脚本跑到一半炸了，报错很干净：

ValueError: max() arg is an empty sequence

这种报错我一般不急着改业务逻辑，先看调用姿势。因为 max 这个函数看着简单，真要自己写一遍，就会发现它里面藏了不少小边界。

不是找最大值那么一句话完事。

比如这几种写法都得考虑：

max([3, 8, 2])

max(3, 8, 2)

max([], default=0)

max(users, key=lambda x: x["score"])

如果自己实现一个 max，第一版很多人会这么写：

def my_max(nums):
    biggest = nums[0]
    for num in nums:
        if num > biggest:
            biggest = num
    return biggest

这代码不能说错，只能说只够应付最顺手的情况。

传进来一个空列表，直接 IndexError。传进来一个生成器，nums[0] 又挂了。想按字段比较，也不支持。更别说 max(1, 2, 3) 这种多参数写法。

我自己写这种工具函数，第一眼会先把入口分清楚：到底是一个可迭代对象，还是多个独立参数。

_MISSING = object()

def dong_max(*values, key=None, default=_MISSING):
    if not values:
        raise TypeError("dong_max expected at least 1 argument")

    if len(values) == 1:
        iterator = iter(values[0])

        try:
            winner = next(iterator)
        except StopIteration:
            if default is _MISSING:
                raise ValueError("dong_max() arg is an empty sequence")
            return default
    else:
        if default is not _MISSING:
            raise TypeError("default only works with a single iterable argument")

        iterator = iter(values[1:])
        winner = values[0]

    winner_score = winner if key is None else key(winner)

    for item in iterator:
        item_score = item if key is None else key(item)

        if item_score > winner_score:
            winner = item
            winner_score = item_score

    return winner

这版代码不长，但几个坑基本都堵住了。

先看普通列表：

print(dong_max([7, 2, 9, 4]))
# 9

再看多参数：

print(dong_max(7, 2, 9, 4))
# 9

这里有个细节，多个参数时，不能再允许 default。

dong_max(1, 2, default=0)

这个写法本身就不该成立。default 是给空迭代对象兜底的，不是给多参数模式用的。

空列表这里也要单独处理：

print(dong_max([], default=0))
# 0

没有 default 就直接抛异常：

print(dong_max([]))

这个地方我不建议偷偷返回 None。因为返回 None 会把问题往后拖，后面再出现 TypeError，你还得回头查是谁塞了个空数据。

还有 key。

业务里真正用 max，很多时候不是比较对象本身，而是比较对象里的某个字段。

orders = [
    {"order_id": "A1001", "amount": 96},
    {"order_id": "A1002", "amount": 128},
    {"order_id": "A1003", "amount": 128},
]

print(dong_max(orders, key=lambda row: row["amount"]))
# {'order_id': 'A1002', 'amount': 128}

注意，返回的是原始对象，不是 key 算出来的值。

这个点很容易写错。有些人会直接返回 item_score，最后拿到一个 128，业务上就丢了订单信息。

还有一个不太显眼的点：如果两个值一样大，max 返回先遇到的那个。

上面 A1002 和 A1003 的 amount 都是 128，结果返回 A1002。这是因为代码里只用了 >，没有用 >=。

if item_score > winner_score:
    winner = item
    winner_score = item_score

别小看这个判断。

有些导入脚本会按时间顺序读文件，同分时保留第一条记录。如果你手一抖写成 >=，结果就变成后面的覆盖前面的，数据看着没错，细节已经变了。

再拿生成器试一下：

def read_latency():
    yield 32
    yield 18
    yield 41
    yield 27

print(dong_max(read_latency()))
# 41

这也是前面不用下标取第一个元素的原因。

生成器没有 nums[0]，只能用 next(iterator) 先拿第一条，再继续往后扫。这个写法才接近真实可用的版本。

如果要给日志处理脚本用，大概会这么写：

logs = [
    "order=1001 cost=23",
    "order=1002 cost=87",
    "order=1003 cost=45",
]

def pick_cost(line):
    return int(line.rsplit("=", 1)[1])

slowest = dong_max(logs, key=pick_cost)

print(slowest)
# order=1002 cost=87

这类场景里，max 不是为了炫技，就是少写一堆临时变量。

自己实现一遍之后，再回头看内置 max，它其实做了几件很朴素的事：

接收数据。

拿第一条当临时赢家。

后面一条条比较。

遇到更大的就替换。

空数据该报错报错，该兜底兜底。

看起来普通，但边界处理很干净。

我平时看工具函数，就看这种地方。顺手场景能跑，不算本事。空数据、生成器、key 函数、同值保序、多参数混用，这些都不炸，才算能放进项目里用。

当然，真写生产代码，不建议自己造 max。内置函数已经足够稳。

但自己写一遍，挺值。因为你会发现很多所谓“简单函数”，简单的不是实现，是你平时只用了它最舒服的那一小块。

更多相关技术内容咨询欢迎前往并持续关注好学星城论坛了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。