Aufgaben-Python/lehrpfad_4_professional_data_engineering/18_funktionale_programmierung_lambda

Kapitel 18: Funktionale Programmierung & Pythonic Code ⚡🔄

Willkommen zu Kapitel 18 in Lehrpfad 4 (Professional Data Engineering)! In diesem Modul lernst du, wie du mithilfe funktionaler Konzepte sauberen, ausdrucksstarken und hocheffizienten Python-Code schreibst (Pythonic Code).

---

🧭 Didaktischer Hintergrund: Die Fließband-Analogie

In der traditionellen (imperativen) Programmierung schreibst du oft lange Schleifen mit Hilfsvariablen, Indizes und Zwischenlisten:

# ❌ Umständlich / Imperativ
ergebnis = []
i = 0
for element in elemente:
    if element % 2 != 0:
        ergebnis.append(element ** 2)
    i += 1

🏭 Die Fließband-Analogie: In der funktionalen Programmierung baust du ein automatisiertes Fließband auf:

• filter() (Die Prüfstation): Lässt nur Elemente durch, die eine Bedingung erfüllen.
• map() (Die Bearbeitungsstation): Transformiert jedes durchlaufende Teil.
• zip() (Die Montagestation): Führt zwei parallele Bänder paarweise zusammen.
• enumerate() (Die Etikettierstation): Versieht jedes Teil mit einer laufenden Nummer.

---

🧰 1. Die funktionalen Werkzeuge im Überblick

A) enumerate(iterable, start=0) – Zähler ohne Hilfsvariable

sprachen = ["Python", "Java", "Rust"]

# Mit Startwert 1 nummerieren
for index, sprache in enumerate(sprachen, start=1):
    print(f"{index}. {sprache}")

# Als nummerierte Liste erzeugen:
nummeriert = [f"{i}. {s}" for i, s in enumerate(sprachen, start=1)]
# -> ['1. Python', '2. Java', '3. Rust']

---

B) zip(*iterables) – Paralleles Durchlaufen

artikel = ["Apfel", "Banane", "Orange"]
preise = [0.99, 1.49, 1.99]

katalog = dict(zip(artikel, preise))
# -> {'Apfel': 0.99, 'Banane': 1.49, 'Orange': 1.99}

---

C) Anonyme Lambda-Funktionen (lambda)

Ein lambda ist eine kleine, namenlose Funktion für den Einmalgebrauch:

\text{lambda } x: \text{ausdruck}

# Normale Funktion:
def verdopple(x):
    return x * 2

# Als Lambda-Einzeiler:
verdopple_lambda = lambda x: x * 2

---

D) map() & filter() – Die Transformations-Pipeline

zahlen = [1, 2, 3, 4, 5, 6]

# 1. Nur ungerade Zahlen herausfiltern (1, 3, 5)
ungerade = filter(lambda x: x % 2 != 0, zahlen)

# 2. Alle verbliebenen Zahlen quadrieren (1, 9, 25)
quadriert = map(lambda x: x ** 2, ungerade)

ergebnis = list(quadriert)  # -> [1, 9, 25]

---

E) Custom Sorting mit key=lambda

Sortiere komplexe Datenstrukturen nach beliebigen Kriterien:

team = [
    {"name": "Alice", "alter": 30, "gehalt": 65000},
    {"name": "Bob", "alter": 22, "gehalt": 48000},
    {"name": "Charlie", "alter": 45, "gehalt": 80000}
]

# Nach Alter aufsteigend sortieren
nach_alter = sorted(team, key=lambda p: p["alter"])

# Nach Gehalt absteigend sortieren
nach_gehalt = sorted(team, key=lambda p: p["gehalt"], reverse=True)

# Höchstverdiener finden
chef = max(team, key=lambda p: p["gehalt"])

---

F) Kontrollfunktionen: all() und any()

alter_gruppe = [20, 25, 18, 30]

# Sind ALLE Personen mindestens 18?
print(all(alter >= 18 for alter in alter_gruppe)) # -> True

# Gibt es MINDESTENS EINE Person unter 18?
print(any(alter < 18 for alter in alter_gruppe))  # -> False

---

📑 Vergleich: Imperativ vs. Funktional (Pythonic)

Anwendungsfall	Imperativ (Klassisch)	Funktional & Pythonic
Nummerierung	i = 1; for x in l: print(i, x); i += 1	for i, x in enumerate(l, 1): print(i, x)
Paarung	for i in range(len(a)): dict[a[i]] = b[i]	dict(zip(a, b))
Transformation	res = []; for x in l: res.append(x*2)	list(map(lambda x: x*2, l))
Filterung	res = []; for x in l: if x>0: res.append(x)	list(filter(lambda x: x>0, l))
Validierung	ok = True; for x in l: if not cond(x): ok=False	all(cond(x) for x in l)

---

📁 Die Dateien in diesem Modul

• index.html: Interaktive Lernseite mit Cheat-Sheet, Code-Pipelines, Checkliste und aufklappbaren Tipps.
• aufgabe.py: Dein Arbeitsblatt mit Type Hints und TODOs für enumerate, zip, map/filter, sorted und all/any.
• test_aufgabe.py: Automatische Unittest-Suite zur Validierung deiner Lösungen.
• musterloesung.py: Vollständig ausprogrammierte Referenzlösung.

---

🚀 Schnellstart

# 1. Bearbeite aufgabe.py
# 2. Führe die automatischen Unittests aus:
python3 test_aufgabe.py

# 3. Oder starte aufgabe.py direkt im Terminal:
python3 aufgabe.py