Buenas Prácticas de Colecciones

Reglas prácticas para elegir y usar los contenedores integrados de Python sin trampas de rendimiento ni deuda de legibilidad.

Cómo Usar Esta Lista

• Aplícala durante la revisión de código en módulos con mucha carga de datos.
• Revísala cuando el profiling muestre un comportamiento inesperado de O(n).
• Combínala con type hints (dict[str, int]) para contratos más claros.
• Úsala como lista de verificación de incorporación para código de canalización de datos.

A - Selección

• Elige dict para búsqueda por clave, set para pertenencia, list para secuencias ordenadas. Documenta las opciones no obvias.
• Usa deque para colas FIFO/LIFO en lugar de list.pop(0). O(1) frente a O(n) al principio.
• Usa heapq para planificación de prioridad; bisect para inserciones ordenadas. No sorted() en cada inserción.
• Recurre a pandas 2.2+ o Polars 1.x a escala tabular, no a diccionarios anidados de listas. Operaciones de columna y uniones.
• Prefiere Counter y defaultdict sobre el boilerplate manual de comprobación de existencia de clave. Menos ramas, intención más clara.

B - Corrección

• Nunca uses listas o diccionarios mutables como claves de dict o elementos de set. Usa tuple, frozenset o dataclass congelado.
• Copia superficialmente estructuras anidadas con copy.deepcopy cuando se requiera independencia. dict.copy() comparte las listas internas.
• Trata el orden de iteración de set como no especificado. Usa sorted(s) solo para visualización estable.
• Valida la unicidad antes de invertir un dict {v: k}. Los valores que colisionan se sobrescriben silenciosamente.
• Usa get o try/except KeyError intencionadamente. d[k] cuando la clave debe existir; get cuando es opcional.

C - Rendimiento y Memoria

• Construye set una vez para pertenencia repetida en bucles. Evita in list O(n) en rutas críticas.
• Usa expresiones generadoras alimentando sum/any/max para flujos grandes. Evita materializar listas de un millón de elementos.
• Considera array.array o bytes para buffers numéricos/binarios compactos. No listas de enteros para protocolos de red.
• Haz profiling antes de cambiar list por una estructura exótica. n pequeño favorece la simplicidad.
• Evita la repetición de keys() a menos que mutes durante la iteración. list(d) al eliminar mientras iteras.

D - Legibilidad

• Usa comprensiones de dict/set para transformaciones con filtros opcionales. Más claro que bucles manuales.
• Nombra los tipos en hints: dict[str, list[Event]], no dict solo. Estructuras auto-documentadas.
• Usa NamedTuple o dataclass en lugar de indexación posicional de tuple para registros. row[3] oscurece el significado.
• Prefiere la fusión | para superposiciones de configuración inmutables (3.9+). base | overrides se lee de izquierda a derecha.
• Deduplicación que preserva el orden: list(dict.fromkeys(items)). Línea única idiomática.

E - Serialización y APIs

• Las APIs JSON solo usan dict/list/str/int/float/bool/None en los límites. Convierte set/tuple a list para JSON.
• No confíes en el orden de dict para la igualdad semántica entre sistemas. Compara como mapeos, no como listas de claves.
• Congela los diccionarios de configuración al inicio cuando pasen por capas. MappingProxyType o un objeto de configuración tipado.
• Documenta las semánticas de contenedores vacíos: [] vs None. Los llamadores no deben adivinar entre ausente o vacío.
• Usa modelos Pydantic 2 en los límites HTTP; diccionarios simples dentro de la lógica de dominio crítica cuando sea apropiado.

Preguntas Frecuentes

Relacionado

• Elegir la Estructura de Datos Correcta - guía de decisión
• Conceptos Básicos de Estructuras de Datos - ejemplos introductorios
• Inmutabilidad y Hashabilidad - reglas de hash
• Módulo collections - tipos especializados

Versiones de la pila: Esta página fue escrita para Python 3.14.0 (estable 3.14, mantenimiento 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+, y uv 0.6+.