• 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
      • 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

Variables globales en Python: Problemas y cómo evitarlos

mayo 12, 2025 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Las variables globales pueden ser útiles en algunas situaciones, pero un excesivo o inadecuado de estas generan problemas. Desde un código difícil de mantener, pasado por efectos secundarios inesperados o errores de los programas en tiempo de ejecución. En esta entrada veremos qué son las variables globales en Python, los principales problemas de sus uso excesivo y cómo evitarlos con buenas prácticas.

Tabla de contenidos

  • 1 ¿Qué es una variable global en Python?
  • 2 Problemas con las variables globales en Python
    • 2.1 Código menos mantenible y difícil de depurar
      • 2.1.1 Solución: Usa variables locales y pasa valores como parámetros en lugar de depender de variables globales
    • 2.2 Problemas con efectos secundarios en funciones
      • 2.2.1 Solución: Usa parámetros explícitos para mejorar la claridad y evitar dependencias ocultas.
  • 3 Cuándo es seguro usar variables globales
    • 3.1 Para definir constantes globales
    • 3.2 Para configuraciones compartidas
    • 3.3 Cuando se usan de forma controlada en scripts pequeños
  • 4 Mejores prácticas recomendadas
    • 4.1 Usar parámetros y valores de retorno
    • 4.2 Usar clases y atributos de instancia
    • 4.3 Usar un espacio de nombres (módulo)
  • 5 Conclusiones

¿Qué es una variable global en Python?

Una variable global es aquella definida fuera de cualquier función o clase y que, por lo tanto, es accesible desde cualquier parte del código. Un ejemplo de una variable global es la variable contador en el siguiente código:

contador = 0  # Variable global

def incrementar():
    global contador  # Modificamos la variable global
    contador += 1

incrementar()
print(contador)  # 1

Aunque esto puede parecer una práctica válida para esta tarea, cuando el código aumenta en complejidad pueden aparecer varios problemas.

Problemas con las variables globales en Python

Entre los principales problemas que puede traer el uso de variables globales en Python se pueden enumerar los siguientes.

Publicidad


Código menos mantenible y difícil de depurar

El uso de variables globales hace que el código sea menos predecible. Si varias funciones modifican la misma variable global, puede ser difícil rastrear dónde y por qué ha cambiado.

Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
En Analytics Lane
Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane

estado = "inicial"

def cambiar_estado():
    global estado
    estado = "modificado"

cambiar_estado()
print(estado)  # "modificado"

Este tipo de código es difícil de depurar cuando el programa aumenta de tamaño.

Solución: Usa variables locales y pasa valores como parámetros en lugar de depender de variables globales

Una solución a este problema es pasar la variable que se desea modificar como un parámetro y recuperar esta, de este modo los cambios siempre estarán acotados. Evitando que se produzcan cambios accidentales.

def cambiar_estado(estado):
    return "modificado"

estado = "inicial"
estado = cambiar_estado(estado)
print(estado)  # "modificado"

Problemas con efectos secundarios en funciones

Si una función usa una variable global, su comportamiento puede cambiar de forma impredecible según el estado global.

descuento = 0.1  # Variable global

def calcular_precio(precio):
    return precio * (1 - descuento)  # Depende de la variable global

print(calcular_precio(100))  # 90.0
descuento = 0.2
print(calcular_precio(100))  # 80.0 (Resultado inesperado)

En este caso el descuento puede ser modificado con un valor que no es el esperado o no recuperar el valor original

Solución: Usa parámetros explícitos para mejorar la claridad y evitar dependencias ocultas.

Para este caso, la solución es pasar el descuento como un parámetro de modos que se pueda modificar en cualquier momento. Un valor que se puede dejar como opcional con un descuento por defecto

def calcular_precio(precio, descuento=0.2):
    return precio * (1 - descuento)

print(calcular_precio(100))       # 80.0
print(calcular_precio(100, 0.1))  # 90.0
print(calcular_precio(100, 0.2))  # 80.0

Cuándo es seguro usar variables globales

En algunos casos, las variables globales pueden ser útiles.

Publicidad


Para definir constantes globales

Se pueden usar para definir valores que no mutan a lo largo del programa.

PI = 3.1416  # Se usa mayúsculas para indicar que es constante

Para configuraciones compartidas

Los parámetros de configuración, que tampoco suelen mutar durante la ejecución del programa también se pueden guardar en una variable global

config = {
   "modo_debug": True,
   "version": "1.0.0"
}

Cuando se usan de forma controlada en scripts pequeños

En script pequeños, tampoco suele ser un problema recurrir a variables globales.

contador = 0

def incrementar():
    global contador
    contador += 1

Publicidad


Mejores prácticas recomendadas

Si necesitas compartir datos entre funciones, considera las siguientes opciones antes de recurrir a una variable global.

Usar parámetros y valores de retorno

La primera opción debería ser usar parámetros y valores de retorno para gestionar mejor los cambios en los valores de las variables.

def actualizar_dato(valor):
    return valor + 1

dato = 0
dato = actualizar_dato(dato)

Usar clases y atributos de instancia

En lugar de variables globales, se pueden crear clases para compartir valores en cada una de las instancias de la clase.

class Contador:
    def __init__(self):
        self.valor = 0

    def incrementar(self):
        self.valor += 1

c = Contador()
c.incrementar()
print(c.valor)  # 1

Publicidad


Usar un espacio de nombres (módulo)

En lugar de usar una variable global en el mismo archivo, defínela en un módulo separado.

Archivo config.py:

config = {
    "modo_debug": True,
    "version": "1.0.0"
}

Uso en otro archivo:

import config

print(config.config["modo_debug"])  # True

Conclusiones

Las variables globales en Python pueden parecer una solución rápida para compartir datos entre funciones, pero su uso excesivo puede causar problemas de mantenimiento, depuración y concurrencia.

Para evitar estos problemas:

  • Usa variables locales y pásalas como parámetros.
  • Usa clases y estructuras de datos adecuadas.
  • Usa módulos para gestionar configuraciones globales.
  • Si es necesario usar variables globales, hazlo de manera controlada.

Adoptar buenas prácticas hará que tu código sea más seguro, claro y mantenible.

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?

Publicaciones relacionadas

  • Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
  • Nuevo conversor de timestamp Unix en el laboratorio de Analytics Lane
  • Calculadora de Contrastes de Hipótesis: interpreta correctamente el p-valor y toma decisiones estadísticas con confianza
  • Calculadora de Tamaño del Efecto: la herramienta clave para entender cuánto importa realmente una diferencia
  • Simulador de DBSCAN: descubre cómo encontrar clusters reales (y ruido) sin fijar K
  • Conversor de Colores: convierte, compara y valida cualquier color en tiempo real
  • Analytics Lane lanza su Generador de UUIDs: identificadores únicos, seguros y listos para producción en segundos
  • 1200 publicaciones en Analytics Lane
  • Analytics Lane lanza su Conversor TIN ↔ TAE: la herramienta definitiva para entender el coste real de depósitos, préstamos e hipotecas

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

Noticias

Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring

mayo 18, 2026 Por Daniel Rodríguez

Interés compuesto: la fuerza que multiplica tu dinero (y los errores que la anulan)

mayo 14, 2026 Por Daniel Rodríguez

Cómo comparar datos con barras en Matplotlib: agrupadas, apiladas y porcentuales

mayo 12, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Buscar en Excel con dos o más criterios publicado el septiembre 7, 2022 | en Herramientas
  • Cómo calcular el tamaño de la muestra para encuestas publicado el septiembre 9, 2025 | en Ciencia de datos
  • ¿Es la inteligencia artificial imparcial y objetiva? Desmitificando la imparcialidad de la IA [Mitos de la Inteligencia Artificial 6] publicado el julio 11, 2024 | en Opinión
  • Identificar y eliminar duplicados en Excel publicado el marzo 13, 2019 | en Herramientas
  • Inteligencia artificial generativa en banca: Cinco aplicaciones que están transformando el sector bancario publicado el diciembre 20, 2024 | 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

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • 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
  • 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

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