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 redan sett hur högre ordningens funktioner som `map` låter dig applicera en funktion på varje element i en sekvens. En annan viktig högre ordningens funktion i Python är **`filter`**.

Funktionen `filter` används för att välja ut element från en sekvens baserat på om de uppfyller ett visst villkor. Den tar två argument: en funktion som returnerar `True` eller `False` för varje element, och sekvensen som ska filtreras. Resultatet är en iterator som endast innehåller de element där funktionen returnerar `True`. Detta gör `filter` särskilt användbar när du vill extrahera specifika objekt från en lista, tuple eller annan iterable baserat på ett kriterium, såsom jämna tal, positiva värden eller strängar av en viss längd.

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)

Denna kod använder funktionen `filter()` för att skapa en ny lista som endast innehåller de jämna heltalen från en befintlig samling. Det fungerar genom att definiera en predikatfunktion, `is_even(n)`. Funktionen `filter` itererar genom listan numbers, tillämpar detta villkor på varje element och utesluter de som inte uppfyller det. Slutligen omvandlas det resulterande filter-objektet tillbaka till en lista, vilket ger utdata.

När du använder funktionen `filter` returneras ett **filterobjekt**, vilket är en iterator — inte en lista. Om du skriver ut resultatet av `filter` direkt, kommer du att se en utdata som liknar:

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

För att komma åt de filtrerade värdena som en lista måste du konvertera filterobjektet med hjälp av `list()`.

Notering


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

Bemästra packning/uppackning, flexibla funktionsargument, högre ordningens funktioner, lambdas, variabelräckvidd, closures, iteratorer och dekoratörer. Utformad för studenter som har genomfört en introduktionskurs i Python och vill skriva mer effektiv, uttrycksfull och kraftfull kod.

Utforska konsten att packa och packa upp listor, tupler och ordböcker för att skriva mer uttrycksfull och effektiv Python-kod.

Fördjupa dig i världen av högre ordningens funktioner, att skicka funktioner som argument och att skriva koncisa anonyma funktioner med lambda.

Avslöja mysterierna kring variabelns räckvidd och lär dig hur nästlade funktioner och closures möjliggör kraftfull inkapsling.

Fördjupa dig i Pythons iterationsprotokoll, anpassade iteratorer och generatorfunktioner för effektiv databehandling.

Filter-Funktionen i Användning

Lösning