Python de Cero a Experto / Python avanzado

Reto: pipeline de datos perezoso

Reto40 min60 XP

Junta lo mejor del módulo en un pipeline de datos elegante para Mi Bolsillo: generadores que procesan gastos PEREZOSAMENTE (uno a la vez, sin cargar todo), encadenados como una línea de ensamblaje, con un decorador que cronometra el proceso. Es un patrón profesional para procesar flujos de datos de forma eficiente y componible —el tipo de código que caracteriza a un desarrollador Python experto—.

Reto

Pipeline perezoso

Media35 min60 XP(×2 sin mirar la solución)

Qué debes construir

Un pipeline de procesamiento de gastos usando generadores encadenados y un decorador:

Un decorador @cronometro que mida e imprima cuánto tarda la función que envuelve (usa functools.wraps).
Generadores encadenados (cada uno recibe un iterable y hace yield):
- solo_validos(gastos): produce solo los gastos con valor > 0.
- con_iva(gastos): produce cada gasto con una nueva clave total (valor × 1.19).
- de_categoria(gastos, categoria): produce solo los de esa categoría.
Encadénalos en un pipeline perezoso (la salida de uno es la entrada del otro).
Consúmelo con una función decorada que sume los totales, y muestra un reporte.

Reglas

Cada transformación es un generador (yield), no una lista —el pipeline es perezoso—.
Los generadores se encadenan: de_categoria(con_iva(solo_validos(gastos)), "comida").
Usa @cronometro con @wraps en la función que consume el pipeline.

35:00

Cuando estés listo, arranca el reloj.

Lo que este reto consolida:

Generadores encadenados = pipeline perezoso. Cada etapa transforma el flujo y pasa al siguiente sin crear listas intermedias. Nada se calcula hasta que consumes el resultado —eficiente y componible—.
Decoradores para aspectos transversales. El cronómetro mide sin ensuciar la lógica del pipeline —lo agregas con una línea (@cronometro)—.
Composición. Piezas pequeñas (un generador por transformación) que se combinan en cualquier orden, como una línea de ensamblaje configurable —el estilo funcional que viste en JavaScript (SC-02, M12)—.

Autoevaluación: ¿el pipeline deja pasar solo los gastos de comida válidos (Mercado, Café, Almuerzo — el Taxi negativo se descarta antes), cada uno con su total con IVA? ¿el decorador imprime cuánto tardó resumir? Fíjate en la elegancia: cada generador hace UNA transformación y se encadenan como una tubería (de_categoria(con_iva(solo_validos(...)))); nada se procesa hasta que resumir recorre el flujo (pereza); y el @cronometro mide sin tocar la lógica. Este patrón —transformaciones pequeñas y componibles sobre un flujo perezoso— es cómo se procesan datos grandes de forma eficiente en Python. Cambia la categoría o agrega otra etapa al pipeline y verás lo fácil que se recompone.

Qué sigue

Módulo 6 conquistado: dominas el Python avanzado —generadores, decoradores, typing, pattern matching, asyncio— y el estilo pythónico experto. Terminaste el TRONCO COMÚN del curso (fundamentos → avanzado). Lo que sigue son las tres RUTAS especializadas donde Python muestra su poder real: SCRIPTING (automatizar tareas), BACKEND (APIs con FastAPI) y DATOS E IA (NumPy, Pandas, machine learning). Elige tu camino —o recórrelos todos—.