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

### De map-functie in Python

De ingebouwde **`map`**-functie is een klassiek voorbeeld van een hogere-orde functie. Deze neemt twee argumenten: een functie en een iterabel (zoals een lijst). **`map`** past de opgegeven functie toe op elk item in het iterabel en retourneert een `map`-object, wat een iterator is. Je kunt dit object omzetten naar een lijst om de resultaten te bekijken. Deze aanpak is nuttig voor het efficiënt transformeren van data zonder expliciete lussen te schrijven.

Je kunt `map` gebruiken met een benoemde functie zoals `double` om een lijst met getallen te verwerken: `map(double, [1, 2, 3, 4])` retourneert een map-object dat de verdubbelde waarden bevat. Door het resultaat om te zetten naar een lijst, krijg je `[2, 4, 6, 8]`. Dit toont aan hoe `map` fungeert als een hogere-orde functie door een andere functie als argument te nemen en deze toe te passen op elk element van het iterabel.

def square(x):
    return x * x

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

In dit voorbeeld wordt de functie `square` toegepast op elk element in de lijst `numbers`. Het resultaat is een nieuwe lijst met de kwadraten van de oorspronkelijke getallen. Merk op dat je geen lus hoefde te schrijven — de `map`-functie verzorgde de iteratie voor je.

Je kunt `map` ook gebruiken met ingebouwde functies of zelfs met anonieme functies (lambdas), die in de volgende hoofdstukken aan bod komen. Richt je nu op hoe het doorgeven van een functie als argument zorgt voor flexibele en herbruikbare codetransformaties.


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

Beheers het inpakken/uitpakken, flexibele functieargumenten, hogere-orde functies, lambda's, variabele scope, closures, iterators en decorators. Ontworpen voor cursisten die een inleidende Python-cursus hebben afgerond en efficiëntere, expressievere en krachtigere code willen schrijven.

Ontdek de kunst van het inpakken en uitpakken van lijsten, tuples en dictionaries om expressievere en efficiëntere Python-code te schrijven.

Verdiep je in de wereld van hogere-orde functies, het doorgeven van functies als argumenten en het schrijven van beknopte anonieme functies met lambda.

Ontrafel de mysteries van variabele scope en ontdek hoe geneste functies en closures krachtige encapsulatie mogelijk maken.

Verdiep u in het iteratieprotocol van Python, aangepaste iterators en generatorfuncties voor efficiënte gegevensverwerking.

De Map-functie Beheersen

De map-functie in Python

Oplossing