Summary  
This chapter explains how to use Python’s built-in `sorted` function as a higher-order function to order any iterable in ascending or descending order and to customize sorting criteria via the `key` and `reverse` parameters.

General domain of usage  
Data processing and manipulation

Le tri des données est une opération courante lors de la manipulation de listes en Python. La fonction `sorted` est une fonction d'ordre supérieur intégrée qui permet de trier n'importe quel itérable et retourne une nouvelle liste triée, sans modifier les données d'origine. Vous pouvez utiliser `sorted` avec ou sans logique de tri personnalisée. Par défaut, `sorted` organise les éléments par ordre croissant, mais il est possible de contrôler l'ordre et les critères de tri grâce à ses paramètres optionnels.

Les paramètres les plus importants pour `sorted` sont :
- `iterable` : les données à trier ;
- `key` : une fonction optionnelle qui détermine la valeur à utiliser pour le tri de chaque élément ;
- `reverse` : une valeur booléenne qui, si elle est définie à `True`, trie les données par ordre décroissant.

Supposons que vous disposiez d'une liste de nombres et que vous souhaitiez les trier par ordre croissant. Il suffit d'appeler `sorted(numbers)`. Pour trier les nombres par ordre décroissant, vous pouvez passer `reverse=True`.



numbers = [9, 5, 2, 1]

# Sorting in reverse order
sorted_desc = sorted(numbers, reverse=True)
print(sorted_desc)  

Il est également possible d'utiliser le paramètre `key` pour trier des structures de données plus complexes, telles que des listes de tuples ou de dictionnaires, en spécifiant une fonction qui extrait la valeur de comparaison de chaque élément.

words = ["apple", "kiwi", "banana"]

# Sorting by the length of each string
sorted_words = sorted(words, key=len)
print(sorted_words)  

Il est possible de passer n'importe quelle fonction au paramètre `key`, y compris une **fonction lambda** ou une fonction définie précédemment. Cela fait de `sorted` une **fonction d'ordre supérieur**, car elle accepte une autre fonction en argument. Le tri ne se limite pas aux nombres ou aux chaînes de caractères ; il est possible de trier des objets complexes tant qu'une fonction `key` appropriée est fournie.

L'itérable d'origine n'est pas modifié par `sorted`, qui retourne toujours une nouvelle liste. Pour trier une liste sur place, utiliser plutôt la méthode `list.sort()`.

Remarque

import unittest
import user_code
import ast
import re   
import importlib
import csv
import importlib

class TestTask(unittest.TestCase):
    def test_sorted_pairs_exists_and_is_list(self):
        import user_code
        importlib.reload(user_code)
        result = getattr(user_code, 'sorted_pairs', None)
        _dynamic_test(
            self,
            isinstance(result, list),
            "sorted_pairs is a list.",
            f"sorted_pairs should be a list, got {type(result)}."
        )
    def test_sorted_pairs_correct_order(self):
        import user_code
        importlib.reload(user_code)
        result = getattr(user_code, 'sorted_pairs', None)
        expected = [(4, 1), (2, 2), (1, 3)]
        _dynamic_test(
            self,
            result == expected,
            "sorted_pairs is sorted by the second tuple element.",
            f"Expected {expected}, got {result}."
        )
    def test_sorted_pairs_with_other_data(self):
        code = ""
        with open("user_code.py", "r") as f:
            code = f.read()
        test_pairs = [(5, 10), (2, -1), (7, 5)]
        code = change_var(code, "pairs", repr(test_pairs))
        ns = {}
        exec(code, ns)
        actual = ns.get('sorted_pairs', None)
        expected = [(2, -1), (7, 5), (5, 10)]
        _dynamic_test(
            self,
            isinstance(actual, list) and actual == expected,
            "sorted_pairs sorts different input correctly.",
            f"Expected {expected}, got {actual}."
        )
    def test_get_second_element_function(self):
        import user_code
        importlib.reload(user_code)
        func = getattr(user_code, 'get_second_element', None)
        _dynamic_test(
            self,
            callable(func),
            "get_second_element is defined and callable.",
            "get_second_element function is not defined or not callable."
        )
        if callable(func):
            result = func((99, 123))
            _dynamic_test(
                self,
                result == 123,
                "get_second_element returns the second element of the tuple.",
                f"Expected 123, got {result}."
            )

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

Dans ce cours, vous apprendrez des sujets avancés tels que les arguments de fonction, les itérateurs, les générateurs, les fermetures et les décorateurs. Des dizaines d'exercices pratiques vous aideront à comprendre ces sujets.

Explore the art of packing and unpacking lists, tuples, and dictionaries to write more expressive and efficient Python code.

Delve into the world of higher-order functions, passing functions as arguments, and writing concise anonymous functions with lambda.

Unravel the mysteries of variable scope, and learn how nested functions and closures enable powerful encapsulation.

Plongez dans le protocole d'itération de Python, les itérateurs personnalisés et les fonctions génératrices pour un traitement efficace des données.

Principes Fondamentaux de Sorted

Solution