1. 基本概念

filter() 是Python內置的高階函數，用于過濾序列中的元素。它接收一個函數和一個可迭代對象作為參數，返回一個迭代器，包含使函數返回True的所有元素。

filter(function, iterable)

2. 工作原理

• 惰性計算：filter對象是迭代器，只有在真正需要值時才會進行計算
• 篩選機制：對iterable中的每個元素應用function，保留返回值為True的元素
• 等價實現：

  (item for item in iterable if function(item))
  

3. 使用示例

3.1 基礎用法

# 過濾偶數
numbers = [1, 2, 3, 4, 5, 6]
even = filter(lambda x: x % 2 == 0, numbers)
print(list(even))  # 輸出: [2, 4, 6]

3.2 使用None作為函數

# 過濾掉假值（False, 0, '', None等）
values = [0, 1, False, 2, '', 3]
filtered = filter(None, values)
print(list(filtered))  # 輸出: [1, 2, 3]

3.3 復雜過濾條件

# 過濾包含特定字符的字符串
words = ["apple", "banana", "cherry", "date"]
result = filter(lambda w: 'a' in w and len(w) > 5, words)
print(list(result))  # 輸出: ['banana']

4. 底層實現分析

CPython中的filter實現（簡化版）：

typedef struct {PyObject_HEADPyObject *func;PyObject *it;
} filterobject;

• 創建filter對象時不會立即執行計算
• 迭代時調用__next__()方法才會應用過濾函數

5. 性能考慮

• 內存效率：比列表推導式更節省內存（返回迭代器而非列表）
• 執行效率：對于大型數據集，filter通常比循環+條件判斷更快
• 比較基準：

  # filter vs 列表推導式
  %timeit list(filter(lambda x: x%2, range(10**6)))
  %timeit [x for x in range(10**6) if x%2]
  

6. 最佳實踐

1. 對于簡單條件，考慮使用生成器表達式
2. 復雜過濾邏輯時使用filter更清晰
3. 需要多次使用結果時轉換為列表：

   filtered_list = list(filter(func, iterable))
   

4. 結合其他高階函數使用：

   from functools import reduce
   result = reduce(lambda x, y: x+y, filter(lambda n: n>0, numbers))
   

7. 常見問題

Q1: filter和列表推導式如何選擇？

• 選擇filter當：
  • 已有現成的判斷函數
  • 需要惰性求值
  • 代碼可讀性更重要
• 選擇列表推導式當：
  • 條件簡單
  • 需要立即得到結果列表

Q2: filter對象可以重復使用嗎？
不可以，filter對象是迭代器，消費后即耗盡。如需重復使用，需轉換為列表或重新創建。

Q3: 如何處理filter中的異常？

def safe_filter(x):try:return x > 0except Exception:return Falseresult = filter(safe_filter, potentially_bad_data)

8. 擴展應用

8.1 多條件過濾

def multi_filter(x):conditions = [x > 0,isinstance(x, int),x % 3 == 0]return all(conditions)

8.2 鏈式過濾

data = range(100)
pipeline = filter(lambda x: x > 50, filter(lambda x: x % 2 == 0, data))

8.3 配合itertools使用

from itertools import filterfalse
# 獲取不滿足條件的元素
result = filterfalse(lambda x: x%2, range(10))

9. 總結

filter()是函數式編程的重要工具，合理使用可以：

• 使代碼更聲明式
• 提高內存效率
• 方便組合多個操作
• 提升復雜過濾邏輯的可讀性