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

Je hebt al gezien hoe hogere-orde functies zoals `map` je in staat stellen om een functie toe te passen op elk element in een reeks. Een andere essentiële hogere-orde functie in Python is **`filter`**.

De `filter`-functie wordt gebruikt om elementen uit een reeks te selecteren op basis van het voldoen aan een bepaalde voorwaarde. Het neemt twee argumenten: een functie die `True` of `False` retourneert voor elk element, en de reeks die gefilterd moet worden. Het resultaat is een iterator die alleen die elementen bevat waarvoor de functie `True` retourneert. Dit maakt `filter` bijzonder nuttig wanneer je specifieke items uit een lijst, tuple of andere iterable wilt halen op basis van een criterium, zoals even getallen, positieve waarden of strings van een bepaalde lengte.

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)

Deze code gebruikt de `filter()`-functie om een nieuwe lijst te maken die alleen de even gehele getallen uit een bestaande collectie bevat. Dit gebeurt door een predicaatfunctie, `is_even(n)`, te definiëren. De `filter`-functie doorloopt de lijst met getallen, past deze controle toe op elk element en negeert alle elementen die niet aan de voorwaarde voldoen. Ten slotte wordt het resulterende filterobject omgezet naar een lijst, wat de uitvoer oplevert.

Wanneer je de functie `filter` gebruikt, retourneert deze een **filterobject**, wat een iterator is — geen lijst. Als je het resultaat van `filter` direct afdrukt, zie je een uitvoer zoals:

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

Om de gefilterde waarden als een lijst te bekijken, moet je het filterobject omzetten met `list()`.

Opmerking


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

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.

Filter-Functie in Gebruik

Oplossing