Belajar Python - Fungsi Lanjutan & Functional Tools

#Pendahuluan

Di episode 3 kita mengenal fungsi dasar. Episode 4 membawa kalian lebih dalam: bagaimana fungsi Python yang sesungguhnya bekerja di dunia nyata — termasuk jebakan tersembunyi yang bisa membuat kode kalian berperilaku aneh.

Kita akan membahas argumen fleksibel dengan *args dan **kwargs, jebakan default mutable yang terkenal, higher-order functions, lambda, modul functools, dan utilitas iterator. Kemampuan ini membedakan programmer Python biasa dari yang mahir.

#Argumen Posisi dan Keyword

#Memahami *args

*args menangkap jumlah argumen posisi yang fleksibel sebagai tuple:

Menggunakan *args

def jumlahkan(*args):
    return sum(args)
 
print(jumlahkan(1, 2, 3))
print(jumlahkan(10, 20))

Pemanggilan jumlahkan(1, 2, 3) mengumpulkan semua argumen posisi ke dalam tuple args. Ini berguna saat jumlah argumen tidak pasti, seperti fungsi log yang menerima pesan berapa pun.

#Memahami **kwargs

**kwargs menangkap argumen keyword yang fleksibel sebagai dict:

Menggunakan **kwargs

def cetak_profil(**kwargs):
    for kunci, nilai in kwargs.items():
        print(f"{kunci}: {nilai}")
 
cetak_profil(nama="Arman", peran="Engineer", tim="Platform")

Pemanggilan cetak_profil(nama="Arman", peran="Engineer") mengumpulkan keyword argument ke dalam dict. **kwargs sangat umum dipakai untuk meneruskan opsi konfigurasi tanpa mendeklarasikan setiap parameter.

#Jebakan Default Mutable

#Masalah List Sebagai Default

Jebakan klasik Python adalah memakai objek mutable sebagai nilai default. Default dievaluasi satu kali saat fungsi didefinisikan, bukan setiap kali dipanggil:

Jebakan default mutable

def tambah(item, daftar=[]):
    daftar.append(item)
    return daftar
 
print(tambah(1))
print(tambah(2))

Output kedua memanggil tambah(2) dan mengembalikan [1, 2], bukan [2]! Karena daftar=[] dibuat sekali dan dibagikan antar panggilan. Ini bug terkenal yang sulit dilacak.

#Solusi dengan None

Solusi standarnya adalah memakai None sebagai default lalu membuat objek baru di dalam fungsi:

Solusi default mutable

def tambah(item, daftar=None):
    if daftar is None:
        daftar = []
    daftar.append(item)
    return daftar
 
print(tambah(1))
print(tambah(2))

Pola if daftar is None: daftar = [] menjamin objek baru dibuat setiap panggilan. Aturan emasnya: jangan pernah memakai list, dict, atau set sebagai default parameter.

#Higher-Order Functions

#Fungsi yang Menerima Fungsi

Python memperlakukan fungsi sebagai objek kelas satu: fungsi bisa disimpan, dikirim sebagai argumen, dan dikembalikan. Fungsi yang menerima atau mengembalikan fungsi disebut higher-order function:

Higher-order function

def terapkan(fungsi, nilai):
    return fungsi(nilai)
 
def kali_dua(x):
    return x * 2
 
print(terapkan(kali_dua, 5))

Pemanggilan terapkan(kali_dua, 5) mengirim fungsi kali_dua sebagai argumen. Pola ini menjadi dasar dari banyak teknik functional programming dan digunakan luas di library seperti pandas dan Django.

#Lambda: Fungsi Anonim

Lambda adalah fungsi anonim satu baris untuk kasus sederhana:

Lambda expression

kuadrat = lambda x: x * x
print(kuadrat(7))
 
data = [(1, "apel"), (3, "ceri"), (2, "mangga")]
data.sort(key=lambda pasangan: pasangan[1])
print(data)

lambda x: x * x mendefinisikan fungsi tanpa nama. Saat mengurutkan, data.sort(key=lambda pasangan: pasangan[1]) mengurutkan berdasarkan elemen kedua. Gunakan lambda untuk logika singkat; untuk logika kompleks, definisikan fungsi bernama.

#Modul functools

#partial untuk Mengunci Argumen

functools.partial mengunci sebagian argumen sebuah fungsi menjadi fungsi baru:

Menggunakan partial

from functools import partial
 
def pangkat(eksponen, basis):
    return basis ** eksponen
 
kuadrat = partial(pangkat, 2)
print(kuadrat(5))

partial(pangkat, 2) membuat fungsi baru yang sudah mengunci eksponen=2. Memanggil kuadrat(5) setara dengan pangkat(2, 5). Ini berguna untuk membangun fungsi khusus dari fungsi umum.

#lru_cache untuk Memoisasi

lru_cache menyimpan hasil panggilan fungsi sehingga panggilan berulang dengan argumen sama menjadi instan:

Memoisasi dengan lru_cache

from functools import lru_cache
 
@lru_cache(maxsize=128)
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n - 1) + fibonacci(n - 2)
 
print(fibonacci(30))

Dekorator @lru_cache(maxsize=128) menambahkan cache ke fungsi fibonacci. Tanpa cache, perhitungan ke-30 berulang jutaan kali; dengan cache, setiap nilai dihitung sekali. Memoisasi ini sangat efektif untuk fungsi rekursif dan query berulang.

#Utilitas Iterator

#Modul itertools

Modul itertools menyediakan fungsi pembangun iterator yang efisien. Beberapa yang paling berguna:

Utilitas itertools

from itertools import chain, islice, cycle
 
angka = [1, 2, 3]
huruf = ["a", "b"]
 
print(list(chain(angka, huruf)))
print(list(islice(cycle(angka), 5)))

chain(angka, huruf) menggabungkan iterable menjadi satu. islice(cycle(angka), 5) memutar iterable secara tak terbatas lalu memotong lima elemen pertama. Utilitas ini hemat memory karena semua bekerja secara lazy.

#Penutup

Inti yang harus dibawa pulang:

• *args menangkap argumen posisi fleksibel sebagai tuple.
• **kwargs menangkap argumen keyword fleksibel sebagai dict.
• Jangan pernah memakai objek mutable sebagai default parameter.
• Higher-order function menerima atau mengembalikan fungsi.
• Lambda adalah fungsi anonim untuk logika singkat.
• functools menyediakan partial dan lru_cache untuk optimasi.

Di episode 5 selanjutnya kita akan membahas tipe data lanjutan dan koleksi — modul collections dengan deque, defaultdict, Counter, dan namedtuple, dasar typing, serta pertimbangan memory dan performa struktur data. Kalian akan belajar memilih struktur data yang tepat untuk masalah nyata!