Collection

Aucun article trouvé dans cette collection.

Python

Filtrer des itérables en Python avec filter - Tutoriel interactif

Tech Lead, CTO AXI Technologies

Romain DE LA SOUCHÈRE

Publié le 13 janvier 2025 · 14 min de lecture

Table de matières

Coder avec un style fonctionnel en python

Comprendre le problème du filtrage

Commencer avec filter()

Filtrer les itérables avec filter()

Coder avec un style pythonique

Partager avec

Dans le monde de la programmation, le style fonctionnel offre une approche élégante et efficace pour résoudre des problèmes complexes. En utilisant Python, un langage réputé pour sa simplicité et sa puissance, il est possible d'adopter ce style pour écrire du code clair et concis. Cet article explore comment tirer parti de la fonction filter() pour manipuler et transformer des données de manière fluide et pythonique. Plongez dans l'univers du filtrage fonctionnel et découvrez comment optimiser vos scripts tout en adoptant les meilleures pratiques de programmation.

Coder avec un style fonctionnel en python

Le style de programmation fonctionnelle en Python est une approche qui met l'accent sur l'utilisation de fonctions pures, l'immutabilité et l'absence de changements d'état. Cela contraste avec le style impératif qui consiste à décrire explicitement les étapes que l'ordinateur doit suivre. Dans cette section, nous allons explorer comment Python permet de coder d'une manière fonctionnelle, notamment à travers l'utilisation de la fonction filter() pour extraire des valeurs d'itérables.

Comprendre le style fonctionnel

Le style fonctionnel est basé sur l'idée que les fonctions ne doivent pas avoir d'effets secondaires. En d'autres termes, appeler une fonction avec les mêmes arguments doit toujours produire le même résultat sans modifier d'autres états ou variables. Cela conduit à un code plus prévisible et souvent plus facile à tester.

Voici quelques principes clés du style fonctionnel :

Immutabilité : Les données ne doivent pas être modifiées après leur création. Au lieu de cela, des copies modifiées des données sont créées.
Fonctions pures : Une fonction pure est une fonction qui, pour les mêmes entrées, produira toujours les mêmes sorties et n'aura pas d'effets secondaires.
Fonctions d'ordre supérieur : Ce sont des fonctions qui peuvent prendre d'autres fonctions comme arguments ou retourner des fonctions.

En Python, bien que la programmation impérative soit courante, la langue offre de nombreuses fonctionnalités qui facilitent un style fonctionnel.

Utilisation de la fonction `filter()`

La fonction filter() est un exemple classique de programmation fonctionnelle en Python. Elle permet de filtrer des éléments d'un itérable en utilisant une fonction qui renvoie True ou False pour chaque élément. Voici comment l'utiliser :

python

Dans cet exemple, est_pair est une fonction pure qui retourne True si un nombre est pair et False sinon. filter() utilise cette fonction pour créer un nouvel itérable contenant uniquement les nombres pairs.

Avantages du style fonctionnel

Lisibilité : Le code fonctionnel est souvent plus facile à lire car il se concentre sur le "quoi" plutôt que le "comment". Par exemple, utiliser filter() pour extraire des valeurs est plus clair que de boucler et de conditionner manuellement.
Simplicité : Les fonctions pures sont plus faciles à tester et à déboguer car elles ne dépendent pas de l'état global.
Modularité : Les fonctions peuvent être facilement réutilisées et composées pour créer des fonctionnalités complexes à partir de composants simples.
Parallélisme : Étant donné que les fonctions pures n'ont pas d'effets secondaires, elles peuvent être exécutées en parallèle sans risque de conflit.

Autres fonctions fonctionnelles en Python

Python propose d'autres fonctions qui favorisent le style fonctionnel, telles que map() et reduce().

map() : Applique une fonction à tous les éléments d'un itérable et retourne un nouvel itérable avec les résultats.
reduce() : Combine tous les éléments d'un itérable en une seule valeur en appliquant une fonction binaire.

Ces exemples illustrent comment des tâches complexes peuvent être simplifiées en utilisant des fonctions d'ordre supérieur et en adoptant un style fonctionnel.

Exemple pratique : filtrer une liste de dictionnaires

Pour voir comment le style fonctionnel peut être appliqué à des structures de données plus complexes, considérons une liste de dictionnaires représentant des étudiants avec leurs notes :

python

Dans cet exemple, filter() est utilisé pour extraire les étudiants ayant une note supérieure ou égale à 75. C'est un excellent exemple de la façon dont le style fonctionnel peut rendre le code plus expressif et concis.

En conclusion, adopter un style fonctionnel en Python peut transformer la manière dont vous structurez votre code, vous offrant des solutions plus élégantes et robustes pour le traitement des données.

Comprendre le problème du filtrage

Le filtrage est une opération essentielle en programmation, permettant d'extraire des éléments spécifiques d'une collection de données en fonction de critères définis. Le problème du filtrage se présente lorsque l'on doit manipuler de grandes quantités de données et que l'on souhaite isoler uniquement celles qui sont pertinentes pour une tâche donnée. Dans cette section, nous allons explorer pourquoi le filtrage est crucial et comment il peut être efficacement mis en œuvre en Python.

Pourquoi filtrer les données ?

Le besoin de filtrer les données découle souvent de la nécessité d'optimiser les performances et de simplifier l'analyse des données. Voici quelques raisons courantes pour lesquelles le filtrage est crucial :

Réduction de la complexité : En éliminant les données non pertinentes, on réduit la complexité des opérations ultérieures, ce qui peut améliorer les performances des algorithmes.
Amélioration de la précision : En se concentrant sur les données pertinentes, on peut obtenir des résultats plus précis et plus significatifs.
Facilitation de l'analyse : Un sous-ensemble plus petit de données est généralement plus facile à visualiser et à analyser.

Problèmes courants lors du filtrage

Malgré ses avantages, le filtrage peut présenter des défis, notamment :

Performance : Pour de très grandes collections de données, le processus de filtrage peut devenir lent, surtout si les critères de filtrage sont complexes.
Complexité du code : Écrire des conditions de filtrage complexes peut rendre le code difficile à lire et à maintenir.
Gestion de l'état : Si le filtrage dépend d'un état mutable, cela peut introduire des erreurs subtiles dans le programme.

Filtrage en Python : une approche pragmatique

Python offre un certain nombre d'outils pour effectuer des opérations de filtrage de manière efficace et concise. Utiliser ces outils correctement peut aider à surmonter les défis mentionnés ci-dessus.

Utilisation de listes en compréhension

Les listes en compréhension sont une fonctionnalité puissante de Python qui permet de filtrer et de transformer des données de façon concise. Voici un exemple simple :

python

Dans cet exemple, la liste en compréhension est utilisée pour filtrer uniquement les nombres pairs de la liste nombres. C'est une alternative souvent plus lisible que l'utilisation de la fonction filter().

Combiner `filter()` avec lambda

filter() peut être combiné avec des fonctions lambda pour des opérations de filtrage simples et rapides :

python

Les lambdas sont des fonctions anonymes qui peuvent rendre le code plus concis, bien que parfois moins lisible que les définitions de fonctions standard.

Filtrage avec des ensembles et des dictionnaires

En plus des listes, Python permet également de filtrer des ensembles et des dictionnaires. Par exemple, pour filtrer un dictionnaire :

python

Considérations de performance

Lors du filtrage de grandes quantités de données, il est important de considérer l'impact sur les performances. Les itérateurs, par exemple, peuvent être utilisés pour traiter les données de manière plus efficace en mémoire.

Utilisation des itérateurs

Les itérateurs permettent de traiter des données de manière paresseuse, ce qui signifie que les éléments sont calculés à la demande plutôt que de charger tout en mémoire immédiatement. Cela peut être particulièrement utile pour le filtrage de grandes collections :

python

Dans cet exemple, islice est utilisé pour limiter le nombre de résultats traités à un sous-ensemble gérable.

En adoptant ces stratégies, le filtrage en Python peut être rendu à la fois efficace et maintenable, permettant aux développeurs de gérer des données volumineuses avec aisance.

Commencer avec filter()

La fonction filter() est un outil puissant en Python qui permet de filtrer des éléments d'un itérable en fonction d'une fonction de filtrage. Dans cette section, nous allons explorer comment commencer à utiliser filter() pour réaliser des opérations de filtrage efficaces et élégantes.

Comprendre la fonction `filter()`

La fonction filter() prend deux arguments : une fonction et un itérable. La fonction est appliquée à chaque élément de l'itérable et doit retourner True ou False. filter() retourne un itérable contenant uniquement les éléments pour lesquels la fonction a retourné True.

La syntaxe de base de filter() est la suivante :

python

Voici un exemple simple pour mieux comprendre :

python

Dans cet exemple, filter() utilise la fonction est_positif pour filtrer les nombres positifs de la liste nombres.

Utilisation de `filter()` avec les fonctions lambda

Les fonctions lambda sont particulièrement utiles avec filter() pour des opérations de filtrage simples et rapides. Elles permettent de définir des fonctions anonymes en une seule ligne, ce qui peut rendre le code plus concis :

python

Ici, une fonction lambda est utilisée pour filtrer les nombres pairs. L'utilisation de lambda peut rendre le code plus compact, mais il est important de veiller à ce que le code reste lisible.

Comparaison avec les listes en compréhension

Bien que filter() soit utile, il est souvent comparé aux listes en compréhension, qui peuvent accomplir la même tâche avec une syntaxe plus concise et parfois plus lisible.

python

La liste en compréhension ci-dessus réalise la même opération que filter() avec est_positif, mais en combinant la logique de filtrage et la création de la liste en une seule étape.

Filtrage de différents types d'itérables

filter() n'est pas limité aux listes. Il peut être utilisé avec tout itérable, y compris les tuples, les ensembles et même les chaînes de caractères.

Filtrage d'un ensemble

python

Filtrage d'un dictionnaire

Pour filtrer les éléments d'un dictionnaire, il est possible d'utiliser filter() sur les éléments transformés en liste de tuples :

python

Conseils pour une utilisation efficace de `filter()`

Lisibilité : Bien que filter() et les lambdas puissent rendre le code concis, il est crucial de maintenir la lisibilité. Si une fonction lambda devient trop complexe, envisagez de la remplacer par une fonction nommée.
Performance : filter() retourne un itérable, ce qui est plus efficace en mémoire que la création immédiate d'une liste, surtout pour de grandes quantités de données.
Compatibilité : Rappelez-vous que filter() retourne un objet de type filter en Python 3, qui doit être converti en liste ou en un autre type d'itérable si nécessaire.

En adoptant ces pratiques, filter() peut être un outil puissant pour simplifier le code et optimiser les opérations de filtrage dans vos programmes Python.

Filtrer les itérables avec filter()

Dans cette section, nous allons explorer comment utiliser la fonction filter() pour filtrer divers types d'itérables en Python. Les itérables incluent non seulement les listes, mais aussi les tuples, les ensembles, les dictionnaires et même les générateurs. La capacité de filter() à travailler avec n'importe quel itérable en fait un outil flexible et puissant.

Filtrage de listes

Les listes sont probablement le type d'itérable le plus couramment filtré. Voici un exemple de filtrage d'une liste de nombres pour ne conserver que les nombres pairs :

python

Dans cet exemple, nous utilisons une fonction lambda pour déterminer si un nombre est pair. filter() applique cette fonction à chaque élément de la liste nombres.

Filtrage de tuples

Les tuples, comme les listes, peuvent également être filtrés. Cependant, puisque les tuples sont immuables, le résultat doit être converti en un tuple si vous souhaitez conserver le type :

python

Le processus est presque identique au filtrage d'une liste, la seule différence étant la conversion finale en tuple.

Filtrage d'ensembles

Les ensembles sont des collections non ordonnées d'éléments uniques. Filtrer un ensemble avec filter() est similaire aux autres itérables, mais le résultat doit être reconverti en ensemble pour maintenir l'unicité des éléments :

python

Filtrage de dictionnaires

Filtrer un dictionnaire est un peu plus complexe car filter() fonctionne sur les clés et les valeurs. Voici comment filtrer un dictionnaire pour ne conserver que les éléments avec des valeurs paires :

python

Nous utilisons ici dictionnaire.items() pour obtenir un itérable de tuples (clé, valeur), que nous filtrons ensuite en fonction de la valeur.

Filtrage avec des générateurs

Les générateurs sont des itérables paresseux qui génèrent des éléments à la demande, rendant le filtrage très efficace en termes de mémoire. Voici un exemple de filtrage de nombres générés dynamiquement :

python

Dans cet exemple, nous utilisons un générateur infini pour produire des nombres, et filter() pour extraire uniquement les nombres pairs. L'utilisation de enumerate nous permet de limiter la sortie à cinq nombres.

Filtrage de chaînes de caractères

Bien que moins courant, il est possible de filtrer les caractères dans une chaîne :

python

Dans cet exemple, nous filtrons la chaîne pour ne conserver que les voyelles, en utilisant filter() et une fonction lambda.

Meilleures pratiques pour le filtrage

Simplicité : Utilisez des fonctions lambda pour des conditions simples. Pour des conditions complexes, préférez des fonctions définies avec def.
Conversion : Rappelez-vous que filter() retourne un objet filter en Python 3. Convertissez-le en liste, ensemble, tuple ou autre type selon le besoin.
Performance : Utilisez filter() avec des générateurs pour traiter des flux de données sans les charger entièrement en mémoire.

En appliquant ces techniques et pratiques, vous pouvez utiliser filter() pour gérer efficacement une variété d'itérables dans vos projets Python.

Coder avec un style pythonique

Adopter un style pythonique signifie écrire du code qui est non seulement fonctionnel mais aussi élégant, lisible et conforme aux conventions et aux idiomes de Python. Dans cette section, nous explorerons les principes fondamentaux pour coder de manière pythonique, en mettant l'accent sur la lisibilité, la simplicité et l'utilisation efficace des fonctionnalités de Python.

Lisibilité avant tout

L'une des caractéristiques les plus importantes d'un code pythonique est sa lisibilité. Python est conçu pour être facile à lire et à comprendre, et cela se reflète dans le mantra "Lisibilité compte". Voici quelques conseils pour améliorer la lisibilité de votre code :

Nommer les variables de manière descriptive : Utilisez des noms de variables explicites qui indiquent clairement leur rôle dans le programme. Par exemple, préférez nombredestudents à n pour représenter le nombre d'étudiants.
Utiliser l'indentation et les espaces : Assurez-vous que votre code est correctement indenté et utilisez des espaces pour séparer les opérateurs de leurs opérandes, comme dans a = b + c plutôt que a=b+c.

Utilisation des idiomes Python

Python a ses propres idiomes et structures de code qui peuvent rendre le code plus concis et lisible. Voici quelques exemples :

Listes en compréhension : Plutôt que d'utiliser des boucles pour créer des listes, utilisez des listes en compréhension pour un code plus concis :
Utilisation du mot-clé : Lorsque vous travaillez avec des fichiers ou d'autres ressources qui nécessitent un nettoyage, utilisez le mot-clé with pour garantir que les ressources sont correctement libérées :

Embrasser la simplicité

Un code pythonique est souvent simple et direct. Évitez la complexité inutile en suivant ces conseils :

Évitez l'obfuscation : Ne sacrifiez jamais la clarté pour la concision. Un code court mais difficile à comprendre n'est pas pythonique.
Diviser pour conquérir : Si une fonction dépasse 20 à 30 lignes, envisagez de la diviser en fonctions plus petites et plus spécifiques. Cela rendra votre code plus facile à comprendre et à maintenir.

Utilisation des exceptions

En Python, les exceptions sont un moyen efficace de gérer les erreurs. Plutôt que de vérifier manuellement les erreurs potentielles, adoptez l'approche "Demander pardon plutôt que permission" (EAFP) :

python

Utiliser des exceptions vous permet de séparer la logique de traitement des erreurs de la logique principale de votre programme.

Respecter la PEP 8

La PEP 8 est le guide de style officiel pour Python. Suivre ses recommandations garantit que votre code est conforme aux normes de la communauté et est plus facile à comprendre pour d'autres développeurs :

Limitez les lignes à 79 caractères : Cela rend le code plus facile à lire sur différents appareils.
Doublez l'espace au-dessus des définitions de classes et de fonctions : Cela améliore la séparation visuelle des différentes parties de votre code.

Utilisation de structures de données appropriées

Python propose une variété de structures de données intégrées telles que les listes, les ensembles, les dictionnaires et les tuples. Utilisez-les à bon escient :

Listes : Utilisez-les lorsque l'ordre des éléments est important ou lorsque vous avez besoin d'une collection mutable.
Tuples : Utilisez-les pour les collections immuables ou comme retour de fonctions lorsque vous avez besoin de retourner plusieurs valeurs.
Dictionnaires : Idéal pour les associations clé-valeur et lorsque l'accès rapide aux éléments est crucial.

Pythonic Zen

Enfin, le Zen de Python, accessible via import this, résume l'esprit du codage pythonique :

"Beau est mieux que laid."
"Simple est mieux que complexe."
"Lisibilité compte."

En gardant ces principes à l'esprit, vous pouvez écrire du code Python qui est non seulement fonctionnel mais aussi élégant, efficace et facile à maintenir.

Partager avec

💙 Merci d'avoir parcouru l'article jusqu'à la fin !

Romain DE LA SOUCHÈRE

Tech Lead, CTO AXI Technologies

Expert Data Engineering et Cloud, Romain affiche plus de 11 ans d'expérience, dont plusieurs années comme Lead Developer sur des solutions Smart Building haute performance. Il y a conçu et mis en production des moteurs de traitement capables d'absorber des centaines de milliers de données de capteurs par minute, ainsi que des bases clusterisées gérant plus de 10 millions de données dynamiques. Certifié Microsoft Azure DevOps Engineer Expert, il maîtrise aussi bien le développement back-end (Python, C#) que le DevOps (Docker, Kubernetes, Terraform) et les agents LLM. Formateur en Python, cloud, DevOps et IA générative appliquée, il forme avec une obsession : Amener chaque apprenant à concevoir et déployer des architectures réellement scalables en production.

» En savoir plus