• 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

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:

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

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

  • 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

Síndrome del objeto brillante en ciencia de datos: el error simétrico a los costes hundidos

mayo 21, 2026 Por Daniel Rodríguez

De la Regresión Logística al Scorecard: La Transformación Matemática

mayo 19, 2026 Por Daniel Rodríguez

Noticias

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

mayo 18, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos
  • Síndrome del objeto brillante en ciencia de datos: el error simétrico a los costes hundidos publicado el mayo 21, 2026 | en Ciencia de datos, Opinión
  • Truco Python: eliminar los valores duplicados de una lista en Python publicado el junio 29, 2020 | en Python
  • El método de las aproximaciones sucesivas e implementación en Python publicado el marzo 10, 2023 | en Ciencia de datos
  • Exactitud, precisión, recall… qué mide realmente cada métrica (y qué no) publicado el marzo 3, 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

  • 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