Summary  
The chapter explains how to use Python’s built-in `sorted` higher-order function to produce a new sorted list from any iterable—by default in ascending order or with `reverse=True`—and how to customize the sort order using the `key` parameter with functions like `len` or lambdas.  

General domain of usage  
Data processing and organization

Das Sortieren von Daten ist eine häufige Operation beim Arbeiten mit Listen in Python. Die Funktion `sorted` ist eine eingebaute Higher-Order-Funktion, mit der sich beliebige Iterables sortieren lassen. Sie gibt eine neue, sortierte Liste zurück und lässt die Originaldaten unverändert. `sorted` kann mit oder ohne benutzerdefinierte Sortierlogik verwendet werden. Standardmäßig ordnet `sorted` die Elemente in aufsteigender Reihenfolge an, aber mit den optionalen Parametern kann die Sortierreihenfolge und das Sortierkriterium gesteuert werden.

Die wichtigsten Parameter für `sorted` sind:
- `iterable`: die zu sortierenden Daten;
- `key`: eine optionale Funktion, die den Sortierwert für jedes Element bestimmt;
- `reverse`: ein boolescher Wert, der bei Einstellung auf `True` die Daten in absteigender Reihenfolge sortiert.

Angenommen, es gibt eine Liste von Zahlen, die in aufsteigender Reihenfolge sortiert werden soll. Dies kann einfach mit `sorted(numbers)` erreicht werden. Um die Zahlen in absteigender Reihenfolge zu sortieren, kann `reverse=True` übergeben werden.



numbers = [9, 5, 2, 1]

# Sorting in reverse order
sorted_desc = sorted(numbers, reverse=True)
print(sorted_desc)  

Der Parameter `key` kann auch verwendet werden, um komplexere Datenstrukturen wie Listen von Tupeln oder Dictionaries zu sortieren, indem eine Funktion angegeben wird, die den Vergleichswert aus jedem Element extrahiert.

words = ["apple", "kiwi", "banana"]

# Sorting by the length of each string
sorted_words = sorted(words, key=len)
print(sorted_words)  

Für den Parameter `key` kann jede Funktion übergeben werden, einschließlich einer **Lambda-Funktion** oder einer zuvor definierten Funktion. Dadurch ist `sorted` eine **höherwertige Funktion**, da sie eine andere Funktion als Argument akzeptiert. Das Sortieren ist nicht auf Zahlen oder Zeichenketten beschränkt; auch komplexe Objekte können sortiert werden, solange eine geeignete `key`-Funktion bereitgestellt wird.

Das ursprüngliche Iterable wird durch `sorted` nicht verändert, es wird immer eine neue Liste zurückgegeben. Wenn eine Liste direkt sortiert werden soll, sollte stattdessen die Methode `list.sort()` verwendet werden.

Hinweis

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

class TestTask(unittest.TestCase):
    def test_sorted_pairs_exists_and_is_list(self):
        import user_code
        importlib.reload(user_code)
        result = getattr(user_code, 'sorted_pairs', None)
        _dynamic_test(
            self,
            isinstance(result, list),
            "sorted_pairs is a list.",
            f"sorted_pairs should be a list, got {type(result)}."
        )
    def test_sorted_pairs_correct_order(self):
        import user_code
        importlib.reload(user_code)
        result = getattr(user_code, 'sorted_pairs', None)
        expected = [(4, 1), (2, 2), (1, 3)]
        _dynamic_test(
            self,
            result == expected,
            "sorted_pairs is sorted by the second tuple element.",
            f"Expected {expected}, got {result}."
        )
    def test_sorted_pairs_with_other_data(self):
        code = ""
        with open("user_code.py", "r") as f:
            code = f.read()
        test_pairs = [(5, 10), (2, -1), (7, 5)]
        code = change_var(code, "pairs", repr(test_pairs))
        ns = {}
        exec(code, ns)
        actual = ns.get('sorted_pairs', None)
        expected = [(2, -1), (7, 5), (5, 10)]
        _dynamic_test(
            self,
            isinstance(actual, list) and actual == expected,
            "sorted_pairs sorts different input correctly.",
            f"Expected {expected}, got {actual}."
        )
    def test_get_second_element_function(self):
        import user_code
        importlib.reload(user_code)
        func = getattr(user_code, 'get_second_element', None)
        _dynamic_test(
            self,
            callable(func),
            "get_second_element is defined and callable.",
            "get_second_element function is not defined or not callable."
        )
        if callable(func):
            result = func((99, 123))
            _dynamic_test(
                self,
                result == 123,
                "get_second_element returns the second element of the tuple.",
                f"Expected 123, 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

Beherrschung von Packing/Unpacking, flexiblen Funktionsargumenten, Higher-Order-Funktionen, Lambdas, Variablenbereich, Closures, Iteratoren und Dekoratoren. Konzipiert für Lernende, die einen Einführungskurs in Python abgeschlossen haben und effizienteren, ausdrucksstärkeren und leistungsfähigeren Code schreiben möchten.

Erkunden Sie die Kunst des Packens und Entpackens von Listen, Tupeln und Dictionaries, um ausdrucksstärkeren und effizienteren Python-Code zu schreiben.

Tauchen Sie ein in die Welt der höherwertigen Funktionen, das Übergeben von Funktionen als Argumente und das Schreiben prägnanter anonymer Funktionen mit Lambda.

Entschlüsseln der Geheimnisse des Variablenbereichs und Erlernen, wie verschachtelte Funktionen und Closures eine leistungsstarke Kapselung ermöglichen.

Vertiefung in das Iterationsprotokoll von Python, benutzerdefinierte Iteratoren und Generatorfunktionen für effiziente Datenverarbeitung.

Grundlagen von Sorted

Lösung