Summary  
This chapter introduces the use of the filter higher-order function to select elements from an iterable by applying a predicate, producing a new sequence containing only those items that satisfy a given condition.  

General domain of usage  
Data processing

Vous avez déjà vu comment les fonctions d'ordre supérieur comme `map` permettent d'appliquer une fonction à chaque élément d'une séquence. Une autre fonction d'ordre supérieur essentielle en Python est **`filter`**.

La fonction `filter` est utilisée pour sélectionner des éléments d'une séquence en fonction du fait qu'ils satisfont ou non à une certaine condition. Elle prend deux arguments : une fonction qui retourne `True` ou `False` pour chaque élément, et la séquence à filtrer. Le résultat est un itérateur contenant uniquement les éléments pour lesquels la fonction retourne `True`. Cela rend `filter` particulièrement utile lorsque vous souhaitez extraire des éléments spécifiques d'une liste, d'un tuple ou d'un autre itérable selon un critère, comme les nombres pairs, les valeurs positives ou les chaînes d'une certaine longueur.

def is_even(n):
    return n % 2 == 0

numbers = [1, 2, 3, 4, 5, 6]
even_numbers = list(filter(is_even, numbers))
print(even_numbers)

Ce code utilise la fonction `filter()` pour créer une nouvelle liste contenant uniquement les entiers pairs à partir d'une collection existante. Il fonctionne en définissant une fonction prédicat, `is_even(n)`. La fonction `filter` parcourt la liste numbers, applique ce test à chaque élément et écarte ceux qui ne remplissent pas la condition. Enfin, l'objet filter obtenu est reconverti en liste, produisant ainsi le résultat.

Lorsque vous utilisez la fonction `filter`, elle retourne un **objet filter**, qui est un itérateur — et non une liste. Si vous affichez directement le résultat de `filter`, vous verrez une sortie similaire à :

```
<filter object at 0xfffec885eb30>
```

Pour accéder aux valeurs filtrées sous forme de liste, il faut convertir l'objet filter à l'aide de `list()`.

Remarque


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

class TestTask(unittest.TestCase):
    def test_returns_only_positive(self):
        import user_code
        importlib.reload(user_code)
        result = user_code.filter_positive([-3, -1, 0, 2, 4, -2])
        expected = [2, 4]
        _dynamic_test(
            self,
            isinstance(result, list) and result == expected,
            "Returns only positive numbers from mixed list",
            f"Expected {expected}, got {result}",
        )

    def test_returns_empty_when_no_positive(self):
        import user_code
        importlib.reload(user_code)
        result = user_code.filter_positive([-5, -1, 0, -2])
        expected = []
        _dynamic_test(
            self,
            isinstance(result, list) and result == expected,
            "Returns empty list when no positives present",
            f"Expected {expected}, got {result}",
        )

    def test_all_positive(self):
        import user_code
        importlib.reload(user_code)
        numbers = [1, 2, 3, 4, 5]
        result = user_code.filter_positive(numbers)
        expected = [1, 2, 3, 4, 5]
        _dynamic_test(
            self,
            isinstance(result, list) and result == expected,
            "Returns all numbers when all are positive",
            f"Expected {expected}, got {result}",
        )

    def test_all_non_positive(self):
        import user_code
        importlib.reload(user_code)
        numbers = [0, -1, -2, -3]
        result = user_code.filter_positive(numbers)
        expected = []
        _dynamic_test(
            self,
            isinstance(result, list) and result == expected,
            "Returns empty list for all non-positive input",
            f"Expected {expected}, got {result}",
        )

    def test_does_not_modify_original(self):
        import user_code
        importlib.reload(user_code)
        numbers = [-3, 0, 1, 5]
        numbers_copy = numbers[:]
        user_code.filter_positive(numbers)
        _dynamic_test(
            self,
            numbers == numbers_copy,
            "Original input list is not modified",
            f"Input list was modified: expected {numbers_copy}, got {numbers}",
        )

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.

Fonction Filter en Action

Solution