• 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
    • Encuestas: Tamaño de Muestra
    • Lotería: Probabilidad de Ganar
    • Reparto de Escaños (D’Hondt)
    • Tres en Raya con IA
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

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

Métodos mágicos de las clases Python

septiembre 14, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Los métodos mágicos de las clases Python son aquellos que comienzan y terminan con dos caracteres subrayados. Métodos que son clave a la hora de trabajar con clases. Esto es así porque muchas de las operaciones que se hacen con clases en Python utilizan estos métodos cómo puede ser la creación del objeto (__init__) o generar una cadena que los represente (__str__). Todos estos métodos tienen un primer parámetro que hace referencia al propio objeto, que por convenio se suele llamar self. Siendo el resto de los parámetros del método variables. Veamos a continuación algunos de estos métodos y cuál es su finalidad.

Tabla de contenidos

  • 1 __init__
  • 2 __str__
  • 3 __len__
  • 4 __getitem__
  • 5 __setitme__
  • 6 __iter__
  • 7 Operadores
  • 8 Conclusiones

__init__

El método mágico más utilizado en las clases de python es el constructor. Empleado para crear cada una de las instancias de las clases. Un método que no tiene una cantidad fija de parámetros, ya que estos dependen de las propiedades que tenga el objeto. Por ejemplo, se puede crear un objeto Vector

class Vector():
    def __init__(self, data):
        self._data = data
    
    
v = Vector([1,2])
print(v)
<__main__.Vector object at 0x7fbc44cc4450>

Un objeto en el que el parámetro de la clase se guarda en una variable privada (_data).

¡Nuevo video! Aprende a eliminar filas y columnas en Pandas sin errores
En Analytics Lane
¡Nuevo video! Aprende a eliminar filas y columnas en Pandas sin errores

Publicidad


__str__

Posiblemente el segundo método más utilizado sea __str__, con el que se crear una representación del objeto que tenga significado para las personas. En el ejemplo anterior, al imprimir el objeto se ha visto una cadena que indica el tipo de objeto y una dirección. Lo que generalmente no tiene sentido para las personas. Un problema que se puede solucionar con el método __str__.

class Vector():
    def __init__(self, data):
        self._data = data
        
        
    def __str__(self):
        return f"The values are: {self._data}"
    
    
v = Vector([1,2])
print(v)
The values are: [1, 2]

Ahora al imprimir el objeto podemos ver algo que se relaciona con el contenido.

__len__

En el caso de el objeto tenga una número de elementos, como es el caso, podríamos usar la función len para obtener este. Pero si probamos con el objeto nos encontraremos con un error. Esto es así porque la clase no ha implementado aún el método __len__. Un problema se puede solucionar de tomar fácil al incluir este método.

class Vector():
    def __init__(self, data):
        self._data = data
        
        
    def __str__(self):
        return f"The values are: {self._data}"
    
    
    def __len__(self):
        return len(self._data)
    
    
v = Vector([1,2])
len(v)
2

Publicidad


__getitem__

Si se desea que los usuarios puedan leer los elemento mediante el uso de corchetes es necesario implementar el método __getitem__ en la clase. Solamente leer, para modificar se tiene que crear también el método __setitem__, el cual veremos a continuación. Este es un elemento que necesita un parámetro adicional que es la posición del elemento a leer. La función debe retornar el valor leído.

class Vector():
    def __init__(self, data):
        self._data = data
        
        
    def __str__(self):
        return f"The values are: {self._data}"
    
    
    def __len__(self):
        return len(self._data)
    
    
    def __getitem__(self, pos):
        return self._data[pos]
    
    
v = Vector([1,2])
v[1]
2

__setitme__

Este es el complemento del método anterior. Es este caso es necesario pasar dos parámetros adicionales, la posición y el valor a reemplazar.

class Vector():
    def __init__(self, data):
        self._data = data
        
        
    def __str__(self):
        return f"The values are: {self._data}"
    
    
    def __len__(self):
        return len(self._data)
    
    
    def __getitem__(self, pos):
        return self._data[pos]
    
    
    def __setitem__(self, pos, value):
        self._data[pos] = value
        
v = Vector([1,2])
v[1] = 20
print(v)
The values are: [1, 20]

Publicidad


__iter__

Cuando necesitamos que nuestra clase sea iterable, lo que permite usarla por ejemplo en bucles tipo for, es necesario implementar este método. A continuación, podemos ver una implementación de este método en el que devuelve una cadena con el índice y el valor de cada elemento.

class Vector():
    def __init__(self, data):
        self._data = data
        
        
    def __str__(self):
        return f"The values are: {self._data}"
    
    
    def __len__(self):
        return len(self._data)
    
    
    def __getitem__(self, pos):
        return self._data[pos]
    
    
    def __setitem__(self, pos, value):
        self._data[pos] = value
    
    
    def __iter__(self):
        for pos in range(0, len(self._data)):
            yield f"Value[{pos}]: {self._data[pos]}"
            
            
v = Vector([1,2])

for vec in v:
    print(vec)
Value[0]: 1
Value[1]: 2

Operadores

Existen varios métodos mágicos que permiten sobrecargar los operadores cómo puede ser la suma (__add__), la multiplicación (__mul__) o de comparación (como mayor que __gt__ o menor que __lt__). Métodos que tiene en común un segundo parámetro que hace referencia al otro objeto con el que se opera. Siendo necesario devolver el objeto resultante de la operación o el resultado en el caso de ser una operación lógica. Por ejemplo, se puede crear una operación que permita sumar dos vectores.

class Vector():
    def __init__(self, data):
        self._data = data
        
        
    def __str__(self):
        return f"The values are: {self._data}"
    
    
    def __len__(self):
        return len(self._data)
    
    
    def __getitem__(self, pos):
        return self._data[pos]
    
    
    def __setitem__(self, pos, value):
        self._data[pos] = value
    
    
    def __iter__(self):
        for pos in range(0, len(self._data)):
            yield f"Value[{pos}]: {self._data[pos]}"
            
            
    def __add__(self, other):
        result = [None] * len(self._data)
        
        for pos in range(len(self._data)):
            result[pos] = self._data[pos] + other._data[pos]
        
        return Vector(result)

    
v = Vector([1,2])
w = Vector([2,2])

print(v + w)
The values are: [3, 4]

Publicidad


Conclusiones

En esta entrada se han visto algunos de los métodos mágicos de las clases Python que son clave a la hora de crear objetos. Es importante comprender el funcionamiento e implementar en nuestras clases todos aquellos que sean necesarios para facilitar su uso.

Imagen de mel_88 en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 5

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 video! Aprende a eliminar filas y columnas en Pandas sin errores
  • Nuevo video en el canal: Cómo eliminar duplicados de una lista en Python
  • Nuevo video en YouTube: Trabajando con archivos JSON en Python
  • Nuevo video: Leer y guardar archivos Excel y CSV en Python
  • Nuevo video: cómo activar copiar y pegar en VirtualBox fácilmente
  • Cómo extender el tamaño de un disco en Rocky Linux 9 usando growpart y LVM
  • Curiosidad: El origen del análisis exploratorio de datos y el papel de John Tukey
  • Cómo calcular el tamaño de la muestra para encuestas
  • Curiosidad: La Ley de Twyman y la trampa de los datos “interesantes”

Publicado en: Python

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

Curiosidad: La Ley de Twyman y la trampa de los datos “interesantes”

septiembre 11, 2025 Por Daniel Rodríguez

Cómo calcular el tamaño de la muestra para encuestas

septiembre 9, 2025 Por Daniel Rodríguez

Curiosidad: El origen del análisis exploratorio de datos y el papel de John Tukey

septiembre 4, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Error: No se puede cargar el archivo porque la ejecución de scripts está deshabilitada en este sistema Solución a los problemas de ejecución de scripts en Windows 11 cuando se da el mensaje: “No se puede cargar el archivo porque la ejecución de scripts está deshabilitada en este sistema” publicado el febrero 14, 2024 | en Herramientas
  • Regresión de Vectores de Soporte (SVR, Support Vector Regression) publicado el diciembre 17, 2021 | en Ciencia de datos
  • pandas Pandas: Cómo convertir listas en DataFrames publicado el noviembre 9, 2020 | en Python
  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas publicado el mayo 10, 2019 | en Python
  • Diferencias entre git pull y git fetch: ¿Cuándo usar cada una? publicado el septiembre 27, 2024 | 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

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • 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
  • Daniel Rodríguez en Tutorial de Mypy para Principiantes

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 © 2018-2025 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto