Skip to main content

Generator Function, yield & next()

Generator Function​

Pada materi sebelumnya, kita telah mempelajari bahwa generator digunakan untuk menghasilkan nilai secara bertahap.

Sekarang kita akan mempelajari bagaimana membuat generator sendiri menggunakan generator function, bagaimana yield bekerja, serta bagaimana mengambil nilai dari generator menggunakan next().

Iterable, Iteration, dan Generator​

Sebelum memahami generator secara lebih mendalam, penting untuk membedakan tiga istilah:

  • Iterable adalah object yang dapat diiterasi atau diproses satu per satu.
  • Iteration adalah proses mengambil elemen dari iterable secara berurutan.
  • Generator adalah salah satu jenis object yang dapat menghasilkan nilai secara bertahap.

Contoh iterable yang umum digunakan di Python:

  • list
  • tuple
  • string
  • dictionary
  • set
  • range
  • generator

Hubungan sederhananya:

Iterable
   ↓
dapat dilakukan iteration
   ↓
menghasilkan nilai satu per satu

Generator merupakan salah satu jenis iterable.

Semua generator dapat digunakan sebagai iterable, tetapi tidak semua iterable merupakan generator.

Contohnya, list adalah iterable tetapi bukan generator.

Iterable
├── list
├── tuple
├── string
├── set
├── dictionary
├── range
└── generator

Iteration​

Iteration merupakan proses mengambil nilai dari sebuah iterable secara berurutan.

Contoh paling umum adalah menggunakan for:

numbers = [1, 2, 3]

for number in numbers:
    print(number)

Proses tersebut mengambil nilai:

1
↓
2
↓
3

Python menangani mekanisme iterasinya sehingga kita dapat menggunakan for tanpa harus mengelola proses pengambilan nilai secara manual.

Generator juga dapat digunakan dalam proses tersebut.

Membuat Generator Function​

Generator function adalah function yang menggunakan keyword yield untuk menghasilkan nilai secara bertahap.

Contoh:

def generator_function(num):
    for i in range(num):
        yield i * 2

Berbeda dengan function biasa yang menggunakan return, function tersebut menggunakan:

yield i * 2

Hal ini membuat function tersebut menjadi generator function.

Ketika generator function dipanggil, prosesnya tidak langsung menghasilkan seluruh nilai sekaligus.

Generator akan menghasilkan nilai ketika diminta.

Keyword yield​

yield digunakan untuk menghasilkan nilai dari generator.

Salah satu karakteristik penting yield adalah kemampuannya untuk menjeda sementara eksekusi function.

Misalnya:

def generator_function(num):
    for i in range(num):
        yield i * 2

Ketika generator menghasilkan nilai pertama, proses function berhenti sementara pada posisi yield.

Ketika nilai berikutnya diminta, function melanjutkan eksekusi dari posisi terakhir.

Secara sederhana:

Generator dijalankan
       ↓
yield nilai pertama
       ↓
     Pause
       ↓
Minta nilai berikutnya
       ↓
Lanjutkan eksekusi
       ↓
yield nilai berikutnya
       ↓
Pause kembali

Generator Function vs Function Biasa​

Perbedaan penting antara function biasa dan generator function adalah cara menghasilkan hasil.

Function biasa dengan return:

def get_numbers():
    return [1, 2, 3]

Seluruh hasil tersedia sekaligus.

Sedangkan generator:

def get_numbers():
    yield 1
    yield 2
    yield 3

Nilai dihasilkan secara bertahap.

Secara sederhana:

return
 ↓
mengembalikan hasil
 ↓
function selesai


yield
 ↓
menghasilkan nilai
 ↓
pause
 ↓
dapat dilanjutkan

Menggunakan Generator dengan for​

Generator dapat digunakan langsung dalam perulangan for.

Contohnya:

def generator_function(num):
    for i in range(num):
        yield i * 2


for item in generator_function(10):
    print(item)

Output:

0
2
4
6
8
10
12
14
16
18

Generator menghasilkan nilai satu per satu selama proses iterasi berlangsung.

Fungsi next()​

Selain menggunakan for, kita dapat mengambil nilai generator secara manual menggunakan fungsi bawaan next().

Contoh:

def generator_function(num):
    for i in range(num):
        yield i * 2


g = generator_function(100)

print(next(g))
print(next(g))
print(next(g))

Output:

0
2
4

Setiap pemanggilan next() meminta generator untuk menghasilkan nilai berikutnya.

State Retention​

Salah satu karakteristik penting generator adalah kemampuannya untuk mengingat state atau keadaan eksekusi terakhir.

Perhatikan:

g = generator_function(100)

print(next(g))
print(next(g))
print(next(g))

Pemanggilan pertama:

next(g)

menghasilkan:

0

Pemanggilan kedua:

next(g)

menghasilkan:

2

Pemanggilan ketiga:

next(g)

menghasilkan:

4

Generator tidak kembali ke awal setiap kali next() dipanggil.

Generator melanjutkan proses dari posisi terakhir.

Secara sederhana:

next(g)
  ↓
  0
  ↓
pause

next(g)
  ↓
  2
  ↓
pause

next(g)
  ↓
  4
  ↓
pause

Kemampuan untuk mempertahankan state inilah yang memungkinkan generator menghasilkan sequence secara bertahap.

StopIteration​

Generator memiliki jumlah nilai yang terbatas apabila proses di dalamnya juga memiliki batas.

Ketika seluruh nilai telah dihasilkan dan kita masih memanggil next(), Python akan menghasilkan exception StopIteration.

Contoh:

def generator_function(num):
    for i in range(num):
        yield i * 2


g = generator_function(1)

print(next(g))
print(next(g))

Pemanggilan pertama menghasilkan:

0

Namun pemanggilan kedua akan menghasilkan:

StopIteration

Hal tersebut terjadi karena generator hanya memiliki satu nilai untuk dihasilkan.

Secara sederhana:

Generator
   ↓
   0
   ↓
Tidak ada nilai lagi
   ↓
StopIteration

StopIteration merupakan tanda bahwa iterator atau generator sudah tidak memiliki nilai berikutnya.

StopIteration pada for Loop​

Ketika menggunakan for, kita biasanya tidak melihat exception StopIteration.

Contohnya:

def generator_function(num):
    for i in range(num):
        yield i * 2


for item in generator_function(3):
    print(item)

Output:

0
2
4

Setelah semua nilai dihasilkan, perulangan berhenti secara otomatis.

Secara internal, mekanisme iterasi mengetahui bahwa generator sudah tidak memiliki nilai berikutnya dan menangani kondisi tersebut sehingga for dapat berhenti dengan normal.

Dengan demikian:

next()
 ↓
tidak ada nilai
 ↓
StopIteration

sedangkan pada for:

for
 ↓
mengambil nilai
 ↓
mengambil nilai
 ↓
tidak ada nilai
 ↓
berhenti secara otomatis

Generator dan Memory​

Generator tidak membuat seluruh sequence hasil sekaligus.

Contohnya:

def generator_function(num):
    for i in range(num):
        yield i * 2

Jika num memiliki nilai yang sangat besar, generator tetap menghasilkan nilai secara bertahap.

Hal ini berbeda dengan membuat list yang berisi seluruh hasil.

Konsepnya:

List
 ↓
Buat semua hasil
 ↓
Simpan semua hasil


Generator
 ↓
Hasilkan nilai
 ↓
Gunakan
 ↓
Hasilkan nilai berikutnya

Pendekatan generator dapat membantu menghemat penggunaan memory ketika bekerja dengan sequence yang besar.

Generator sebagai Iterator​

Generator juga memiliki karakteristik iterator karena dapat menghasilkan nilai secara berurutan menggunakan mekanisme iterasi.

Hubungannya dapat digambarkan:

Iterable
    ↓
Iterator
    ↓
Generator

Generator dapat digunakan dalam for dan dapat mengambil nilai berikutnya menggunakan next().

Karena itu, memahami generator juga membantu memperjelas hubungan antara iterable, iterator, dan generator yang telah dibahas sebelumnya.

Kesimpulan​

Generator function adalah function yang menggunakan yield untuk menghasilkan nilai secara bertahap.

Konsep penting yang perlu diingat:

  • yield menghasilkan nilai dan menjeda sementara eksekusi generator.
  • Generator dapat melanjutkan eksekusi dari posisi terakhir.
  • next() digunakan untuk mengambil nilai berikutnya secara manual.
  • Generator mempertahankan state selama proses iterasi.
  • StopIteration menunjukkan bahwa generator sudah tidak memiliki nilai berikutnya.
  • for menangani proses iterasi generator secara otomatis.
  • Generator dapat membantu menghemat memory karena nilai dihasilkan secara bertahap.

Alur sederhananya:

Generator Function
       ↓
     yield
       ↓
Hasilkan nilai
       ↓
     Pause
       ↓
     next()
       ↓
    Lanjutkan
       ↓
Hasilkan nilai berikutnya
       ↓
      ...
       ↓
Tidak ada nilai
       ↓
 StopIteration

Konsep berikutnya yang penting untuk dipelajari adalah perbedaan lebih mendalam antara generator, iterator, dan iterable, serta bagaimana generator dapat digunakan dalam pemrosesan data secara efisien.