Generator Expressions

Tidak semua hasil pengolahan data perlu disimpan. Saat menghitung sum(), max(), atau any(), nilai-nilai sumber cukup dilewati sekali lalu dibuang — membangun list perantara berisi jutaan elemen hanya untuk dijumlahkan adalah pemborosan. Generator expression menyediakan sintaks comprehension yang sama persis, tetapi menghasilkan aliran nilai lazy: nilai dihitung hanya saat dibutuhkan, satu per satu.

Sintaks untuk Agregasi #

Generator expression ditulis di dalam tanda kurung biasa: (ekspresi for item in iterable). Tempat favoritnya adalah menjadi argumen fungsi agregasi:

total = sum(n * n for n in range(1, 11))
print(total)

harga = [150000, 85000, 320000]
termahal = max(h for h in harga)
print(termahal)

ada_murah = any(h < 100000 for h in harga)
print(ada_murah)

Output yang Dihasilkan:

385
320000
True

Mari kita bedah baris pertama (sum(n * n for n in range(1, 11))):

1. Bagian for n in range(1, 11): interpreter menyiapkan resep pengambilan angka 1 sampai 10 — bukan list angkanya, hanya resepnya.
2. Bagian n * n: setiap angka yang diambil akan dikuadratkan, sekali lagi sebagai resep.
3. Fungsi sum(): sum meminta nilai satu per satu dari generator, menjumlahkan, lalu membuang setiap nilai setelah dipakai.
4. Hasil akhir: angka 385 — penjumlahan kuadrat 1 sampai 10 — tanpa list perantara pernah ada di memori.

Evaluasi Lazy dan Sifat Sekali Jalan #

Generator expression menghasilkan sebuah generator object — objek yang menyimpan resep perhitungan beserta posisi baca saat ini. Nilai tidak dihitung di awal; setiap permintaan (dari sum(), max(), atau loop for) memicu perhitungan tepat satu nilai berikutnya.

Konsekuensi pentingnya: generator object habis sekali jalan, seperti kartu yang sudah dibaca semuanya.

angka = [5, 3, 8, 1]

genexp = (n * 10 for n in angka)
print(sum(genexp))
print(sum(genexp))

Output yang Dihasilkan:

170
0

Penjelasan dua baris hasil tersebut:

1. sum(genexp) pertama: sum menarik 50, 30, 80, 10 satu per satu sampai generator kosong, menghasilkan 170.
2. sum(genexp) kedua: posisi baca sudah di ujung, tidak ada nilai tersisa sama sekali — sum dari aliran kosong adalah 0.

Memori List versus Generator #

Module sys menyediakan fungsi sys.getsizeof() untuk melihat besar memori sebuah objek. Perbandingan berikut mengukur list comprehension dan generator expression dari sumber yang sama:

import sys

list_100 = [n * n for n in range(100)]
list_10000 = [n * n for n in range(10_000)]

genexp_100 = (n * n for n in range(100))
genexp_10000 = (n * n for n in range(10_000))

print("list 100 elemen   :", sys.getsizeof(list_100), "byte")
print("list 10000 elemen :", sys.getsizeof(list_10000), "byte")
print("genexp 100 elemen :", sys.getsizeof(genexp_100), "byte")
print("genexp 10000 elemen:", sys.getsizeof(genexp_10000), "byte")

Output yang Dihasilkan:

list 100 elemen   : 920 byte
list 10000 elemen : 85176 byte
genexp 100 elemen : 200 byte
genexp 10000 elemen: 200 byte

Ukuran list tumbuh seiring jumlah elemen: dari 920 byte untuk 100 elemen menjadi 85176 byte untuk 10.000 elemen. Ukuran generator tetap 200 byte pada keduanya — generator hanya menyimpan resep (n * n), sumber (range), dan posisi baca; nilainya sendiri belum pernah dibuat.

Kapan memilih yang mana? Ringkasannya:

Untuk puluhan atau ratusan elemen, selisih memori tidak terasa dan keduanya sama baiknya. Keunggulan generator muncul pada data besar — dan pada bab selanjutnya kita akan melihat bahwa mekanisme lazy seperti ini bukan trik khusus, melainkan bagian dari protokol iterator yang menjadi mesin semua loop di Python.