• 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

El operador morsa de Python (:=): Todo lo que necesitas saber

marzo 4, 2024 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Una buena práctica en Python, y en cualquier otro lenguaje de programación, es buscar la forma de hacer el código más limpio, conciso y legible. El operador morsa de Python (:=) es un avance significativo en este sentido. Introducido en la versión 3.8 de Python, permite asignar valor a variables donde antes no era posible. En esta publicación se explicará qué es el operador morsa de Python, por qué se introdujo, cómo usarlo y varios casos de uso práctico.

Por qué se introdujo el operador morsa de Python (:=)

El operador morsa, también conocido como el operador de asignación de expresiones de fusión, es una característica relativamente nueva del lenguaje. Apareció por primera vez en 2019 con el lanzamiento de la versión 3.8. El operador se representa mediante dos puntos seguidos de un signo igual (:=). Su principal función es permitir la asignación de valores a variable dentro de una expresión, al mismo tiempo que se evalúa esta. Algo que no se podía hacer antes de la su introducción. Antes de Python 3.8, era necesario realizar la asignación de valores en una línea separada y evaluar el resultado en otra, lo que a menudo resultaba en una sintaxis más complicada.

Siendo este el motivo por el que se introdujo el operador morsa de Python. Solucionar el problema que provocaba la repetición innecesaria de expresiones y la dificultad para escribir código limpio y conciso en ciertas situaciones. Al permitir la asignación de variables dentro de expresiones el código resultante es más legible. Lo que facilita el mantenimiento y la colaboración en proyectos de desarrollo de software.

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

Cómo usar el operador morsa de Python

El uso del operador morsa es bastante sencillo, solamente se coloca dentro de la expresión donde se necesita evaluar esta y el resultado se asigna a la variable. A continuación, se muestran algunos ejemplos.

Publicidad


Asignación de variables en condicionales

Uno de los usos más habituales del operador morsa es dentro de los condicionales. Es posible que sea necesario realizar una operación, comprobar si cumple una condición y sacar el valor por pantalla. Esto, antes de la aparición del operador morsa se debía hacer en varias líneas.

suma = a + b

if suma > 100:
    print(f'La suma es {suma}')

Una operación que se puede simplificar mucho con esta operación.

if (suma:= a + b) > 100:
    print(f'La suma es {suma}')

En este caso, gracias al uso del operador morsa, se puede asignar la suma de a mas b a la variable sumaen el propio if y usar posteriormente dentro de la función print(). Lo que hace el código mucho más compacto.

Asignación de variables en bucles

Otro posible uso del operador aparece en los bucles, pudiendo asignar el valor en el momento que se valida. Por ejemplo, en un bucle while en el que se está procesando un archivo se puede cargar la línea de esta antes de procesarla.

while (linea := archivo.readline()) != "":
    procesar_linea(linea)

Sin el operador, el código necesario sería bastante más complejo.

linea = archivo.readline()

while linea != "":
    procesar_linea(linea)
    
    linea = archivo.readline()

Asignación de variables en listas por comprensión

Gracias a las listas por comprensión de Python se puede escribir código compacto y elegante. Pero qué pasa si necesitamos filtrar en base al resultado de una función e incluir este resultado en la lista. En este caso el código tendría que ser cómo el siguiente.

[calcular_resultado(x) for x in lista_valores if calcular_resultado(x) > 0]

Lo que implica ejecutar hasta dos veces la función sobre todos los valores. Una opción para evitar tener que evaluar dos veces la función es aplicar la función sobre todos los valores y luego volver a iterar para filtrar.

[y for y in [calcular_resultado(x) for x in lista_valores] if y > 0]

Solución que también es complicada de leer. En este caso el uso del operador morsa de Python hace que el código sea sencillo y fácil de leer.

[res for x in lista_valores if (res := calcular_resultado(x)) > 0]

Desde mi punto de vista la última lista por compresión es bastante más sencilla y elegante. Además de evitar que sea necesario evaluar dos veces una función que podría ser bastante costosa en tiempo de ejecución.

Publicidad


Conclusiones

El operador morsa es una nueva característica de Python que simplifica la asignación de variables dentro de expresiones. Facilitando la escritura de código más limpio, conciso y legible. En esta entrada se ha explorado el origen del operador morsa y visto algunos de los casos de uso de este.

Imagen de Monica Max West en Pixabay

¿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

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

  • Creación de gráficos de barras y gráficos de columnas con Seaborn publicado el julio 18, 2023 | 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
  • Cómo calcular el tamaño de la muestra para encuestas publicado el septiembre 9, 2025 | en Ciencia de datos
  • Regresión de Vectores de Soporte (SVR, Support Vector Regression) publicado el diciembre 17, 2021 | en Ciencia de datos
  • pandas Eliminar las filas con valores nulos en Pandas publicado el abril 24, 2023 | en Python

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