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

Hai già visto come le funzioni di ordine superiore come `map` permettano di applicare una funzione a ciascun elemento di una sequenza. Un'altra funzione di ordine superiore fondamentale in Python è **`filter`**.

La funzione `filter` viene utilizzata per selezionare elementi da una sequenza in base al fatto che soddisfino o meno una certa condizione. Prende due argomenti: una funzione che restituisce `True` o `False` per ciascun elemento e la sequenza da filtrare. Il risultato è un iteratore che contiene solo quegli elementi per cui la funzione restituisce `True`. Questo rende `filter` particolarmente utile quando si desidera estrarre elementi specifici da una lista, una tupla o un altro iterabile in base a un criterio, come numeri pari, valori positivi o stringhe di una certa lunghezza.

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)

Questo codice utilizza la funzione `filter()` per creare una nuova lista contenente solo i numeri interi pari da una collezione esistente. Funziona definendo una funzione predicato, `is_even(n)`. La funzione `filter` itera sulla lista numbers, applicando questo controllo a ogni elemento ed escludendo quelli che non soddisfano la condizione. Infine, l'oggetto filter risultante viene convertito nuovamente in una lista, producendo l'output.

Quando si utilizza la funzione `filter`, questa restituisce un **oggetto filter**, che è un iteratore — non una lista. Se si stampa direttamente il risultato di `filter`, si otterrà un output simile a:

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

Per accedere ai valori filtrati come lista, è necessario convertire l'oggetto filter utilizzando `list()`.

Nota


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

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.

Funzione Filter in Uso

Soluzione