Python
Python es fácil de escribir y fácil de equivocarse de forma sutil. Esto cubre las trampas que fallan silenciosamente y la configuración del proyecto que evita un entorno roto.
Trampas que fallan silenciosamente
Los argumentos predeterminados mutables se evalúan una vez, en la definición, y son compartidos por cada llamada:
def add(item, bucket=[]): # mal: bucket persiste entre llamadas
def add(item, bucket=None): # bien
bucket = [] if bucket is None else bucket
Los cierres (closures) se vinculan tarde. Una lambda creada en un bucle captura la variable, no su valor, por lo que cada
una de ellas ve el valor final. Vincúlala explícitamente con un argumento predeterminado, o usa
functools.partial.
is es identidad, no igualdad. Funciona para None, True y False, y para nada más.
Parece funcionar para enteros pequeños y cadenas cortas porque están internados, que es
exactamente lo que hace que el error sobreviva a las pruebas.
Las copias son superficiales. list(xs), xs[:] y dict(d) copian el contenedor y comparten los
elementos. Las estructuras anidadas necesitan copy.deepcopy.
Un except: sin más captura todo, incluyendo KeyboardInterrupt y SystemExit. Captura la
excepción específica, y nunca escribas except Exception: pass — si es realmente ignorable, regístrala
y di por qué.
División de enteros y comparación de flotantes. / siempre produce un flotante; // redondea hacia
menos infinito, así que -7 // 2 es -4. Nunca compares flotantes con ==; usa math.isclose, o Decimal
para dinero.
Iterar una colección mientras se muta salta elementos. Construye una nueva lista, o itera una copia.
Los generadores se consumen una vez. Un segundo pase sobre el mismo generador no produce nada, lo que se lee como un resultado vacío en lugar de un error.
Entorno y empaquetado
Nunca instales en el intérprete del sistema. Crea un entorno virtual por proyecto y actívalo,
o deja que uv lo gestione:
uv venv && uv pip install -e ".[dev]" # o: python -m venv .venv
Declara las dependencias en pyproject.toml, y confirma un archivo de bloqueo para que el entorno sea
reproducible. Un requirements.txt con versiones no fijadas no es reproducible y se romperá en una
máquina futura.
Fija la versión de Python que soporta el proyecto y declárala en pyproject.toml. El comportamiento difiere
entre versiones menores más de lo que la gente espera.
Cuando algo se importa en un lugar y no en otro, la causa casi siempre es el intérprete
en lugar del código. Verifica which python y python -c "import sys; print(sys.executable)"
antes de depurar la importación.
Tipos
Anota las firmas de las funciones — parámetros y retorno. El cuerpo rara vez necesita anotación; el límite siempre, porque es de lo que depende el otro código.
Ejecuta un comprobador de tipos en CI. Las anotaciones que nadie verifica se desactualizan y se convierten en documentación engañosa.
Usa X | None en lugar de un opcional por convención sin tipo, y haz que la opcionalidad sea visible en la
firma. Prefiere tipos específicos sobre Any; cuando el tipo es genuinamente desconocido, usa el equivalente
de unknown — object — y delimítalo, para que el comprobador fuerce la delimitación.
Para datos estructurados prefiere un dataclass, o un modelo de validación en el límite donde los datos
llegan desde fuera. Un diccionario de cadenas pasado entre funciones pierde toda garantía en el
primer error tipográfico.
Modismos que importan
Usa una comprensión cuando mapea o filtra, y un bucle cuando hace cualquier otra cosa. Una comprensión con un efecto secundario o tres cláusulas es más difícil de leer que el bucle que reemplazó.
Usa pathlib.Path en lugar de rutas de cadena, y un administrador de contexto para cualquier cosa que deba
cerrarse — archivos, conexiones, bloqueos, directorios temporales.
Produce de un generador en lugar de construir una lista cuando la entrada es grande o no acotada; esta es la diferencia entre un script que transmite y uno que agota la memoria.
Usa enumerate, zip y dict.get con un valor predeterminado en lugar de aritmética de índices y comprobaciones
de pertenencia. Son más rápidos y eliminan una clase de errores de desfase de uno.
Pruebas
pytest, con assert simple. Usa @pytest.mark.parametrize para casos basados en tablas en lugar de
un bucle dentro de una prueba, para que cada caso se reporte por separado.
Pon la configuración compartida en un fixture con el ámbito más estrecho que funcione. Un fixture con ámbito de sesión que contiene estado mutable se filtra entre pruebas y produce fallos dependientes del orden.
Afirma la excepción específica con pytest.raises, incluyendo el mensaje cuando sea importante.
Rendimiento, cuando importa
Mide antes de optimizar — time.perf_counter para un número aproximado, cProfile para saber dónde va.
La ganancia habitual es mover el trabajo fuera del intérprete: un built-in, una comprensión, str.join
en lugar de concatenación repetida, una búsqueda en set o dict en lugar de escanear una lista, o una
llamada a una biblioteca vectorizada para trabajo numérico.
Para concurrencia con limitaciones de E/S usa asyncio o hilos; para trabajo con limitaciones de CPU usa procesos, porque el
bloqueo global del intérprete significa que los hilos no ayudarán.