Python Data Science Program
📓 Abrir notebook en GitHub

Clase 010 — OOP básico, dataclasses, herencia

Parte: 0 — Prerrequisitos · Fuente: Ramalho, Fluent Python 2e — caps. 5 (Data Class Builders) y 14 (Inheritance) · Python Tutorial cap. 9. ⏱️ Duración estimada: 90 min.

🎯 Objetivo

Que el alumno escriba clases cuando aportan (no por hábito Java), use @dataclass para records sin boilerplate, entienda herencia con criterio (preferir composición), y conozca los métodos dunder más usados (__repr__, __eq__, __lt__, __len__).

📚 Resultados de aprendizaje

Al finalizar la clase, el alumno podrá:

  1. Definir clases con __init__, atributos de instancia y métodos.
  2. Usar @dataclass para records inmutables/mutables sin escribir __init__/__repr__/__eq__.
  3. Heredar y sobreescribir métodos con super().
  4. Implementar dunders esenciales: __repr__, __str__, __eq__, __lt__, __len__, __iter__.
  5. Decidir entre clase, dataclass o NamedTuple según el caso.

🗺️ Temas

# Tema Por qué importa
1 Clase mínima: __init__ + atributos + métodos El bloque básico.
2 @dataclass(frozen=True) Records inmutables sin boilerplate.
3 Herencia + super() Reutilizar implementación de la clase base.
4 Composición > herencia "Has-a" generalmente mejor que "is-a".
5 Métodos dunder Integran tu clase con len(), ==, repr(), sorted().
6 dataclass vs NamedTuple vs TypedDict Elegir según necesidad de mutabilidad/comportamiento.

📖 Definiciones y características

Clase / instancia
Una clase es una plantilla (class Punto:); una instancia es un objeto concreto (p = Punto(3, 4)). __init__ se llama al crear la instancia. self es la convención para referirse a la instancia dentro de los métodos.
Método dunder ("magic method")
Método con doble underscore (__init__, __repr__, __eq__, __lt__, __len__, __iter__, __add__). Python los invoca implícitamente con sintaxis especial (len(obj) → obj.__len__()).
@dataclass
Decorador que genera __init__, __repr__, __eq__ automáticamente desde las anotaciones de tipo de la clase. Reduce boilerplate. Con frozen=True la hace inmutable y hashable.
Herencia
class B(A) — B hereda atributos y métodos de A; puede sobreescribirlos. super() invoca al método de la clase padre. Múltiple herencia existe pero se complica (MRO).
Composición
"B tiene un A" (atributo) en vez de "B es un A" (herencia). Generalmente preferible: menos acoplamiento, sin problemas de herencia múltiple/diamante.
Polimorfismo
Distintas clases responden al mismo método con comportamiento distinto (Animal.hablar() → 'guau' o 'miau' según la subclase). Permite tratar instancias heterogéneas uniformemente.
NamedTuple vs dataclass vs TypedDict
NamedTuple: tupla con nombres, inmutable, hashable, sin métodos custom. dataclass: clase con boilerplate auto, mutable por default (mejor con métodos). TypedDict: dict con esquema (estructural, no nominal).

📂 Dataset / recursos

Sintético: lista de objetos Punto y Estudiante. Sin descarga.

🧪 Ejercicios

1. Clase Punto. Define Punto(x, y) con __repr__, __eq__, distancia al origen y __add__ para sumar puntos.

2. Dataclass Estudiante. @dataclass con nombre, notas: list[float], método promedio(). Crea 3 instancias, ordena por promedio.

3. Frozen Vector. @dataclass(frozen=True) para un vector 2D inmutable. Intenta modificar un atributo y observa la excepción.

4. Herencia. Animal con hablar() → 'genérico'. Perro(Animal) que sobreescribe a 'guau'. Gato(Animal) a 'miau'.

5. Composición. Coche que tiene un Motor (composición) en vez de heredar de Motor. Justifica por qué.

📝 Homework verificable

Notebook con: (a) Punto con 4 dunders y tests; (b) @dataclass Estudiante con sort por promedio; (c) @dataclass(frozen=True) Vector que demuestra inmutabilidad lanzando excepción; (d) jerarquía Animal → Perro/Gato con polimorfismo (lista mixta llamando hablar()).

Criterio de aceptación: Las 4 clases pasan tests; frozen=True lanza FrozenInstanceError al asignar.

⚠️ Errores comunes

Síntoma / mensaje Causa y cómo arreglar
Olvidé self en un método y el error es confuso Cualquier método de instancia recibe self automáticamente. Sin él, Python lo confunde con otra cosa. Fix: siempre def metodo(self, ...).
@dataclass con field mutable default rompe @dataclass class X: items: list = [] lanza ValueError: mutable default .... Fix: items: list = field(default_factory=list).
__eq__ definido pero __hash__ rompe Definir __eq__ sin __hash__ hace la clase no-hashable automáticamente. Fix: define ambos, o usa @dataclass(frozen=True) (lo hace por ti).
super().__init__(...) olvidado en subclase Atributos del padre quedan sin inicializar. Fix: si la subclase override __init__, llama super().__init__(...) explícitamente.
Modifico atributo y otra instancia también cambió Asignaste un mutable como class attribute, no instance: class X: items = [] — todas las instancias comparten esa lista. Fix: inicializa en __init__ (self.items = []).

❓ Preguntas frecuentes

❓ ¿Cuándo necesito OOP en data science?

Menos de lo que crees. Para análisis exploratorio, funciones + dicts/dataclasses bastan. Necesitas clases cuando hay: estado mutable complejo (modelos sklearn), polimorfismo (varios algoritmos misma interfaz), o frameworks que lo exigen (PyTorch nn.Module).

❓ ¿@dataclass o NamedTuple o pydantic?

NamedTuple: record inmutable simple, sin validación. dataclass: record con métodos opcionales. pydantic (no en stdlib): cuando además quieres validación de tipos en runtime, parsing desde JSON, etc. (lo verás en MLOps).

❓ ¿Composición > herencia siempre?

Como regla. Usa herencia solo cuando is-a sea genuino (PerroLabrador is-a Perro is-a Animal). Para has-a (Coche tiene un Motor), composición. Para reutilizar comportamiento sin jerarquía, considera mixins o protocols.

❓ ¿property y getters/setters Java-style?

En Python no escribes getNombre()/setNombre(). Usa atributo público (self.nombre = ...). Si después necesitas lógica, conviertes a @property sin cambiar el caller. Es la magia.

❓ ¿Cuándo __slots__?

Optimización: define los atributos permitidos y ahorra memoria (~50%) al no usar __dict__ por instancia. Útil solo en clases con millones de instancias. Costo: pierde herencia múltiple y dinamismo.

🔗 Referencias

📥 Material descargable

➡️ Siguiente clase

Clase 011 — pathlib, lectura y escritura de archivos