Summary  
This chapter explains how to use the built-in `map` function as a higher-order function to apply a given function to each element of an iterable, producing a new transformed collection without explicit loops.

General domain of usage  
Data transformation

### map-funktionen i Python

Den indbyggede **`map`**-funktion er et klassisk eksempel på en højere-ordens funktion. Den tager to argumenter: en funktion og et itererbart objekt (såsom en liste). **`map`** anvender den angivne funktion på hvert element i det itererbare objekt og returnerer et `map`-objekt, som er en iterator. Du kan konvertere dette objekt til en liste for at se resultaterne. Denne tilgang er nyttig til effektiv datatransformation uden at skrive eksplicitte løkker.

Du kan bruge `map` med en navngiven funktion som `double` til at behandle en liste af tal: `map(double, [1, 2, 3, 4])` returnerer et map-objekt, der indeholder de fordoblede værdier. Ved at konvertere resultatet til en liste får du `[2, 4, 6, 8]`. Dette demonstrerer, hvordan `map` fungerer som en højere-ordens funktion ved at tage en anden funktion som argument og anvende den på hvert element i det itererbare objekt.

def square(x):
    return x * x

numbers = [1, 2, 3, 4, 5]
squared_numbers = list(map(square, numbers))
print(squared_numbers) 

I dette eksempel anvendes funktionen `square` på hvert element i listen `numbers`. Resultatet er en ny liste, der indeholder kvadraterne af de oprindelige tal. Bemærk, at det ikke var nødvendigt at skrive en løkke — `map`-funktionen håndterede iterationen for dig.

Du kan også bruge `map` med indbyggede funktioner eller endda med anonyme funktioner (lambdas), som vil blive gennemgået i de kommende kapitler. For nu skal du fokusere på, hvordan det at give en funktion som argument muliggør fleksible og genanvendelige kodetransformationer.


import unittest
import user_code
import ast
import re   
import importlib
import csv
import unittest
import importlib

class TestTask(unittest.TestCase):
    def test_double_numbers(self):
        import user_code
        importlib.reload(user_code)
        func = getattr(user_code, 'apply_function_to_list', None)
        double = getattr(user_code, 'double', None)
        _dynamic_test(
            self,
            callable(func) and callable(double),
            "apply_function_to_list and double are defined",
            "apply_function_to_list or double not defined correctly",
        )
        result = func(double, [1, 2, 3, 4]) if func and double else None
        _dynamic_test(
            self,
            isinstance(result, list) and result == [2, 4, 6, 8],
            "Correctly doubles the numbers in the list",
            f"Expected [2, 4, 6, 8], got {result}",
        )

    def test_uppercase_strings(self):
        import user_code
        importlib.reload(user_code)
        func = getattr(user_code, 'apply_function_to_list', None)
        uppercase = getattr(user_code, 'uppercase', None)
        _dynamic_test(
            self,
            callable(func) and callable(uppercase),
            "apply_function_to_list and uppercase are defined",
            "apply_function_to_list or uppercase not defined correctly",
        )
        result = func(uppercase, ["hello", "world"]) if func and uppercase else None
        _dynamic_test(
            self,
            isinstance(result, list) and result == ["HELLO", "WORLD"],
            "Correctly uppercases the strings in the list",
            f"Expected ['HELLO', 'WORLD'], got {result}",
        )

    def test_empty_list(self):
        import user_code
        importlib.reload(user_code)
        func = getattr(user_code, 'apply_function_to_list', None)
        double = getattr(user_code, 'double', None)
        _dynamic_test(
            self,
            callable(func) and callable(double),
            "apply_function_to_list and double are defined for empty list test",
            "apply_function_to_list or double not defined correctly for empty list test",
        )
        result = func(double, []) if func and double else None
        _dynamic_test(
            self,
            isinstance(result, list) and result == [],
            "Returns an empty list when input list is empty",
            f"Expected [], got {result}",
        )

    def test_generic_function(self):
        import user_code
        importlib.reload(user_code)
        func = getattr(user_code, 'apply_function_to_list', None)
        _dynamic_test(
            self,
            callable(func),
            "apply_function_to_list is defined for generic function test",
            "apply_function_to_list not defined correctly for generic function test",
        )
        def add_exclamation(x):
            return str(x) + "!"
        result = func(add_exclamation, ["a", "b", "c"]) if func else None
        _dynamic_test(
            self,
            isinstance(result, list) and result == ["a!", "b!", "c!"],
            "Works for arbitrary functions as well",
            f"Expected ['a!', 'b!', 'c!'], got {result}",
        )

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

def normalize_text(text):
    text = text.lower()
    text = re.sub(r"\\s{2,}", " ", text)
    text = re.sub(r"\\s*([,:?])\\s*", r"\\1 ", text)
    return text.strip()

def change_var(code: str, var_name: str, value: str) -> str:
    tree = ast.parse(code)
    lines = code.splitlines()
    changed = False
    # Collect all assignment nodes to modify
    assign_nodes = [
        (i, node)
        for i, node in enumerate(tree.body)
        if isinstance(node, ast.Assign)
        and any(isinstance(target, ast.Name) and target.id == var_name for target in node.targets)
    ]

    # If nothing to change, return unmodified code
    if not assign_nodes:
        return code

    # Perform replacements for all matching assignments (from last to first to not break line offsets)
    for i, node in reversed(assign_nodes):
        start_line = node.lineno - 1
        line = lines[start_line]
        indent = ' ' * (len(line) - len(line.lstrip()))
        lines[start_line] = f"{indent}{var_name} = {value}"
        next_line = len(lines)
        for next_node in tree.body[i+1:]:
            if hasattr(next_node, 'lineno'):
                next_line = next_node.lineno - 1
                break
        if next_line > start_line + 1:
            lines[start_line+1:next_line] = []
        changed = True

    return '\\n'.join(lines) if changed else code

if __name__ == "__main__":
    unittest.main()


test_main.py

Bliv fortrolig med pakning/udpaking, fleksible funktionsargumenter, højere-ordens funktioner, lambdaer, variabelscope, closures, iteratorer og dekoratører. Udviklet til kursister, der har gennemført et introduktionskursus i Python og ønsker at skrive mere effektiv, udtryksfuld og kraftfuld kode.

Udforsk kunsten at pakke og udpakke lister, tupler og ordbøger for at skrive mere udtryksfuld og effektiv Python-kode.

Dyk ned i verdenen af højereordensfunktioner, overførsel af funktioner som argumenter og skrivning af korte anonyme funktioner med lambda.

Opdag hemmelighederne bag variabelscope, og lær hvordan indlejrede funktioner og closures muliggør effektiv indkapsling.

Dyk ned i Pythons iterationsprotokol, brugerdefinerede iteratorer og generatorfunktioner for effektiv databehandling.

Beherskelse af Map-funktionen

map-funktionen i Python

Løsning