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

Você já viu como funções de ordem superior como `map` permitem aplicar uma função a cada elemento de uma sequência. Outra função de ordem superior essencial em Python é **`filter`**.

A função `filter` é usada para selecionar elementos de uma sequência com base em uma condição específica. Ela recebe dois argumentos: uma função que retorna `True` ou `False` para cada elemento, e a sequência a ser filtrada. O resultado é um iterador contendo apenas os elementos para os quais a função retorna `True`. Isso torna o `filter` especialmente útil quando se deseja extrair itens específicos de uma lista, tupla ou outro iterável com base em um critério, como números pares, valores positivos ou strings de determinado comprimento.

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)

Este código utiliza a função `filter()` para criar uma nova lista contendo apenas os números inteiros pares de uma coleção existente. Ele funciona definindo uma função predicado, `is_even(n)`. A função `filter` percorre a lista de números, aplicando essa verificação a cada elemento e descartando aqueles que não atendem à condição. Por fim, o objeto retornado pelo filter é convertido novamente em uma lista, produzindo o resultado.

Ao utilizar a função `filter`, ela retorna um **objeto filter**, que é um iterador — não uma lista. Se você imprimir o resultado de `filter` diretamente, verá uma saída semelhante a:

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

Para acessar os valores filtrados como uma lista, é necessário converter o objeto filter usando `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

Domine técnicas de empacotamento e desempacotamento, argumentos flexíveis em funções, funções de ordem superior, lambdas, escopo de variáveis, closures, iteradores e decoradores. Desenvolvido para alunos que já concluíram um curso introdutório de Python e desejam escrever códigos mais eficientes, expressivos e poderosos.

Explore a arte de empacotar e desempacotar listas, tuplas e dicionários para escrever códigos Python mais expressivos e eficientes.

Aprofunde-se no mundo das funções de ordem superior, passando funções como argumentos e escrevendo funções anônimas concisas com lambda.

Desvende os mistérios do escopo de variáveis e compreenda como funções aninhadas e closures possibilitam um encapsulamento poderoso.

Aprofundamento no protocolo de iteração do Python, iteradores personalizados e funções geradoras para processamento eficiente de dados.

Função Filter em Uso

Solução