• 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
      • Ajuste de Curvas
      • Calculadora de Matrices
    • 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
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ 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

Estructurar las funciones JavaScript (Creación de una librería JavaScript 2ª parte)

Node

febrero 15, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

JavaScript

En esta entrada continúa la serie en la que se explica cómo crear una librería JavaScript desde cero. Hoy se va a explicar cómo estructurar las funciones JavaScript dentro de la librería. Para ello va a ser necesario separar el código en diferentes archivos. Consiguiendo de esta manera que sea más fácil mantener y depurar el código.

Esta entrada pertenece a la serie “Creación de una librería JavaScript” cuyo código se puede encontrar en la cuenta de GitHub de Analytics Lane. Serie compuesta por las siguientes entradas:

  • Creación de una librería JavaScript
  • Estructurar las funciones JavaScript
  • Pruebas unitarias en JavaScript
  • Rango en pruebas unitarias en JavaScript
  • Cobertura de las pruebas unitarias en JavaScript
  • Medir la calidad del código JavaScript
  • Compresión del código JavaScript
  • Ejecutar múltiples scripts npm

Factorización del código

En la entrada anterior solamente se utilizo un archivo, index.js, para almacenar todo el código. A medida que el proyecto aumenta de tamaño esto no es práctico, ya que se hace más complicado el mantenimiento. Una forma más eficiente de gestionar el código del proyecto es usar diferentes archivos de tamaño manejable. En los que pueda ser fácil saber qué funciones contiene cada uno.

Para almacenar todo el código del proyecto se va a crear una carpeta lib. En esta se creará un nuevo archivo jslane.js que será el punto de partida del código que se escriba a partir de ahora. Siendo necesario ahora indicar enindex.js que importe el código del nuevo archivo. Así index.js quedará solamente con el siguiente código.

Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
En Analytics Lane
Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)

module.exports = require('./lib/jslane.js');

El método require indica que cargue el contenido del módulo ./lib/jslane.js. siendo este el contenido que se exportará. Por otro lado, jslane.js de momento solamente tendrá el siguiente código.

(function () {
  'use strict';

  const jslane = exports;
}());

En este indicamos que se va a utilizar el modo estricto de JavaScript y se crear una variable jslane que se utilizará para exportar las funciones. Además, se utiliza closure para definir un ámbito privado que oculta las variables de los módulos de las globales.

Creación de funciones para trabajar con vectores

La única función que contenía el módulo hasta ahora no es de gran utilidad. Solamente saca un mensaje a través de la terminal. Ahora se va a crear diferentes funciones que trabajan con vectores. Una de las primeras puede ser obtener la suma de todos los elementos de un vector. Esto se puede crear en un nuevo archivo array.js que se guarda dentro de la carpeta lib y contienen el siguiente código:

(function () {
  'use strict';

  const array = exports;

  // Sum an array
  array.sum = function (array) {
    let result = 0;

    for (let i = 0; i < array.length; ++i) {
      result += array[i];
    }

    return result;
  };
}());

Además de esto, para incluir esta función en la librería, es necesario indicar en jslane.js que importe este nuevo módulo. Para lo que el archivo ha de pasar a tener la siguiente forma:

(function () {
  'use strict';

  const jslane = exports;

  jslane.array = require('./array.js');
}());

Publicidad


Evaluación del código

A la hora de probar el funcionamiento de la librería se puede volver a utilizar el archivo run.js. Una vez importado jslane simplemente se ha de llamar a las función jslane.array.sum() para evaluar si este funciona de forma correcta. Por ejemplo, escribiendo el siguiente código en run.js.

En el caso de ejecutar el archivo en node se obtendrá los valores 3 y 6 en la terminal. Los cuales son los resultados esperados.

$ node run
3
6

Compilación de la librería

Ahora utilizando el script que se ha definido en la entrada anterior se puede crear un único archivo JavaScript con todo el código. Simplemente ejecutan en la línea de comandos npm run build. Así, la función escrita en este caso se podrá utilizar en un navegador.

Conclusiones

En esta segunda entrada se ha visto cómo estructurar las funciones JavaScript de forma que sea más fácil mantener el código. Hasta ahora el correcto funcionamiento de las fusiones se ha realizado manualmente. Lo cual no es eficaz cuando el proyecto crece de tamaño, siendo más eficaz crear pruebas unitarias. En la siguiente entrada se verá cómo crear y ejecutar pruebas unitarias.

Gracias por el tiempo dedicado a la lectura de esta entrada. En caso de estar interesado en seguir esta serie, además del resto de publicaciones, podéis suscribiros a la lista de correo, al canal de Telegram o seguir a Analytics Lane en redes sociales.

Imágenes: Pixabay (skylarvision)

¿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?

Publicidad


Publicaciones relacionadas

  • Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Segmentación RFM: cómo clasificar tu cartera de clientes antes de calcular el CLV
  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado
  • Champion vs Challenger: Cómo los Bancos Validan Modelos Nuevos antes de Ponerlos en Producción
  • Gini, KS y AUC: Cómo Medir la Calidad de un Modelo de Credit Scoring
  • Errores habituales al trabajar con DataFrames grandes en Pandas (y cómo evitarlos)
  • BG/NBD + Gamma/Gamma: el modelo probabilístico para CLV en compras continuas
  • Curiosidad: De dónde vienen foo, bar y foobar
  • Cómo Comparar Dos Hipotecas con Todos los Gastos Incluidos

Publicado en: JavaScript Etiquetado como: Node

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

Gini, KS y AUC: Cómo Medir la Calidad de un Modelo de Credit Scoring

agosto 18, 2026 Por Daniel Rodríguez

Curiosidad: De dónde vienen foo, bar y foobar

agosto 13, 2026 Por Daniel Rodríguez

BG/NBD + Gamma/Gamma: el modelo probabilístico para CLV en compras continuas

agosto 11, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Gini, KS y AUC: Cómo Medir la Calidad de un Modelo de Credit Scoring publicado el agosto 18, 2026 | en Ciencia de datos
  • Utilizar R desde Python con rpy2 publicado el enero 11, 2019 | en Python, R
  • Ecuaciones multilínea en Markdown publicado el septiembre 14, 2022 | en Herramientas
  • Cómo validar nombres de hojas (sanitizar) y archivos Excel con Python publicado el noviembre 4, 2024 | en Herramientas, Python
  • Champion vs Challenger: Cómo los Bancos Validan Modelos Nuevos antes de Ponerlos en Producción publicado el agosto 4, 2026 | en Ciencia de datos

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

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración

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