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-funksjonen i Python

Den innebygde **`map`**-funksjonen er et klassisk eksempel på en høyereordens funksjon. Den tar to argumenter: en funksjon og et itererbart objekt (for eksempel en liste). **`map`** anvender den gitte funksjonen på hvert element i det itererbare objektet og returnerer et `map`-objekt, som er en iterator. Du kan konvertere dette objektet til en liste for å se resultatene. Denne tilnærmingen er nyttig for effektiv datatransformasjon uten å skrive eksplisitte løkker.

Du kan bruke `map` med en navngitt funksjon som `double` for å behandle en liste med tall: `map(double, [1, 2, 3, 4])` returnerer et map-objekt som inneholder de doble verdiene. Ved å konvertere resultatet til en liste får du `[2, 4, 6, 8]`. Dette viser hvordan `map` fungerer som en høyereordens funksjon ved å ta en annen funksjon som argument og anvende den på hvert element i det itererbare objektet.

def square(x):
    return x * x

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

I dette eksempelet blir `square`-funksjonen brukt på hvert element i listen `numbers`. Resultatet er en ny liste som inneholder kvadratet av de opprinnelige tallene. Legg merke til at du ikke trengte å skrive en løkke — `map`-funksjonen håndterte iterasjonen for deg.

Du kan også bruke `map` med innebygde funksjoner eller til og med med anonyme funksjoner (lambdas), som vil bli gjennomgått i kommende kapitler. Foreløpig bør fokuset være på hvordan det å sende en funksjon som argument gir fleksible og gjenbrukbare kodetransformasjoner.


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

Bli ekspert på pakking/oppakking, fleksible funksjonsargumenter, høyereordensfunksjoner, lambdaer, variabelomfang, closures, iteratorer og dekoratører. Utformet for deltakere som har fullført et introduksjonskurs i Python og ønsker å skrive mer effektiv, uttrykksfull og kraftfull kode.

Utforsk kunsten å pakke og pakke ut lister, tupler og ordbøker for å skrive mer uttrykksfull og effektiv Python-kode.

Fordyp deg i verdenen av høyereordensfunksjoner, å sende funksjoner som argumenter, og å skrive konsise anonyme funksjoner med lambda.

Avdekk mysteriene rundt variabelomfang, og lær hvordan nøstede funksjoner og closures muliggjør kraftig kapsling.

Fordyp deg i Pythons iterasjonsprotokoll, egendefinerte iteratorer og generatorfunksjoner for effektiv databehandling.

Mestre Map-funksjonen

map-funksjonen i Python

Løsning