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

Du har allerede sett hvordan høyereordensfunksjoner som `map` lar deg anvende en funksjon på hvert element i en sekvens. En annen viktig høyereordensfunksjon i Python er **`filter`**.

`filter`-funksjonen brukes til å velge ut elementer fra en sekvens basert på om de oppfyller en bestemt betingelse. Den tar to argumenter: en funksjon som returnerer `True` eller `False` for hvert element, og sekvensen som skal filtreres. Resultatet er en iterator som kun inneholder de elementene hvor funksjonen returnerer `True`. Dette gjør `filter` spesielt nyttig når du ønsker å hente ut spesifikke elementer fra en liste, tuppel eller annen itererbar struktur basert på et kriterium, som for eksempel partall, positive verdier eller strenger med en viss lengde.

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)

Denne koden bruker `filter()`-funksjonen til å lage en ny liste som kun inneholder de partallsverdiene fra en eksisterende samling. Dette gjøres ved å definere en predikatfunksjon, `is_even(n)`. `filter`-funksjonen itererer gjennom listen numbers, anvender denne sjekken på hvert element og forkaster de som ikke oppfyller betingelsen. Til slutt konverteres det resulterende filter-objektet tilbake til en liste, som gir det endelige resultatet.

Når du bruker `filter`-funksjonen, returnerer den et **filter-objekt**, som er en iterator — ikke en liste. Hvis du skriver ut resultatet av `filter` direkte, vil du se utdata som ligner på:

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

For å få tilgang til de filtrerte verdiene som en liste, må du konvertere filter-objektet ved å bruke `list()`.

Merk


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

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.

Filter-Funksjonen i Bruk

Løsning