Variables, Tipos y Tipado Dinámico

Python está tipado dinámicamente: un nombre puede hacer referencia a diferentes tipos de objetos a lo largo de su vida, mientras que cada objeto aún tiene un tipo concreto en tiempo de ejecución. Comprender la semántica de referencia previene errores sutiles con la mutabilidad y el estado compartido.

Receta

x = [1, 2, 3]
y = x          # mismo objeto lista
y.append(4)
print(x)       # [1, 2, 3, 4]
 
a: str = "hola"
print(type(a), isinstance(a, str))

Cuándo usar esto:

• Depurando por qué dos variables mutan juntas
• Eligiendo entre copia vs referencia compartida
• Añadiendo sugerencias de tipo sin cambiar el comportamiento en tiempo de ejecución
• Explicando Python a desarrolladores de lenguajes tipados estáticamente

Ejemplo de Trabajo

from copy import deepcopy
 
def demo_references() -> None:
    original = {"items": [1, 2]}
    alias = original
    shallow = original.copy()
    deep = deepcopy(original)
 
    alias["items"].append(3)
    shallow["items"].append(4)
    deep["items"].append(99)
 
    print("original:", original)   # items mutados a través de la lista interna de alias y shallow
    print("shallow:", shallow)     # el diccionario de nivel superior es nuevo; la lista anidada se comparte
    print("deep:", deep)           # completamente independiente
 
def demo_dynamic_typing() -> None:
    value: int | str = 42
    value = "cuarenta y dos"  # legal - el nombre no está bloqueado a int
    print(value, type(value))
 
if __name__ == "__main__":
    demo_references()
    demo_dynamic_typing()

Lo que esto demuestra:

• La asignación enlaza nombres a objetos - alias = original comparte el diccionario
• dict.copy() es superficial - los objetos mutables anidados permanecen compartidos
• deepcopy duplica recursivamente las estructuras anidadas
• Las sugerencias de tipo usan int | str pero no imponen tipos en tiempo de ejecución

Inmersión Profunda

Cómo Funciona

• Nombres vs objetos - Las variables son entradas en un espacio de nombres (diccionario) que apuntan a objetos en el heap.
• Conteo de referencias - CPython rastrea la vida útil de los objetos; cuando el contador de referencias llega a cero, la memoria se recupera.
• Objetos inmutables - int, str, tuple, frozenset no se pueden cambiar in situ; la "mutación" crea nuevos objetos.
• Objetos mutables - list, dict, set se cambian in situ; los alias ven los mismos cambios.
• LEGB - Orden de búsqueda de nombres: Local, Enclosing (delimitador), Global, Built-in (cubierto en profundidad en el artículo de funciones).

Tipos Principales de un Vistazo

Notas de Python

# id() devuelve la identidad del objeto; is compara la identidad
a = [1]
b = a
c = [1]
print(a is b)   # True
print(a is c)   # False - objetos lista diferentes
print(a == c)   # True - valores iguales

Trampas Comunes

• Sorpresas de copia superficial - list.copy() y copy.copy() todavía comparten mutables anidados. Solución: deepcopy cuando la anidación importa.
• Argumentos mutables por defecto - def f(items=[]) reutiliza una lista. Solución: def f(items=None): items = items or [].
• Reasignación vs mutación - x = x + [1] crea una nueva lista; x.append(1) muta in situ. Solución: Saber qué operación pretendes.
• Las sugerencias de tipo no son verificaciones en tiempo de ejecución - mypy detecta errores antes del despliegue; Python mismo ignora las sugerencias. Solución: Usar Pydantic o isinstance explícito en los límites.
• is vs == para enteros/cadenas pequeños - CPython puede internar algunos literales, pero nunca confíes en is para la comparación de valores. Solución: Usar == para valores, is solo para comprobaciones del singleton None.

Alternativas

Preguntas Frecuentes

from copy import deepcopy
clone = deepcopy(nested)

Relacionado

• Números, Booleanos y Aritmética - tipos numéricos y veracidad
• Funciones, Argumentos y Ámbito - enlace de parámetros y ámbito
• Inmutabilidad y Hashabilidad - claves hasheables
• Conceptos Básicos de Sugerencias de Tipo - anotando nombres y funciones

Versiones de Stack: 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+.