自然处理空行与无正数行。只要明确正数边界、留意输入数据的合法性，就能写出既简短又可靠的工具函数，直接用于报表统计、样本预处理或接口数据转换等场景。