Módulos Avanzados de la Biblioteca Estándar

La biblioteca estándar de Python incluye potentes módulos especializados que resuelven problemas habituales de estructuras de datos, programación funcional, manipulación de iteradores y gestión de recursos sin requerir dependencias externas.

1. El módulo collections: Estructuras de Datos Especializadas #

 
1from collections import Counter, defaultdict, deque
2
3# 1. Counter: recuento de frecuencias automático
4palabras = ["python", "java", "python", "c", "python", "java"]
5conteo = Counter(palabras)
6print(conteo.most_common(2)) # Las 2 más comunes
Salida de consola
[('python', 3), ('java', 2)]

2. El módulo functools: Utilidades para Funciones y Caché #

A) Memoización ultrarrápida con @lru_cache y @cache #

Guarda en memoria los resultados de funciones puras o pesadas para evitar recalcular:

 
1from functools import cache, lru_cache
2
3@cache # Equivalente a @lru_cache(maxsize=None) en Python 3.9+
4def fibonacci(n: int) -> int:
5    if n < 2:
6        return n
7    return fibonacci(n - 1) + fibonacci(n - 2)
8
9print(fibonacci(50)) # Cálculo instantáneo
Salida de consola
12586269025

B) Creación de funciones parciales con partial #

Fija argumentos de funciones existentes para crear nuevas funciones más específicas:

 
1from functools import partial
2
3def multiplicar(a: int, b: int) -> int:
4    return a * b
5
6duplicar = partial(multiplicar, 2)
7triplicar = partial(multiplicar, 3)
8
9print(duplicar(10))
10print(triplicar(10))
Salida de consola
20
30

3. El módulo itertools: Iteradores Eficientes en Memoria #

itertools permite procesar secuencias de datos de manera perezosa (lazy), consumiendo el mínimo de memoria RAM:

 
1import itertools
2
3# 1. chain: encadena múltiples iterables de forma continua
4letras = itertools.chain(["A", "B"], ["C", "D"], ["E"])
5print(list(letras))
Salida de consola
['A', 'B', 'C', 'D', 'E']

4. El módulo contextlib: Creación Ágil de Context Managers #

Con el decorador @contextmanager, puedes transformar cualquier función generadora con yield en un gestor de contexto para la sentencia with:

1import time
2from contextlib import contextmanager
3
4@contextmanager
5def temporizador(etiqueta: str):
6    inicio = time.perf_counter()
7    print(f"[{etiqueta}] Iniciando...")
8    try:
9        yield
10    finally:
11        duracion = time.perf_counter() - inicio
12        print(f"[{etiqueta}] Finalizado en {duracion:.4f} segundos")
13
14with temporizador("Procesamiento"):
15    total = sum(x**2 for x in range(100000))