تابع filter

تابع filter در پایتون یک تابع پیش‌ساخته (built-in) است که عناصر یک ایتریبل (iterable) را بر اساس یک شرط مشخص فیلتر می‌کند و تنها عناصری را که تابع شرط برای آن‌ها مقدار True برمی‌گرداند، نگه می‌دارد. این تابع یکی از ابزارهای اصلی برنامه‌نویسی تابعی در پایتون است.

سینتکس تابع filter

سینتکس کلی تابع filter به صورت زیر است:

filter(function, iterable)

پارامترها یا آرگومان‌های این سینتکس عبارتند از:

• آرگومان function یک تابع است که به ازای هر عنصر از iterable فراخوانی می‌شود و باید مقدار True یا False (یا معادل‌های آن‌ها) برگرداند. اگر مقدار None وارد شود، پایتون از خود عناصر به عنوان شرط استفاده می‌کند و عناصری که مقدار falsy دارند را حذف می‌کند.
• آرگومان iterable هر شیء قابل پیمایش مانند لیست، تاپل، رنج، مجموعه یا استرینگ است که می‌خواهیم روی عناصر آن فیلتر اعمال کنیم.

مقدار بازگشتی تابع filter یک آبجکت filter است، نه یک لیست! این آبجکت یک iterator است که عناصر واجد شرط را به صورت تنبل (lazy) تولید می‌کند. برای دریافت نتیجه به صورت لیست یا تاپل باید آن را با تابع ()list یا ()tuple تبدیل کنید.

کاربردهای تابع filter

ساده‌ترین مثال از کاربرد این تابع می‌تواند حالت زیر باشد:

>>> numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> even = list(filter(lambda x: x % 2 == 0, numbers))
>>> even
[2, 4, 6, 8, 10]

در این مثال از توابع لاندا برای بررسی زوج بودن اعضای لیست numbers استفاده شده است. برای آن دسته از اعضای لیست numbers که حاصل تقسیم عضو بر عدد ۲ مساوی با ۰ باشد (زوج باشند)، مقدار بازگشتی تابع لاندا True است.

یا می‌توان با پاس دادن None به عنوان تابع، مقادیر falsy را از ایتریبل حذف کرد:

>>> data = [0, 1, "", "Hello", None, False, True, [], [1, 2]]
>>> result = list(filter(None, data))
>>> result
[1, 'Hello', True, [1, 2]]

در این حالت تابع filter تمام مقادیری که در پایتون معادل False هستند را حذف می‌کند.

یادآوری: مقادیری مانند عدد 0، استرینگ خالی، بولین None، False و لیست خالی، مثال‌هایی از مقادیر falsy هستند.

رایج‌ترین کاربردهای تابع filter عبارتند از:

• حذف مقادیر None یا falsy از یک لیست،
• فیلتر کردن داده‌ها بر اساس یک شرط مشخص،
• پردازش و پاکسازی داده‌های ورودی قبل از پردازش اصلی،
• ترکیب با تابع ()map برای پیاده‌سازی پایپ‌لاین‌های پردازش داده.

استفاده از تابع با تعریف جداگانه: به جای lambda، می‌توانید یک تابع مستقل تعریف کرده و آن را به filter بدهید. این روش کد خواناتری تولید می‌کند:

def is_positive(number):
    return number > 0

numbers = [-3, -1, 0, 2, 5, -7, 8]
positives = list(filter(is_positive, numbers))
print(positives)

# output: [2, 5, 8]

فیلتر کردن دیکشنری‌ها: یکی از کاربردهای رایج filter پردازش لیستی از دیکشنری‌هاست؛ برای مثال فیلتر کردن محصولات موجود در انبار:

products = [
    {"name": "laptop", "price": 45000000, "in_stock": True},
    {"name": "mouse", "price": 850000, "in_stock": False},
    {"name": "keyboard", "price": 1200000, "in_stock": True},
    {"name": "monitor", "price": 12000000, "in_stock": False},
]

available = list(filter(lambda p: p["in_stock"], products))
for p in available:
    print(p["name"])

# output: 
laptop
keyboard

مثال واقعی از تابع filter

در یک سناریوی فرضی، شما یک سیستم ثبت‌نام دارید و می‌خواهید از میان کاربران ثبت‌نام شده، فقط کاربرانی را که هم ایمیل معتبر دارند و هم سن آن‌ها بالای ۱۸ سال است، انتخاب کنید:

users = [
    {"name": "Ali", "age": 25, "email": "ali@example.com"},
    {"name": "Sara", "age": 16, "email": "sara@example.com"},
    {"name": "Reza", "age": 30, "email": ""},
    {"name": "Maryam", "age": 22, "email": "maryam@example.com"},
    {"name": "Shayan", "age": 15, "email": "shayan@example.com"},
]

def is_valid_user(user):
    return user["age"] >= 18 and bool(user["email"])

valid_users = list(filter(is_valid_user, users))
for user in valid_users:
    print(f"{user['name']} — {user['email']}")

در این مثال، تابع is_valid_user دو شرط را همزمان بررسی می‌کند و filter تنها کاربرانی را که هر دو شرط را دارند به خروجی می‌فرستد:

Ali — ali@example.com
Maryam — maryam@example.com

تفاوت تابع filter با list comprehension

هر دو روش نتیجه یکسانی تولید می‌کنند، اما در نحوه استفاده تفاوت دارند:

numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# using lambda & filter
evens_filter = list(filter(lambda x: x % 2 == 0, numbers))

# using list comprehension
evens_comp = [x for x in numbers if x % 2 == 0]

print(evens_filter)  # output: [2, 4, 6, 8, 10]
print(evens_comp)    # output: [2, 4, 6, 8, 10]

به طور کلی، list comprehension در پایتون خواناتر و پایتونیک‌تر (Pythonic) است و برای اکثر موارد ساده ترجیح داده می‌شود. اما تابع filter زمانی مفیدتر است که:

• تابع شرط از پیش تعریف شده باشد و بخواهید آن را مستقیماً پاس دهید،
• با داده‌های بسیار بزرگ کار کنید و به رفتار تنبل iterator نیاز داشته باشید،
• کد را در قالب یک پایپ‌لاین تابعی با ()map و ()reduce ترکیب کنید.

ترکیب filter با map

یکی از الگوهای رایج در برنامه‌نویسی تابعی، ترکیب filter و map در یک پایپ‌لاین است:

numbers = [-5, -3, -1, 2, 4, 6, 8]

result = list(map(lambda x: x ** 2, filter(lambda x: x > 0, numbers)))
print(result)

# output: [4, 16, 36, 64]

این کد، ابتدا اعداد مثبت را فیلتر می‌کند، سپس مربع آن‌ها را محاسبه می‌کند.

سوالات متداول

جهت کسب اطلاعات بیشتر می‌توانید به مستندات رسمی پایتون برای تابع filter مراجعه کنید.