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

### La fonction map en Python

La fonction intégrée **`map`** est un exemple classique de fonction d'ordre supérieur. Elle prend deux arguments : une fonction et un itérable (comme une liste). **`map`** applique la fonction donnée à chaque élément de l'itérable et retourne un objet `map`, qui est un itérateur. Il est possible de convertir cet objet en liste pour visualiser les résultats. Cette approche permet de transformer les données efficacement sans écrire de boucles explicites.

Il est possible d'utiliser `map` avec une fonction nommée comme `double` pour traiter une liste de nombres : `map(double, [1, 2, 3, 4])` retourne un objet map contenant les valeurs doublées. En convertissant le résultat en liste, on obtient `[2, 4, 6, 8]`. Cela illustre comment `map` agit en tant que fonction d'ordre supérieur en prenant une autre fonction comme argument et en l'appliquant à chaque élément de l'itérable.

def square(x):
    return x * x

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

Dans cet exemple, la fonction `square` est appliquée à chaque élément de la liste `numbers`. Le résultat est une nouvelle liste contenant les carrés des nombres d'origine. Il est important de noter qu'il n'est pas nécessaire d'écrire une boucle — la fonction `map` gère l'itération automatiquement.

Il est également possible d'utiliser `map` avec des fonctions intégrées ou même avec des fonctions anonymes (lambdas), qui seront abordées dans les prochains chapitres. Pour l'instant, il convient de se concentrer sur la manière dont le passage d'une fonction en argument permet des transformations de code flexibles et réutilisables.


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

Maîtrise de l'emballage/déballage, des arguments de fonction flexibles, des fonctions d'ordre supérieur, des lambdas, de la portée des variables, des closures, des itérateurs et des décorateurs. Conçu pour les apprenants ayant suivi un cours d'introduction à Python et souhaitant écrire un code plus efficace, expressif et puissant.

Explorez l'art du packing et unpacking des listes, tuples et dictionnaires pour écrire un code Python plus expressif et efficace.

Plongez dans le monde des fonctions d'ordre supérieur, du passage de fonctions en tant qu'arguments, et de l'écriture de fonctions anonymes concises avec lambda.

Démystifier la portée des variables et découvrir comment les fonctions imbriquées et les closures permettent une encapsulation puissante.

Plongez dans le protocole d'itération de Python, les itérateurs personnalisés et les fonctions génératrices pour un traitement efficace des données.

Maîtriser la Fonction Map

La fonction map en Python

Solution