Este artículo está pensado para desarrolladores con experiencia en JavaScript o TypeScript que quieren aprender Python 3.10. Incluye comparativas prácticas sobre sintaxis, tipos, manejo de concurrencia y patrones que facilitan la transición. Además presentamos cómo Q2BSTUDIO puede apoyar en proyectos de software a medida y soluciones basadas en inteligencia artificial, ciberseguridad y servicios cloud.

Sobre Q2BSTUDIO: somos una empresa de desarrollo de software y aplicaciones a medida especializada en inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios de inteligencia de negocio y automatización. Si necesitas construir soluciones de aplicaciones a medida o integrar modelos y agentes IA para empresas consulta nuestros servicios de inteligencia artificial.

Variables: Python no requiere let const o var. La inferencia o anotaciones de tipo son opcionales. Ejemplos: TypeScript let x: number = 5 const y = hello var z = true Python x: int = 5 y: str = hello z = True

Tipos de datos: TypeScript number equivale a int o float en Python; string a str; boolean a bool; any a Any desde typing; arrays a list y tuplas a tuple. Objetos en TS son dict en Python. Ejemplos Python arr: list[int] = [1, 2, 3] tup: tuple[str, int] = (a, 1) obj: dict[str, int] = {name: Alice, age: 25}

Mutabilidad y paso por referencia: listas y diccionarios son mutables y al pasarlos a funciones se pasan por referencia, los cambios afectan al original. Tipos inmutables como int float str y tuple no se pueden mutar in place.

Funciones: TypeScript function add(a: number, b: number): number { return a + b } y arrow (a, b) => a + b. Python def add(a: int, b: int) -> int: return a + b y lambda a, b: a + b. Las lambdas en Python son expresiones para funciones pequeñas; para múltiples sentencias usa def.

Control de flujo: en Python la indentacion define bloques. Ejemplo if x > 5: print(yes) else: print(no). No se usan llaves ni punto y coma.

Bucle for y while: Python usa for in y range para contar. Ejemplos for i in range(5): print(i) for num in arr: print(num) i = 0 while i < 5: print(i) i += 1. Para índices usar enumerate.

Clases y OOP: Python usa self en métodos en lugar de this. No hay palabras reservadas public o private; la convención es _nombre para atributos privados. No se necesita new para instanciar. Ejemplo class Person: def __init__(self, name: str): self.name = name def greet(self): print(Hello + self.name) p1 = Person(Alice) p1.greet()

Herencia: Python permite herencia simple y múltiple y resuelve conflictos con MRO. Uso de super: super().__init__(). Ejemplo class Dog(Animal): def speak(self): print(self.name + barks)

Módulos e imports: en TypeScript debes exportar explícitamente. En Python todo es importable por defecto salvo que se oculte con convenciones o la variable __all__. Ejemplo from os import read o import mi_modulo.

Manejo de excepciones: estructuras equivalentes pero con except en lugar de catch. Ejemplo try: risky_operation() except Exception as err: print(err) finally: cleanup()

Async await: Python usa async def y await sobre corutinas. Con librerías como aiohttp realizas requests sin bloquear el hilo principal. Ejemplo async def fetch_data(): async with session.get(url) as resp: return await resp.text()

Unpacking y operadores spread rest: Python usa * para listas y ** para diccionarios. Para funciones variádicas usa *args y **kwargs. Ejemplos arr2 = [0, *arr1, 4] obj2 = {**obj1, c: 3} def sum_all(*nums: int) -> int: return sum(nums)

Desestructuración: Python no tiene object destructuring como en JS pero permite sequence unpacking. Ejemplos a, b, c = 1, 2, 3 a, *rest = [1, 2, 3, 4]

Interfaces: Python no tiene keyword interface; para contratos estrictos usa Abstract Base Classes o Protocols desde typing, aunque el patrón habitual es duck typing y tipado gradual.

Hoisting y scopes: en Python no existe hoisting. Las estructuras if for while no crean un nuevo scope, las funciones sí. Para modificar variables externas dentro de una función anidada usa nonlocal o global según el caso.

Closures: funcionan capturando variables externas. Para modificar variables del scope superior desde una función interna hay que declarar nonlocal.

Corutinas y event loop: una corutina se define con async def y puede pausar su ejecución con await, cediendo el control al event loop. Para ejecutar corutinas desde el entry point usa asyncio.run.

Futures y concurrencia: un Future es similar a una Promise. En asyncio creas tareas con asyncio.create_task que devuelven un Future y se awaitan para obtener resultados.

Comparativa event loop JS vs asyncio: ambos usan un loop de eventos y tareas asíncronas, pero JS tiene microtasks y macrotasks y está estrechamente integrado con Promises; asyncio usa corutinas y futures. Para trabajo paralelo en Python se usan threading para I O bound y multiprocessing para CPU bound debido al GIL en CPython.

GIL: el Global Interpreter Lock evita que varios hilos ejecuten bytecode al mismo tiempo en CPython. Esto limita la paralelización de CPU bound con hilos, por eso se recurre a multiprocessing para cargas intensivas en CPU.

Decoradores: son funciones que envuelven otras funciones o clases para modificar comportamiento. Sintaxis @decorador sobre la función o sobre la clase. Ejemplo def log(func): def wrapper(*args, **kwargs): print(Calling, func.__name__) return func(*args, **kwargs) return wrapper

Propiedades con @property: permite exponer métodos como atributos legibles y configurables con un setter. Ejemplo def name(self): return self._name y @name.setter para validaciones al asignar.

Métodos especiales dunder: __str__ __repr__ __eq__ __add__ __len__ __getitem__ permiten integrar objetos con operadores y funciones integradas, por ejemplo definir una representacion legible o comportamiento de indexado.

Iteradores y generadores: un iterable implementa __iter__ que devuelve un iterator. Un iterator implementa __next__ que lanza StopIteration cuando termina. Los generadores usan yield para producir valores perezosamente. Las comprehensions generan listas de forma eager mientras que las generator expressions son lazy.

Atajos y helper methods: cadenas lower upper strip split join startswith endswith count replace; listas len slice append extend insert remove pop index sort reverse list comprehensions y funciones any all sum map filter reduce; diccionarios get keys values items pop. Estos métodos son equivalentes a helpers comunes en JavaScript pero con diferencias en nombres y comportamiento por defecto.

Conclusión y llamada a la acción: si vienes de JavaScript o TypeScript la mayoría de conceptos son reconocibles pero Python cambia la forma de expresarlos: menos cerrojos sintácticos, tipado opcional, potentes primitivas para concurrencia y una gran biblioteca estándar. Para proyectos donde necesites integrar IA para empresas, agentes IA, soluciones de inteligencia de negocio o desarrollar software y aplicaciones a medida con seguridad y despliegue en cloud, Q2BSTUDIO ofrece servicios completos desde diseño hasta entrega y mantenimiento, incluyendo consultoría en power bi y servicios cloud aws y azure para optimizar despliegues y analítica.

Contacto: consulta nuestros servicios de desarrollo y soluciones empresariales y descubre cómo podemos ayudar a escalar tu producto con software a medida, inteligencia artificial y ciberseguridad.