9. Clases
*********

Las clases proveen una forma de empaquetar datos y funcionalidad
juntos. Al crear una nueva clase, se crea un nuevo *tipo* de objeto,
permitiendo crear nuevas *instancias* de ese tipo. Cada instancia de
clase puede tener atributos adjuntos para mantener su estado. Las
instancias de clase también pueden tener métodos (definidos por su
clase) para modificar su estado.

Comparado con otros lenguajes de programación, el mecanismo de clases
de Python agrega clases con un mínimo de nuevas sintaxis y semánticas.
Es una mezcla de los mecanismos de clases encontrados en C++ y
Modula-3.  Las clases de Python proveen todas las características
normales de la Programación Orientada a Objetos: el mecanismo de la
herencia de clases permite múltiples clases base, una clase derivada
puede sobre escribir cualquier método de su(s) clase(s) base, y un
método puede llamar al método de la clase base con el mismo nombre.
Los objetos pueden tener una cantidad arbitraria de datos de cualquier
tipo.  Igual que con los módulos, las clases participan de la
naturaleza dinámica de Python: se crean en tiempo de ejecución, y
pueden modificarse luego de la creación.

En terminología de C++, normalmente los miembros de las clases
(incluyendo los miembros de datos), son *públicos* (excepto ver abajo
Variables privadas), y todas las funciones miembro son *virtuales*.
Como en Modula-3, no hay atajos para hacer referencia a los miembros
del objeto desde sus métodos: la función método se declara con un
primer argumento explícito que representa al objeto, el cual se provee
implícitamente por la llamada.  Como en Smalltalk, las clases mismas
son objetos.  Esto provee una semántica para importar y renombrar.  A
diferencia de C++ y Modula-3, los tipos de datos integrados pueden
usarse como clases base para que el usuario los extienda.  También,
como en C++ pero a diferencia de Modula-3, la mayoría de los
operadores integrados con sintaxis especial (operadores aritméticos,
de sub-índice, etc.) pueden volver a ser definidos por instancias de
la clase.

(Sin haber una terminología universalmente aceptada sobre clases, haré
uso ocasional de términos de Smalltalk y C++.  Usaría términos de
Modula-3, ya que su semántica orientada a objetos es más cercana a
Python que C++, pero no espero que muchos lectores hayan escuchado
hablar de él.)


9.1. Unas palabras sobre nombres y objetos
==========================================

Los objetos tienen individualidad, y múltiples nombres (en muchos
ámbitos) pueden vincularse al mismo objeto.  Esto se conoce como
*aliasing* en otros lenguajes.  Normalmente no se aprecia esto a
primera vista en Python, y puede ignorarse sin problemas cuando se
maneja tipos básicos inmutables (números, cadenas, tuplas).  Sin
embargo, el *aliasing*, o renombrado,  tiene un efecto posiblemente
sorpresivo sobre la semántica de código Python que involucra objetos
mutables como listas, diccionarios, y la mayoría de otros tipos.  Esto
se usa normalmente para beneficio del programa, ya que los renombres
funcionan como punteros en algunos aspectos.  Por ejemplo, pasar un
objeto es barato ya que la implementación solamente pasa el puntero; y
si una función modifica el objeto que fue pasado, el que la llama verá
el cambio; esto elimina la necesidad de tener dos formas diferentes de
pasar argumentos, como en Pascal.


9.2. Ámbitos y espacios de nombres en Python
============================================

Antes de ver clases, primero debo decirte algo acerca de las reglas de
ámbito de Python.  Las definiciones de clases hacen unos lindos trucos
con los espacios de nombres, y necesitás saber cómo funcionan los
alcances y espacios de nombres para entender por completo cómo es la
cosa.  De paso, los conocimientos en este tema son útiles para
cualquier programador Python avanzado.

Comencemos con unas definiciones.

Un *espacio de nombres* es una relación de nombres a objetos.  Muchos
espacios de nombres están implementados en este momento como
diccionarios de Python, pero eso no se nota para nada (excepto por el
desempeño), y puede cambiar en el futuro.  Como ejemplos de espacios
de nombres tenés: el conjunto de nombres incluidos (conteniendo
funciones como "abs()", y los nombres de excepciones integradas); los
nombres globales en un módulo; y los nombres locales en la invocación
a una función.  Lo que es importante saber de los espacios de nombres
es que no hay relación en absoluto entre los nombres de espacios de
nombres distintos; por ejemplo, dos módulos diferentes pueden tener
definidos los dos una función "maximizar" sin confusión; los usuarios
de los módulos deben usar el nombre del módulo como prefijo.

Por cierto, yo uso la palabra *atributo* para cualquier cosa después
de un punto; por ejemplo, en la expresión "z.real", "real" es un
atributo del objeto "z".  Estrictamente hablando, las referencias a
nombres en módulos son referencias a atributos: en la expresión
"modulo.funcion", "modulo" es un objeto módulo y "funcion" es un
atributo de éste.  En este caso hay una relación directa entre los
atributos del módulo y los nombres globales definidos en el módulo:
¡están compartiendo el mismo espacio de nombres! [1]

Attributes may be read-only or writable.  In the latter case,
assignment to attributes is possible.  Module attributes are writable:
you can write "modname.the_answer = 42".  Writable attributes may also
be deleted with the "del" statement.  For example, "del
modname.the_answer" will remove the attribute "the_answer" from the
object named by "modname".

Los espacios de nombres se crean en diferentes momentos y con
diferentes tiempos de vida.  El espacio de nombres que contiene los
nombres incluidos se crea cuando se inicia el intérprete, y nunca se
borra.  El espacio de nombres global de un módulo se crea cuando se
lee la definición de un módulo; normalmente, los espacios de nombres
de módulos también duran hasta que el intérprete finaliza.  Las
instrucciones ejecutadas en el nivel de llamadas superior del
intérprete, ya sea desde un script o interactivamente, se consideran
parte del módulo llamado "__main__", por lo tanto tienen su propio
espacio de nombres global.  (Los nombres incluidos en realidad también
viven en un módulo; este se llama "builtins".)

El espacio de nombres local a una función se crea cuando la función es
llamada, y se elimina cuando la función retorna o lanza una excepción
que no se maneje dentro de la función.  (Podríamos decir que lo que
pasa en realidad es que ese espacio de nombres se "olvida".)  Por
supuesto, las llamadas recursivas tienen cada una su propio espacio de
nombres local.

Un *ámbito* es una región textual de un programa en Python donde un
espacio de nombres es accesible directamente.  "Accesible
directamente" significa que una referencia sin calificar a un nombre
intenta encontrar dicho nombre dentro del espacio de nombres.

Aunque los alcances se determinan de forma estática, se utilizan de
forma dinámica. En cualquier momento durante la ejecución, hay 3 o 4
ámbitos anidados cuyos espacios de nombres son directamente
accesibles:

* el alcance más interno, que es inspeccionado primero, contiene los
  nombres locales

* the scopes of any enclosing functions, which are searched starting
  with the nearest enclosing scope, contain non-local, but also non-
  global names

* el penúltimo alcance contiene nombres globales del módulo actual

* el alcance más externo (el último inspeccionado) es el espacio de
  nombres que contiene los nombres integrados

If a name is declared global, then all references and assignments go
directly to the next-to-last scope containing the module's global
names.  To rebind variables found outside of the innermost scope, the
"nonlocal" statement can be used; if not declared nonlocal, those
variables are read-only (an attempt to write to such a variable will
simply create a *new* local variable in the innermost scope, leaving
the identically named outer variable unchanged).

Habitualmente, el ámbito local referencia los nombres locales de la
función actual.  Fuera de una función, el ámbito local referencia al
mismo espacio de nombres que el ámbito global: el espacio de nombres
del módulo. Las definiciones de clases crean un espacio de nombres más
en el ámbito local.

Es importante notar que los alcances se determinan textualmente: el
ámbito global de una función definida en un módulo es el espacio de
nombres de ese módulo, no importa desde dónde o con qué alias se llame
a la función.  Por otro lado, la búsqueda de nombres se hace
dinámicamente, en tiempo de ejecución; sin embargo, la definición del
lenguaje está evolucionando a hacer resolución de nombres
estáticamente, en tiempo de "compilación", ¡así que no te confíes de
la resolución de nombres dinámica! (De hecho, las variables locales ya
se determinan estáticamente.)

Una peculiaridad especial de Python es que, si no hay una declaración
"global" o "nonlocal" en efecto, las asignaciones a nombres siempre
van al ámbito interno.  Las asignaciones no copian datos, solamente
asocian nombres a objetos.  Lo mismo cuando se borra: la declaración
"del x" quita la asociación de "x" del espacio de nombres referenciado
por el ámbito local.  De hecho, todas las operaciones que introducen
nuevos nombres usan el ámbito local: en particular, las instrucciones
"import" y las definiciones de funciones asocian el módulo o nombre de
la función al espacio de nombres en el ámbito local.

La declaración "global" puede usarse para indicar que ciertas
variables viven en el ámbito global y deberían reasignarse allí; la
declaración "nonlocal" indica que ciertas variables viven en un ámbito
encerrado y deberían reasignarse allí.


9.2.1. Ejemplo de ámbitos y espacios de nombre
----------------------------------------------

Este es un ejemplo que muestra como hacer referencia a distintos
ámbitos y espacios de nombres, y cómo las declaraciones "global" y
"nonlocal" afectan la asignación de variables:

   def scope_test():
       def do_local():
           spam = "local spam"

       def do_nonlocal():
           nonlocal spam
           spam = "nonlocal spam"

       def do_global():
           global spam
           spam = "global spam"

       spam = "test spam"
       do_local()
       print("After local assignment:", spam)
       do_nonlocal()
       print("After nonlocal assignment:", spam)
       do_global()
       print("After global assignment:", spam)

   scope_test()
   print("In global scope:", spam)

El resultado del código ejemplo es:

   After local assignment: test spam
   After nonlocal assignment: nonlocal spam
   After global assignment: nonlocal spam
   In global scope: global spam

Notá como la asignación *local* (que es el comportamiento normal) no
cambió la vinculación de *spam* de *scope_test*.  La asignación
"nonlocal" cambió la vinculación de *spam* de *scope_test*, y la
asignación "global" cambió la vinculación a nivel de módulo.

También podés ver que no había vinculación para *spam* antes de la
asignación "global".


9.3. Un primer vistazo a las clases
===================================

Las clases introducen un poquito de sintaxis nueva, tres nuevos tipos
de objetos y algo de semántica nueva.


9.3.1. Sintaxis de definición de clases
---------------------------------------

La forma más sencilla de definición de una clase se ve así:

   class ClassName:
       <statement-1>
       .
       .
       .
       <statement-N>

Las definiciones de clases, al igual que las definiciones de funciones
(instrucciones "def") deben ejecutarse antes de que tengan efecto
alguno.  (Es concebible poner una definición de clase dentro de una
rama de un "if", o dentro de una función.)

En la práctica, las declaraciones dentro de una clase son definiciones
de funciones, pero otras declaraciones son permitidas, y a veces
resultan útiles; veremos esto más adelante.  Las definiciones de
funciones dentro de una clase normalmente tienen una lista de
argumentos peculiar, dictada por las convenciones de invocación de
métodos; a esto también lo veremos más adelante.

Cuando se ingresa una definición de clase, se crea un nuevo espacio de
nombres, el cual se usa como ámbito local; por lo tanto, todas las
asignaciones a variables locales van a este nuevo espacio de nombres.
En particular, las definiciones de funciones asocian el nombre de las
funciones nuevas allí.

When a class definition is left normally (via the end), a *class
object* is created.  This is basically a wrapper around the contents
of the namespace created by the class definition; we'll learn more
about class objects in the next section.  The original local scope
(the one in effect just before the class definition was entered) is
reinstated, and the class object is bound here to the class name given
in the class definition header ("ClassName" in the example).


9.3.2. Objetos clase
--------------------

Los objetos clase soportan dos tipos de operaciones: hacer referencia
a atributos e instanciación.

Para *hacer referencia a atributos* se usa la sintaxis estándar de
todas las referencias a atributos en Python: "objeto.nombre".  Los
nombres de atributo válidos son todos los nombres que estaban en el
espacio de nombres de la clase cuando ésta se creó.  Por lo tanto, si
la definición de la clase es así:

   class MyClass:
       """A simple example class"""
       i = 12345

       def f(self):
           return 'hello world'

then "MyClass.i" and "MyClass.f" are valid attribute references,
returning an integer and a function object, respectively. Class
attributes can also be assigned to, so you can change the value of
"MyClass.i" by assignment. "__doc__" is also a valid attribute,
returning the docstring belonging to the class: ""A simple example
class"".

La *instanciación* de clases usa la notación de funciones.  Hacé de
cuenta que el objeto de clase es una función sin parámetros que
retorna una nueva instancia de la clase.  Por ejemplo (para la clase
de más arriba):

   x = MyClass()

crea una nueva *instancia* de la clase y asigna este objeto a la
variable local "x".

The instantiation operation ("calling" a class object) creates an
empty object. Many classes like to create objects with instances
customized to a specific initial state. Therefore a class may define a
special method named "__init__()", like this:

   def __init__(self):
       self.data = []

When a class defines an "__init__()" method, class instantiation
automatically invokes "__init__()" for the newly created class
instance.  So in this example, a new, initialized instance can be
obtained by:

   x = MyClass()

Of course, the "__init__()" method may have arguments for greater
flexibility.  In that case, arguments given to the class instantiation
operator are passed on to "__init__()".  For example,

   >>> class Complex:
   ...     def __init__(self, realpart, imagpart):
   ...         self.r = realpart
   ...         self.i = imagpart
   ...
   >>> x = Complex(3.0, -4.5)
   >>> x.r, x.i
   (3.0, -4.5)


9.3.3. Objetos instancia
------------------------

Ahora, ¿Qué podemos hacer con los objetos instancia?  La única
operación que es entendida por los objetos instancia es la referencia
de atributos.  Hay dos tipos de nombres de atributos válidos,
atributos de datos y métodos.

*data attributes* correspond to "instance variables" in Smalltalk, and
to "data members" in C++.  Data attributes need not be declared; like
local variables, they spring into existence when they are first
assigned to.  For example, if "x" is the instance of "MyClass" created
above, the following piece of code will print the value "16", without
leaving a trace:

   x.counter = 1
   while x.counter < 10:
       x.counter = x.counter * 2
   print(x.counter)
   del x.counter

El otro tipo de atributo de instancia es el *método*.  Un método es
una función que "pertenece a" un objeto.  En Python, el término método
no está limitado a instancias de clase: otros tipos de objetos pueden
tener métodos también.  Por ejemplo, los objetos lista tienen métodos
llamados append, insert, remove, sort, y así sucesivamente.  Pero, en
la siguiente explicación, usaremos el término método para referirnos
exclusivamente a métodos de objetos instancia de clase, a menos que se
especifique explícitamente lo contrario.

Los nombres válidos de métodos de un objeto instancia dependen de su
clase. Por definición, todos los atributos de clase que son objetos
funciones definen métodos correspondientes de sus instancias.
Entonces, en nuestro ejemplo, "x.f" es una referencia a un método
válido, dado que "MyClass.f" es una función, pero "x.i" no lo es, dado
que "MyClass.i" no lo es.  Pero "x.f" no es la misma cosa que
"MyClass.f"; es un *objeto método*, no un objeto función.


9.3.4. Objetos método
---------------------

Generalmente, un método es llamado luego de ser vinculado:

   x.f()

In the "MyClass" example, this will return the string "'hello world'".
However, it is not necessary to call a method right away: "x.f" is a
method object, and can be stored away and called at a later time.  For
example:

   xf = x.f
   while True:
       print(xf())

continuará imprimiendo "hello world" hasta el fin de los días.

What exactly happens when a method is called?  You may have noticed
that "x.f()" was called without an argument above, even though the
function definition for "f()" specified an argument.  What happened to
the argument? Surely Python raises an exception when a function that
requires an argument is called without any --- even if the argument
isn't actually used...

De hecho, tal vez hayas adivinado la respuesta: lo que tienen de
especial los métodos es que el objeto es pasado como el primer
argumento de la función. En nuestro ejemplo, la llamada "x.f()" es
exactamente equivalente a "MyClass.f(x)".  En general, llamar a un
método con una lista de *n* argumentos es equivalente a llamar a la
función correspondiente con una lista de argumentos que es creada
insertando el objeto del método antes del primer argumento.

In general, methods work as follows.  When a non-data attribute of an
instance is referenced, the instance's class is searched. If the name
denotes a valid class attribute that is a function object, references
to both the instance object and the function object are packed into a
method object.  When the method object is called with an argument
list, a new argument list is constructed from the instance object and
the argument list, and the function object is called with this new
argument list.


9.3.5. Variables de clase y de instancia
----------------------------------------

En general, las variables de instancia son para datos únicos de cada
instancia y las variables de clase son para atributos y métodos
compartidos por todas las instancias de la clase:

   class Dog:

       kind = 'canine'         # class variable shared by all instances

       def __init__(self, name):
           self.name = name    # instance variable unique to each instance

   >>> d = Dog('Fido')
   >>> e = Dog('Buddy')
   >>> d.kind                  # shared by all dogs
   'canine'
   >>> e.kind                  # shared by all dogs
   'canine'
   >>> d.name                  # unique to d
   'Fido'
   >>> e.name                  # unique to e
   'Buddy'

Como se vio en Unas palabras sobre nombres y objetos, los datos
compartidos pueden tener efectos inesperados que involucren objetos
*mutable* como ser listas y diccionarios. Por ejemplo, la lista
*tricks* en el siguiente código no debería ser usada como variable de
clase porque una sola lista sería compartida por todos las instancias
de *Dog*:

   class Dog:

       tricks = []             # mistaken use of a class variable

       def __init__(self, name):
           self.name = name

       def add_trick(self, trick):
           self.tricks.append(trick)

   >>> d = Dog('Fido')
   >>> e = Dog('Buddy')
   >>> d.add_trick('roll over')
   >>> e.add_trick('play dead')
   >>> d.tricks                # unexpectedly shared by all dogs
   ['roll over', 'play dead']

El diseño correcto de esta clase sería usando una variable de
instancia:

   class Dog:

       def __init__(self, name):
           self.name = name
           self.tricks = []    # creates a new empty list for each dog

       def add_trick(self, trick):
           self.tricks.append(trick)

   >>> d = Dog('Fido')
   >>> e = Dog('Buddy')
   >>> d.add_trick('roll over')
   >>> e.add_trick('play dead')
   >>> d.tricks
   ['roll over']
   >>> e.tricks
   ['play dead']


9.4. Algunas observaciones
==========================

Si el mismo nombre de atributo aparece tanto en la instancia como en
la clase, la búsqueda del atributo prioriza la instancia:

   >>> class Warehouse:
   ...    purpose = 'storage'
   ...    region = 'west'
   ...
   >>> w1 = Warehouse()
   >>> print(w1.purpose, w1.region)
   storage west
   >>> w2 = Warehouse()
   >>> w2.region = 'east'
   >>> print(w2.purpose, w2.region)
   storage east

A los atributos de datos los pueden hacer referencia tanto los métodos
como los usuarios ("clientes") ordinarios de un objeto.  En otras
palabras, las clases no se usan para implementar tipos de datos
abstractos puros.  De hecho, en Python no hay nada que haga cumplir el
ocultar datos; todo se basa en convención.  (Por otro lado, la
implementación de Python, escrita en C, puede ocultar por completo
detalles de implementación y el control de acceso a un objeto si es
necesario; esto se puede usar en extensiones a Python escritas en C.)

Los clientes deben usar los atributos de datos con cuidado; éstos
pueden romper invariantes que mantienen los métodos si pisan los
atributos de datos. Observá que los clientes pueden añadir sus propios
atributos de datos a una instancia sin afectar la validez de sus
métodos, siempre y cuando se eviten conflictos de nombres; de nuevo,
una convención de nombres puede ahorrar un montón de dolores de
cabeza.

No hay un atajo para hacer referencia a atributos de datos (¡u otros
métodos!) desde dentro de un método.  A mi parecer, esto en realidad
aumenta la legibilidad de los métodos: no existe posibilidad alguna de
confundir variables locales con variables de instancia cuando
repasamos un método.

A menudo, el primer argumento de un método se llama "self" (uno
mismo).  Esto no es nada más que una convención: el nombre "self" no
significa nada en especial para Python.  Observá que, sin embargo, si
no seguís la convención tu código puede resultar menos legible a otros
programadores de Python, y puede llegar a pasar que un programa
*navegador de clases* pueda escribirse de una manera que dependa de
dicha convención.

Cualquier objeto función que es un atributo de clase define un método
para instancias de esa clase.  No es necesario que el la definición de
la función esté textualmente dentro de la definición de la clase:
asignando un objeto función a una variable local en la clase también
está bien.  Por ejemplo:

   # Function defined outside the class
   def f1(self, x, y):
       return min(x, x+y)

   class C:
       f = f1

       def g(self):
           return 'hello world'

       h = g

Now "f", "g" and "h" are all attributes of class "C" that refer to
function objects, and consequently they are all methods of instances
of "C" --- "h" being exactly equivalent to "g".  Note that this
practice usually only serves to confuse the reader of a program.

Los métodos pueden llamar a otros métodos de la instancia usando el
argumento "self":

   class Bag:
       def __init__(self):
           self.data = []

       def add(self, x):
           self.data.append(x)

       def addtwice(self, x):
           self.add(x)
           self.add(x)

Los métodos pueden hacer referencia a nombres globales de la misma
manera que lo hacen las funciones comunes.  El ámbito global asociado
a un método es el módulo que contiene su definición.  (Una clase nunca
se usa como un ámbito global).  Si bien es raro encontrar una buena
razón para usar datos globales en un método, hay muchos usos legítimos
del ámbito global: por lo menos, las funciones y módulos importados en
el ámbito global pueden usarse por los métodos, al igual que las
funciones y clases definidas en él. Habitualmente, la clase que
contiene el método está definida en este ámbito global, y en la
siguiente sección veremos algunas buenas razones por las que un método
querría hacer referencia a su propia clase.

Todo valor es un objeto, y por lo tanto tiene una *clase* (también
llamado su *tipo*). Ésta se almacena como "objeto.__class__".


9.5. Herencia
=============

Por supuesto, una característica del lenguaje no sería digna del
nombre "clase" si no soportara herencia.  La sintaxis para una
definición de clase derivada se ve así:

   class DerivedClassName(BaseClassName):
       <statement-1>
       .
       .
       .
       <statement-N>

The name "BaseClassName" must be defined in a scope containing the
derived class definition.  In place of a base class name, other
arbitrary expressions are also allowed.  This can be useful, for
example, when the base class is defined in another module:

   class DerivedClassName(modname.BaseClassName):

La ejecución de una definición de clase derivada procede de la misma
forma que una clase base.  Cuando el objeto clase se construye, se
tiene en cuenta a la clase base.  Esto se usa para resolver
referencias a atributos: si un atributo solicitado no se encuentra en
la clase, la búsqueda continúa por la clase base. Esta regla se aplica
recursivamente si la clase base misma deriva de alguna otra clase.

No hay nada en especial en la instanciación de clases derivadas:
"DerivedClassName()" crea una nueva instancia de la clase.  Las
referencias a métodos se resuelven de la siguiente manera: se busca el
atributo de clase correspondiente, descendiendo por la cadena de
clases base si es necesario, y la referencia al método es válida si se
entrega un objeto función.

Las clases derivadas pueden redefinir métodos de su clase base.  Como
los métodos no tienen privilegios especiales cuando llaman a otros
métodos del mismo objeto, un método de la clase base que llame a otro
método definido en la misma clase base puede terminar llamando a un
método de la clase derivada que lo haya redefinido.  (Para los
programadores de C++: en Python todos los métodos son en efecto
"virtuales".)

Un método redefinido en una clase derivada puede de hecho querer
extender en vez de simplemente reemplazar al método de la clase base
con el mismo nombre. Hay una manera simple de llamar al método de la
clase base directamente: simplemente llamás a
"BaseClassName.methodname(self, arguments)".  En ocasiones esto es
útil para los clientes también.  (Observá que esto sólo funciona si la
clase base es accesible como "BaseClassName" en el ámbito global).

Python tiene dos funciones integradas que funcionan con herencia:

* Usar "isinstance()" para verificar el tipo de una instancia:
  "isinstance(obj, int)" será "True" sólo si "obj.__class__" es "int"
  o alguna clase derivada de "int".

* Usar "issubclass()" para verificar la herencia de clases:
  "issubclass(bool, int)" es "True" ya que "bool" es una subclase de
  "int". Sin embargo, "issubclass(float, int)" es "False" ya que
  "float" no es una subclase de "int".


9.5.1. Herencia múltiple
------------------------

Python también soporta una forma de herencia múltiple.  Una definición
de clase con múltiples clases base se ve así:

   class DerivedClassName(Base1, Base2, Base3):
       <statement-1>
       .
       .
       .
       <statement-N>

For most purposes, in the simplest cases, you can think of the search
for attributes inherited from a parent class as depth-first, left-to-
right, not searching twice in the same class where there is an overlap
in the hierarchy. Thus, if an attribute is not found in
"DerivedClassName", it is searched for in "Base1", then (recursively)
in the base classes of "Base1", and if it was not found there, it was
searched for in "Base2", and so on.

En realidad es un poco más complejo que eso; el orden de resolución de
métodos cambia dinámicamente para soportar las llamadas cooperativas a
"super()".  Este enfoque es conocido en otros lenguajes con herencia
múltiple como "llámese al siguiente método" y es más poderoso que la
llamada al superior que se encuentra en lenguajes con sólo herencia
simple.

El ordenamiento dinámico es necesario porque todos los casos de
herencia múltiple exhiben una o más relaciones en diamante (cuando se
puede llegar al menos a una de las clases base por distintos caminos
desde la clase de más abajo).  Por ejemplo, todas las clases heredan
de "object", por lo tanto cualquier caso de herencia múltiple provee
más de un camino para llegar a "object".  Para que las clases base no
sean accedidas más de una vez, el algoritmo dinámico hace lineal el
orden de búsqueda de manera que se preserve el orden de izquierda a
derecha especificado en cada clase, que se llame a cada clase base
sólo una vez, y que sea monótona (lo cual significa que una clase
puede tener clases derivadas sin afectar el orden de precedencia de
sus clases bases).  En conjunto, estas propiedades hacen posible
diseñar clases confiables y extensibles con herencia múltiple. Para
más detalles mirá  https://www.python.org/download/releases/2.3/mro/.


9.6. Variables privadas
=======================

Las variables "privadas" de instancia, que no pueden accederse excepto
desde dentro de un objeto, no existen en Python.  Sin embargo, hay una
convención que se sigue en la mayoría del código Python: un nombre
prefijado con un guión bajo (por ejemplo, "_spam") debería tratarse
como una parte no pública de la API (más allá de que sea una función,
un método, o un dato).  Debería considerarse un detalle de
implementación y que está sujeto a cambios sin aviso.

Ya que hay un caso de uso válido para los identificadores privados de
clase (a saber: colisión de nombres con nombres definidos en las
subclases), hay un soporte limitado para este mecanismo.  Cualquier
identificador con la forma "__spam" (al menos dos guiones bajos al
principio, como mucho un guión bajo al final) es textualmente
reemplazado por "_nombredeclase__spam", donde "nombredeclase" es el
nombre de clase actual al que se le sacan guiones bajos del comienzo
(si los tuviera).  Se modifica el nombre del identificador sin
importar su posición sintáctica, siempre y cuando ocurra dentro de la
definición de una clase.

La modificación de nombres es útil para dejar que las subclases
sobreescriban los métodos sin romper las llamadas a los métodos desde
la misma clase.  Por ejemplo:

   class Mapping:
       def __init__(self, iterable):
           self.items_list = []
           self.__update(iterable)

       def update(self, iterable):
           for item in iterable:
               self.items_list.append(item)

       __update = update   # private copy of original update() method

   class MappingSubclass(Mapping):

       def update(self, keys, values):
           # provides new signature for update()
           # but does not break __init__()
           for item in zip(keys, values):
               self.items_list.append(item)

El ejemplo de arriba funcionaría incluso si "MappingSubclass"
introdujera un identificador "__update" ya que se reemplaza con
"_Mapping__update" en la clase "Mapping"  y "_MappingSubclass__update"
en la clase "MappingSubclass" respectivamente.

Hay que aclarar que las reglas de modificación de nombres están
diseñadas principalmente para evitar accidentes; es posible acceder o
modificar una variable que es considerada como privada.  Esto hasta
puede resultar útil en circunstancias especiales, tales como en el
depurador.

Notar que el código pasado a "exec" o "eval()" no considera que el
nombre de clase de la clase que invoca sea la clase actual; esto es
similar al efecto de la sentencia "global", efecto que es de similar
manera restringido a código que es compilado en conjunto.  La misma
restricción aplica a "getattr()", "setattr()" y "delattr()", así como
cuando se referencia a "__dict__" directamente.


9.7. Cambalache
===============

Sometimes it is useful to have a data type similar to the Pascal
"record" or C "struct", bundling together a few named data items. The
idiomatic approach is to use "dataclasses" for this purpose:

   from dataclasses import dataclass

   @dataclass
   class Employee:
       name: str
       dept: str
       salary: int

   >>> john = Employee('john', 'computer lab', 1000)
   >>> john.dept
   'computer lab'
   >>> john.salary
   1000

A piece of Python code that expects a particular abstract data type
can often be passed a class that emulates the methods of that data
type instead.  For instance, if you have a function that formats some
data from a file object, you can define a class with methods "read()"
and "readline()" that get the data from a string buffer instead, and
pass it as an argument.

Instance method objects have attributes, too: "m.__self__" is the
instance object with the method "m()", and "m.__func__" is the
function object corresponding to the method.


9.8. Iteradores
===============

Es probable que hayas notado que la mayoría de los objetos
contenedores pueden ser recorridos usando una sentencia "for":

   for element in [1, 2, 3]:
       print(element)
   for element in (1, 2, 3):
       print(element)
   for key in {'one':1, 'two':2}:
       print(key)
   for char in "123":
       print(char)
   for line in open("myfile.txt"):
       print(line, end='')

Este estilo de acceso es limpio, conciso y conveniente.  El uso de
iteradores está impregnado y unifica a Python.  En bambalinas, la
sentencia "for" llama a "iter()" en el objeto contenedor.  La función
retorna un objeto iterador que define el método "__next__()" que
accede elementos en el contenedor de a uno por vez.  Cuando no hay más
elementos, "__next__()" lanza una excepción "StopIteration" que le
avisa al bucle del "for" que hay que terminar.  Podés llamar al método
"__next__()" usando la función integrada "next()"; este ejemplo
muestra como funciona todo esto:

   >>> s = 'abc'
   >>> it = iter(s)
   >>> it
   <str_iterator object at 0x10c90e650>
   >>> next(it)
   'a'
   >>> next(it)
   'b'
   >>> next(it)
   'c'
   >>> next(it)
   Traceback (most recent call last):
     File "<stdin>", line 1, in <module>
       next(it)
   StopIteration

Having seen the mechanics behind the iterator protocol, it is easy to
add iterator behavior to your classes.  Define an "__iter__()" method
which returns an object with a "__next__()" method.  If the class
defines "__next__()", then "__iter__()" can just return "self":

   class Reverse:
       """Iterator for looping over a sequence backwards."""
       def __init__(self, data):
           self.data = data
           self.index = len(data)

       def __iter__(self):
           return self

       def __next__(self):
           if self.index == 0:
               raise StopIteration
           self.index = self.index - 1
           return self.data[self.index]

   >>> rev = Reverse('spam')
   >>> iter(rev)
   <__main__.Reverse object at 0x00A1DB50>
   >>> for char in rev:
   ...     print(char)
   ...
   m
   a
   p
   s


9.9. Generadores
================

*Generators* son una herramienta simple y poderosa para crear
iteradores. Están escritas como funciones regulares pero usan la
palabra clave "yield" siempre que quieran retornar datos. Cada vez que
se llama a "next()", el generador se reanuda donde lo dejó (recuerda
todos los valores de datos y qué instrucción se ejecutó por última
vez). Un ejemplo muestra que los generadores pueden ser trivialmente
fáciles de crear:

   def reverse(data):
       for index in range(len(data)-1, -1, -1):
           yield data[index]

   >>> for char in reverse('golf'):
   ...     print(char)
   ...
   f
   l
   o
   g

Anything that can be done with generators can also be done with class-
based iterators as described in the previous section.  What makes
generators so compact is that the "__iter__()" and "__next__()"
methods are created automatically.

Otra característica clave es que las variables locales y el estado de
la ejecución son guardados automáticamente entre llamadas.  Esto hace
que la función sea más fácil de escribir y quede mucho más claro que
hacerlo usando variables de instancia tales como "self.indice" y
"self.datos".

Además de la creación automática de métodos y el guardar el estado del
programa, cuando los generadores terminan automáticamente lanzan
"StopIteration".  Combinadas, estas características facilitan la
creación de iteradores, y hacen que no sea más esfuerzo que escribir
una función regular.


9.10. Expresiones generadoras
=============================

Algunos generadores simples pueden ser escritos de manera concisa como
expresiones usando una sintaxis similar a las comprensiones de listas
pero con paréntesis en lugar de corchetes. Estas expresiones están
hechas para situaciones donde el generador es utilizado de inmediato
por la función que lo encierra. Las expresiones generadoras son más
compactas pero menos versátiles que las definiciones completas de
generadores y tienden a ser más amigables con la memoria que sus
comprensiones de listas equivalentes.

Ejemplos:

   >>> sum(i*i for i in range(10))                 # sum of squares
   285

   >>> xvec = [10, 20, 30]
   >>> yvec = [7, 5, 3]
   >>> sum(x*y for x,y in zip(xvec, yvec))         # dot product
   260

   >>> unique_words = set(word for line in page  for word in line.split())

   >>> valedictorian = max((student.gpa, student.name) for student in graduates)

   >>> data = 'golf'
   >>> list(data[i] for i in range(len(data)-1, -1, -1))
   ['f', 'l', 'o', 'g']

-[ Notas al pie ]-

[1] Excepto por una cosa. Los objetos módulo tienen un atributo de
    sólo lectura secreto llamado "__dict__" que retorna el diccionario
    usado para implementar el espacio de nombres del módulo; el nombre
    "__dict__" es un atributo pero no un nombre global. Obviamente,
    usar esto viola la abstracción de la implementación del espacio de
    nombres, y debería ser restringido a cosas como depuradores post-
    mortem.
