Hàm filter()

Cùng luyện lọc dữ liệu nhé! Bạn sẽ nhận ba nhiệm vụ tương ứng cần hoàn thành. Hãy dùng lambda expressions! Và nhớ: hàm filter() sẽ giữ lại tất cả phần tử được ánh xạ thành giá trị True.

Các biến nums, string và spells đã có sẵn trong môi trường làm việc của bạn.

Bài tập này là một phần của khóa học

Luyện tập câu hỏi phỏng vấn lập trình bằng Python

Xem khóa học

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Exclude all the numbers from nums divisible by 3 or 5
print(nums)
fnums = filter(____)
print(list(fnums))

Chỉnh sửa và Chạy Mã

Bài tập này là một phần của khóa học

Luyện tập câu hỏi phỏng vấn lập trình bằng Python

SkillTag.level.advancedSkillTag.label

4.8+

Bắt đầu khóa học miễn phí

Trong chương này, chúng ta sẽ ôn lại các cấu trúc dữ liệu chính dùng trong Python. Chúng ta sẽ học cách làm việc với lists, tuples, sets và dictionaries. Chúng ta cũng sẽ xem xét chuỗi (strings) và cách viết biểu thức chính quy để trích xuất các dãy ký tự cụ thể từ một văn bản cho trước.

Exercise 1: Các cấu trúc dữ liệu chính trong Python là gì?Exercise 2: Các phương thức của list Exercise 3: Các phép toán trên tập hợp Exercise 4: Lưu trữ dữ liệu trong dictionary Exercise 5: Những cách phổ biến để xử lý chuỗi là gì?Exercise 6: Chỉ mục chuỗi và phép nối chuỗi Exercise 7: Thao tác với chuỗi Exercise 8: Sửa lỗi chuỗi trong DataFrame Exercise 9: Cách viết biểu thức chính quy trong Python?Exercise 10: Viết một biểu thức chính quy Exercise 11: Tìm mẫu đúng Exercise 12: Tách bằng một mẫu

Chương này tập trung vào các đối tượng có thể lặp (iterable). Chúng ta sẽ nhắc lại định nghĩa về iterable và cách nhận diện chúng. Tiếp theo, chúng ta sẽ học về list comprehension, một tính năng rất đặc trưng của Python để tạo danh sách. Sau đó, chúng ta sẽ ôn lại cách kết hợp nhiều đối tượng có thể lặp thành một. Cuối cùng, chúng ta sẽ học cách tạo các đối tượng có thể lặp tùy biến bằng generators.

Exercise 1: Iterable là gì?Exercise 2: enumerate()Exercise 3: Iterator Exercise 4: Duyệt qua một DataFrame Exercise 5: List comprehension là gì?Exercise 6: List comprehension cơ bản Exercise 7: Dãy số nguyên tố Exercise 8: Dãy số nguyên tố cùng nhau Exercise 9: zip object là gì?Exercise 10: Kết hợp các đối tượng có thể lặp Exercise 11: Trích xuất các tuple Exercise 12: Tạo một DataFrame Exercise 13: Generator là gì và cách tạo như thế nào?Exercise 14: Dịch (xoay) một chuỗi Exercise 15: Gieo xúc xắc Exercise 16: Generator comprehension

Chương này sẽ tập trung vào khía cạnh hàm (functional) của Python. Chúng ta sẽ bắt đầu bằng cách định nghĩa hàm với số lượng đối số vị trí và đối số từ khóa linh hoạt. Tiếp theo, chúng ta sẽ học về hàm lambda và khi nào chúng hữu ích. Đặc biệt, chúng ta sẽ thấy cách dùng chúng cùng các hàm map(), filter() và reduce(). Cuối cùng, chúng ta sẽ ôn lại đệ quy là gì và cách cài đặt đúng.

Exercise 1: Làm sao truyền số lượng đối số linh hoạt vào một hàm?Exercise 2: Đối số vị trí với số lượng linh hoạt Exercise 3: Keyword argument có kích thước biến đổi Exercise 4: Kết hợp các kiểu đối số Exercise 5: Lambda expression là gì?Exercise 6: Định nghĩa biểu thức lambda Exercise 7: Chuyển đổi hàm sang biểu thức lambda Exercise 8: Dùng biểu thức lambda làm đối số Exercise 9: Các hàm map(), filter(), reduce() là gì?Exercise 10: Hàm map()Exercise 11: Hàm filter()

Bài tập hiện tại

Exercise 12: Hàm reduce()Exercise 13: Đệ quy là gì?Exercise 14: Tính số lần gọi hàm Exercise 15: Tính giá trị trung bình Exercise 16: Xấp xỉ Pi bằng đệ quy

Chương này sẽ bao quát các chủ đề về tính toán khoa học trong Python. Chúng ta sẽ bắt đầu bằng cách giải thích sự khác nhau giữa mảng NumPy và list. Chúng ta sẽ chỉ ra vì sao mảng NumPy phù hợp hơn cho các phép tính phức tạp. Tiếp theo, chúng ta sẽ học một số kỹ thuật hữu ích để thao tác với pandas DataFrame. Cuối cùng, chúng ta sẽ trực quan hóa dữ liệu bằng biểu đồ scatter, histogram và boxplot.

Exercise 1: Sự khác biệt giữa mảng NumPy và list là gì?Exercise 2: Khởi tạo mảng sai cách Exercise 3: Truy cập các mảng con Exercise 4: Thao tác với mảng NumPy Exercise 5: Cách sử dụng phương thức .apply() trên DataFrame?Exercise 6: Sử dụng .apply() đơn giản Exercise 7: Các đối số bổ sung Exercise 8: Hàm với đối số bổ sung Exercise 9: Cách sử dụng phương thức .groupby() trên DataFrame?Exercise 10: Các phương thức DataFrame tiêu chuẩn Exercise 11: BMI của các nhân vật phản diện Exercise 12: Bổ sung giá trị cho NaN Exercise 13: Cách trực quan hóa dữ liệu trong Python?Exercise 14: Khám phá mối quan hệ giữa các đặc trưng Exercise 15: Vẽ biểu đồ histogram Exercise 16: Tạo boxplot Exercise 17: Lời kết