• 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

Métodos y variables subrayadas en Python

enero 27, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

En Python es habitual encontrar nombres de variables o métodos que comienzan o finalizan con uno o dos caracteres subrayado. Indicando que estos elementos son especiales. En esta entrada se va a explicar cual es el significado de los métodos y las variables subrayadas en Python.

Nombres que comienzan con un carácter de subrayado (_name)

Las variables y métodos cuyo nombre comienza con un subrayado indica que el elemento se ha escrito únicamente para uso interno en las clases. Esto es una convención que se define en PEP 8 y no afecta al comportamiento del programa. Siendo solamente una ayuda para los programadores a la hora de leer el código. Esto es así ya que, en Python, a diferencia de otros leguajes como C++ o Java, no existen diferencias entre las variables privadas o públicas.

Nombres que finalizan con un carácter de subrayado (name_)

Las palabras reservadas de Python no se pueden utilizar para dar nombre a una variable. Por ejemplo, no se puede llamar a una variable def o class. Si creemos que el mejor nombre para una variable es el de una palabra reservada en PEP 8 se recomienda usarla añadiendo el carácter subrayado al final de nombre. Así se pueden definir variables cuyo nombre sea def_ o class_. Al igual que el caso de los nombres que comienzan por subrayado esto es solamente una convención.

Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
En Analytics Lane
Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera

Nombres que comienzan con dos caracteres de subrayado (__name)

A diferencia de los casos vistos hasta ahora, los nombres que comienza por dos caracteres de subrayado si que son interpretados por Python. En este caso el intérprete de Python cambia el nombre del atributo para evitar conflictos de nombres en el caso de que se definan clases heredadas. Un proceso que conoce como “name mangling”.

Nombres que comienzan y finalizan con dos caracteres de subrayado (__name__)

Los nombres que comienzan y finalizan con dos caracteres de subrayado están reservados para usos especiales en el leguaje. Por ejemplo, __init__ para los constructores de los objetos o __call__ para hacer que un objeto sea invocable. Métodos que en muchas ocasiones se llaman “métodos mágicos” (“magic methods”), aunque no exista ninguna magia detrás de ellos.

Lo mejor es evitar el uso de estos nombres para evitar problemas en futuras versiones de Python.

El cambio de nombre que hace el intérprete de Python para los nombres que comienzan con dos caracteres de subrayado no se realiza en este caso.

El carácter subrayado (_)

Finalmente, también es posible encontrar el carácter subrayado como nombre de una variable en Python. Un nombre que se usa por convención para indicar que la variable es temporal. Por ejemplo, en bucles for donde no se utiliza el valor sobre el que itera o al desempaquetar objetos en variables.

El carácter subrayado también se usa en las sesiones interactivas de Python para obtener el último resultado. Algo que puede ser útil en diferentes situaciones.

Conclusiones

En esta entrada se ha visto el significado de los nombres de métodos o variables subrayadas en Python. En algunos casos solamente son una convención para hacer un el código más legible. Aunque en otros casos si que son tenidos en cuenta por el interprete de Python.

Imágenes: Pixabay (sandid)

¿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

  • Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
  • Cómo Saber si una Diferencia Significativa es Importante
  • Docker Compose: el día a día. Cómo ver qué funciona y qué no
  • Cómo Verificar la Normalidad de tus Datos antes de un Test Estadístico
  • Cómo Elegir el Test de Hipótesis Correcto para tus Datos
  • Qué significa realmente “calidad de datos”
  • Cómo Detectar Pseudo-IDs y Data Leakage en el Constructor de Scorecards
  • Tuplas vs Listas en Python: parecen lo mismo, pero no
  • == vs is en Python: la diferencia que causa bugs misteriosos

Publicidad

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

Cómo Saber si una Diferencia Significativa es Importante

noviembre 5, 2026 Por Daniel Rodríguez

== vs is en Python: la diferencia que causa bugs misteriosos

noviembre 3, 2026 Por Daniel Rodríguez

Curiosidad: El puerto 80 y los números de puerto

octubre 29, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Cómo Saber si una Diferencia Significativa es Importante publicado el noviembre 5, 2026 | en Ciencia de datos, Herramientas
  • Truco: identificar el sistema operativo en Python publicado el septiembre 30, 2022 | en Python
  • Formulario creado en Matlab después de pulsar sobre el primer botón, por lo que el foco se ha fijado en el primer campo. Centrar el foco en un componente de Matlab por código publicado el septiembre 15, 2021 | en Matlab
  • Comparar archivos en Visual Studio Code publicado el enero 10, 2024 | en Herramientas
  • Cómo construir tu primer scorecard paso a paso publicado el septiembre 29, 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

  • Daniel Rodríguez en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Hatepi en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • 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

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