9. Classes
**********

*Classes* atau kelas-kelas menyediakan sarana untuk menggabungkan data
dan fungsionalitas bersama. Membuat sebuah *class* baru menghasilkan
objek dengan *type* baru, memungkinkan dibuat *instance* baru dari
tipe itu. Setiap *instance* dari *class* dapat memiliki atribut yang
melekat padanya untuk mempertahankan kondisinya. *Instance* dari
sebuah *class* juga dapat memiliki metode (ditentukan oleh *class*)
untuk memodifikasi kondisinya.

Dibandingkan dengan bahasa pemrograman lain, mekanisme kelas Python
menambah kelas dengan minimum sintaksis dan semantik baru. Ini adalah
campuran dari mekanisme kelas yang ditemukan dalam C++ dan Modula-3.
Kelas Python menyediakan semua fitur standar Pemrograman Berorientasi
Objek: mekanisme pewarisan kelas memungkinkan beberapa kelas dasar,
kelas turunan dapat menimpa metode apa pun dari kelas dasar atau
kelasnya, dan metode dapat memanggil metode kelas dasar dengan nama
yang sama . Objek dapat berisi jumlah dan jenis data yang berubah-
ubah. Seperti halnya untuk modul, kelas mengambil bagian dari sifat
dinamis Python: mereka dibuat pada saat runtime, dan dapat
dimodifikasi lebih lanjut setelah pembuatan.

Dalam terminologi C++, biasanya anggota kelas (termasuk anggota data)
adalah *public* (kecuali lihat di bawah Variabel Privat), dan semua
fungsi anggota adalah *virtual*. Seperti dalam Modula-3, tidak ada
singkatan untuk merujuk anggota objek dari metodenya: fungsi metode
dideklarasikan dengan argumen pertama eksplisit yang mewakili objek,
yang diberikan secara implisit oleh panggilan. Seperti dalam
Smalltalk, kelas itu sendiri adalah objek. Ini memberikan semantik
untuk mengimpor dan mengganti nama. Tidak seperti C++ dan Modula-3,
tipe bawaan dapat digunakan sebagai kelas dasar untuk ekstensi oleh
pengguna. Juga, seperti di C++, sebagian besar operator bawaan dengan
sintaks khusus (operator aritmatika, *subscripting* dll) dapat
didefinisikan ulang untuk *instance* kelas.

(Kurangnya terminologi yang diterima secara universal untuk berbicara
tentang kelas, saya akan sesekali menggunakan istilah Smalltalk dan
C++. Saya akan menggunakan istilah Modula-3, karena semantik
berorientasi objeknya lebih dekat dengan Python daripada C++, tapi
saya berharap bahwa beberapa pembaca pernah mendengarnya.)


9.1. Sepatah Kata Tentang Nama dan Objek
========================================

Objek memiliki individualitas, dan banyak nama (dalam berbagai
lingkup) dapat terikat ke objek yang sama. Ini dikenal sebagai
*aliasing* dalam bahasa lain. Ini biasanya tidak dihargai pada
pandangan pertama pada Python, dan dapat diabaikan dengan aman ketika
berhadapan dengan tipe dasar yang tidak dapat diubah (angka, string,
*tuple*). Namun, *aliasing* memiliki efek yang mungkin mengejutkan
pada semantik kode Python yang melibatkan objek yang bisa berubah
seperti daftar *list*, kamus *dictionary*, dan sebagian besar jenis
lainnya. Ini biasanya digunakan untuk kepentingan program, karena
alias berperilaku seperti *pointers* dalam beberapa hal. Sebagai
contoh, melewatkan objek adalah murah karena hanya sebuah *pointer*
dilewatkan oleh implementasi; dan jika suatu fungsi memodifikasi objek
yang dilewatkan sebagai argumen, pemanggil akan melihat perubahan ---
ini menghilangkan kebutuhan untuk dua mekanisme yang berbeda
melewatkan argumen *argument passing* seperti dalam Pascal.


9.2. Lingkup Python dan *Namespaces*
====================================

Sebelum memperkenalkan kelas, pertama-tama saya harus memberi tahu
Anda tentang aturan ruang lingkup *scope* Python. Definisi kelas
memainkan beberapa trik rapi dengan ruang nama *namespaces*, dan Anda
perlu tahu bagaimana ruang lingkup dan ruang nama *namespaces* bekerja
untuk sepenuhnya memahami apa yang terjadi. Kebetulan, pengetahuan
tentang subjek ini berguna untuk programmer Python tingkat lanjut.

Mari kita mulai dengan beberapa definisi.

Sebuah *namespace* adalah pemetaan dari nama ke objek. Sebagian besar
ruang nama *namespace* saat ini diimplementasikan sebagai kamus
*dictionary* Python, tetapi itu biasanya tidak terlihat dengan cara
apa pun (kecuali untuk kinerja), dan itu mungkin berubah di masa
depan. Contoh ruang nama *namespace* adalah: himpunan nama bawaan
(berisi fungsi seperti "abs()", dan nama pengecualian bawaan); nama-
nama global dalam sebuah modul; dan nama-nama lokal dalam pemanggilan
fungsi. Dalam arti himpunan atribut suatu objek juga membentuk
*namespace*. Hal penting yang perlu diketahui tentang ruang nama
*namespace* adalah sama sekali tidak ada hubungan antara nama dalam
ruang nama *namespace* yang berbeda; misalnya, dua modul yang berbeda
dapat mendefinisikan fungsi "maximize" tanpa kebingungan --- pengguna
modul harus memberikan awalan dengan nama modul.

Ngomong-ngomong, saya menggunakan kata *attribute* untuk nama apa pun
yang mengikuti titik --- misalnya, dalam ekspresi "z.real", "real"
adalah atribut dari objek "z" . Sebenarnya, referensi ke nama dalam
modul adalah referensi atribut: dalam ekspresi "modname.funcname",
"modname" adalah objek modul dan "funcname" adalah atributnya. Dalam
kasus ini akan terjadi pemetaan langsung antara atribut modul dan nama
global yang didefinisikan dalam modul: mereka berbagi namespace yang
sama! [1]

Atribut dapat baca-saja *read-only* atau dapat ditulis. Dalam kasus
terakhir, pemberian nilai ke atribut dimungkinkan. Atribut modul dapat
ditulis: Anda dapat menulis "modname.the_answer = 42". Atribut yang
dapat ditulis juga dapat dihapus dengan pernyataan "del". Sebagai
contoh, "del modname.the_answer" akan menghapus atribut "the_answer"
dari objek yang dinamai oleh "modname".

*Namespace* dibuat pada saat yang berbeda dan memiliki masa hidup yang
berbeda. *Namespace* yang berisi nama-nama bawaan dibuat ketika
interpreter Python dimulai, dan tidak pernah dihapus. *Namespace*
global untuk modul dibuat ketika definisi modul dibaca; biasanya,
*namespace* modul juga bertahan hingga *interpreter* berhenti.
Pernyataan yang dieksekusi oleh pemanggilan *interpreter* tingkat
atas, baik membaca dari file skrip atau secara interaktif, dianggap
sebagai bagian dari modul yang disebut "__main__", sehingga mereka
memiliki namespace global sendiri. (Nama bawaan sebenarnya juga hidup
dalam modul; ini disebut "builtins".)

*Namespace* lokal untuk suatu fungsi dibuat ketika fungsi dipanggil,
dan dihapus ketika fungsi kembali *returns* atau memunculkan
pengecualian yang tidak ditangani dalam fungsi tersebut. (Sebenarnya,
melupakan akan menjadi cara yang lebih baik untuk menggambarkan apa
yang sebenarnya terjadi.) Tentu saja, pemanggilan rekursif masing-
masing memiliki ruang-nama *namespace* lokal mereka sendiri.

Suatu *scope* adalah wilayah tekstual dari program Python di mana
*namespace* dapat diakses secara langsung. "Directly accessible" di
sini berarti bahwa referensi yang tidak memenuhi syarat untuk suatu
nama berusaha menemukan nama tersebut di *namespace*.

Meskipun cakupan *scopes* ditentukan secara statis, mereka digunakan
secara dinamis. Setiap saat selama eksekusi, setidaknya ada 3 atau 4
cakupan bersarang yang ruang nama-nya *namespaces* dapat diakses
secara langsung:

* ruang lingkup *scope* terdalam, yang dicari pertama kali, berisi
  nama-nama lokal

* lingkup *scope* dari setiap fungsi penutup, yang dicari dimulai
  dengan lingkup penutup terdekat, berisi nama-nama non-lokal, tetapi
  juga non-global

* lingkup berikutnya *next-to-last* berisi nama global modul saat ini

* ruang lingkup *scope* terluar (dicari terakhir) adalah *namespace*
  yang mengandung nama bawaan

Jika sebuah nama dinyatakan global, maka semua referensi dan penugasan
langsung ke lingkup *scope* tengah yang berisi nama global modul.
Untuk mengembalikan variabel yang ditemukan di luar cakupan terdalam,
pernyataan "nonlocal" dapat digunakan; jika tidak dideklarasikan
nonlokal, variabel-variabel itu hanya baca-saja (upaya untuk menulis
ke variabel seperti itu hanya akan membuat variabel lokal *baru* dalam
cakupan terdalam, membiarkan variabel luar yang dinamai identik tidak
berubah).

Biasanya, cakupan lokal merujuk nama lokal dari fungsi (secara
tekstual) saat ini. Fungsi luar, lingkup lokal merujuk *namespace*
yang sama dengan lingkup global: *namespace* modul. Definisi kelas
menempatkan namespace lain dalam lingkup lokal.

Penting untuk menyadari bahwa cakupan *scope* ditentukan secara
tekstual: ruang lingkup global dari suatu fungsi yang didefinisikan
dalam modul adalah ruang nama *namespace* modul itu, tidak peduli dari
mana atau oleh apa alias fungsi itu dipanggil. Di sisi lain, pencarian
nama sebenarnya dilakukan secara dinamis, pada saat *run time* ---
namun, definisi bahasa berkembang menuju resolusi nama statis, pada
waktu "compile", jadi jangan mengandalkan resolusi nama dinamis!
(Faktanya, variabel lokal sudah ditentukan secara statis.)

Sebuah kekhasan khusus dari Python adalah bahwa -- jika tidak ada
pernyataan "global" atau pernyataan "nonlocal" yang berlaku --
pemberian nilai untuk nama selalu masuk ke ruang lingkup terdalam.
Pemberian nilai tidak menyalin data --- mereka hanya mengikat nama ke
objek. Hal yang sama berlaku untuk penghapusan: pernyataan "del x"
menghapus pengikatan "x" dari *namespace* yang dirujuk oleh lingkup
*scope* lokal. Bahkan, semua operasi yang memperkenalkan nama-nama
baru menggunakan lingkup lokal: khususnya, pernyataan "import" dan
definisi fungsi mengikat modul atau nama fungsi di lingkup lokal.

Pernyataan "global" dapat digunakan untuk menunjukkan bahwa variabel
tertentu hidup dalam lingkup global dan harus kembali ke sana;
pernyataan "nonlocal" menunjukkan bahwa variabel tertentu hidup dalam
cakupan terlampir dan harus dikembalikan ke sana.


9.2.1. Contoh Lingkup *Scopes* dan Ruang Nama *Namespaces*
----------------------------------------------------------

Ini adalah contoh yang menunjukkan cara mereferensikan lingkup
*scopes* dan ruang nama *namespaces* yang berbeda, dan bagaimana
"global" dan "nonlocal" memengaruhi pengikatan variabel:

   def scope_test():
       def do_local():
           spam = "local spam"

       def do_nonlocal():
           nonlocal spam
           spam = "nonlocal spam"

       def do_global():
           global spam
           spam = "global spam"

       spam = "test spam"
       do_local()
       print("After local assignment:", spam)
       do_nonlocal()
       print("After nonlocal assignment:", spam)
       do_global()
       print("After global assignment:", spam)

   scope_test()
   print("In global scope:", spam)

Keluaran dari contoh kode adalah:

   After local assignment: test spam
   After nonlocal assignment: nonlocal spam
   After global assignment: nonlocal spam
   In global scope: global spam

Perhatikan bagaimana pemberian nilai *local* (yang bawaan) tidak
mengubah *scope_test*s pengikatan *spam*. Pemberian nilai "nonlocal"
mengubah *scope_test*'s pengikatan *spam*, dan pemberian nilai
"global" mengubah pengikatan level modul.

Anda juga dapat melihat bahwa tidak ada pengikatan sebelumnya untuk
*spam* sebelum pemberian nilai "global".


9.3. Pandangan Pertama tentang Kelas
====================================

Kelas memperkenalkan sedikit sintaks baru, tiga tipe objek baru, dan
beberapa semantik baru.


9.3.1. Sintaks Definisi Kelas
-----------------------------

Bentuk definisi kelas paling sederhana terlihat seperti ini:

   class ClassName:
       <statement-1>
       .
       .
       .
       <statement-N>

Definisi kelas, seperti definisi fungsi (pernyataan "def") harus
dieksekusi sebelum mereka memiliki efek. (Anda dapat menempatkan
definisi kelas di cabang dari pernyataan "if", atau di dalam suatu
fungsi.)

Dalam praktiknya, pernyataan di dalam definisi kelas biasanya akan
menjadi definisi fungsi, tetapi pernyataan lain diizinkan, dan
terkadang berguna --- kami akan kembali ke sini nanti. Definisi fungsi
di dalam kelas biasanya memiliki bentuk khusus daftar argumen, didikte
oleh konvensi pemanggilan untuk metode --- sekali lagi, ini dijelaskan
nanti.

Ketika definisi kelas dimasukkan, *namespace* baru dibuat, dan
digunakan sebagai lingkup *scope* lokal --- dengan demikian, semua
tugas untuk variabel lokal masuk ke *namespace* baru ini. Secara
khusus, definisi fungsi mengikat nama fungsi baru di sini.

Ketika definisi kelas dibiarkan normal (melalui akhir), *class object*
dibuat. Ini pada dasarnya adalah pembungkus di sekitar isi *namespace*
yang dibuat oleh definisi kelas; kita akan belajar lebih banyak
tentang objek kelas di bagian selanjutnya. Lingkup *scope* lokal asli
(yang berlaku tepat sebelum definisi kelas dimasukkan) diaktifkan
kembali, dan objek kelas terikat di sini dengan nama kelas yang
diberikan dalam header definisi kelas ("ClassName" dalam contoh).


9.3.2. Objek Kelas *Class Objects*
----------------------------------

Objek kelas mendukung dua jenis operasi: referensi atribut dan
instansiasi.

*Attribute references* menggunakan sintaks standar yang digunakan
untuk semua referensi atribut dalam Python: "obj.name". Nama atribut
yang valid adalah semua nama yang ada di *namespace* kelas saat objek
kelas dibuat. Jadi, jika definisi kelas tampak seperti ini:

   class MyClass:
       """A simple example class"""
       i = 12345

       def f(self):
           return 'hello world'

kemudian "MyClass.i" dan "MyClass.f" adalah referensi atribut yang
valid, masing-masing mengembalikan integer dan objek fungsi. Atribut
kelas juga dapat ditetapkan, sehingga Anda dapat mengubah nilai
"MyClass.i" oleh penugasan. "__doc__" juga merupakan atribut yang
valid, mengembalikan *docstring* milik kelas: ""A simple example
class"".

*instantiation* kelas menggunakan notasi fungsi. Hanya berpura-pura
bahwa objek kelas adalah fungsi tanpa parameter yang mengembalikan
instance baru dari kelas. Misalnya (dengan asumsi kelas di atas):

   x = MyClass()

membuat *instance* baru dari kelas dan menetapkan objek ini ke
variabel lokal "x".

Operasi instansiasi ("calling" objek kelas) membuat objek kosong.
Banyak kelas suka membuat objek dengan *instance* yang disesuaikan
dengan kondisi awal tertentu. Oleh karena itu sebuah kelas dapat
mendefinisikan metode khusus bernama "__init__()", seperti ini:

   def __init__(self):
       self.data = []

Ketika sebuah kelas mendefinisikan metode "__init__()", instantiasi
kelas secara otomatis memanggil "__init__()" untuk instance kelas yang
baru dibuat. Jadi dalam contoh ini, contoh baru yang diinisialisasi
dapat diperoleh oleh:

   x = MyClass()

Tentu saja, metode "__init__()" mungkin memiliki argumen untuk
fleksibilitas yang lebih besar. Dalam hal itu, argumen yang diberikan
kepada operator instantiasi kelas diteruskan ke "__init__()". Sebagai
contoh,

   >>> class Complex:
   ...     def __init__(self, realpart, imagpart):
   ...         self.r = realpart
   ...         self.i = imagpart
   ...
   >>> x = Complex(3.0, -4.5)
   >>> x.r, x.i
   (3.0, -4.5)


9.3.3. Objek *Instance*
-----------------------

Sekarang apa yang bisa kita lakukan dengan objek instan? Satu-satunya
operasi yang dipahami oleh objek instan adalah referensi atribut. Ada
dua jenis nama atribut yang valid: atribut data, dan metode.

*Data attributes* correspond to "instance variables" in Smalltalk, and
to "data members" in C++.  Data attributes need not be declared; like
local variables, they spring into existence when they are first
assigned to.  For example, if "x" is the instance of "MyClass" created
above, the following piece of code will print the value "16", without
leaving a trace:

   x.counter = 1
   while x.counter < 10:
       x.counter = x.counter * 2
   print(x.counter)
   del x.counter

Jenis lain dari referensi atribut instance adalah *method*. Metode
adalah fungsi yang "milik" suatu objek. (Dalam Python, istilah metode
tidak unik untuk instance kelas: tipe objek lain dapat memiliki metode
juga. Misalnya, objek daftar memiliki metode yang disebut *append*,
*insert*, *remove*, *sort*, dan sebagainya. Namun, dalam diskusi
berikut, kita akan menggunakan istilah metode secara eksklusif untuk
mengartikan metode objek *instance* kelas, kecuali dinyatakan secara
eksplisit.)

Nama metode yang valid dari objek *instance* bergantung pada kelasnya.
Menurut definisi, semua atribut dari kelas yang merupakan objek fungsi
menentukan metode yang sesuai dari *instance*-nya. Jadi dalam contoh
kita, "x.f" adalah referensi metode yang valid, karena "MyClass.f"
adalah fungsi, tetapi "x.i" tidak, karena "MyClass.i" tidak. Tetapi
"x.f" bukan hal yang sama dengan "MyClass.f" --- itu adalah *method
object*, bukan objek fungsi.


9.3.4. Metode Objek
-------------------

Biasanya, metode dipanggil tepat setelah itu terikat:

   x.f()

Dalam contoh "MyClass", ini akan mengembalikan string "'hello world'".
Namun, tidak perlu memanggil metode segera: "x.f" adalah metode objek,
dan dapat disimpan dan dipanggil di lain waktu. Sebagai contoh:

   xf = x.f
   while True:
       print(xf())

akan terus mencetak "hello world" hingga akhir waktu.

Apa yang sebenarnya terjadi ketika suatu metode dipanggil? Anda
mungkin telah memperhatikan bahwa "x.f()" dipanggil tanpa argumen di
atas, meskipun definisi fungsi untuk "f()" menentukan argumen. Apa
yang terjadi dengan argumen itu? Tentunya Python memunculkan
pengecualian ketika fungsi yang membutuhkan argumen dipanggil tanpa
--- bahkan jika argumen tersebut tidak benar-benar digunakan...

Sebenarnya, Anda mungkin sudah menebak jawabannya: hal khusus tentang
metode adalah objek *instance* dilewatkan sebagai argumen pertama dari
fungsi. Dalam contoh kita, panggilan "x.f()" persis sama dengan
"MyClass.f(x)". Secara umum, memanggil metode dengan daftar argumen
*n* setara dengan memanggil fungsi yang sesuai dengan daftar argumen
yang dibuat dengan menyisipkan objek contoh metode sebelum argumen
pertama.

Jika Anda masih tidak mengerti bagaimana metode bekerja, melihat
implementasi mungkin dapat mengklarifikasi masalah. Ketika atribut
non-data dari sebuah *instance* direferensikan, kelas *instance*
tersebut dicari. Jika nama menunjukkan atribut kelas yang valid yang
merupakan objek fungsi, objek metode dibuat dengan mengemas (menunjuk
*pointers* ke) objek *instance* dan objek fungsi yang baru saja
ditemukan bersama dalam objek abstrak: ini adalah objek metode. Ketika
objek metode dipanggil dengan daftar argumen, daftar argumen baru
dibangun dari objek instance dan daftar argumen, dan objek fungsi
dipanggil dengan daftar argumen baru ini.


9.3.5. Variabel Kelas dan *Instance*
------------------------------------

Secara umum, variabel *instance* adalah untuk data unik untuk setiap
*instance* dan variabel kelas adalah untuk atribut dan metode yang
dibagikan oleh semua *instance* kelas:

   class Dog:

       kind = 'canine'         # class variable shared by all instances

       def __init__(self, name):
           self.name = name    # instance variable unique to each instance

   >>> d = Dog('Fido')
   >>> e = Dog('Buddy')
   >>> d.kind                  # shared by all dogs
   'canine'
   >>> e.kind                  # shared by all dogs
   'canine'
   >>> d.name                  # unique to d
   'Fido'
   >>> e.name                  # unique to e
   'Buddy'

Seperti yang dibahas dalam Sepatah Kata Tentang Nama dan Objek, data
bersama dapat memiliki efek yang mengejutkan dengan melibatkan objek
*mutable* seperti daftar *lists* dan kamus *dictionaries*. Sebagai
contoh, daftar *tricks* dalam kode berikut tidak boleh digunakan
sebagai variabel kelas karena hanya satu daftar yang akan dibagikan
oleh semua *Dog* instance:

   class Dog:

       tricks = []             # mistaken use of a class variable

       def __init__(self, name):
           self.name = name

       def add_trick(self, trick):
           self.tricks.append(trick)

   >>> d = Dog('Fido')
   >>> e = Dog('Buddy')
   >>> d.add_trick('roll over')
   >>> e.add_trick('play dead')
   >>> d.tricks                # unexpectedly shared by all dogs
   ['roll over', 'play dead']

Desain kelas yang benar harus menggunakan variabel *instance* sebagai
gantinya:

   class Dog:

       def __init__(self, name):
           self.name = name
           self.tricks = []    # creates a new empty list for each dog

       def add_trick(self, trick):
           self.tricks.append(trick)

   >>> d = Dog('Fido')
   >>> e = Dog('Buddy')
   >>> d.add_trick('roll over')
   >>> e.add_trick('play dead')
   >>> d.tricks
   ['roll over']
   >>> e.tricks
   ['play dead']


9.4. Keterangan Acak
====================

Jika nama atribut yang sama muncul di kedua *instance* dan di kelas,
maka pencarian atribut memprioritaskan *instance*:

   >>> class Warehouse:
           purpose = 'storage'
           region = 'west'

   >>> w1 = Warehouse()
   >>> print(w1.purpose, w1.region)
   storage west
   >>> w2 = Warehouse()
   >>> w2.region = 'east'
   >>> print(w2.purpose, w2.region)
   storage east

Atribut data dapat dirujuk oleh metode dan juga oleh pengguna biasa
("clients") dari suatu objek. Dengan kata lain, kelas tidak dapat
digunakan untuk mengimplementasikan tipe data abstrak murni. Faktanya,
tidak ada dalam Python yang memungkinkan untuk menegakkan *enforce*
data yang disembunyikan --- semuanya didasarkan pada konvensi. (Di
sisi lain, implementasi Python, ditulis dalam C, dapat sepenuhnya
menyembunyikan detail implementasi dan mengontrol akses ke objek jika
perlu; ini dapat digunakan oleh ekstensi ke Python yang ditulis dalam
C.)

Klien harus menggunakan atribut data dengan hati-hati --- klien dapat
mengacaukan invarian yang dikelola oleh metode dengan menginjak
*stamping* atribut data mereka. Perhatikan bahwa klien dapat
menambahkan atribut data mereka sendiri ke objek *instance* tanpa
memengaruhi validitas metode, asalkan konflik nama dihindari ---
sekali lagi, konvensi penamaan dapat menghindarkan dari banyak sakit
kepala di sini.

Tidak ada istilah untuk referensi atribut data (atau metode lain!)
dari dalam metode. Saya menemukan bahwa ini sebenarnya meningkatkan
keterbacaan metode: tidak ada kemungkinan membingungkan variabel lokal
dan variabel *instance* ketika melirik *glancing* melalui metode.

Seringkali, argumen pertama dari suatu metode disebut "self". Ini
tidak lebih dari sebuah konvensi: nama "self" sama sekali tidak
memiliki arti khusus untuk Python. Perhatikan, bagaimanapun, bahwa
dengan tidak mengikuti konvensi kode Anda mungkin kurang dapat dibaca
oleh programmer Python lain, dan juga dapat dibayangkan bahwa program
*class browser* dapat ditulis yang bergantung pada konvensi semacam
itu.

Objek fungsi apa pun yang merupakan atribut kelas menentukan metode
untuk *instance* dari kelas itu. Tidak perlu bahwa definisi fungsi
tertutup secara teks dalam definisi kelas: menetapkan objek fungsi ke
variabel lokal di kelas juga ok. Sebagai contoh:

   # Function defined outside the class
   def f1(self, x, y):
       return min(x, x+y)

   class C:
       f = f1

       def g(self):
           return 'hello world'

       h = g

Sekarang "f", "g" dan "h" adalah semua atribut class "C" yang merujuk
ke objek-objek fungsi, dan akibatnya semuanya adalah metode instance
dari "C" --- "h" sama persis dengan "g". Perhatikan bahwa praktik ini
biasanya hanya membingungkan pembaca program.

Metode dapat memanggil metode lain dengan menggunakan atribut metode
dari argumen "self":

   class Bag:
       def __init__(self):
           self.data = []

       def add(self, x):
           self.data.append(x)

       def addtwice(self, x):
           self.add(x)
           self.add(x)

Metode dapat merujuk nama global dengan cara yang sama seperti fungsi
biasa. Ruang lingkup *scope* global yang terkait dengan suatu metode
adalah modul yang berisi definisinya. (Kelas tidak pernah digunakan
sebagai ruang lingkup *scope* global.) Sementara seseorang jarang
menemukan alasan yang baik untuk menggunakan data global dalam suatu
metode, ada banyak penggunaan sah lingkup global: untuk satu hal,
fungsi dan modul yang diimpor ke dalam lingkup global dapat digunakan
oleh metode, serta fungsi dan kelas yang didefinisikan di dalamnya.
Biasanya, kelas yang berisi metode itu sendiri didefinisikan dalam
lingkup global ini, dan di bagian selanjutnya kita akan menemukan
beberapa alasan bagus mengapa suatu metode ingin merujuk kelasnya
sendiri.

Setiap nilai adalah objek, dan karenanya memiliki *kelas* (juga
disebut sebagai *type*). Ini disimpan sebagai "object.__class__".


9.5. Pewarisan
==============

Tentu saja, fitur bahasa tidak akan layak untuk nama "class" tanpa
mendukung pewarisan. Sintaks untuk definisi kelas turunan terlihat
seperti ini:

   class DerivedClassName(BaseClassName):
       <statement-1>
       .
       .
       .
       <statement-N>

Nama "BaseClassName" harus didefinisikan dalam lingkup yang berisi
definisi kelas turunan. Di tempat nama kelas dasar, ekspresi berubah-
ubah *arbitrary* lainnya juga diperbolehkan. Ini bisa berguna,
misalnya, ketika kelas dasar didefinisikan dalam modul lain:

   class DerivedClassName(modname.BaseClassName):

Eksekusi definisi kelas turunan menghasilkan sama seperti untuk kelas
dasar. Ketika objek kelas dibangun, kelas dasar diingat. Ini digunakan
untuk menyelesaikan referensi atribut: jika atribut yang diminta tidak
ditemukan di kelas, pencarian dilanjutkan untuk mencari di kelas
dasar. Aturan ini diterapkan secara rekursif jika kelas dasar itu
sendiri berasal dari beberapa kelas lain.

Tidak ada yang istimewa tentang instance kelas turunan:
"DerivedClassName()" membuat instance baru dari kelas. Referensi
metode diselesaikan sebagai berikut: atribut kelas yang sesuai dicari,
turun rantai kelas dasar jika perlu, dan referensi metode ini valid
jika ini menghasilkan objek fungsi.

Kelas turunan dapat menimpa metode kelas dasar mereka. Karena metode
tidak memiliki hak khusus ketika memanggil metode lain dari objek yang
sama, metode kelas dasar yang memanggil metode lain yang didefinisikan
dalam kelas dasar yang sama mungkin akhirnya memanggil metode kelas
turunan yang menimpanya. (Untuk programmer C++: semua metode dalam
Python secara efektif "virtual".)

Menimpa metode dalam kelas turunan mungkin sebenarnya ingin memperluas
daripada hanya mengganti metode kelas dasar dengan nama yang sama. Ada
cara sederhana untuk memanggil metode kelas dasar secara langsung:
cukup panggil "BaseClassName.methodname(self, arguments)". Ini kadang-
kadang berguna untuk klien juga. (Perhatikan bahwa ini hanya berfungsi
jika kelas dasar dapat diakses sebagai "BaseClassName" dalam lingkup
global.)

Python memiliki dua fungsi bawaan yang bekerja dengan warisan:

* Gunakan "isinstance()" untuk memeriksa jenis instance:
  "isinstance(obj, int)" akan menjadi "True" hanya jika
  "obj.__class__" adalah "int" atau beberapa kelas yang diturunkan
  dari "int".

* Gunakan "issubclass()" untuk memeriksa warisan kelas:
  "issubclass(bool, int)``adalah ``True" karena "bool" adalah subkelas
  dari "int". Namun, "issubclass(float, int)" adalah "False" karena
  "float" bukan subkelas dari "int".


9.5.1. Pewarisan Berganda
-------------------------

Python mendukung bentuk pewarisan berganda juga. Definisi kelas dengan
beberapa kelas dasar terlihat seperti ini:

   class DerivedClassName(Base1, Base2, Base3):
       <statement-1>
       .
       .
       .
       <statement-N>

Untuk sebagian besar tujuan, dalam kasus paling sederhana, Anda dapat
menganggap pencarian atribut yang diwarisi dari kelas induk sebagai
kedalaman-pertama *depth-first*, kiri-ke-kanan, bukan mencari dua kali
di kelas yang sama di mana ada tumpang tindih dalam hierarki. Dengan
demikian, jika atribut tidak ditemukan di "DerivedClassName", itu
dicari di "Base1", kemudian (secara rekursif) di kelas dasar dari
"Base1", dan jika tidak ditemukan di sana, itu dicari di "Base2", dan
seterusnya.

Faktanya, ini sedikit lebih kompleks dari itu; urutan resolusi metode
berubah secara dinamis untuk mendukung pemanggilan kooperatif ke
"super()". Pendekatan ini dikenal dalam beberapa bahasa warisan ganda
sebagai metode panggilan-berikutnya *call-next-method* dan lebih
berdaya daripada panggilan super yang ditemukan dalam bahasa warisan
tunggal.

Urutan dinamis diperlukan karena semua kasus pewarisan berganda
menunjukkan satu atau lebih hubungan intan *diamond relationships* (di
mana setidaknya satu dari kelas induk dapat diakses melalui beberapa
jalur dari kelas bawah). Sebagai contoh, semua kelas mewarisi dari
"object", jadi segala kasus pewarisan berganda menyediakan lebih dari
satu jalur untuk mencapai :class:` object`. Untuk menjaga agar kelas
dasar tidak diakses lebih dari sekali, algoritma dinamis linier
mengurutkan urutan pencarian dengan cara yang mempertahankan urutan
kiri-ke-kanan yang ditentukan dalam setiap kelas, yang memanggil
setiap induk hanya sekali, dan itu monoton (artinya suatu kelas dapat
di-subklas-kan tanpa memengaruhi urutan prioritas orang tuanya).
Secara bersama-sama, properti ini memungkinkan untuk merancang kelas
yang andal dan dapat diperluas dengan banyak pewarisan. Untuk detail
lebih lanjut, lihat https://www.python.org/download/releases/2.3/mro/.


9.6. Variabel Privat
====================

Variabel instance "Private" yang tidak dapat diakses kecuali dari
dalam suatu objek tidak ada dalam Python. Namun, ada konvensi yang
diikuti oleh sebagian besar kode Python: nama diawali dengan garis
bawah (mis. "_spam") harus diperlakukan sebagai bagian non-publik dari
API (apakah itu fungsi, metode atau anggota data). Ini harus dianggap
sebagai detail implementasi dan dapat berubah tanpa pemberitahuan.

Karena ada kasus penggunaan yang valid untuk anggota kelas-pribadi
(yaitu untuk menghindari bentrokan nama dengan nama yang ditentukan
oleh subkelas), ada dukungan terbatas untuk mekanisme semacam itu,
yang disebut *name mangling*. Setiap pengidentifikasi dari bentuk
"__spam" (setidaknya dua garis bawah utama, paling banyak satu garis
bawah garis bawah) secara teks diganti dengan "_classname__spam", di
mana "classname" adalah nama kelas saat ini dengan garis(-garis) bawah
utama dilucuti. *Mangling* ini dilakukan tanpa memperhatikan posisi
sintaksis pengidentifikasi, asalkan terjadi dalam definisi kelas.

*Name mangling* sangat membantu untuk membiarkan subclass menimpa
metode tanpa memutus panggilan metode *intraclass*. Sebagai contoh:

   class Mapping:
       def __init__(self, iterable):
           self.items_list = []
           self.__update(iterable)

       def update(self, iterable):
           for item in iterable:
               self.items_list.append(item)

       __update = update   # private copy of original update() method

   class MappingSubclass(Mapping):

       def update(self, keys, values):
           # provides new signature for update()
           # but does not break __init__()
           for item in zip(keys, values):
               self.items_list.append(item)

Contoh di atas akan berfungsi bahkan jika "MappingSubclass" akan
memperkenalkan sebuah pengidentifikasi "__update" karena diganti
dengan "_Mapping__update" di kelas "Mapping" dan
"_MappingSubclass__update" di kelas "MappingSubclass" masing-masing.

Perhatikan bahwa aturan *mangling* sebagian besar dirancang untuk
menghindari kecelakaan; masih dimungkinkan untuk mengakses atau
memodifikasi variabel yang dianggap pribadi. Ini bahkan dapat berguna
dalam keadaan khusus, seperti di *debugger*.

Perhatikan bahwa kode yang dilewatkan ke "exec()" atau "eval()" tidak
menganggap nama kelas *classname* dari kelas yang dipanggil sebagai
kelas saat ini; ini mirip dengan efek pernyataan "global", yang
efeknya juga terbatas pada kode yang dikompilasi-byte *byte-compiled*
bersama. Pembatasan yang sama berlaku untuk "getattr()", "setattr()"
dan "delattr()", serta saat mereferensikan "__dict__" secara langsung.


9.7. Barang Sisa *Odds and Ends*
================================

Kadang-kadang berguna untuk memiliki tipe data yang mirip dengan
"record" Pascal atau "struct" C, menyatukan beberapa item data
bernama. Definisi kelas kosong akan menghasilkan hal tersebut dengan
baik:

   class Employee:
       pass

   john = Employee()  # Create an empty employee record

   # Fill the fields of the record
   john.name = 'John Doe'
   john.dept = 'computer lab'
   john.salary = 1000

Sepotong kode Python yang mengharapkan tipe data abstrak tertentu
sering dapat dilewatkan kelas yang mengemulasi metode tipe data itu
sebagai gantinya. Misalnya, jika Anda memiliki fungsi yang memformat
beberapa data dari objek file, Anda dapat mendefinisikan kelas dengan
metode "read()" dan "readline()" yang mendapatkan data dari buffer
string sebagai gantinya, dan meneruskan itu sebagai argumen.

Objek metode *instance* memiliki atribut, juga: "m.__self__" adalah
objek instan dengan metode "m()", dan "m.__func__" adalah objek fungsi
yang sesuai dengan metode tersebut.


9.8. *Iterators*
================

Sekarang Anda mungkin telah memperhatikan bahwa sebagian besar objek
penampung *container* dapat dibuat perulangan menggunakan pernyataan
"for":

   for element in [1, 2, 3]:
       print(element)
   for element in (1, 2, 3):
       print(element)
   for key in {'one':1, 'two':2}:
       print(key)
   for char in "123":
       print(char)
   for line in open("myfile.txt"):
       print(line, end='')

Gaya akses ini jelas, ringkas, dan nyaman. Penggunaan *iterator*
meliputi *pervades* dan menyatukan Python. Di belakang layar,
pernyataan "for" memanggil "iter()" pada objek penampung *container*.
Fungsi mengembalikan objek *iterator* yang mendefinisikan metode
"__next__()" yang mengakses elemen dalam penampung *container* satu
per satu. Ketika tidak ada lagi elemen, "__next__()" memunculkan
pengecualian "StopIteration" yang memberi tahu perulangan "for" untuk
mengakhiri. Anda dapat memanggil metode "__next__()" menggunakan
"next()" fungsi bawaan; contoh ini menunjukkan cara kerjanya:

   >>> s = 'abc'
   >>> it = iter(s)
   >>> it
   <str_iterator object at 0x10c90e650>
   >>> next(it)
   'a'
   >>> next(it)
   'b'
   >>> next(it)
   'c'
   >>> next(it)
   Traceback (most recent call last):
     File "<stdin>", line 1, in <module>
       next(it)
   StopIteration

Setelah melihat mekanisme di balik protokol *iterator*, mudah untuk
menambahkan perilaku *iterator* ke kelas Anda. Definisikan metode
"__iter__()" yang mengembalikan objek dengan metode "__next__()". Jika
kelas mendefinisikan "__next__()", maka "__iter__()" bisa langsung
mengembalikan "self":

   class Reverse:
       """Iterator for looping over a sequence backwards."""
       def __init__(self, data):
           self.data = data
           self.index = len(data)

       def __iter__(self):
           return self

       def __next__(self):
           if self.index == 0:
               raise StopIteration
           self.index = self.index - 1
           return self.data[self.index]

   >>> rev = Reverse('spam')
   >>> iter(rev)
   <__main__.Reverse object at 0x00A1DB50>
   >>> for char in rev:
   ...     print(char)
   ...
   m
   a
   p
   s


9.9. Pembangkit *Generator*
===========================

*Generators* adalah sebuah tool yang sederhana dan simpel untuk
membuat sebuah iterasi. Itu ditulis seperti fungsi biasa tapi
menggunakan pernyataan "yield"  setiap kali ingin mengembalikan sebuah
data. Tiap kali "next()" itu dipanggil, generators tersebut akan
melanjutkan di mana hal itu berhenti (itu akan mengingat semua nilai
dan pernyataan mana yang terakhir dieksekusi). Sebuah contoh
menunjukkan bahwa generator sangat mudah dibuat:

   def reverse(data):
       for index in range(len(data)-1, -1, -1):
           yield data[index]

   >>> for char in reverse('golf'):
   ...     print(char)
   ...
   f
   l
   o
   g

Apa pun yang dapat dilakukan dengan pembangkit *generator* juga dapat
dilakukan dengan *iterator* berbasis kelas seperti yang dijelaskan
pada bagian sebelumnya. Apa yang membuat pembangkit *generator* sangat
kompak adalah bahwa metode "__iter__()" dan "__next__()" dibuat secara
otomatis.

Fitur utama lainnya adalah variabel lokal dan status eksekusi secara
otomatis disimpan di antara pemanggilan. Ini membuat fungsi lebih
mudah untuk ditulis dan jauh lebih jelas daripada pendekatan
menggunakan variabel instan seperti "self.index" dan "self.data".

Selain pembuatan metode otomatis dan menyimpan status program, ketika
pembangkit *generator* berhenti, mereka secara otomatis menimbulkan
"StopIteration". Secara kombinasi, fitur-fitur ini membuatnya mudah
untuk membuat *iterator* tanpa lebih dari sekadar menulis fungsi
biasa.


9.10. Ekspresi Pembangkit *Generator*
=====================================

Beberapa pembangkit *generators* sederhana dapat dikodekan secara
ringkas sebagai ekspresi menggunakan sintaksis yang mirip dengan
pemahaman daftar *list comprehensions* tetapi dengan tanda kurung
bukan dengan tanda kurung siku. Ungkapan-ungkapan ini dirancang untuk
situasi di mana *generator* digunakan segera oleh fungsi penutup.
Ekspresi *generator* lebih kompak tetapi kurang fleksibel daripada
definisi *generator* penuh dan cenderung lebih ramah memori daripada
pemahaman daftar *list comprehensions* setara.

Contoh:

   >>> sum(i*i for i in range(10))                 # sum of squares
   285

   >>> xvec = [10, 20, 30]
   >>> yvec = [7, 5, 3]
   >>> sum(x*y for x,y in zip(xvec, yvec))         # dot product
   260

   >>> unique_words = set(word for line in page  for word in line.split())

   >>> valedictorian = max((student.gpa, student.name) for student in graduates)

   >>> data = 'golf'
   >>> list(data[i] for i in range(len(data)-1, -1, -1))
   ['f', 'l', 'o', 'g']

-[ Catatan kaki ]-

[1] Kecuali satu hal. Objek modul memiliki atribut baca-saja *read-
    only* rahasia bernama "__dict__" yang mengembalikan kamus
    *dictionary* yang digunakan untuk mengimplementasikan *namespace*
    modul; nama "__ dict__" adalah atribut tetapi bukan nama global.
    Jelas, menggunakan ini melanggar abstraksi implementasi
    *namespace*, dan harus dibatasi untuk hal-hal seperti *debuggers*
    *post-mortem*.
