在 Odoo 或 Py3o 模板中，匯總通常是對某些字段進行累加或匯總統計。你已經提到的通過列表推導式 (list comprehension) 和 sum 來進行匯總是最常見的方式，下面我會介紹如何使用 reduce 和 map 來實現匯總。

1. 使用 reduce 來匯總：

reduce 函數來自 Python 的 functools 模塊，它會將列表中的元素通過一個累加函數累積起來。以下是通過 reduce 來實現匯總的示例。

首先，確保你有正確的導入：

${eval("__import__('functools').reduce(lambda x, y: x + y, [lyt.package_qty for lyt in objects.order_line if lyt.client_order_ref == order_ref])")}

解釋：

• reduce(lambda x, y: x + y, ...)：這個表達式將 x 和 y 累加。reduce 會將列表中的每個元素依次和前一個元素累加，最終返回總和。

• [lyt.package_qty for lyt in objects.order_line if lyt.client_order_ref == order_ref]：列表推導式生成了需要匯總的所有 package_qty 元素。


============================================================================================================================================================

2. 使用 map 來匯總：

map 函數用于對列表中的每個元素應用一個函數，然后返回一個新的列表。你可以先使用 map 轉換數據（例如將數據轉化為數字），然后使用 sum 來匯總。

${sum(map(lambda lyt: lyt.package_qty, filter(lambda lyt: lyt.client_order_ref == order_ref, objects.order_line)))}

解釋：

• map(lambda lyt: lyt.package_qty, ...)：這個表達式對 order_line 列表中的每個元素應用 lambda 函數，提取 package_qty 字段。

• filter(lambda lyt: lyt.client_order_ref == order_ref, objects.order_line)：filter 用來過濾出滿足條件的訂單行（根據 client_order_ref 字段過濾）。

map 會生成一個新的列表，其中每個元素都是 package_qty 字段的值。然后你可以用 sum() 來對其進行求和。

3. 對比：sum vs reduce vs map：

• sum：最直觀的求和方式，代碼簡潔。

• reduce：適合復雜的累積操作（例如加法、乘法等）。但對于簡單求和，sum 更簡潔高效。

• map：用于對每個元素應用某個函數后再進行處理，常與 filter 結合使用來處理復雜的數據。

示例匯總：

1. 使用 sum：

　${sum(lyt.package_qty for lyt in objects.order_line if lyt.client_order_ref == order_ref)}

2. 使用 reduce：

${eval("__import__('functools').reduce(lambda x, y: x + y, [lyt.package_qty for lyt in objects.order_line if lyt.client_order_ref == order_ref])")}

3. 使用 map 和 filter：

　${sum(map(lambda lyt: lyt.package_qty, filter(lambda lyt: lyt.client_order_ref == order_ref, objects.order_line)))}

總結：

• sum 是最簡潔的求和方式。

• reduce 適合累積過程，適合復雜計算。

• map 和 filter 適用于復雜的轉換和過濾，最后可以結合 sum 來進行匯總。

　　你可以根據數據的復雜性和需求來選擇最合適的方法。