3、模仿map和filter的运行逻辑，自定义（def）并测试自己的mymap和myfilter高阶函数，要求实现类似的功能（注意：不能在自定义函数里面再次调用map等库函数）。

要自定义`mymap`和`myfilter`高阶函数，我们需要按照函数式编程的思想来设计，它们通常接受一个函数作为输入，并应用这个函数到另一个序列上。这里我们先创建一个简单的版本：

1. 自定义`mymap`函数，它接受一个函数和一个序列，然后对序列中的每个元素应用给定的函数。

def mymap(function, iterable):
    """
    使用自定义函数对迭代器的元素进行映射
    """
    result = []
    for item in iterable:
        result.append(function(item))
    return result

# 示例：
def square(x):
    return x ** 2

numbers = [1, 2, 3, 4, 5]
squared_numbers = mymap(square, numbers)
print(squared_numbers)  # 输出: [1, 4, 9, 16, 25]

2. 接着，创建一个`myfilter`函数，它也接受一个函数和一个序列，过滤掉不满足条件的元素。

def myfilter(condition, iterable):
    """
    根据条件筛选迭代器中的元素
    """
    result = []
    for item in iterable:
        if condition(item):
            result.append(item)
    return result

# 示例：
def is_even(n):
    return n % 2 == 0

even_numbers = myfilter(is_even, numbers)
print(even_numbers)  # 输出: [2, 4]

这两个函数实现了类似于内置的`map()`和`filter()`功能，但它们不依赖于Python标准库，而是直接通过循环遍历序列。请注意，这并不是完全精确的实现，因为`map()`和`filter()`在性能和内存管理方面可能更高效，尤其是对于大型数据集。但在小型示例中，这种自定义版本可以很好地展示高阶函数的概念。