Explicación de las itertools de Python: Lazy Loops, combinaciones y agrupaciones, probadas

  1. Inicio
  2. Blog
  3. Desarrollo de software

Desarrollo de software

Explicación de las itertools de Python: Lazy Loops, combinaciones y agrupaciones, probado

Python itertools le brinda bloques de construcción rápidos y con poca memoria para realizar bucles: contadores infinitos, encadenamiento, agrupación, combinaciones y procesamiento por lotes. Conozca cada herramienta con los resultados que realmente ejecutamos, además de las trampas que silenciosamente devuelven respuestas incorrectas.

10 min de lectura
Explicación de las itertools de Python: bucles diferidos, combinaciones y agrupaciones, probados

Puntos clave

  • itertools está integrado en Python. Sus funciones devuelven iteradores diferidos, por lo que producen valores sólo cuando usted los solicita.
  • groupby solo agrupa elementos vecinos. Ordene primero por la misma clave o obtendrá grupos divididos.
  • product, permutations y combinations reemplazan los bucles anidados y son útiles para matrices de prueba.
  • En nuestra ejecución, aplanar 100 listas con chain.from_iterable tomó 0,045 ms contra 0,522 ms para sum(lists, []).

Muchos bucles de Python siguen las mismas formas: contar para siempre, unir varias listas, agrupar filas por una clave, probar cada par o dividir el trabajo en lotes. Puede escribir cada uno a mano con bucles anidados for y listas temporales, pero Python itertools ya incluye versiones rápidas y probadas de todos ellos. Una vez que conozca los nombres, sus bucles se acortarán y utilizarán mucha menos memoria.

Todos los ejemplos de esta guía se ejecutaron con Python 3.13.6 y los resultados que se muestran se copian de esa ejecución. Si es nuevo en el mundo de los iteradores, nuestra guía de generadores de Python es un buen complemento, porque los generadores y las itertools funcionan juntos de forma natural.

¿Qué es itertools?

itertools es un módulo de biblioteca estándar de bloques de construcción de iteradores. Lo importa, llama a una función y obtiene un objeto iterador en lugar de una lista. Las funciones se dividen en tres grupos:

  • Iteradores infinitos: count, cycle y repeat.
  • Iteradores que terminan con la entrada más corta: accumulate, chain, groupby, compress, pairwise, batched, takewhile y otros.
  • Iteradores combinatorios: product, permutations, combinations y combinations_with_replacement.
import itertools as it

Por qué son importantes los iteradores perezosos

Una lista almacena todos los valores en la memoria a la vez. Un iterador almacena sólo el estado suficiente para producir el siguiente valor. Es por eso que puedes construir un contador infinito sin que tu programa se congele: no se calcula nada hasta que un bucle, next() o list() extrae un valor.

Medimos la diferencia. Una lista de un millón de enteros tomó 8,448,728 bytes según sys.getsizeof, que cuenta solo la matriz de punteros de la lista. Un objeto islice que produce el mismo millón de números tomó 72 bytes. El problema es que un iterador solo se puede leer una vez, lo cual cubrimos en la sección tee.

contar, ciclar y repetir

Estos tres nunca se detienen solos, así que combínalos con islice, zip o break.

print(list(it.islice(it.count(10, 5), 4)))
print(list(it.islice(it.cycle("AB"), 5)))
print(list(map(pow, range(4), it.repeat(2))))
[10, 15, 20, 25]
['A', 'B', 'A', 'B', 'A']
[0, 1, 4, 9]

count(start, step) es perfecto para generar identificaciones. cycle repite una secuencia para siempre, lo que se adapta al trabajo por turnos, como la asignación de tickets a una rotación de evaluadores. repeat envía el mismo valor a map sin crear una lista de copias.

Un buen truco combina count con una expresión generadora para encontrar el primer valor que cumple una regla:

first = next(x for x in it.count(1) if x * x > 2026)
print(first)   # 46

acumular: totales acumulados

accumulate devuelve resultados en ejecución. De forma predeterminada agrega, pero puedes pasar cualquier función de dos argumentos.

print(list(it.accumulate([5, 3, -2, 4])))
print(list(it.accumulate([3, 1, 4, 1, 5], max)))
[5, 8, 6, 10]
[3, 3, 4, 4, 5]

La primera línea es un saldo corriente. El segundo es un máximo acumulado, que resulta útil para realizar un seguimiento de la mejor puntuación hasta el momento o del tiempo máximo de respuesta en una prueba de carga.

cadena: unir iterables sin copiar

chain recorre varios iterables uno tras otro como si fueran uno. chain.from_iterable hace lo mismo para un iterable de iterables, que es la forma estándar de aplanar un nivel de anidamiento.

print(list(it.chain([1, 2], (3,), "ab")))
print(list(it.chain.from_iterable([[1, 2], [3], [4, 5]])))
[1, 2, 3, 'a', 'b']
[1, 2, 3, 4, 5]

Observe que una cadena en sí misma es iterable, por lo que "ab" se convierte en dos elementos. Si desea que la cadena sea un solo elemento, primero envuélvala en una lista.

groupby: la herramienta más incomprendida

groupby divide una secuencia en series de elementos que comparten una clave. La palabra “corre” es la parte importante: sólo agrupa elementos que se encuentran uno al lado del otro. Mira lo que pasó con los niveles de registro sin clasificar:

logs = ["error", "error", "info", "error", "info", "info"]
print([(k, len(list(g))) for k, g in it.groupby(logs)])
print([(k, len(list(g))) for k, g in it.groupby(sorted(logs))])
[('error', 2), ('info', 1), ('error', 1), ('info', 2)]
[('error', 3), ('info', 3)]

La versión sin clasificar produjo cuatro grupos en lugar de dos, y nada nos advirtió. Esto se comporta de manera muy diferente a SQL, donde GROUP BY recopila todas las filas coincidentes dondequiera que estén. Si esa comparación ayuda, consulte SQL GROUP BY y HAVING.

Para registros, ordenar y agrupar con la misma función clave:

import operator
orders = [{"city": "Pune", "amt": 120}, {"city": "Delhi", "amt": 80}, {"city": "Pune", "amt": 50}]
key = operator.itemgetter("city")
print({k: sum(o["amt"] for o in g) for k, g in it.groupby(sorted(orders, key=key), key=key)})
{'Delhi': 80, 'Pune': 170}

Consejo: cada grupo es en sí mismo un iterador que deja de ser válido una vez que groupby continúa. Consúmelo inmediatamente, por ejemplo con list(g) o sum(...), antes del siguiente grupo.

Si sus datos aún no están ordenados y solo necesita totales, un simple diccionario de Python o collections.Counter suele ser más simple y evita la clasificación.

producto, permutaciones y combinaciones

Estos reemplazan los bucles anidados cuando necesita cada disposición de algunas entradas.

print(list(it.product(["chrome", "firefox"], ["win", "mac"])))
print(["".join(p) for p in it.permutations("ABC", 2)])
print(["".join(c) for c in it.combinations("ABCD", 2)])
print(["".join(c) for c in it.combinations_with_replacement("AB", 2)])
[('chrome', 'win'), ('chrome', 'mac'), ('firefox', 'win'), ('firefox', 'mac')]
['AB', 'AC', 'BA', 'BC', 'CA', 'CB']
['AB', 'AC', 'AD', 'BC', 'BD', 'CD']
['AA', 'AB', 'BB']
Función ¿El orden importa? ¿Se permiten repeticiones? Uso típico
producto si Yes (across inputs) Matriz de navegador y sistema operativo
permutaciones si No Ordenamientos de pasos
combinaciones No No Pares únicos para comparar
combinations_with_replacement No si Conjuntos múltiples, totales de dados

Tenga cuidado con el tamaño. Contando el producto de tres rangos de 3, 4 y 5 elementos se obtuvieron 60 tuplas. Cada dimensión adicional multiplica el total, por lo que una matriz que parece pequeña puede explotar. Cuente con sum(1 for _ in ...) o math.prod antes de ejecutar algo costoso dentro del ciclo.

por pares y por lotes

pairwise (Python 3.10+) proporciona vecinos superpuestos, lo cual es ideal para diferencias entre lecturas. batched (Python 3.12+) divide los datos en fragmentos de tamaño fijo.

print(list(it.pairwise([1, 4, 9, 16])))
print(list(it.batched(range(7), 3)))
[(1, 4), (4, 9), (9, 16)]
[(0, 1, 2), (3, 4, 5), (6,)]

Tenga en cuenta que el último lote es más corto. Si envía lotes a una API que espera exactamente tres elementos, maneje ese fragmento final. batched es una forma limpia de insertar filas en una base de datos, unos cientos a la vez, o de respetar un límite de tasa API.

Filtrado: comprimir, tomar mientras, soltar mientras, filtrar falso

print(list(it.compress("ABCDE", [1, 0, 1, 0, 1])))
print(list(it.takewhile(lambda x: x < 5, [1, 3, 6, 2])))
print(list(it.dropwhile(lambda x: x < 5, [1, 3, 6, 2])))
print(list(it.filterfalse(lambda x: x % 2, range(8))))
['A', 'C', 'E']
[1, 3]
[6, 2]
[0, 2, 4, 6]

La sorpresa aquí es takewhile. Se detiene ante el primer fallo, por lo que nunca se comprobó el 2 al final. dropwhile es la imagen especular: una vez que la condición falla, produce todo lo que sigue, incluido 2. Úselos para datos ordenados o flujos con un corte claro, como leer líneas de registro hasta que pase una marca de tiempo. Para un filtro general, utilice filter o una comprensión. Las funciones breves que se pasan aquí son funciones lambda de Python .

zip_longest y mapa estelar

El integrado zip se detiene en la entrada más corta y deja caer silenciosamente el resto. zip_longest continúa y llena los vacíos:

print(list(zip("abc", [1, 2])))
print(list(it.zip_longest("abc", [1, 2], fillvalue=0)))
print(list(it.starmap(pow, [(2, 3), (3, 2), (10, 0)])))
[('a', 1), ('b', 2)]
[('a', 1), ('b', 2), ('c', 0)]
[8, 9, 1]

Al comparar una lista esperada con una lista real en una prueba, zip puede ocultar un elemento final que falta. zip_longest lo expone. Desde Python 3.10 también puedes pasar strict=True a zip para generar un error en longitudes desiguales. starmap descomprime cada tupla en argumentos de función, lo que guarda una lambda.

agotamiento del tee y del iterador

Un iterador se agota después de una pasada. Este es el error más común de itertools:

g = (x * x for x in range(3))
print(list(g), list(g))     # [0, 1, 4] []

a, b = it.tee(iter([1, 2, 3]))
print(list(a), list(b))     # [1, 2, 3] [1, 2, 3]

El segundo list(g) estaba vacío, sin errores. tee divide un iterador en copias independientes, pero almacena los valores internamente. Si una copia se ejecuta muy por delante de la otra, la memoria crece y, en ese momento, una lista simple suele ser más sencilla. Además, no utilice el iterador original después de llamar a tee.

Memoria y velocidad en la práctica.

Calculamos el tiempo para aplanar 100 listas de 100 números, 200 veces cada una. sum(lists, []) promedió 0,522 ms, mientras que list(chain.from_iterable(lists)) promedió 0,045 ms, aproximadamente once veces más rápido. La versión sum es lenta porque crea una lista nueva y más larga en cada paso.

Sus números diferirán según la máquina, pero la forma se mantiene: las funciones de itertools se implementan en C y evitan la creación de listas temporales. La mayor ganancia suele ser la memoria. Una canalización de iteradores puede procesar un archivo de millones de líneas manteniendo solo una línea a la vez. Si prefiere la sintaxis de comprensión, listas de comprensión cree listas con entusiasmo, mientras que las expresiones generadoras se combinan bien con itertools.

Usando itertools en pruebas

Los evaluadores aprovechan mucho este módulo. product crea matrices de configuración para pruebas parametrizadas, como cada navegador con cada tamaño de pantalla. combinations proporciona cada par de características para probar juntas, que es el punto de partida para las pruebas por pares. cycle rota las cuentas de prueba para que las ejecuciones paralelas no peleen por un inicio de sesión. count genera números de pedido únicos para los datos de prueba.

import pytest
MATRIX = list(it.product(["chrome", "firefox"], ["1280x800", "375x812"]))

@pytest.mark.parametrize("browser,size", MATRIX)
def test_home_page(browser, size):
    ...

Este fragmento de pytest muestra solo el patrón; No lo ejecutamos en un navegador. Mantenga la matriz pequeña y deliberada, porque cuatro combinaciones se convierten en cuarenta rápidamente. Nuestra guía de accesorios de pytest muestra cómo compartir la configuración en estos casos.

Cuándo usar itertools y cuándo no

  • Úselo para transmisiones, archivos grandes, secuencias generadas, combinaciones y procesamiento por lotes, donde la pereza ahorra memoria.
  • Úselo para reemplazar bucles anidados cuyo único trabajo es crear arreglos.
  • Sáltelo cuando la comprensión de una lista se lea con mayor claridad a su equipo. Una frase ingeniosa que nadie puede depurar no es una victoria.
  • Omítalo cuando necesites reutilizar los datos muchas veces; almacenar una lista en lugar de luchar contra el agotamiento.

La documentación oficial también incluye una sección de “recetas” con ayudas ya preparadas construidas a partir de estas piezas. Léalos una vez que se sienta cómodo con los conceptos básicos aquí.

Conclusión

Python itertools recompensa una pequeña inversión. Aprenda chain, groupby, product, pairwise y batched primero, porque cubren la mayoría de los bucles cotidianos. Luego recuerde las dos trampas que nos atraparon durante las pruebas: ordenar antes de groupby y nunca leer un iterador dos veces. Con esos hábitos, tus bucles se vuelven más cortos, más rápidos y más fáciles de revisar.

Preguntas frecuentes

¿Qué son las itertools en Python?

itertools es un módulo integrado de herramientas iteradoras rápidas para contar, encadenar, agrupar, filtrar y generar combinaciones. Sus funciones devuelven iteradores diferidos en lugar de listas.

¿Por qué itertools.groupby proporciona grupos duplicados?

groupby solo agrupa elementos consecutivos con la misma clave. Primero ordene los datos por la misma clave. En nuestra prueba, los troncos sin clasificar produjeron cuatro grupos en lugar de dos.

¿Cuál es la diferencia entre permutaciones y combinaciones?

las permutaciones tratan a AB y BA como diferentes, mientras que las combinaciones los tratan como el mismo par. Para 2 elementos de ABC, las permutaciones dieron 6 resultados y las combinaciones darían 3.

¿Qué versión de Python necesito para lotes y por pares?

en pares se agregó en Python 3.10 y se agrupó en Python 3.12. Ejecutamos todos los ejemplos de esta guía en Python 3.13.6.

¿Itertools es más rápido que escribir bucles?

A menudo sí, porque las funciones están implementadas en C y evitan listas temporales. El aplanamiento con chain.from_iterable fue aproximadamente once veces más rápido que sum(lists, []) en nuestro tiempo.

sigue aprendiendo

Trabajar con Stack Quora

¿Necesitas ayuda con pruebas, WordPress o SEO?

Ayudamos a los equipos a enviar mejor software y hacer crecer sus sitios. Cuéntenos en qué está trabajando y le sugeriremos un siguiente paso claro.

Sigue leyendo

Más guías sobre testing, IA y desarrollo moderno

¿Te gustó este artículo? Elige un tema y salta directo a nuestros tutoriales más recientes.

Inteligencia artificial

Explicación de BM25: cómo la búsqueda por palabras clave clasifica los resultados, con código Python y búsqueda híbrida

BM25 explicó con una implementación pura de Python que ejecutamos: la fórmula, IDF, saturación de términos, los parámetros k1 y b, por qué supera el…

Leer artículo →
Desarrollo de software

Métodos HTTP explicados: GET, POST, PUT, PATCH, DELETE, probados en un servidor en vivo

Métodos HTTP explicados con un pequeño servidor que ejecutamos: GET, POST, PUT, PATCH, DELETE, HEAD y OPTIONS, seguro vs idempotente, PUT vs PATCH, …

Leer artículo →
DevOps

Explicación de Git Bisect: encuentre la confirmación que rompió su código, de forma manual o automática

Git bisect explicado con un repositorio probado: encuentre la única confirmación incorrecta entre 41 de cada 5 ejecuciones de prueba, automatice con…

Leer artículo →
Automatización de pruebas

Explicación de los marcadores de pytest: marcas personalizadas, filtros skip, skipif, xfail y -m

Los marcadores de pytest se explican con una suite probada: registre marcas personalizadas, ejecute solo pruebas de humo con -m, combine filtros con…

Leer artículo →
Pruebas de software

Pruebas positivas versus negativas: diferencias, 24 casos de prueba reales y una lista de verificación

Pruebas positivas versus negativas explicadas con un formulario de registro real: 6 casos de prueba positivos y 18 negativos ejecutados en pytest, e…

Leer artículo →
Bases de datos y SQL

ORDEN SQL POR Varias columnas: ASC, DESC, NULLS LAST, Caso y Orden personalizado

SQL ORDER BY con múltiples columnas explicadas con consultas probadas: ASC y DESC mixtos, desempates, NULLS FIRST y LAST, clasificación que no disti…

Leer artículo →
Bases de datos y SQL

Total acumulado de SQL: SUM OVER, totales por grupo, sumas móviles y trampa RANGE

Cómo calcular un total acumulado de SQL con SUM() OVER: totales por grupo, sumas acumuladas diarias, sumas móviles, porcentaje del total, la trampa …

Leer artículo →
Desarrollo de software

Matriz de clasificación de JavaScript: números, objetos, cadenas y por qué 10 viene antes que 5

Cómo ordenar correctamente una matriz en JavaScript: números con una función de comparación, objetos por uno o más campos, cadenas con localeCompare…

Leer artículo →
Desarrollo de software

Métodos de cadenas de Python: hoja de referencia, ejemplos reales y la trampa strip()

Métodos de cadena de Python con ejemplos probados: dividir, unir, eliminar, reemplazar, buscar, comenzar con, is-methods, casefold, particionar y tr…

Leer artículo →
Inteligencia artificial

Explicación de la similitud del coseno: fórmula, ejemplo resuelto y código Python

La similitud del coseno se explica de manera simple: la fórmula, un ejemplo trabajado a mano, código Python y NumPy puro, distancia coseno versus di…

Leer artículo →
Desarrollo de software

Explicación de la codificación UTF-8: cómo el texto se convierte en bytes y cómo corregir el texto confuso

La codificación UTF-8 se explica con ejemplos a nivel de bytes que ejecutamos en Python: cómo los caracteres se vuelven de 1 a 4 bytes, por qué un c…

Leer artículo →
Automatización de pruebas

Explicación de la parametrización de pytest: 7 patrones con ejemplos probados

pytest parametrize explicado con 7 patrones probados: casos básicos, identificadores legibles, decoradores apilados, pytest.param con xfail y skip, …

Leer artículo →
Pruebas de software

Nueva prueba versus prueba de regresión: 8 diferencias clave con un ejemplo real de corrección de errores

Repetición de pruebas versus pruebas de regresión explicadas con una ejecución de corrección de errores real en pytest: la nueva prueba confirmó la …

Leer artículo →
Bases de datos y SQL

Eliminar filas duplicadas en SQL: 5 métodos seguros, probados paso a paso

Cómo eliminar filas duplicadas en SQL de forma segura: encuéntrelas, obtenga una vista previa de ellas y luego elimínelas con ROW_NUMBER, MIN(id), E…

Leer artículo →
Bases de datos y SQL

SQL RANK vs DENSE_RANK vs ROW_NUMBER: diferencias con ejemplos probados

SQL RANK vs DENSE_RANK vs ROW_NUMBER en una tabla: cómo cada uno maneja los empates, los N principales por grupo, la segunda trampa salarial más alt…

Leer artículo →
Desarrollo de software

Encadenamiento opcional de JavaScript (?.) Explicado: 8 ejemplos, ?? Valores predeterminados y trampas

El encadenamiento opcional de JavaScript detiene los errores "No se pueden leer las propiedades de un definido". 8 ejemplos probados para propiedade…

Leer artículo →
Desarrollo de software

Python enumerate() explicado: 7 ejemplos, inicio=1 y errores a evitar

Python enumerate() te proporciona el índice y el valor en un bucle limpio. 7 ejemplos probados, el truco start=1, diccionarios, archivos, números rá…

Leer artículo →
Inteligencia artificial

Explicación de las estrategias de fragmentación de RAG: fija, superpuesta, de oración, recursiva y de títulos, medida

Estrategias de fragmentación de RAG comparadas en un documento con tiktoken 0.14: tamaño fijo, superposición, empaquetado de oraciones, división rec…

Leer artículo →
Desarrollo de software

Explicación de la idempotencia de API: claves de idempotencia y reintentos seguros, probados

La idempotencia de API se explicó con un servidor y cliente Python que ejecutamos: una respuesta perdida provocó un cargo doble sin una clave y un c…

Leer artículo →
DevOps

Explicación de Git Stash: guardar, aplicar, extraer y archivos sin seguimiento, probado

Git stash se explica con comandos que ejecutamos en Git 2.56: enviar con un mensaje, archivos sin seguimiento, enumerar y mostrar, aplicar frente a …

Leer artículo →
Pruebas de software

Explicación de las pruebas por pares: cómo todos los pares reducen 216 pruebas a 13, probadas

Pruebas por pares explicadas con un generador que ejecutamos en Python 3.13: una comprobación con 216 combinaciones cubiertas por 13 pruebas, cobert…

Leer artículo →
Automatización de pruebas

Explicación de los dobles de prueba: ficticio, stub, espía, simulado y falso, con código Python probado

Los dobles de prueba se explican con un ejemplo de Python ejecutado en pytest 9.2: ficticio, stub, spy, simulado y falso, cuándo usar cada uno, veri…

Leer artículo →
Bases de datos y SQL

SQL COALESCE explicado: valores predeterminados, NULLIF, IFNULL vs ISNULL y trampas, probados

SQL COALESCE se explica con consultas que ejecutamos en SQLite 3.50: primeros valores no nulos, cadenas vacías, NULL en matemáticas, NULLIF para div…

Leer artículo →
Bases de datos y SQL

Explicación de la autounión de SQL: empleado-gerente, comparaciones de pares y filas, probado

La autounión de SQL se explica con consultas que ejecutamos en SQLite 3.50: empleado y gerente, ganando más que el gerente, pares únicos, cambios di…

Leer artículo →
Desarrollo de software

Explicación del operador de extensión de JavaScript: extensión frente a reposo, copias y errores, probado

El operador de extensión de JavaScript explicado con el código que ejecutamos en el Nodo 24: matrices, objetos, copias superficiales, parámetros de …

Leer artículo →
Desarrollo de software

Funciones de Python explicadas: lru_cache, parcial, reducir, envolturas y más, probadas

Las funciones de Python se explican con el código que ejecutamos en Python 3.13: lru_cache y cache, parcial, reducir, envolturas, cached_property, s…

Leer artículo →
Desarrollo de software

Explicación del módulo de colecciones de Python: contador, defaultdict, deque y más, probado

Colecciones de Python explicadas con el código que ejecutamos en Python 3.13: Counter, defaultdict, deque, namedtuple, OrderedDict y ChainMap, ademá…

Leer artículo →
Inteligencia artificial

Explicación de la ventana de contexto de LLM: tokens, límites y cómo ajustar más, medidos

La ventana de contexto de LLM se explica con recuentos de tokens que medimos usando tiktoken: palabras frente a tokens para prosa, código e hindi, p…

Leer artículo →
Desarrollo de software

Explicación de los webhooks: cómo funcionan y cómo recibirlos de forma segura

Webhooks explicados con un receptor y un remitente que ejecutamos en Python: push vs polling, firmas HMAC-SHA256, rechazo de solicitudes manipuladas…

Leer artículo →
DevOps

Explicación de Git Cherry-Pick: copie la confirmación que necesita, de forma segura y probada

Git cherry-pick explicado con comandos que ejecutamos en Git 2.56: copiar una revisión a una rama de lanzamiento, nuevos hashes e ID de parche, -x, …

Leer artículo →
Automatización de pruebas

Explicación de las pruebas instantáneas: cómo funciona, cuándo ayuda y cuándo duele

Las pruebas de instantáneas se explican con una demostración de pytest y jarabe que ejecutamos: crear instantáneas, leer la diferencia después de un…

Leer artículo →
Pruebas de software

Explicación de las pruebas de mutación: por qué la cobertura del 100% aún no detectó nuestro error

Las pruebas de mutación se explican con una pequeña herramienta de mutación que construimos y ejecutamos: 14 mutantes, un conjunto de pruebas con un…

Leer artículo →
Bases de datos y SQL

Funciones SQL JSON explicadas: consultar, actualizar e indexar JSON en SQL, probado

Funciones SQL JSON explicadas con consultas que ejecutamos en SQLite 3.50: json_extract, los operadores -> y ->>, json_each, json_set, json…

Leer artículo →
Bases de datos y SQL

Explicación del pivote SQL: convierta filas en columnas con CASE, FILTER y PIVOT

Pivote de SQL explicado con consultas que ejecutamos en SQLite 3.50: agregación condicional con CASE y SUM, FILTER, NULL vs zero, totales, columnas …

Leer artículo →
Desarrollo de software

Explicación de esta palabra clave en JavaScript: cada regla vinculante, probada en Node

La palabra clave JavaScript this se explicó con 17 casos que ejecutamos en el Nodo 24: llamadas a métodos, pérdida de esto en devoluciones de llamad…

Leer artículo →
Desarrollo de software

Python pathlib explicado: rutas, archivos y carpetas de forma moderna, probados

Python pathlib explicado con ejemplos que ejecutamos en Python 3.13: unir rutas con /, nombre, raíz y sufijo, leer y escribir archivos, mkdir, glob …

Leer artículo →
Desarrollo de software

Explicación de las itertools de Python: Lazy Loops, combinaciones y agrupaciones, probadas

Las itertools de Python se explican con ejemplos que ejecutamos en Python 3.13: contar, ciclo, acumular, encadenar, agrupar, producto, combinaciones…

Leer artículo →
Inteligencia artificial

Explicación de la inyección rápida: cómo se engaña a las aplicaciones de inteligencia artificial y cómo defenderlas

Inyección rápida explicada para los constructores: ataques directos e indirectos, por qué fallan los filtros de palabras clave (nuestra prueba bloqu…

Leer artículo →
DevOps

Registros DNS explicados: A, AAAA, CNAME, MX, TXT y TTL con búsquedas reales

Los registros DNS se explican con las búsquedas que realizamos: cómo funciona la resolución, A y AAAA, reglas CNAME, MX y MX nulo, TXT para SPF y ve…

Leer artículo →
DevOps

Explicación de las banderas de funciones: lanzamientos seguros, implementaciones graduales e higiene de las banderas

Indicadores de características explicados con una simulación de implementación que ejecutamos: tipos de indicadores, porcentajes de implementación c…

Leer artículo →
Automatización de pruebas

Generación de datos de prueba con Python Faker: datos realistas, repetibles y seguros

Pruebe la generación de datos con Python Faker, ejecute y mida: siembra de datos repetibles, configuraciones regionales, valores únicos, registros e…

Leer artículo →
Pruebas de software

Explicación de las pruebas de cambio a la izquierda: encuentre errores antes sin ralentizar al equipo

Se explicaron las pruebas de desplazamiento a la izquierda: qué significa, por qué los defectos tempranos son más baratos, prácticas desde revisione…

Leer artículo →
Bases de datos y SQL

Funciones de cadenas SQL explicadas: TRIM, SUBSTR, REPLACE, CONCAT y limpieza de datos

Funciones de cadena SQL explicadas con consultas que ejecutamos: concatenación y NULL, TRIM, UPPER e LOWER, SUBSTR e INSTR, REPLACE, relleno, longit…

Leer artículo →
Bases de datos y SQL

Explicación de los activadores de SQL: ANTES y DESPUÉS de los activadores, registros de auditoría y errores

Los disparadores de SQL se explican con los disparadores que ejecutamos: ANTES versus DESPUÉS, ANTIGUOS y NUEVOS, registros de auditoría, validación…

Leer artículo →
Desarrollo de software

Módulo Python JSON explicado: volcados, cargas, tipos personalizados y errores comunes

El módulo Python JSON explicado con el código que ejecutamos: volcados y cargas, archivos, conversiones de tipos, fechas y decimales, codificadores …

Leer artículo →
Desarrollo de software

Módulos ES frente a CommonJS: cómo funcionan las importaciones de JavaScript en Node.js, probado

Los módulos ES frente a CommonJS se explican con el código que ejecutamos en Node.js: sintaxis de importación y exportación, requisitos, enlaces en …

Leer artículo →
Desarrollo de software

Python Regex explicado: patrones, grupos, anticipaciones y obstáculos, probados

La expresión regular de Python se explica con los patrones que ejecutamos: búsqueda versus coincidencia, búsqueda, grupos y grupos con nombre, codic…

Leer artículo →
Inteligencia artificial

Explicación del resultado estructurado de LLM: obtención de JSON confiable a partir de modelos de IA

La salida estructurada de LLM se explica con la validación que ejecutamos en Pydantic: modo y esquemas JSON, decodificación restringida, las formas …

Leer artículo →
DevOps

Explicación de las claves SSH: cómo funcionan, ssh-keygen, Ed25519 y hábitos seguros

Claves SSH explicadas con las claves que generamos: claves públicas versus privadas, ssh-keygen, Ed25519 versus RSA, huellas digitales, frases de co…

Leer artículo →
DevOps

Explicación del almacenamiento en caché HTTP: control de caché, ETag y respuestas 304, con una prueba en vivo

El almacenamiento en caché HTTP se explica con un pequeño servidor que ejecutamos: directivas Cache-Control, edad máxima, sin caché versus sin almac…

Leer artículo →
Automatización de pruebas

Explicación de las pruebas de contrato API: detecte los cambios importantes antes de enviarlos

Las pruebas de contratos API se explican con una verificación de esquema que ejecutamos: qué es un contrato, contratos impulsados por el consumidor,…

Leer artículo →
Pruebas de software

Explicación de las pruebas basadas en riesgos: calificar los riesgos, crear una matriz y probar lo que importa

Pruebas basadas en riesgos explicadas paso a paso: identificación de riesgos, puntuación de probabilidad e impacto, creación de una matriz de riesgo…

Leer artículo →
Bases de datos y SQL

Explicación de las restricciones de SQL: NOT NULL, UNIQUE, CHECK y FOREIGN KEY, probado

Las restricciones de SQL se explican con las pruebas que ejecutamos: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY y FOREIGN KEY, las lagunas NULL, la c…

Leer artículo →
Bases de datos y SQL

Funciones de fecha SQL explicadas: agregar, comparar y agrupar fechas sin errores

Funciones de fecha SQL explicadas con consultas que ejecutamos: agregar intervalos, sorpresas de fin de mes, diferencias de fechas, trampa ENTRE, ag…

Leer artículo →
Desarrollo de software

Explicación de Python asyncio: asíncrono, espera, recopilación y grupo de tareas con tiempos reales

Python asyncio se explica con el código que cronometramos: corrutinas, espera, recopilación, grupo de tareas, manejo de errores, tiempos de espera, …

Leer artículo →
Desarrollo de software

Debounce vs Throttle en JavaScript: cómo funcionan, cuándo usar cada uno, probado

Antirrebote versus aceleración en JavaScript explicado con tiempos que medimos en Node.js: cómo funciona cada uno, implementaciones simples, llamada…

Leer artículo →
Desarrollo de software

Explicación de los administradores de contexto de Python: declaración with, contextlib y usos reales

Los administradores de contexto de Python explicaron con el código que ejecutamos: cómo funciona, __enter__ y __exit__, contextlib.contextmanager, s…

Leer artículo →
Inteligencia artificial

LLM Temperature y Top-p explicados: cómo los modelos de IA eligen su siguiente palabra

La temperatura de LLM y top-p se explican con una simulación que ejecutamos: cómo se remodelan las probabilidades, qué mantiene topp, configuracione…

Leer artículo →
DevOps

YAML explicado: sintaxis, el problema de Noruega y otras trampas que probamos

YAML explicó con una prueba de analizador: sintaxis básica, listas y mapas, el problema de Noruega, versiones que se convierten en flotantes, código…

Leer artículo →
DevOps

Cron Jobs explicados: sintaxis, cronogramas reales y los errores que los rompen

Los trabajos cron explicados con cronogramas que verificamos: los cinco campos, operadores, ejemplos reales, la trampa del día del mes O del día de …

Leer artículo →
Pruebas de software

Ciclo de vida de errores en las pruebas de software: cada estado, quién es el propietario y errores comunes

Se explica el ciclo de vida de los errores: cada estado de defecto, desde Nuevo hasta Cerrado, quién es el propietario de cada paso, errores rechaza…

Leer artículo →
Automatización de pruebas

Pruebas basadas en propiedades en Python: la hipótesis encuentra los errores que sus ejemplos pasan por alto

Las pruebas basadas en propiedades se explican con las pruebas de hipótesis que ejecutamos: propiedades versus ejemplos, estrategias, reducción, los…

Leer artículo →
Bases de datos y SQL

Explicación de la paginación SQL: OFFSET frente a conjunto de claves, con una prueba de un millón de filas

La paginación SQL se explicó con una prueba de un millón de filas que ejecutamos: LIMIT y OFFSET, por qué las páginas profundas se vuelven lentas, p…

Leer artículo →
Inteligencia artificial

Explicación de las alucinaciones de la IA: por qué los modelos de lenguaje inventan cosas y cómo reducirlas

Se explicaron las alucinaciones de la IA: qué son, por qué los modelos de lenguaje las producen, tipos comunes, cómo reducirlas con conexión a tierr…

Leer artículo →
DevOps

Explicación de las variables de entorno: archivos .env, secretos y configuración bien hechos

Variables de entorno explicadas con ejemplos de Python que ejecutamos: leerlas y configurarlas, por qué cada valor es una cadena, archivos .env, her…

Leer artículo →
Desarrollo de software

Explicación de la limitación de velocidad de API: algoritmos, encabezados y manejo de errores 429

La limitación de la tasa de API se explica con una simulación que ejecutamos: depósito de tokens, ventana fija, ventana deslizante, 429 respuestas, …

Leer artículo →
Automatización de pruebas

Burlarse en Python: unittest.mock, patch y los errores que hacen que las pruebas mientan

Burlarse en Python con unittest.mock, probado: Mock y return_value, side_effect, parches donde se usa un nombre, especificación y autospec, fechas d…

Leer artículo →
Pruebas de software

Explicación de la cobertura del código: cobertura de línea versus sucursal y lo que realmente significa 100%

Cobertura del código explicada con una ejecución real de cobertura.py: cobertura de línea, rama y condición, lectura de un informe, por qué una cobe…

Leer artículo →
Bases de datos y SQL

DELETE vs TRUNCATE vs DROP en SQL: diferencias, reversión y cuándo usar cada uno

DELETE vs TRUNCATE vs DROP explicado con SQL probado: qué elimina cada uno, reversión, activadores, restablecimiento de identidad, velocidad y en qu…

Leer artículo →
Bases de datos y SQL

Vistas SQL explicadas: cree, use y evite los errores, con ejemplos

Vistas SQL explicadas con consultas que ejecutamos: creación de una vista, resultados en vivo, ocultación de columnas, rendimiento, vistas actualiza…

Leer artículo →
Desarrollo de software

Interfaz TypeScript versus tipo: diferencias reales, probadas con el compilador

Interfaz TypeScript versus tipo, verificado con el compilador real: qué pueden hacer ambos, qué puede hacer solo uno, fusión de declaraciones, exten…

Leer artículo →
Desarrollo de software

Python *args y **kwargs explicados: funciones flexibles con ejemplos claros

Python *args y **kwargs explicados con el código que ejecutamos: empaquetado y desempaquetado, orden de parámetros, argumentos solo de palabras clav…

Leer artículo →
Desarrollo de software

Funciones Lambda de Python: sintaxis, usos reales y cuándo no utilizarlas

Funciones lambda de Python explicadas con el código que ejecutamos: sintaxis, clasificación con clave, mapa y filtro, cierres, trampa de enlace tard…

Leer artículo →
Inteligencia artificial

¿Qué son los agentes de IA? Cómo funcionan, con un bucle de agente simple que puedes ejecutar

¿Qué son los agentes de IA? Una guía sencilla sobre el bucle del agente, las herramientas, la memoria y las barreras de seguridad, con un pequeño bu…

Leer artículo →
DevOps

Monitoreo versus observabilidad: la verdadera diferencia, con registros, métricas y seguimientos

Explicación del monitoreo versus observabilidad: fallas conocidas y desconocidas, registros, métricas y seguimientos, un recorrido por incidentes de…

Leer artículo →
DevOps

Docker Volumes versus Bind Mounts: persistir los datos del contenedor de la manera correcta

Se explican los volúmenes de Docker frente a los montajes de enlace: por qué desaparecen los datos del contenedor, volúmenes con nombre, montajes de…

Leer artículo →
Automatización de pruebas

TDD vs BDD: diferencias clave, una función creada en ambos sentidos y cuándo usar cada una

TDD vs BDD explicado con una característica de descuento construida en ambos sentidos: refactor rojo-verde con el código que ejecutamos, escenarios …

Leer artículo →
Pruebas de software

Pruebas de Aceptación de Usuario (UAT): Proceso, Lista de Verificación y Ejemplos Reales

Explicación de las pruebas de aceptación del usuario: quién las ejecuta, en qué se diferencia del control de calidad, un proceso de siete pasos, una…

Leer artículo →
Bases de datos y SQL

Valores NULL de SQL explicados: IS NULL, COALESCE, NULLIF y las trampas que se deben evitar

Los valores NULL de SQL se explican con las consultas que ejecutamos: lógica de tres valores, IS NULL, COALESCE, NULLIF, cómo los agregados, las uni…

Leer artículo →
Bases de datos y SQL

Declaración SQL CASE WHEN: sintaxis, ejemplos reales y errores comunes

CASO SQL CUANDO se explicó con las consultas que ejecutamos: formularios simples y buscados, orden de condiciones, pivotes con SUMA, trucos COUNT, c…

Leer artículo →
Desarrollo de software

¿Qué es JWT? Tokens web JSON explicados con un ejemplo práctico

¿Qué es JWT? JSON Web Tokens explicó: las tres partes, un token creado y manipulado en el código que ejecutamos, JWT vs sesiones, almacenamiento, to…

Leer artículo →
Desarrollo de software

Explicación del bucle de eventos de JavaScript: pila de llamadas, microtareas y temporizadores con ejemplos

El bucle de eventos de JavaScript explicado con el código que ejecutamos: pila de llamadas, colas de tareas y microtareas, por qué setTimeout 0 no e…

Leer artículo →
Desarrollo de software

Explicación de los generadores y el rendimiento de Python: ahorre memoria con ejemplos reales

Los generadores de Python y el rendimiento se explican con el código que ejecutamos: cómo se pausan y reanudan, midieron el ahorro de memoria, canal…

Leer artículo →
Inteligencia artificial

¿Qué son las incrustaciones? Los vectores y la similitud del coseno se explican de forma sencilla

¿Qué son las incrustaciones? Una guía en lenguaje sencillo sobre vectores, similitud de cosenos y búsqueda semántica, con un pequeño ejemplo que eje…

Leer artículo →
DevOps

Implementación azul-verde versus implementación canaria: diferencias, compensaciones y cómo elegir

Explicación de la implementación azul-verde versus canaria: cómo funciona cada uno, costo, riesgo y reversión, agrupación estable de usuarios que pr…

Leer artículo →
Automatización de pruebas

Pruebas inestables: qué las causa y cómo solucionarlas para siempre

Pruebas inestables explicadas con demostraciones que realizamos: las causas principales, cómo confirmar y diagnosticar una, correcciones adecuadas p…

Leer artículo →
Pruebas de software

Pruebas de carga frente a pruebas de estrés: diferencias, métricas y ejemplos de k6

Explicación de las pruebas de carga frente a las pruebas de estrés: qué prueba cada una, pruebas de picos y de absorción, las métricas que importan,…

Leer artículo →
Pruebas de software

Caso de prueba frente a escenario de prueba: diferencias clave, ejemplos y cuándo utilizar cada uno

Caso de prueba versus escenario de prueba explicado: definiciones claras, una tabla en paralelo, una función de restablecimiento de contraseña tomad…

Leer artículo →
Bases de datos y SQL

Optimización de consultas SQL: lea planes de ejecución y corrija consultas lentas, con tiempos

Optimización de consultas SQL probada en un millón de filas: lea planes de ejecución, agregue los índices correctos, corrija filtros no sargables, u…

Leer artículo →
Bases de datos y SQL

SQL UNION vs UNION ALL: diferencias, ejemplos y rendimiento probado

SQL UNION vs UNION ALL explicado con consultas que ejecutamos: duplicados, las reglas que siguen ambos, un error de datos real, rendimiento medido, …

Leer artículo →
Desarrollo de software

Tutorial de JavaScript Fetch API: GET, POST, manejo de errores y tiempos de espera

Un tutorial de JavaScript Fetch API probado en un servidor local: GET y POST, por qué 404 no arroja, un asistente reutilizable, cadenas de consulta,…

Leer artículo →
Desarrollo de software

Manejo de archivos Python: lectura, escritura, CSV, JSON y pathlib con ejemplos

El manejo de archivos Python se explica con el código que ejecutamos: modos abiertos, lectura de archivos grandes, CSV, JSON, pathlib, archivos bina…

Leer artículo →
Desarrollo de software

Clases y objetos de Python: tutorial de programación orientada a objetos con ejemplos reales

Clases y objetos de Python explicados con el código que ejecutamos: __init__, métodos, atributos de clase versus instancia, herencia, propiedades, m…

Leer artículo →
Inteligencia artificial

¿Qué es un modelo de lenguaje grande? Cómo funcionan los LLM, explicados sin exageraciones

¿Qué es un modelo de lenguaje grande? Los LLM explicados en lenguaje sencillo: tokens, incrustaciones, atención, entrenamiento, ventanas de temperat…

Leer artículo →
DevOps

Comandos de Linux para principiantes: la guía esencial de terminal con ejemplos

Comandos de Linux para principiantes, agrupados por tarea: navegación, archivos, visualización de registros, grep, canalizaciones, permisos, proceso…

Leer artículo →
Automatización de pruebas

Selenium vs Playwright: diferencias clave, comparación de códigos y cuál elegir

Comparación de Selenium vs Playwright: arquitectura, espera, soporte de navegador e idioma, depuración, la misma prueba en ambas herramientas, conse…

Leer artículo →
Pruebas de software

Partición de equivalencia: técnica de diseño de pruebas explicada con ejemplos resueltos

Explicación de la partición de equivalencia: cómo encontrar particiones válidas e inválidas, ejemplos prácticos para edades, contraseñas y cupones, …

Leer artículo →
Pruebas de software

Severidad vs Prioridad en Pruebas de Software: Diferencias, Matriz y Ejemplos Reales

Explicación de gravedad versus prioridad en las pruebas de software: definiciones claras, una matriz de cuatro vías con ejemplos, escalas de niveles…

Leer artículo →
Bases de datos y SQL

Tutorial de subconsultas SQL: tipos, subconsultas correlacionadas y EXISTENCIAS con ejemplos

Un tutorial de subconsultas SQL con consultas que ejecutamos: subconsultas escalares, IN, FROM y SELECT, subconsultas correlacionadas, EXISTS, la tr…

Leer artículo →
Bases de datos y SQL

Transacciones SQL y ACID explicados: COMMIT, ROLLBACK y niveles de aislamiento

Transacciones SQL y ACID explicadas con una transferencia bancaria que ejecutamos: COMMIT, ROLLBACK, puntos de guardado, bloqueos, niveles de aislam…

Leer artículo →
Desarrollo de software

Hoja de trucos de comandos de Git: los comandos que realmente usas, con ejemplos

Una hoja de referencia de comandos de Git agrupada por tarea: configuración, preparación, ramas, controles remotos, almacenamiento, historial y desh…

Leer artículo →
Desarrollo de software

Explicación de las promesas de JavaScript: luego, captura, Promise.all y errores comunes

Las promesas de JavaScript se explican con el código que ejecutamos: estados, luego y cadenas de captura, manejo de errores, Promise.all, allSettled…

Leer artículo →
Desarrollo de software

Tutorial del diccionario Python: métodos, ejemplos y patrones comunes

Un tutorial de diccionario de Python con el código que ejecutamos: crear, leer y actualizar dictados, métodos clave, fusión, comprensión, patrones d…

Leer artículo →
Inteligencia artificial

¿Qué es el RAG? Generación de recuperación aumentada explicada con un ejemplo práctico

¿Qué es RAG? Generación de recuperación aumentada explicada paso a paso: indexación, fragmentación, incrustaciones, recuperación, un pequeño ejemplo…

Leer artículo →
DevOps

Tutorial de Terraform para principiantes: infraestructura como código desde el primer archivo hasta los módulos

Un tutorial de Terraform para principiantes: comience sin una cuenta en la nube, aprenda init, planifique y aplique, luego variables, resultados, es…

Leer artículo →
DevOps

Docker vs Kubernetes: diferencias clave, cómo funcionan juntos y cuál necesita

Docker vs Kubernetes explicó: qué hace cada uno, la misma aplicación se ejecuta con ambos, se comparan Docker Compose y Swarm, los Dockershim cambia…

Leer artículo →
Automatización de pruebas

Tutorial de Pytest para principiantes: accesorios, parametrización y ejemplos reales

Un tutorial de pytest para principiantes con pruebas que ejecutamos en pytest 9.2: afirmaciones, accesorios, parametrización, conftest, marcadores, …

Leer artículo →
Pruebas de software

Ciclo de vida de pruebas de software (STLC): 6 fases, criterios de entrada y salida, ejemplo

Se explicó el ciclo de vida de las pruebas de software: seis fases de STLC con criterios de entrada y salida, entregables, un ejemplo de función de …

Leer artículo →
Desarrollo de software

Git merge vs rebase: diferencias, ejemplos y cuándo usar cada uno

Git merge vs rebase explicado con salida real del log, una tabla comparativa, la regla de oro del rebase y un flujo de trabajo seguro para equipos.

Leer artículo →
Desarrollo de software

List comprehension en Python: sintaxis, ejemplos y cuándo evitarla

List comprehension en Python explicada: sintaxis, filtros, if-else, bucles anidados, tiempos medidos y cuándo es mejor un bucle for normal.

Leer artículo →