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 funzione map in Python

La funzione incorporata **`map`** è un classico esempio di funzione di ordine superiore. Prende due argomenti: una funzione e un iterabile (come una lista). **`map`** applica la funzione fornita a ciascun elemento dell'iterabile e restituisce un oggetto `map`, che è un iteratore. È possibile convertire questo oggetto in una lista per visualizzare i risultati. Questo approccio è utile per trasformare i dati in modo efficiente senza scrivere cicli espliciti.

È possibile utilizzare `map` con una funzione nominata come `double` per elaborare una lista di numeri: `map(double, [1, 2, 3, 4])` restituisce un oggetto map che contiene i valori raddoppiati. Convertendo il risultato in una lista, si ottiene `[2, 4, 6, 8]`. Questo dimostra come `map` agisca come funzione di ordine superiore prendendo un'altra funzione come argomento e applicandola a ciascun elemento dell'iterabile.

def square(x):
    return x * x

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

In questo esempio, la funzione `square` viene applicata a ciascun elemento della lista `numbers`. Il risultato è una nuova lista contenente i quadrati dei numeri originali. Si noti come non sia stato necessario scrivere un ciclo — la funzione `map` ha gestito l'iterazione.

È anche possibile utilizzare `map` con funzioni incorporate o anche con funzioni anonime (lambda), che saranno trattate nei prossimi capitoli. Per ora, concentrarsi su come il passaggio di una funzione come argomento consenta trasformazioni di codice flessibili e riutilizzabili.


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

Apprendere le tecniche di packing/unpacking, argomenti flessibili per le funzioni, funzioni di ordine superiore, lambda, ambito delle variabili, closure, iteratori e decorator. Progettato per chi ha completato un corso introduttivo di Python e desidera scrivere codice più efficiente, espressivo e potente.

Esplora l'arte del packing e unpacking di liste, tuple e dizionari per scrivere codice Python più espressivo ed efficiente.

Esplora il mondo delle funzioni di ordine superiore, il passaggio di funzioni come argomenti e la scrittura di funzioni anonime concise con lambda.

Svela i misteri dell'ambito delle variabili e scopri come le funzioni annidate e le closure consentano un'incapsulamento potente.

Approfondimento sul protocollo di iterazione di Python, iteratori personalizzati e funzioni generatrici per un'elaborazione efficiente dei dati.

Padroneggiare la Funzione Map

La funzione map in Python

Soluzione