• 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

Cómo resolver ‘TypeError: unsupported operand type(s)’ en Python

marzo 10, 2025 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Uno de los errores más habituales al programar en Python es ‘TypeError: unsupported operand type(s)’. Este error ocurre cuando intentamos realizar operaciones entre tipos de datos incompatibles, como sumar una cadena de texto con un número. En esta entrada, exploraremos por qué aparece este error, qué lo causa y cómo solucionarlo con ejemplos prácticos.

Tabla de contenidos

  • 1 ¿Qué significa ‘TypeError: unsupported operand type(s)’?
  • 2 Casos habituales en los que se produce este error
  • 3 Cómo solucionar ‘TypeError: unsupported operand type(s)’
    • 3.1 Verificar los tipos de datos en la operación
    • 3.2 Convertir explícitamente los datos al tipo adecuado
    • 3.3 Evitar operaciones no soportadas
  • 4 Cómo prevenir este error en el futuro
  • 5 Conclusiones

¿Qué significa ‘TypeError: unsupported operand type(s)’?

Este error indica que estamos utilizando un operador (como +, -, *, etc.) entre tipos de datos que no son compatibles. Por ejemplo, el siguiente código provocará un error:

resultado = "10" + 5

Lo que, al ejecutarse, producirá una salida de error como la que se muestra a continuación:

TypeError: can only concatenate str (not "int") to str

El problema aquí es que Python no sabe cómo sumar una cadena ("10") con un entero (5).

En otros lenguajes, como JavaScript, esta operación podría resultar en una concatenación ("105"), ya que convierten automáticamente el número a una cadena. Sin embargo, Python no realiza esta conversión implícita, lo que genera el error.

Casos habituales en los que se produce este error

Algunas situaciones comunes donde aparece este error incluyen:

  • Operaciones entre cadenas (str) y números (int, float).
  • Uso de listas (list) o diccionarios (dict) con operadores no definidos para esos tipos.
  • Intentar realizar operaciones no soportadas por el tipo de dato.

Publicidad


Cómo solucionar ‘TypeError: unsupported operand type(s)’

Para corregir este error, es fundamental identificar la operación que lo provoca y verificar los tipos de datos involucrados. A continuación, se presentan las estrategias más efectivas para solucionarlo.

Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT
En Analytics Lane
Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT

Verificar los tipos de datos en la operación

Antes de realizar una operación, es recomendable comprobar los tipos de las variables utilizando la función type():

x = "10"
y = 5

print(type(x))  # str
print(type(y))  # int

Si los tipos no son compatibles, debemos realizar una conversión explícita.

Convertir explícitamente los datos al tipo adecuado

Si queremos operar entre diferentes tipos, debemos asegurarnos de convertirlos correctamente. Por ejemplo, si deseamos sumar los valores, podemos convertir la cadena a entero:

x = "10"
y = 5

resultado = int(x) + y
print(resultado)  # 15

Por otro lado, si queremos concatenarlos como texto:

resultado = x + str(y)
print(resultado)  # "105"

Publicidad


Evitar operaciones no soportadas

Al trabajar con listas, diccionarios u otros tipos de datos, es importante asegurarse de que los operadores utilizados sean compatibles. Por ejemplo, no podemos sumar un escalar directamente a una lista:

lista = [1, 2, 3]
resultado = lista + 5  # Genera TypeError

Para modificar los elementos de la lista, podemos usar listas por comprensión:

lista = [1, 2, 3]
resultado = [x + 5 for x in lista]
print(resultado)  # [6, 7, 8]

Cómo prevenir este error en el futuro

Para evitar este error en el futuro, sigue estas buenas prácticas:

  1. Verifica siempre los tipos de datos antes de realizar operaciones.
  2. Usa tipado explícito en tus funciones con type hints:
def suma(a: int, b: int) -> int:
    return a + b
  1. Utiliza herramientas de análisis estático como mypy para detectar errores de tipos en el código.

Conclusiones

El error ‘TypeError: unsupported operand type(s)’ puede resultar frustrante al principio, pero con una comprensión adecuada de los tipos de datos y su conversión explícita, es fácil de solucionar. Siguiendo las mejores prácticas y verificando los tipos antes de realizar operaciones, podemos evitar este y otros errores en Python.

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 5 / 5. Votos emitidos: 1

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

  • Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT
  • El bestiario de los indicadores económicos absurdos: El zoo patrio
  • Las fórmulas con DNI, o cómo dividir cualquier cosa entre cualquier otra cosa puede acabar publicado en un titular serio – El bestiario de los indicadores económicos absurdos (parte 5)
  • Data Leakage en Credit Scoring: El Error que Invalida tu Modelo
  • La liga internacional, o cuando Harvard y Johns Hopkins suman peras con manzanas – El bestiario de los indicadores económicos absurdos (parte 6)
  • Los indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)
  • Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Customer Lifetime Value: la fórmula clásica que todo analista debería dominar
  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado

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

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

julio 23, 2026 Por Daniel Rodríguez

PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado

julio 21, 2026 Por Daniel Rodríguez

Los indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)

julio 16, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Creación de gráficos interactivos en Jupyter Notebook con Python publicado el septiembre 17, 2018 | en Python
  • Seleccionar filas y columnas en Pandas con iloc y loc publicado el junio 21, 2019 | en Python
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • pandas Diferencias entre loc e iloc en Pandas publicado el febrero 6, 2023 | en Python
  • Cómo ejecutar modelos de lenguaje en local: Guía fácil para usar LM Studio en tu ordenador publicado el enero 29, 2025 | 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

  • 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