• 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
      • Descenso de gradiente
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Matriz de confusión e informe de clasificación
      • Visualizador de fronteras de decisión
      • Simulador de K-Means
      • Número Óptimo de Clusters
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Problema del cumpleaños
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • La aguja de Buffon
      • Simulador de la Estrategia Martingala
      • Simulador de Cadenas de Markov
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Comparador de tarifas de luz 2.0TD
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
      • Frontera Eficiente
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Consultar CSV con SQL en el navegador
      • Extractor de tickets (OCR)
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Calculadora HMAC
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
      • Editor de expresiones cron
      • Conversor de unidades
    • 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

¿Qué significa if __name__ == “__main__”: en Python?

noviembre 29, 2021 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Al revisar programas escritos en Python es bastante probable encontrarse con una línea de código cómo la siguiente: if __name__ == "__main__":. El código dentro del bloque if solamente se ejecutará cuando el archivo es llamado directamente con el intérprete de Python, no cuando es importado como un módulo. Permitiendo de este modo reutilizar el código de manera más sencilla. Así, en este bloque if, es habitual encontrar las instrucciones para inicializar un programa o ejemplos con los que probar las funciones y clases escritas.

El valor de la variable __name__

__name__ es una variable especial de Python que existe en todos los módulos e indica su nombre. Por defecto es el nombre del archivo en el que se encuentra el código, salvo el archivo que se indica al intérprete de Python cuyo nombre es __main__. Esto es algo que se puede entender bastante bien con un ejemplo. Se puede crear un archivo name_1.py en el que se escribe el siguiente código

print("El valor de __name__ en 1 es {}".format(__name__))

Ahora, si se ejecuta desde la terminal se puede ver que el valor de la variable __name__ es __main__.

% python name_1.py 
El valor de __name__ en 1 es __main__

Una vez hecho esto se puede crear un segundo archivo name_2.py como el siguiente que importe el anterior como como un módulo.

Shallow copy vs Deep copy en Python: la mutación inesperada
En Analytics Lane
Shallow copy vs Deep copy en Python: la mutación inesperada

import name_1
     
print("El valor de __name__ en 2 es {}".format(__name__))

Al ejecutar este segundo archivo se puede ver que el resultado es diferente al anterior.

% python name_2.py
El valor de __name__ en 1 es name_1
El valor de __name__ en 2 es __main__

Ahora, el valor de la variable __name__ en el archivo name_1.py es name_1, mientras que en name_2.py es __main__. Lo que nos indica que el programa se ha iniciado en el segundo archivo.

Aplicaciones de if __name__ == "__main__":

Al revisar el ejemplo anterior se pueden apreciar varias cosas interesantes sobre el funcionamiento de Python. En primer lugar, el valor de la variable __name__ indica si el archivo se ha llamado directamente desde el intérprete o se ha cargado como un módulo. Por otro lado, al cargar el módulo el código dentro de este se ejecuta. Algo que se puede apreciar al ver por pantalla la línea generada por ambos archivos. Lo que es un problema al importar un archivo como módulo.

Cuando se crea un archivo Python, al que se puede llamar program_1.py, para resolver un problema se escriben varias funciones y se ejecutan dentro del mismo.

def function_1(name):
    print("Función 1 con {}".format(name))

def function_2(name):
    print("Función 2 con {}".format(name))

function_1('uno')
function_2('dos')
% python program_1.py 
Función 1 con uno
Función 2 con dos

Una vez implementado el código se puede ver que estas funciones son útiles en otra situación. En vez de copiar y pegar el código simple que sea necesario es más eficiente importar el primer archivo como un módulo. Simplificando el nuevo archivo.

import program_1

program_1.function_1("A")
program_1.function_2("B")
% python program_2.py 
Función 1 con uno
Función 2 con dos
Función 1 con A
Función 2 con B

El problema, como ya se ha visto antes, es que el código del primer archivo también se ejecuta. Algo que no es deseable cuando es un módulo. Para evitar este problema se puede usar la línea if __name__ == "__main__": y dejar dentro del bloque el caso particular. De este modo, si se modifica program_1.py como se muestra a continuación.

def function_1(name):
    print("Función 1 con {}".format(name))

def function_2(name):
    print("Función 2 con {}".format(name))

if __name__ == "__main__":
    function_1('uno')
    function_2('dos')

Ahora, al ejecutar el contenido de program_2.py se obtendrá el resultado deseado.

% python program_2.py 
Función 1 con A
Función 2 con B

Conclusiones

En esta entrada se ha visto que lo que se encuentra detrás de la línea if __name__ == "__main__":, la cual se puede ver en múltiples programas de Python. Algo que sí nos acostumbramos a incluir en nuestro código hará que este sea más fácilmente reutilizable.

Imagen de Aaron Olson en Pixabay

¿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?

Publicaciones relacionadas

  • Shallow copy vs Deep copy en Python: la mutación inesperada
  • Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
  • Cómo Saber si una Diferencia Significativa es Importante
  • Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”
  • Cómo Explorar un Dataset antes de Modelar
  • Cómo Elegir el Test de Hipótesis Correcto para tus Datos
  • Tuplas vs Listas en Python: parecen lo mismo, pero no
  • == vs is en Python: la diferencia que causa bugs misteriosos
  • Curiosidad: El puerto 80 y los números de puerto

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 Explorar un Dataset antes de Modelar

noviembre 17, 2026 Por Daniel Rodríguez

Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”

noviembre 12, 2026 Por Daniel Rodríguez

Shallow copy vs Deep copy en Python: la mutación inesperada

noviembre 10, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Creación de gráficos de barras y gráficos de columnas con Seaborn publicado el julio 18, 2023 | en Python
  • Instalar Rocky Linux 9 en VirtualBox publicado el octubre 20, 2023 | en Herramientas
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Solución a ‘IndentationError: unexpected indent’ en Python paso a paso publicado el marzo 24, 2025 | en Python
  • Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python) publicado el octubre 7, 2025 | en Herramientas, Productividad

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