Iteración, recursión y recorridos

← SE-062 — Control de flujo y decisiones · ↑ Parte 05 · 📚 Índice completo · 🌐 Portal · SE-064 — Funciones, parámetros, retorno y alcance →

Punto profesional y fundamento pedagógico

Punto profesional. La clase existe para elegir iteración, recursión o recorrido manteniendo una invariante explícita.

Por qué aparece aquí. Se sitúa después de Control de flujo y decisiones y antes de Funciones, parámetros, retorno y alcance: convierte el conocimiento anterior en una decisión observable que la clase siguiente podrá reutilizar. La continuidad se comprueba en el artefacto, no por compartir vocabulario.

Error conceptual que debe corregir. Reescribir un bucle como recursión sin medida de progreso.

Secuencia de aprendizaje. Antes de leer la solución, el estudiante predice el resultado del caso normal y del error conceptual anterior. Luego explica un caso resuelto paso a paso, construye un contraejemplo que cambie la decisión y, sin consultar el texto, reconstruye el mecanismo y lo aplica a una entrada nueva. La secuencia usa predicción, explicación propia, contraste y recuperación. ICAP distingue participación de construcción de conocimiento; How People Learn II exige conectar conocimiento previo, contexto y transferencia; la práctica de recuperación respalda producir de nuevo la explicación tras una demora; y Education for Life and Work exige devolución que explique la causa del error.

Evidencia de aprendizaje. Traversal.md con invariante, traza, caso vacío y comparación de pila. Debe contener predicción previa, observación, explicación causal, contraejemplo, criterio de aceptación y una nota de qué dato haría cambiar la conclusión.

Límite de la conclusión. Equivalencia de resultado no implica igual consumo de recursos.

Trazabilidad fuente → afirmación

Antes de empezar

Esta clase construye la CLI diagnóstica, implementación incremental de la especificación del modelo de decisión diagnóstica. Recupera SE-062 y convierte una regla ya modelada en comportamiento ejecutable o comprobable. Trabaja en cambios pequeños: predicción, código, ejecución, evidencia y explicación. Ejecutar sin poder explicar el resultado no completa la práctica.

Prerrequisitos

• Python 3.11 o posterior disponible como python o python3; registra la versión real.
• Terminal, editor de texto y Git; no se requieren paquetes externos.
• Comprender el contrato del modelo de decisión diagnóstica: entradas, resultados, errores e invariantes.

Problema auténtico

La CLI diagnóstica debe recorrer observaciones, dependencias anidadas y eventos hasta hallar la primera divergencia. Un bucle puede saltar elementos al modificar la lista; una recursión puede repetir nodos ante ciclos. El recorrido necesita invariante, progreso y límites.

Objetivos observables

Al terminar podrás explicar el mecanismo del lenguaje, predecir una ejecución, implementar un caso normal y sus fronteras, diagnosticar un fallo controlado, proteger el comportamiento con evidencia y separar lo transferible de lo específico de Python.

Mapa conceptual

flowchart LR
    S[Especificación el modelo de decisión diagnóstica] --> V[Valores y contratos]
    V --> C[Control y transformación]
    C --> E[Efectos en la frontera]
    E --> O[Salida observable]
    O --> T[Prueba y diagnóstico]
    T -->|defecto o caso nuevo| S

El código no reemplaza la especificación: la materializa bajo reglas concretas del lenguaje y del entorno. La pregunta de esta clase es: ¿Qué progresa en cada paso y qué condición garantiza que el recorrido termina?

Temas y por qué importan

Conceptos y decisiones

1. Iteración definida e indefinida

for recorre un iterable; while repite mientras una condición sea verdadera. for comunica mejor un dominio finito conocido. while requiere una variable de progreso visible; depender de un evento externo exige deadline o cancelación.

2. Invariante de bucle

Antes de cada iteración se conserva una propiedad. En búsqueda de primera falla: todos los elementos anteriores fueron sanos y index apunta al siguiente no clasificado. El invariante explica por qué detenerse produce la respuesta correcta.

3. break, continue y else

break termina el bucle más cercano; continue salta a la siguiente vuelta. Un else de bucle se ejecuta si no hubo break, útil para expresar «no encontrado», pero puede sorprender. Se usa solo con una lectura clara y pruebas.

4. Recursión y pila

La recursión resuelve una estructura mediante subestructuras y caso base. Python no optimiza tail calls y limita profundidad; árboles profundos necesitan pila explícita. Para grafos, visited impide ciclos y repetición.

5. Modificar mientras se recorre

Eliminar elementos de la lista iterada desplaza índices y omite datos. Se construye una nueva colección, se itera sobre copia o se filtra declarativamente. La estrategia depende de memoria, identidad y necesidad de conservar orden.

Definiciones de trabajo

• iterable: objeto que produce elementos secuencialmente.
• invariante de bucle: propiedad cierta antes y después de cada vuelta.
• progreso: cambio que acerca a la terminación.
• caso base: entrada resuelta sin nueva recursión.
• visited: conjunto de identidades ya procesadas.

Estas definiciones describen el uso concreto en la CLI diagnóstica. Cuando Python permita varias conductas, el contrato del programa elige una y la hace visible con validación y pruebas.

Ejemplo mínimo

first_failure = None
for observation in observations:
    if observation["outcome"] == "ok":
        continue
    first_failure = observation
    break

if first_failure is None:
    print("healthy")

Traza un bucle sobre [ok, ok, tls_error, http_error]. Escribe el invariante antes de cada vuelta y explica por qué detenerse en TLS devuelve la primera divergencia.

Ejecuta el fragmento en un archivo, no solo en una conversación interactiva. Conserva comando, versión, salida y explicación de cada línea relevante.

Ejemplo profesional

La CLI diagnóstica recorre un grafo con pila explícita y visited. Cada extracción consume un nodo y cada nodo se añade una vez. Un límite de nodos produce INCOMPLETE con cursor; no finge resultado completo.

El criterio profesional es que el comportamiento pueda ser consumido, diagnosticado y cambiado sin depender de conocimiento oral ni de estado oculto.

Práctica guiada

1. elige for o while y justifica.
2. declara invariante y medida de progreso.
3. traza índices y resultado.
4. reproduce el defecto de borrar durante recorrido.
5. convierte una recursión de árbol a pila.
6. ejecuta python -m unittest -v cuando existan pruebas y registra el resultado exacto.

Ejercicios

1. Lectura: predice valor, tipo, rama o efecto de un fragmento antes de ejecutarlo.
2. Construcción: añade un caso de la CLI diagnóstica siguiendo el contrato, sin mezclar I/O y cálculo.
3. Frontera: incorpora vacío, límite, inválido y error recuperable.
4. Transferencia: escribe pseudocódigo o una versión equivalente en otro lenguaje y señala diferencias.

Reto verificable

Entrega un cambio que incluya comportamiento, caso normal, caso límite, fallo controlado y explicación. Otra persona debe poder ejecutar los comandos desde un checkout limpio y relacionar cada salida con una regla del modelo de decisión diagnóstica.

Demostración guiada

1. Escribe la entrada y la salida esperada antes del código.
2. Ejecuta el caso mínimo y observa valores intermedios sin dejar prints permanentes en el núcleo.
3. Añade el caso frontera que obligue a decidir, no solo a teclear.
4. Introduce el fallo descrito abajo y confirma que la evidencia lo detecta.
5. Corrige, ejecuta toda la suite y revisa el diff por efectos no deseados.

Preguntas frecuentes

¿Que el programa se ejecute significa que está correcto?

No. Solo demuestra que esa ejecución terminó. La corrección se refiere al contrato y requiere cubrir límites, errores y propiedades relevantes.

¿Debo memorizar toda la sintaxis?

No. Debes reconocer valores, control, contratos y efectos, y saber consultar la referencia oficial. Copiar sintaxis sin modelo produce defectos difíciles de diagnosticar.

¿Las anotaciones de tipo validan JSON?

No por sí solas. Ayudan a lectores y herramientas; los datos externos requieren parseo y validación en ejecución.

Fallo controlado y diagnóstico

Recorre una lista de pruebas y elimina las desautorizadas en el mismo for. Observa elementos saltados. Sustituye por una comprensión filtrada y prueba orden y cantidad.

Registra mensaje, traceback cuando corresponda, hipótesis, caso mínimo, corrección y prueba de regresión. No ocultes el fallo con un except amplio ni cambies la prueba para aceptar el defecto.

Errores comunes y cómo corregirlos

Entorno y archivos clave

work/SE-063/
├── diagnostic_cli/
│   ├── __init__.py
│   ├── domain.py
│   ├── cli.py
│   └── __main__.py
├── tests/
│   └── test_diagnostic_cli.py
└── README.md

No instales dependencias para resolver lo que cubre la biblioteca estándar. README.md conserva versión, comandos, entradas, salida, limpieza y límites. Los fragmentos son pedagógicos; intégralos solo después de entender su contrato.

Laboratorio integrado de la Parte 05

Recorre el stream JSONL de labs/part-05-diagnostic-cli y documenta tres medidas de progreso: número de línea consumido, pruebas no repetidas y límite len(spec.probes). Inyecta una observación adicional y una línea malformada; verifica terminación y localización del fallo. Compara el iterador con una carga completa en memoria y justifica la elección sin afirmar que JSONL vuelve ilimitada la entrada: el límite de 1 MB sigue siendo parte del contrato.

Seguridad, ética y accesibilidad

• usa fixtures sintéticos y no incluyas tokens, rutas personales ni incidentes reales;
• limita tamaño, profundidad y tiempo de entradas no confiables;
• separa stdout parseable de stderr y redacta datos sensibles;
• ofrece mensajes accionables y no dependas solo de color;
• preserva autorización como regla del núcleo, no como checkbox de UI;
• no uses eval, exec ni construcción de shell con entrada externa.

Transferencia

Reimplementa el contrato, no la sintaxis. Identifica cómo el segundo lenguaje representa ausencia, error, mutabilidad y módulos. Conserva fixtures y resultados públicos para detectar una diferencia semántica.

Evaluación y evidencia

Fuentes

• Python Tutorial — define la semántica y los límites de la API de Python utilizada en el experimento.
• Python Language Reference — define la semántica y los límites de la API de Python utilizada en el experimento.
• Python Tutorial — Data Structures — define la semántica y los límites de la API de Python utilizada en el experimento.

La documentación oficial define el lenguaje y la biblioteca; no demuestra que la CLI diagnóstica cumpla su dominio. Esa evidencia vive en contratos, pruebas y ejecución reproducible.

Límites y siguiente paso

Un recorrido correcto puede ser demasiado costoso y Python impone límites de recursos. La siguiente clase encapsula decisiones mediante funciones y contratos.

Glosario

• iterable: objeto que produce elementos secuencialmente.
• invariante de bucle: propiedad cierta antes y después de cada vuelta.
• progreso: cambio que acerca a la terminación.
• caso base: entrada resuelta sin nueva recursión.
• visited: conjunto de identidades ya procesadas.

← SE-062 — Control de flujo y decisiones · ↑ Parte 05 · 📚 Índice completo · 🌐 Portal · SE-064 — Funciones, parámetros, retorno y alcance →