• 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

Solución a ‘IndentationError: unexpected indent’ en Python paso a paso

marzo 24, 2025 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

La indentación del código es una parte fundamental de Python y una de las razones por las que es un lenguaje fácil de leer y escribir. Sin embargo, también es una de las causas más comunes de errores para quienes comienzan a programar en este lenguaje. En esta entrada, explicaremos qué es el IndentationError, por qué ocurre y cómo puedes solucionarlo de manera sencilla con ejemplos prácticos y recomendaciones útiles.

Tabla de contenidos

  • 1. ¿Qué es el error ‘IndentationError: unexpected indent’ en Python?
    • 1.1. ¿Por qué motivos puede aparecer un IndentationError?
    • 1.2. Ejemplo del error ‘IndentationError: unexpected indent’
  • 2. Solución al error ‘IndentationError’
    • 2.1. Identifica y corrige la línea con el problema
    • 2.2. Mantén una indentación consistente
    • 2.3. Usa herramientas automáticas para formatear tu código
  • 3. Conclusiones

¿Qué es el error ‘IndentationError: unexpected indent’ en Python?

Python utiliza la indentación (espacios o tabulaciones al inicio de una línea) para definir bloques de código. A diferencia de otros lenguajes que usan llaves {} o palabras clave como begin y end, Python depende totalmente de una indentación correcta y consistente. Usar mal la indentación en Python equivale a olvidar las llaves o las palabras clave en otros lenguajes.

El error “IndentationError: unexpected indent” ocurre cuando hay un problema con la indentación del código, como mezclar espacios y tabulaciones, usar indentación inesperada o no mantener una estructura coherente en un bloque.

¿Por qué motivos puede aparecer un IndentationError?

Este error ocurre principalmente en las siguientes situaciones:

  • Se mezclan espacios y tabulaciones en un mismo bloque de código.
  • Se introduce un espacio extra inesperado al principio de una línea.
  • No se mantiene una indentación consistente en un bloque de código.

Publicidad


Ejemplo del error ‘IndentationError: unexpected indent’

Veamos un caso típico que produce este tipo de error:

Desbalanceo de Clases en Credit Scoring: Por Qué Usamos Ponderación en lugar de Undersampling
En Analytics Lane
Desbalanceo de Clases en Credit Scoring: Por Qué Usamos Ponderación en lugar de Undersampling

print("Inicio del programa")
    print("Este es un ejemplo de indentación incorrecta")
print("Fin del programa")

En este caso, la segunda línea tiene un espacio innecesario al principio, pero no pertenece a ningún bloque (la línea anterior no es un for, if ni define una función que indique el comienzo de un nuevo bloque). Por lo tanto, el intérprete de Python producirá un mensaje de error al ejecutar el código:

IndentationError: unexpected indent

En otros lenguajes como R o JavaScript, este problema no generaría un error, pero en Python, que usa la indentación para definir bloques de código, es fundamental seguir las reglas correctamente.

Solución al error ‘IndentationError’

Una vez identificada la causa del error, la solución suele ser sencilla: corregir la indentación incorrecta. Para solucionarlo, sigue estos pasos:

Identifica y corrige la línea con el problema

La salida de error de Python te indicará la línea exacta donde ocurre el problema. Por ejemplo:

  File "script.py", line 2
print("Este es un ejemplo de indentación incorrecta")
^
IndentationError: unexpected indent

Si el código se está ejecutando en un notebook en lugar de un archivo, el error es similar, pero hace referencia a la línea en la celda

  Cell In[1], line 2
print("Este es un ejemplo de indentación incorrecta")
^
IndentationError: unexpected indent

En este caso, el error está en la línea 2. Simplemente elimina los espacios o tabulaciones adicionales al inicio de esa línea.

El código corregido debería quedar así:

print("Inicio del programa")
print("Este es un ejemplo de indentación incorrecta")
print("Fin del programa")

Publicidad


Mantén una indentación consistente

Python permite usar espacios o tabulaciones, pero no debes mezclarlos. La recomendación general es usar 4 espacios por nivel de indentación.

Para evitar errores:

  • Configura tu editor de texto para usar espacios automáticamente en lugar de tabulaciones.
  • Si usas Visual Studio Code, instala la extensión “Indent-Rainbow”, que te ayudará a visualizar la indentación de manera clara y detectar errores.

Usa herramientas automáticas para formatear tu código

Existen herramientas que te ayudarán a mantener una indentación correcta y uniforme en tus archivos de Python:

  • Black: Un formateador de código que ajusta automáticamente la indentación y el estilo del código.
  • autopep8: Corrige problemas de estilo y formato en tu código Python siguiendo la guía PEP 8.
  • Flake8: Analiza el código en busca de errores, incluyendo problemas de indentación.

Puedes instalar estas herramientas con:

pip install black autopep8 flake8

Y ejecutarlas con:

black script.py
autopep8 --in-place script.py
flake8 script.py

Estas herramientas te ayudarán a evitar errores de indentación y a mantener un código limpio y uniforme.

Conclusiones

El error “IndentationError: unexpected indent” es común en Python, pero puedes solucionarlo fácilmente identificando las líneas problemáticas y siguiendo buenas prácticas de indentación.

Para evitar estos errores en el futuro:

  • Configura tu editor para usar espacios en lugar de tabulaciones.
  • Usa herramientas automáticas como Black, autopep8 o Flake8.
  • Instala extensiones como Indent-Rainbow en Visual Studio Code para detectar problemas de indentación visualmente.

Siguiendo estas recomendaciones, escribirás código en Python de manera más limpia y sin errores de indentación.

Nota: La imagen de este artículo fue generada utilizando un modelo de inteligencia artificial.

¿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

  • Desbalanceo de Clases en Credit Scoring: Por Qué Usamos Ponderación en lugar de Undersampling
  • Por Qué las Contraseñas Largas son más Seguras que las Complejas
  • Gini, KS y AUC: Cómo Medir la Calidad de un Modelo de Credit Scoring
  • BG/NBD + Gamma/Gamma: el modelo probabilístico para CLV en compras continuas
  • Curiosidad: De dónde vienen foo, bar y foobar
  • Curiosidad: El “bug”, la polilla y la leyenda de Grace Hopper
  • Curiosidad: Por qué la criptografía habla siempre de Alice y Bob
  • BG/BB: el modelo de CLV para compras en períodos discretos
  • Errores comunes al interpretar resultados estadísticos

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

Errores comunes al interpretar resultados estadísticos

septiembre 10, 2026 Por Daniel Rodríguez

Dashboard CLV: cuatro modelos, un mismo dataset, conclusiones muy distintas

septiembre 8, 2026 Por Daniel Rodríguez

Curiosidad: Por qué la criptografía habla siempre de Alice y Bob

septiembre 3, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Realizar auditorías de código Python automáticamente publicado el junio 13, 2022 | en Python
  • Gráficos de correlación en Seaborn: Mapas de calor y gráficos de pares publicado el julio 27, 2023 | en Python
  • Histograma generado para el conjunto de datos con la selección automática del número de bins Calcular el número óptimo de bins para un histograma publicado el febrero 25, 2022 | en Ciencia de datos
  • Ratios para evaluar fondos de inversión y ETFs: Sharpe, Sortino, Treynor y Alpha de Jensen publicado el marzo 7, 2025 | en Ciencia de datos
  • Curiosidad: ¿Por qué usamos p < 0.05? Un umbral que cambió la historia de la ciencia publicado el octubre 2, 2025 | en Ciencia de datos, Opinión

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

  • 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