Iniciar prueba gratuita
Popular Nuevos Géneros Autores
EnglishEnglish
EspañolSpanish
简体中文Chinese
繁體中文Chinese (Traditional)
FrançaisFrench
DeutschGerman
日本語Japanese
PortuguêsPortuguese
ItalianoItalian
한국어Korean
РусскийRussian
NederlandsDutch
العربيةArabic
PolskiPolish
हिन्दीHindi
Tiếng ViệtVietnamese
SvenskaSwedish
ΕλληνικάGreek
TürkçeTurkish
ไทยThai
ČeštinaCzech
RomânăRomanian
MagyarHungarian
УкраїнськаUkrainian
IndonesiaIndonesian
DanskDanish
SuomiFinnish
БългарскиBulgarian
עבריתHebrew
NorskNorwegian
HrvatskiCroatian
CatalàCatalan
SlovenčinaSlovak
LietuviųLithuanian
SlovenščinaSlovenian
СрпскиSerbian
EestiEstonian
LatviešuLatvian
فارسیPersian
മലയാളംMalayalam
தமிழ்Tamil
اردوUrdu
Buscando...
SoBrief
Python Tricks

Python Tricks

Escribe código Python más claro: descubre qué atajos ayudan y cuáles lo empeoran sin que te des cuenta.
por Dan Bader 2017 301 páginas
4.43
1000+ valoraciones
Escuchar
Inmersivo
V2.3
Amazon Kindle Audible
Prueba el acceso completo por 3 días
¡Desbloquea la escucha y mucho más!
Continuar

Ideas clave

Prefiere los atajos elegantes de Python solo cuando aclaren el código

La legibilidad es la prueba decisiva. Python ofrece recursos concisos, como las comprensiones, las cadenas formateadas y las comas finales en colecciones multilínea. Una coma final permite que cada elemento de una lista o diccionario ocupe su propia línea, lo que facilita revisar los cambios. Pero si falta una coma entre literales de cadena contiguos, Python puede unirlos sin avisar; por eso, incluso la sintaxis concisa merece atención.

Las convenciones transmiten significado. Un guion bajo inicial indica que un nombre está pensado para uso interno, mientras que los guiones bajos dobles en una clase activan la modificación de nombres para reducir las colisiones accidentales en las subclases. Los nombres rodeados de guiones bajos dobles están reservados para los métodos especiales de Python. Para las cadenas de formato proporcionadas por el usuario, el libro recomienda las cadenas Template como una opción más sencilla y segura; en los demás casos, prefiere los literales de cadena formateados en Python 3.6 y versiones posteriores.

Análisis

El principio organizador más sólido del libro no es la astucia, sino la legibilidad: una característica se gana su lugar cuando otro desarrollador puede deducir para qué sirve. Esto concuerda con una idea más amplia del diseño de software: el código es una interfaz entre personas, además de un conjunto de instrucciones para una máquina. La sintaxis compacta puede reducir el desorden, pero la densidad no equivale a claridad. La prueba práctica es si quien lee puede verificar rápidamente el comportamiento, incluidos los casos límite menos evidentes.

Reserva las aserciones para errores de programación, nunca para decisiones que puedan activar los usuarios

Las aserciones comprueban supuestos. Una aserción evalúa una condición que el programa espera que sea verdadera. Por ejemplo, en el cálculo de un descuento de una tienda, puede detectar un precio imposible, fuera del intervalo entre cero y el precio original. Si el supuesto falla, Python genera un AssertionError y señala la línea que falló, lo que puede facilitar la localización de un error.

No sirven para validar. Python puede desactivar las aserciones cuando se activa la optimización. Por tanto, una aserción que se use para comprobar los permisos o la entrada de un usuario puede desaparecer y provocar fallos de seguridad o fiabilidad. En esos casos, usa condicionales explícitos y las excepciones adecuadas. Evita también poner un mensaje separado por comas dentro de los paréntesis de la aserción: eso crea una tupla no vacía, que es verdadera, así que es posible que la prueba nunca falle.

Análisis

Esta distinción separa las comprobaciones de diagnóstico de las políticas que deben hacerse cumplir. Es similar a la diferencia entre una luz de advertencia que usa un mecánico y la cerradura de una puerta: una ayuda a localizar un defecto; la otra debe seguir funcionando en condiciones operativas. Las aserciones son valiosas precisamente porque pueden tratarse como ayudas para el desarrollo, pero por eso no son adecuadas para proteger límites expuestos a usuarios o atacantes. Una pequeña prueba que confirme que la comprobación puede fallar es una salvaguarda útil.

Incluye la limpieza de recursos en un contexto, no después de que el trabajo termine bien

La limpieza debe resistir los fallos. Un archivo debe cerrarse aunque al escribir en él se produzca una excepción. Un bloqueo debe liberarse aunque falle el trabajo protegido. La instrucción with se ocupa de esto: entra en un contexto, ejecuta el trabajo y, al salir de él, realiza la limpieza. Así, el fiable patrón try/finally queda expresado de una forma más legible.

El protocolo es reutilizable. Un objeto admite un bloque with si implementa enter y exit. Para ciclos de vida de recursos sencillos, contextlib.contextmanager ofrece una alternativa basada en generadores: adquiere el recurso, lo cede para que se use y lo limpia en un bloque finally. El mismo patrón puede expresar otros contextos temporales, como aumentar y luego restaurar un nivel de sangría.

Análisis

Un gestor de contexto hace visible el ciclo de vida de un recurso en el punto donde se utiliza. Esta propiedad de diseño resulta útil más allá de los archivos y los bloqueos: el ámbito del código comunica cuándo comienza y termina la responsabilidad. También reduce la cantidad de rutas de limpieza que el lector debe seguir mentalmente. La abstracción es más eficaz cuando la entrada y la salida tienen significados claros y correspondientes. Si esas acciones resultan sorprendentes o no están relacionadas, un bloque with puede ocultar la complejidad en lugar de aclararla.

Pasa el comportamiento como dato, pero envuélvelo en abstracciones disciplinadas y con nombre

Las funciones pueden circular. Las funciones de Python son objetos, así que se pueden asignar a variables, guardar en colecciones, pasar a otras funciones o devolver desde ellas. Las funciones anidadas pueden conservar valores de la función que las contiene; esos valores permiten configurar una función devuelta para usarla más adelante. Esta es la base de las devoluciones de llamada, las claves de ordenación flexibles y los decoradores.

Los decoradores añaden comportamiento reutilizable. Un decorador toma un objeto invocable y devuelve otro, a menudo un envoltorio que registra argumentos, comprueba permisos o modifica un resultado. Los decoradores múltiples se aplican desde abajo hacia arriba. Los envoltorios deben reenviar los argumentos posicionales y con nombre, y functools.wraps conserva el nombre y la documentación de la función envuelta. Las funciones lambda son útiles para expresiones breves, como una clave de ordenación, pero una función con nombre resulta más clara cuando la lógica se complica.

Análisis

Las funciones de primera clase permiten que un programa separe lo que debe ocurrir del mecanismo que lo activa. Esta separación es fundamental en los sistemas dirigidos por eventos, los diseños de complementos y muchas formas de programación funcional. Los decoradores hacen reutilizable el comportamiento transversal, pero cada envoltorio añade también una capa entre quien llama y la función original. Conservar los metadatos y mantener pocos los niveles de envoltorios facilita la depuración y la comprensión. La mejor abstracción elimina repeticiones sin dificultar la lectura del flujo de ejecución.

Dota cada objeto personalizado de una representación útil y un vocabulario preciso para los fallos

Los objetos deben explicarse por sí mismos. Python llama a str para obtener una descripción legible y dirigida al usuario, y a repr para una representación más explícita, dirigida al desarrollador. Si no existe str, Python recurre a repr, así que una representación útil ayuda en los registros, durante la depuración y en los contenedores que muestran su contenido. Por ejemplo, la representación de un objeto coche aporta más información si incluye el color y el kilometraje que si solo muestra un identificador genérico del objeto.

Los errores forman parte de la interfaz. Una excepción personalizada como NameTooShortError comunica más que un ValueError genérico. Las excepciones relacionadas pueden heredar de una clase base del paquete, lo que permite que quienes lo llaman capturen sus errores sin interceptar fallos no relacionados. Las clases base abstractas también pueden exigir métodos cuando se instancia una subclase, lo que revela antes una implementación incompleta, en vez de esperar a que se llame a un método ausente.

Análisis

Las representaciones y los tipos de excepción son pequeñas formas de observabilidad. Ayudan a entender el estado de un programa cuando la ejecución normal ha fallado, del mismo modo que unas etiquetas claras ayudan a interpretar un panel de instrumentos complejo. Un buen diagnóstico también mejora una API: quienes la usan pueden responder a un fallo específico sin conocer todos los detalles de implementación. El equilibrio consiste en ser específico sin crear una taxonomía innecesaria. Una jerarquía de excepciones con demasiadas distinciones puede ser tan difícil de aprender como los errores genéricos que pretendía sustituir.

Adapta los registros, el estado compartido y la profundidad de copia a la función real de los datos

Elige deliberadamente la forma de los datos. Una tupla con nombre (namedtuple) ofrece campos inmutables con nombres legibles y ocupa memoria como una tupla; un diccionario es práctico y flexible, mientras que una clase personalizada resulta adecuada para datos que necesitan comportamiento o atributos controlados. Las variables de clase se comparten entre instancias, a diferencia de las variables de instancia. Asignar a un atributo de instancia que tenga el mismo nombre que una variable de clase crea un valor separado que oculta el compartido.

Las copias aún pueden compartir objetos internos. Una copia superficial crea un objeto externo nuevo, pero reutiliza las referencias a su contenido. Una copia profunda duplica recursivamente los objetos anidados, por lo general con un coste mayor. Por ejemplo, copiar superficialmente una lista de listas deja compartidas las listas internas. Usa el módulo copy para copiar objetos arbitrarios y elige una copia profunda solo cuando realmente se necesite independencia en toda la estructura anidada.

Análisis

En el fondo, estas elecciones son decisiones sobre la propiedad y las invariantes. Los registros inmutables y con nombres evitan modificaciones accidentales y hacen visible el significado de los campos; los diccionarios mutables renuncian a esas protecciones a cambio de flexibilidad. Copiar plantea otra cuestión de propiedad: ¿quién puede modificar un objeto anidado y quién debería observar ese cambio? La copia profunda no es automáticamente más segura, porque las referencias compartidas pueden ser intencionales y copiar puede resultar costoso. Un contrato claro sobre los datos suele importar más que elegir el contenedor más elaborado.

Elige contenedores según las operaciones: desde las colas deque hasta las prioridades basadas en montículos

Empieza por la operación. El dict de Python es el mapeo de propósito general para buscar, insertar y eliminar con rapidez en el caso promedio. Los conjuntos permiten comprobar pertenencia eficientemente y eliminan duplicados; Counter añade recuentos de apariciones. Para arreglos, las listas manejan cómodamente objetos variados, mientras que array.array empaqueta de forma más compacta valores básicos de un único tipo. Las tuplas y las tuplas con nombre son adecuadas para agrupar datos inmutables.

El orden cambia cuál es la herramienta adecuada. Las listas funcionan bien como pilas cuando los elementos se añaden y se quitan por el extremo. Para las colas, collections.deque permite operaciones eficientes por ambos extremos, mientras que quitar elementos del principio de una lista obliga a desplazar los demás. Las colas de prioridad recuperan elementos por prioridad, no por orden de llegada: heapq proporciona las operaciones de montículo y queue.PriorityQueue añade sincronización para productores y consumidores concurrentes. Empieza con una estructura sencilla y especialízala cuando los requisitos lo justifiquen.

Análisis

El recorrido por las estructuras de datos del libro recuerda que nombres conocidos pueden ocultar detalles de implementación importantes. Una lista no es una lista enlazada, y usarla como cola de la que se eliminan elementos por el principio puede convertir una elección aparentemente inocua en trabajo repetido proporcional al tamaño de la cola. Las etiquetas de complejidad son útiles, pero no bastan para decidir: también importan la sincronización, el uso de memoria y los patrones de acceso. En cargas de trabajo pequeñas, la claridad puede ser preferible a la optimización teórica; con operaciones repetidas a gran escala, la elección pasa a formar parte del algoritmo.

Usa la iteración perezosa para procesar flujos sin crear listas innecesarias

Itera directamente sobre los valores. Los bucles for de Python están pensados para recorrer elementos, así que es preferible iterar sobre una colección que mantener manualmente un índice. Usa enumerate cuando necesites tanto el índice como el elemento, y recurre a comprensiones para transformaciones o filtros sencillos. Una comprensión se vuelve más difícil de leer cuando acumula varios bucles o condiciones anidados.

Genera valores sobre la marcha. Los iteradores proporcionan elementos de uno en uno; los generadores facilitan su escritura con yield, y las expresiones generadoras ofrecen una forma concisa para los casos sencillos. A diferencia de una comprensión de listas, una expresión generadora no construye de antemano el resultado completo. También se pueden encadenar generadores en una canalización, por ejemplo, para producir números, elevarlos al cuadrado y luego cambiarles el signo. Cada valor pasa por los distintos pasos sin necesidad de crear listas intermedias.

Análisis

La iteración perezosa es tanto una estrategia para ahorrar memoria como una forma de componer el procesamiento. Resulta especialmente útil cuando una secuencia es grande, ilimitada o se produce de manera natural por etapas. Una canalización se puede entender transformación por transformación, como una serie de funciones pequeñas. La contrapartida es que los generadores se consumen al leerlos, así que no se pueden volver a recorrer sin más. A veces es más claro materializar los valores en una lista, cuando importan la reutilización, la inspección o el acceso aleatorio.

Trata las claves, los valores predeterminados, la ordenación y el orden de combinación de los diccionarios como decisiones de diseño explícitas

El comportamiento de las búsquedas es una decisión. Usa dict.get si una clave ausente debe dar lugar a un valor alternativo, o usa el manejo de excepciones si el flujo normal presupone que la clave existe. defaultdict resulta útil cuando acceder a una clave ausente debe crear un valor automáticamente. Los diccionarios también pueden asociar condiciones con funciones manejadoras y sustituir largas cadenas de if cuando los casos son, en efecto, simples selecciones de una función que se debe ejecutar.

Las claves y las actualizaciones siguen ciertas reglas. Los valores iguales y hasheables con hashes coincidentes se comportan como una misma clave de diccionario. Como True, 1 y 1.0 se comparan como iguales y comparten un hash, asignarlos sucesivamente como claves hace que cada valor sobrescriba el anterior. Para ordenar los elementos de un diccionario por valor, proporciona una función como clave de ordenación. Para combinar diccionarios, pueden usarse llamadas a update o el desempaquetado; las fuentes posteriores sobrescriben los valores anteriores, así que el orden determina cuál prevalece.

Análisis

Los diccionarios son más que almacenamiento: codifican reglas de identidad, valores alternativos y precedencia. El ejemplo de True, 1 y 1.0 revela un requisito más profundo de las tablas hash: para que las claves se comporten de manera coherente, la igualdad y el cálculo del hash deben concordar. Las tablas de despacho son elegantes cuando hacen más fácil inspeccionar un conjunto fijo de opciones, pero no todas las condiciones deberían convertirse en un mapeo. Cuando las ramas tienen flujos de control o efectos secundarios distintos, un if convencional puede comunicar mejor la lógica.

Usa entornos aislados y el REPL para convertir las características del lenguaje en conocimientos prácticos

Mantén separados los proyectos. Un entorno virtual proporciona a cada proyecto su propio intérprete de Python y sus propios paquetes instalados, lo que ayuda a evitar conflictos de versiones con otros proyectos y cambios rutinarios en el entorno global. Crea el entorno, actívalo antes de instalar dependencias y desactívalo al terminar.

Investiga mientras programas. La función dir del intérprete muestra los nombres disponibles en módulos y objetos, mientras que help abre su documentación sin necesidad de usar un navegador. Los experimentos breves en el REPL pueden aclarar el comportamiento antes de incorporarlo a un programa más grande. Para investigar más a fondo, dis puede mostrar el bytecode de CPython, las instrucciones intermedias que ejecuta su máquina virtual. El libro lo presenta como una herramienta de aprendizaje, no como un requisito para la programación cotidiana, y anima a aplicar las nuevas técnicas en código real y a compartir lo aprendido con los demás.

Análisis

Este flujo de trabajo trata los conocimientos de programación como algo que se pone a prueba, no solo algo que se lee. Un experimento breve puede revelar suposiciones equivocadas a bajo coste, mientras que los entornos aislados hacen menos probable que la experimentación afecte a otros trabajos. Inspeccionar el bytecode puede profundizar la comprensión de la implementación, pero los detalles de implementación pueden variar entre versiones de Python y no siempre son estables. La habilidad práctica consiste en saber cuándo mirar bajo el capó y cuándo basta con usar de forma clara y probada la interfaz pública.

Análisis

Python Tricks se lee mejor como una guía práctica de consulta que como un curso lineal. Sus breves ejemplos abarcan desde la puntuación y las convenciones de nombres hasta los modelos de objetos, las estructuras de datos, los generadores y los aspectos internos de CPython. El tema común no es una sola característica, sino cómo usar los protocolos incorporados de Python y su sintaxis compacta para crear programas más claros, seguros y menos repetitivos. Esa amplitud dificulta la síntesis. Un resumen que solo enumere características pierde de vista el criterio recurrente del autor sobre cuándo no utilizarlas.

La síntesis más útil se basa en tres pruebas. Primero, elige la construcción que corresponda a la tarea real: deque para una cola, un montículo para recuperar elementos por prioridad, un gestor de contexto para emparejar la preparación y la limpieza. Segundo, entiende sus modos de fallo: las aserciones pueden desactivarse, las copias superficiales conservan referencias compartidas a objetos internos y las claves iguales pueden sobrescriberse entre sí. Tercero, evalúa el resultado como medio de comunicación. Una función lambda ingeniosa, una comprensión anidada o una tabla de despacho no supone una mejora si un compañero de equipo tiene que hacer ingeniería inversa para entenderla.

Los ejemplos del libro son especialmente eficaces cuando revelan el comportamiento mediante una pequeña sorpresa, como una coma ausente que une cadenas o un generador que se detiene en yield. Es un método didáctico sólido porque convierte la sintaxis en un modelo mental. La limitación es que algunos detalles de implementación y recomendaciones sobre versiones corresponden al contexto de 2017 en que se publicó el libro. Los aspectos internos de CPython, las garantías del lenguaje y las API preferidas pueden cambiar, así que conviene consultar la documentación actual antes de confiar en afirmaciones que dependan de una versión. La lección duradera no consiste tanto en memorizar trucos como en desarrollar suficiente intuición para reconocer una característica útil, probarla de forma aislada y aplicarla solo cuando mejora el contrato del código con quienes lo leen.

Resumen en 30 segundos
Elige las características de Python según la tarea: los gestores de contexto garantizan la limpieza tras los fallos, las deques son adecuadas para colas y los montículos sirven para recuperar elementos por prioridad. Los generadores procesan valores bajo demanda sin almacenar resultados completos, mientras que las copias superficiales siguen compartiendo el contenido anidado. Las aserciones pueden desactivarse, así que valida los datos del usuario con comprobaciones explícitas. Los nombres claros, las representaciones útiles y las abstracciones legibles importan más que la sintaxis compacta.
Contiene spoilers

Última actualización:

Reportar problema

Resumen de reseñas

4.43 de 5
Promedio de 1000+ valoraciones de Goodreads y Amazon.

Python Tricks recibe grandes elogios por su enfoque conciso pero perspicaz de temas intermedios y avanzados de Python. Los lectores valoran sus consejos prácticos, explicaciones claras y énfasis en las buenas prácticas. A muchos les ha resultado útil para cubrir lagunas de conocimiento y mejorar sus habilidades de programación. El tono conversacional y la estructura sistemática del libro lo hacen accesible y ameno. Aunque a algunos desarrolladores con experiencia les pareció poco desafiante, la mayoría coincide en que es un excelente recurso para quienes desean profundizar sus conocimientos de Python y escribir código más idiomático.

Tu valoración:
4.67
365 valoraciones
¿Quieres leer el libro completo?

Glosario

truco de Python

Ejemplo breve que enseña

Término del autor para un ejemplo conciso de código Python que sirve para enseñar una característica del lenguaje o despertar una investigación más profunda. Un truco no pretende ser ingenioso por el mero hecho de serlo. Su propósito es concretar un comportamiento, ofrecer a los lectores algo que puedan probar en un intérprete y desarrollar su intuición para escribir en Python.

gestor de contexto

Gestiona una operación acotada

Objeto que admite la instrucción with al proporcionar los métodos enter y exit. El método de entrada prepara o adquiere algo necesario para un bloque, y el método de salida se encarga de la limpieza cuando este termina, incluso si una excepción lo interrumpe. Los archivos y los bloqueos son ejemplos habituales.

funciones de primera clase

Funciones tratadas como objetos

Propiedad de las funciones de Python que permite asignarlas a variables, almacenarlas en estructuras de datos, pasarlas como argumentos y devolverlas desde otras funciones. Esto permite pasar comportamientos entre distintas partes de un programa y sirve de base para técnicas como las llamadas de retorno, los decoradores y las funciones de orden superior.

cierre léxico (lexical closure)

Función que conserva valores del ámbito externo

Función que conserva el acceso a valores de su ámbito léxico envolvente, incluso después de que la función envolvente haya terminado. Por eso, un cierre puede llevar una configuración a llamadas posteriores. Por ejemplo, una fábrica de funciones puede devolver una función de suma que recuerde el número que debe sumar.

decorador

Envuelve el comportamiento de un objeto invocable

Objeto invocable que acepta otro objeto invocable y devuelve un objeto invocable, normalmente un contenedor que añade un comportamiento antes o después de la ejecución del original. Los decoradores permiten reutilizar funciones de registro, medición del tiempo o comprobación de acceso. La sintaxis @ aplica un decorador al definir una función, y functools.wraps conserva metadatos útiles.

EAFP

Intentar y luego gestionar el fallo

Estilo de programación de Python cuyo nombre significa «pedir perdón es más fácil que pedir permiso». En lugar de comprobar de antemano si una operación es segura, el código intenta realizarla y gestiona una excepción pertinente si falla. En una búsqueda en un diccionario, esto puede evitar comprobar si existe la clave y luego hacer una segunda búsqueda.

clases base abstractas

Exigen métodos a las subclases

Las clases definidas con las herramientas abc de Python pueden declarar métodos abstractos que las subclases concretas deben implementar. Python impide instanciar una subclase mientras queden métodos abstractos sin implementar, lo que permite detectar una interfaz incompleta antes de lo que se detectaría al llamar en tiempo de ejecución a un método ausente.

tupla con nombre (namedtuple)

Tupla inmutable con campos con nombre

Tipo de registro basado en tuplas, creado con collections.namedtuple. Sus campos tienen nombres legibles, además de índices posicionales, y sus instancias son inmutables. Las tuplas con nombre ofrecen una alternativa ligera a una clase escrita a mano cuando los datos necesitan una estructura fija, pero poca o ninguna conducta personalizada.

copia superficial

Copia solo el objeto externo

Copia que crea una nueva colección externa, pero reutiliza las referencias a los objetos que contiene. Cambiar la estructura externa no modifica la colección original, pero las modificaciones de un objeto anidado compartido pueden verse en ambas. El módulo copy proporciona copy.copy para esta operación.

copia profunda

Copia recursivamente los objetos anidados

Operación de copia que duplica recursivamente un objeto y los objetos secundarios que contiene, creando una estructura más independiente que una copia superficial. El módulo copy proporciona deepcopy. La copia profunda puede requerir más tiempo y memoria, y no siempre es apropiada cuando las referencias compartidas son intencionales.

protocolo de iteración

Interfaz para valores secuenciales

Interfaz de Python que permite que un objeto participe en una iteración. Un objeto iterable proporciona iter para devolver un iterador, y un iterador proporciona next para devolver valores de uno en uno. Cuando no quedan valores, el iterador genera StopIteration, lo que permite que terminen los bucles for.

generador

Función que produce valores a lo largo del tiempo

Función que usa yield para producir valores de uno en uno y conservar su estado de ejecución entre ellos. Al llamar a la función, se crea un objeto generador; su cuerpo se ejecuta a medida que se solicitan valores. Cuando la ejecución termina sin otro yield, la iteración finaliza con StopIteration.

expresión generadora

Expresión de iteración compacta y diferida

Expresión de forma similar a una comprensión que produce valores bajo demanda, en lugar de crear una lista inmediatamente. Es útil para iteraciones sencillas y temporales, y puede reducir el uso de memoria. Una vez consumida, una expresión generadora no puede reiniciarse, por lo que no sustituye a una colección reutilizable.

hasheable (hashable)

Valor estable utilizable como clave

Un objeto es hasheable si tiene un valor hash que se mantiene estable durante su vida útil y puede compararse con otros objetos. Los objetos que se consideran iguales deben tener el mismo hash. Los objetos hasheables pueden usarse como claves de diccionario y elementos de conjuntos; las cadenas y los números son ejemplos habituales.

entorno virtual

Configuración aislada de Python para un proyecto

Entorno de Python asociado a un proyecto que mantiene su intérprete y sus dependencias instaladas separados de los de otros proyectos y de la instalación global. Al activarlo, cambia qué comandos de Python y de gestión de paquetes utiliza el intérprete de comandos, lo que ayuda a evitar conflictos entre versiones de dependencias y reduce la necesidad de instalar paquetes globalmente.

Preguntas frecuentes

¿De qué trata Python Tricks?

  • Descripción general: Python Tricks, de Dan Bader, es una guía para dominar Python mediante la exploración de sus características avanzadas y sus prácticas idiomáticas. Su objetivo es llevar las habilidades de los desarrolladores de Python de un nivel intermedio a uno avanzado.
  • Estructura del contenido: El libro se organiza en capítulos que abarcan diversas características de Python, como patrones para escribir código más limpio, funciones eficaces, programación orientada a objetos y estructuras de datos.
  • Ejemplos prácticos: Cada capítulo incluye ejemplos prácticos y fragmentos de código que ilustran los conceptos y facilitan que los lectores los entiendan y apliquen.
  • Perspectivas de la comunidad: El libro también comparte puntos de vista de la comunidad de Python, incluidos comentarios de desarrolladores con experiencia, para ofrecer una perspectiva amplia de la programación en Python.

¿Por qué debería leer Python Tricks?

  • Mejora de habilidades: El libro está pensado para ayudar a los desarrolladores de Python a programar de forma más eficaz, con más conocimientos y sentido práctico.
  • Técnicas avanzadas: Presenta características e idiomatismos avanzados de Python que pueden mejorar notablemente la calidad y eficiencia del código.
  • Aplicación en el mundo real: Los ejemplos y trucos se aplican a situaciones reales, por lo que son un recurso valioso para el desarrollo profesional.
  • Participación en la comunidad: Leer el libro también puede acercarte a la comunidad más amplia de Python, ya que incluye perspectivas y comentarios de otros desarrolladores.

¿Qué ideas principales ofrece Python Tricks?

  • Patrones para un código más limpio: Aprende a escribir código Python más limpio y fácil de mantener mediante patrones como los gestores de contexto y las aserciones.
  • Funciones eficaces: Comprende el potencial de las funciones de primera clase, los decoradores y el desempaquetado de argumentos para crear código más flexible y reutilizable.
  • Programación orientada a objetos: Conoce las características de POO de Python, incluidas las variables de clase y de instancia, las clases base abstractas y las tuplas con nombre.
  • Estructuras de datos e iteración: Explora las estructuras de datos incorporadas en Python y aprende a utilizar eficazmente iteradores, generadores y comprensiones.

¿Cómo define Dan Bader un «truco de Python»?

  • Herramienta didáctica: Un truco de Python es un fragmento breve de código que enseña un aspecto de Python mediante una ilustración sencilla.
  • Ejemplo motivador: Sirve como ejemplo motivador que permite a los lectores profundizar y desarrollar una comprensión intuitiva de Python.
  • Origen en la comunidad: El concepto comenzó como una serie de capturas de pantalla de código compartidas en Twitter, que recibieron comentarios positivos y dieron pie a la creación del libro.
  • Aprendizaje accesible: Los trucos están diseñados para ser accesibles y fáciles de entender, por lo que son adecuados para desarrolladores que quieren mejorar sus habilidades con Python.

¿Qué patrones para escribir código Python más limpio se mencionan en el libro?

  • Aserciones: Usa aserciones para detectar automáticamente errores en tus programas, lo que los hace más fiables y fáciles de depurar.
  • Uso cuidadoso de las comas: Adopta un estilo de código que evite problemas con la colocación de comas en listas, diccionarios o constantes de conjuntos.
  • Gestores de contexto: Simplifica los patrones de gestión de recursos mediante la instrucción with y los gestores de contexto.
  • Guiones bajos y dunders: Comprende el significado de uno o dos guiones bajos en los nombres de variables y métodos para escribir código Python más idiomático.

¿Cómo explica Python Tricks el uso de los decoradores?

  • Modificación del comportamiento: Los decoradores permiten ampliar y modificar el comportamiento de un objeto invocable sin cambiarlo permanentemente.
  • Bloques de construcción reutilizables: Definen bloques reutilizables que pueden aplicarse a funciones o clases para añadir funcionalidades como el registro o el control de acceso.
  • Sintaxis y apilamiento: El libro explica la sintaxis @ para los decoradores y cómo apilar varios para acumular sus efectos.
  • Buenas prácticas de depuración: Recomienda usar functools.wraps para conservar los metadatos del objeto invocable sin decorar en el decorado, lo que facilita la depuración.

¿Qué diferencias hay entre los métodos de instancia, de clase y estáticos en Python?

  • Métodos de instancia: Requieren una instancia de la clase y pueden acceder a ella mediante el parámetro self, lo que les permite modificar el estado del objeto.
  • Métodos de clase: Usan el decorador @classmethod y reciben un parámetro cls, lo que les permite modificar el estado de la clase, pero no el de una instancia.
  • Métodos estáticos: Usan el decorador @staticmethod y no reciben los parámetros self ni cls, por lo que son independientes del estado de la clase y de la instancia.
  • Casos de uso: El libro ofrece ejemplos de cuándo usar cada tipo de método y destaca su función para comunicar la intención del desarrollador y mantener el código.

¿Cómo recomienda Python Tricks gestionar los valores predeterminados de los diccionarios?

  • Evita las comprobaciones explícitas: En lugar de comprobar explícitamente si una clave está en un diccionario, usa el método get() para proporcionar un valor predeterminado cuando falte.
  • Principio EAFP: Sigue el estilo de programación «pedir perdón es más fácil que pedir permiso» usando bloques try...except para gestionar excepciones KeyError.
  • Uso de defaultdict: En algunos casos, la clase collections.defaultdict puede ser útil para gestionar automáticamente las claves ausentes mediante valores predeterminados.
  • Implementación concisa: El libro ofrece ejemplos de cómo aplicar estas técnicas de manera concisa y eficaz.

¿Qué técnicas avanzadas de formato de cadenas se abordan en el libro?

  • Formato de estilo antiguo: Usa el operador % para un formato posicional sencillo, similar a las funciones de estilo printf de C.
  • Formato de estilo nuevo: Introducido en Python 3, utiliza el método format() para ofrecer un formato de cadenas más potente y flexible.
  • Interpolación de cadenas literales: Disponible en Python 3.6 y posteriores, permite incrustar expresiones de Python en cadenas literales mediante cadenas f.
  • Cadenas Template: Mecanismo más sencillo y menos potente para dar formato a cadenas, útil para gestionar de forma segura cadenas de formato proporcionadas por el usuario.

¿Cómo explica Python Tricks el uso de las comprensiones de listas?

  • Azúcar sintáctico: Las comprensiones de listas son una forma concisa de crear listas mediante la iteración sobre una colección y la aplicación de una expresión a cada elemento.
  • Patrón de plantilla: El libro ofrece un patrón de plantilla para transformar bucles for en comprensiones de listas y viceversa.
  • Filtrado de elementos: Las comprensiones pueden incluir condiciones para filtrar elementos y crear listas de manera más compleja.
  • Consideraciones de legibilidad: Aunque son potentes, el libro advierte que no se debe abusar de las comprensiones, especialmente cuando hay muchos niveles de anidamiento, para mantener la legibilidad del código.

¿Cuáles son algunas citas destacadas de Python Tricks y qué significan?

  • «Dominar la programación en Python no consiste solo en comprender los aspectos teóricos del lenguaje». Esta frase destaca la importancia de comprender y adoptar las convenciones y buenas prácticas de la comunidad de Python.
  • «Un libro que funciona como un bufé de fantásticas características de Python (¡ñam!) y mantiene alta la motivación». Esta frase destaca el enfoque del libro: presentar las características de Python de forma amena y motivadora.
  • «La instrucción assert de Python es una ayuda para la depuración que comprueba una condición como verificación interna del programa». Esta cita recalca la importancia de usar aserciones para depurar y mantener la fiabilidad del código.
  • «Los decoradores definen bloques de construcción reutilizables que se pueden aplicar a un objeto invocable para modificar su comportamiento sin modificarlo permanentemente». Esta frase explica el potencial y la flexibilidad de los decoradores para ampliar las funcionalidades del código.

¿Cómo aborda Python Tricks el uso de los entornos virtuales?

  • Aislamiento de dependencias: Los entornos virtuales ayudan a aislar las dependencias de los proyectos y evitan conflictos de versiones entre paquetes y versiones de Python.
  • Buena práctica: El libro recomienda usar entornos virtuales en todos los proyectos de Python para mantener separadas las dependencias y evitar complicaciones.
  • Activación y desactivación: Explica cómo crear, activar y desactivar entornos virtuales para gestionar las dependencias específicas de cada proyecto.
  • Ventajas de seguridad: El uso de entornos virtuales reduce los riesgos de seguridad al evitar la necesidad de permisos de superusuario para instalar paquetes.

Sobre el autor

Dan Bader es un respetado experto y docente de Python. Es conocido por su capacidad para explicar conceptos de programación complejos de manera clara y accesible. Bader es el fundador de Real Python, un popular recurso en línea de tutoriales y cursos de Python. Cuenta con amplia experiencia en desarrollo de software y ha trabajado con empresas como Google y Microsoft. Se elogia su estilo de escritura cordial y atractivo, que hace que el contenido técnico resulte más accesible para quienes están aprendiendo. Su trabajo se centra en ayudar a los desarrolladores a mejorar sus habilidades con Python y adoptar buenas prácticas al programar.

Descargar PDF

Para guardar este resumen de Python Tricks para más tarde, descarga el PDF gratis. Puedes imprimirlo o leerlo sin conexión cuando quieras.
Download PDF

Descargar EPUB

Para leer este resumen de Python Tricks en tu dispositivo o aplicación de lectura, descarga el EPUB gratis. El formato de libro digital .epub es ideal para leer libros electrónicos en teléfonos, tabletas y lectores electrónicos.
Download EPUB
¿Quieres leer el libro completo?
Seguir
Escuchar
Inicio
Swipe
Biblio
App
Prueba el acceso completo por 3 días
Escucha, guarda y mucho más
Comparar funciones Gratis Pro
📖 Leer resúmenes
Lee resúmenes ilimitados. Los usuarios gratuitos obtienen 3 al mes
🎧 Escuchar resúmenes
Escucha resúmenes ilimitados en 40 idiomas
—
❤️ Marcadores ilimitados
Usuarios gratuitos limitados a 4
—
📜 Historial ilimitado
Usuarios gratuitos limitados a 4
—
📥 Descargas ilimitadas
Usuarios gratuitos limitados a 1
—
Cronología sin riesgo
Hoy: Obtén acceso instantáneo
Escucha resúmenes completos de más de 26.000 libros. ¡Son más de 12.000 horas de audio!
Día 2: Recordatorio de prueba
Te enviaremos una notificación de que tu prueba está por terminar.
Día 3: Tu suscripción comienza
Se te cobrará el 25 nov,
cancela en cualquier momento antes.
Consume 2.8× More Books
2.8× libros más Escucha Lectura
Nuestros usuarios nos adoran
1M+ lectores
Trustpilot Rating
TrustPilot
4.6 Excelente
Este sitio es un antes y un después. He leído resúmenes como nunca antes. Lo recomiendo muchísimo.
— Dave G
Vale cada centavo y cada minuto, y está muy bien hecho. Nunca había visto esta calidad de resúmenes en otros sitios. ¡Muy útil!
— Em
¡Muy recomendado! Servicio fantástico. Perfecto para quienes quieren algo más que una sinopsis, pero no todos los detalles de un audiolibro completo.
— Greg M
Ahorra un 62%
Anual
$119.88 $44.99/año/año
$3.75/mes
Mensual
$9.99/mes
Inicia tu prueba gratuita de 3 días
3 días gratis, luego $44.99/año. Cancela cuando quieras.
Unlock a world of fiction & nonfiction books
Más de 26.000 libros por el precio de 2
Lee cualquier libro en 10 minutos
Descubre libros nuevos como en Tinder
Solicita cualquier libro si no está resumido
Lee más libros que cualquiera que conozcas
La app nº 1 para amantes de los libros
Lifelike & immersive summaries
Garantía de devolución de 30 días
Descarga resúmenes en EPUB o PDF
Cancela en cualquier momento con unos clics

¿Por qué solo un resumen?

Escáner
Busca un código de barras para escanear

⭐
⭐
⭐
Tenemos un regalo especial para ti
Abrir
38% de descuento
DESCUENTO PARA TI
⭐
⭐
⭐
$79.99
$49.99/año
Solo $4.16 al mes
Continuar
Empieza con 2 toques y cancela fácilmente
Configuración
General
Widget
Cargando...