• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Simulador FIRE (Financial Independence, Retire Early)
    • Herramientas
      • Formateador / Minificador de JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Wallet: creación de una criptomoneda (6ª Parte)

junio 11, 2018 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Blockchain

En las entradas anteriores se ha construido una cadena de bloques y sobre este una criptomoneda moneda. Para implementar la criptomoneda ha sido necesario definir unas transacciones y un proceso de validación para las mismas. Este proceso es demasiado complejo para que un usuario lo pueda realizar correctamente de forma manual. Para solucionar este problema se suelen crear las carteras (Wallet). El objetivo de estas es crear una interfaz más abstracta para el usuario final.

Algunas de las tareas que han de poder realizase con un Wallet de forma sencilla son:

  • Crear una nueva dirección con el par de claves privada y publica
  • Consultar el balance disponible en el Wallet
  • Enviar dinero a otras cuentas

Definición del constructor del Wallet

La clase con la que se implemente la cartera ha de disponer de la siguiente información:

  • La clave privad
  • La clave pública
  • Las transacciones no gastadas

Basándose en esta información se puede definir el siguiente constructor.

class Wallet:
    def __init__(self, private=None, blockchain=None):
        if private is None:
            sk = SigningKey.generate()
            self.private = sk.to_string().hex()
            self.public = sk.get_verifying_key().to_string().hex()
        else:
            self.private = private
            self.public = generate_public_key(private)

        self.unspent = None
        self.blockchain = blockchain

Se puede observar que tiene dos parámetros de entrada opcionales: la clave privada y la cadena de bloques. Tal como se puede apreciar en el código la clave pública se puede obtener a partir de la clave privada. En el caso de que no se indique una clave privada el constructor generara un nuevo para de claves. Las transacciones no gastadas se pueden obtener a partir de la cadena de bloques utilizando el siguiente método:

Nuevo simulador FIRE en el laboratorio de aplicaciones de Analytics Lane
En Analytics Lane
Nuevo simulador FIRE en el laboratorio de aplicaciones de Analytics Lane

def __update_unspent(self):
    if self.blockchain is not None:
        self.unspent = self.blockchain.get_unspent_list()

Obtención del balance

Uno de los datos más importantes para los usuarios es la situación del balance. Para obtener este valor se ha de recorrer las transacciones no gastadas de la cuenta y sumar el resultado. En el objeto Wallet se puede definir el siguiente método para realizar esta tarea.

def get_balance(self):
    self.__update_unspent()

    if self.unspent is None:
        return 0
    else:
        return self.unspent.address_amount(self.public)

Publicidad


Generación de una transferencia

En la entrada anterior se pudo ver la complejidad que lleva crear una transacción. Para ello es necesario obtener las transacciones no gastadas, agrupar las necesarias para hacer la transacción, transferir el remanente a la propia cuenta y firmar la operación. Una vez realizado esto se ha de enviar la transacción a la cadena de bloques para que se agregue en el siguiente bloque.

Para un usuario final este proceso ha de ser tan sencillo como indicar la cuenta de destino y la cantidad a transferir. Estos pasos se implementan en el siguiente método:

def generate_transaction_to(self, account, amount):
    # Update unspent list
    self.__update_unspent()

    # Validate if there are enough balance
    if self.get_balance() < amount:
        return None

    # Get the unspent transaction
    user_transactions = self.unspent.address_transactions(self.public)

    # Generate the input accounts
    inputs = []
    used_from_balance = 0

    for transaction in user_transactions:
        used_from_balance += transaction.amount
        inputs.append(InputTransaction(transaction.hash_id, transaction.index))

        if used_from_balance >= amount:
            break

    # Calculate the quantity to keep in balance
    keep_in_balance = used_from_balance - amount

    # Calculate output transfers
    if keep_in_balance == 0:
        outputs = OutputTransaction(account, amount)
    else:
        outputs = [OutputTransaction(account, amount), OutputTransaction(self.public, keep_in_balance)]

    # Generate transaction and sign
    transaction = Transaction(inputs, outputs, self.private)

    return transaction

Conclusiones

En esta entrada se ha construido una clase Wallet que permite abstraer la complejidad de las transacciones para un usuario final. La definición de este objeto es clave para conseguir una criptomoneda que pueda ser utilizada por los usuarios finales.

El código completo que se ha utilizado en esta serie se puede encontrar en el siguiente repositorio de GitHub.

Imágenes: Pixabay (mmi9)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Nuevo simulador FIRE en el laboratorio de aplicaciones de Analytics Lane
  • Nueva calculadora de préstamos e hipotecas en el laboratorio de aplicaciones de Analytics Lane
  • Hardening avanzado de NGINX: CSP, OCSP Stapling y defensa en profundidad
  • Nuevo generador y verificador de hashes en el laboratorio de aplicaciones de Analytics Lane
  • Nueva simulación de la estrategia Martingala en ruleta en el laboratorio de aplicaciones de Analytics Lane
  • Exactitud, precisión, recall… y los errores que cometemos al interpretarlas en proyectos reales
  • Nuevo simulador del problema de Monty Hall en el laboratorio de aplicaciones de Analytics Lane
  • Nuevo simulador interactivo de K-Means en el laboratorio de aplicaciones de Analytics Lane
  • Por qué los chatbots de inteligencia artificial parecen estar siempre de acuerdo contigo – Conversar con una inteligencia artificial – Parte I

Publicado en: Criptografía Etiquetado como: Blockchain, Criptomonedas

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Nueva herramienta: Comparador y Formateador de Texto y JSON en el laboratorio de Analytics Lane

abril 21, 2026 Por Daniel Rodríguez

Chatbots vs redes sociales: la diferencia clave entre la inteligencia artificial y los algoritmos de recomendación – Conversar con una inteligencia artificial – Parte II

abril 21, 2026 Por Daniel Rodríguez

Nueva Calculadora de Estadísticos Descriptivos en el laboratorio de aplicaciones de Analytics Lane

abril 20, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Buscar en Excel con dos o más criterios publicado el septiembre 7, 2022 | en Herramientas
  • Gráfica con los datos y las anomalías detectadas con OneClass SVM One-Class SVM: Detección de anomalías con máquinas de vector soporte publicado el marzo 15, 2024 | en Ciencia de datos
  • Nueva herramienta: Comparador y Formateador de Texto y JSON en el laboratorio de Analytics Lane publicado el abril 21, 2026 | en Noticias
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos
  • Cómo desinstalar Oracle Database 19c en Windows publicado el noviembre 25, 2022 | en Herramientas

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

Comentarios recientes

  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto