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-funktio Pythonissa

Sisäänrakennettu **`map`**-funktio on klassinen esimerkki korkeamman asteen funktiosta. Se ottaa kaksi argumenttia: funktion ja iteroitavan (kuten listan). **`map`** soveltaa annettua funktiota jokaiseen iteroitavan alkioon ja palauttaa `map`-olion, joka on iteraattori. Tämän olion voi muuntaa listaksi tulosten tarkastelemiseksi. Tämä lähestymistapa on hyödyllinen datan tehokkaaseen muuntamiseen ilman eksplisiittisiä silmukoita.

Voit käyttää `map`-funktiota nimetyn funktion, kuten `double`, kanssa käsitelläksesi lukulistaa: `map(double, [1, 2, 3, 4])` palauttaa map-olion, joka sisältää tuplatut arvot. Muuntamalla tuloksen listaksi saat `[2, 4, 6, 8]`. Tämä havainnollistaa, kuinka `map` toimii korkeamman asteen funktiona ottamalla toisen funktion argumenttina ja soveltamalla sitä jokaiseen iteroitavan alkioon.

def square(x):
    return x * x

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

Tässä esimerkissä `square`-funktiota sovelletaan jokaiseen `numbers`-listan alkioon. Tuloksena on uusi lista, joka sisältää alkuperäisten lukujen neliöt. Huomaa, ettei silmukkaa tarvinnut kirjoittaa — `map`-funktio hoiti iteraation puolestasi.

Voit käyttää `map`-funktiota myös sisäänrakennettujen funktioiden tai anonyymien funktioiden (lambda) kanssa, joista kerrotaan lisää tulevissa luvuissa. Tällä hetkellä keskity siihen, miten funktion välittäminen argumenttina mahdollistaa joustavat ja uudelleenkäytettävät koodimuunnokset.


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

Hallitse pakkaus- ja purkutekniikat, joustavat funktioargumentit, korkeamman asteen funktiot, lambda-lausekkeet, muuttujien näkyvyysalueet, sulkeumat, iteraattorit ja dekorointifunktiot. Suunniteltu oppijoille, jotka ovat suorittaneet Pythonin peruskurssin ja haluavat kirjoittaa tehokkaampaa, ilmeikkäämpää ja monipuolisempaa koodia.

Tutustu listojen, tuplien ja sanakirjojen pakkaamisen ja purkamisen taitoon kirjoittaaksesi ilmeikkäämpää ja tehokkaampaa Python-koodia.

Syvenny korkeamman asteen funktioiden maailmaan, funktioiden välittämiseen argumentteina ja tiiviiden anonyymien funktioiden kirjoittamiseen lambda-avainsanalla.

Selvitä muuttujien näkyvyyden salaisuudet ja opi, kuinka sisäkkäiset funktiot ja sulut mahdollistavat tehokkaan kapseloinnin.

Syvenny Pythonin iteraatioprotokollaan, mukautettuihin iteraattoreihin ja generaattorifunktioihin tehokasta datankäsittelyä varten.

Map-funktion hallinta

map-funktio Pythonissa

Ratkaisu