Cuando instalas Python y abres una terminal, tienes acceso inmediato a algo que parece simple pero es sorprendentemente poderoso: un entorno donde escribes una línea, Python la ejecuta al instante, y ves el resultado antes de continuar. Eso es el REPL — Read-Eval-Print Loop — y es literalmente el ciclo que describe lo que hace: lee lo que escribes, evalúa la expresión, imprime el resultado, y vuelve a empezar.
Lo que lo hace especial no es solo la velocidad de respuesta, sino el contrato implícito: nada persiste por accidente, cada experimento es descartable, y el costo de equivocarse es cero. Es el entorno perfecto para aprender cómo se comporta el lenguaje antes de comprometerte con un archivo .py.
Para abrirlo, escribe python o python3 en tu terminal. Verás algo así:
Python 3.12.3 (main, Apr 2024) on linux >>>
Esos tres caracteres >>> son el prompt — la señal de que Python está esperando tu entrada. Cuando una expresión ocupa varias líneas (una función, un if, un bucle), el prompt cambia a ..., indicando que aún no has terminado. Para salir, escribe exit() o presiona Ctrl+D.
Hay un detalle que no es obvio al principio: el REPL guarda automáticamente el último valor evaluado en la variable especial _ (guión bajo). No tienes que pensar en ella — simplemente está ahí cuando la necesitas.
# En el REPL, sin necesidad de imports adicionales >>> 42 * 1.5 63.0 >>> _ # el último resultado evaluado 63.0 >>> _ + 10 # puedes operar sobre él directamente 73.0 >>> type(_) # _ apunta ahora al resultado anterior: 73.0 <class 'float'>
Y hablando de type(), el REPL es el hogar natural de tres funciones que actúan como tu brújula dentro del lenguaje:
>>> type(3.14) # ¿qué tipo es este valor?
<class 'float'>
>>> dir([]) # ¿qué métodos tiene una lista?
['__add__', '__class__', ..., 'append', 'clear', 'copy',
'count', 'extend', 'index', 'insert', 'pop', 'remove',
'reverse', 'sort']
>>> help(str.split) # documentación completa de str.split
Help on method_descriptor:
split(self, /, sep=None, maxsplit=-1)
Return a list of the substrings in the string, using sep
as the separator string.
...
type() responde “¿qué es esto?”. dir() responde “¿qué puedo hacer con esto?”. help() responde “¿cómo funciona exactamente?”. Juntas, te permiten explorar cualquier objeto sin salir del REPL ni abrir documentación externa.
Ahora, el límite importante: el REPL no es un editor. Cada línea que escribes existe en el contexto de esa sesión, y cuando la cierras, todo desaparece. Si defines una función con un bug en la línea 3, tienes que reescribirla entera. No hay guardado, no hay historial persistente entre sesiones (salvo el historial de comandos del sistema), no hay forma cómoda de gestionar más de diez o veinte líneas. En cuanto tienes algo que quieres conservar o que tiene más de una pantalla de largo, pasas a un archivo .py.
El flujo ideal en la práctica es híbrido: usas el REPL para probar una idea, confirmar que funciona, y luego la escribes en tu archivo.
# Ejemplo realista de sesión exploratoria en el REPL
# Estás construyendo algo con fechas y quieres entender el módulo
>>> import datetime
>>> dir(datetime)
['MAXYEAR', 'MINYEAR', 'date', 'datetime', 'timedelta', ...]
>>> hoy = datetime.date.today()
>>> hoy
datetime.date(2024, 5, 15)
>>> type(hoy)
<class 'datetime.date'>
>>> dir(hoy)
['__add__', ..., 'isoformat', 'strftime', 'toordinal', 'weekday', ...]
>>> hoy.strftime("%A, %d de %B de %Y") # probando el formato
'Wednesday, 15 de May de 2024'
>>> help(hoy.strftime) # si no recuerdas los códigos de formato
# ... documentación detallada ...
>>> delta = datetime.timedelta(days=30)
>>> hoy + delta
datetime.date(2024, 6, 14)
>>> _ # el resultado anterior guardado automáticamente
datetime.date(2024, 6, 14)
>>> _.isoformat() # y puedo operarlo sin reasignarlo
'2024-06-14'
Fíjate en el patrón: import → dir() para ver qué hay → experimentar con lo que encontraste → help() cuando necesitas detalles. Eso es exploración sistemática, y el REPL lo hace fluido porque el ciclo de retroalimentación es inmediato.
Cuando el REPL estándar empieza a quedarse corto — y eventualmente lo hará — existen dos alternativas que merecen atención. IPython es un REPL mejorado que añade autocompletado inteligente con Tab, historial persistente entre sesiones, comandos especiales con % (los magic commands), y coloreado de sintaxis. Lo instalas con pip install ipython y lo abres escribiendo ipython. Jupyter Notebook lleva la idea más lejos: en lugar de una terminal, tienes un documento en el navegador donde cada celda es un mini-REPL, los resultados quedan guardados junto al código, y puedes mezclar código con texto formateado. Es el estándar en análisis de datos y ciencia de datos precisamente porque permite contar una historia alrededor del código.
La regla práctica es directa: si estás aprendiendo o explorando una API, el REPL estándar o IPython son suficientes y más rápidos de abrir. Si estás haciendo análisis, visualizaciones, o quieres compartir tu trabajo con resultados visibles, Jupyter es la herramienta correcta. Para escribir programas que otros van a ejecutar, ninguno de los dos reemplaza un archivo .py.
Errores que debes conocer
Error: Confundir print(x) con evaluar x directamente — en el REPL, escribir el nombre de una variable la muestra automáticamente, pero en un script eso no hace nada visible.
# ❌ Escribes esto en el REPL y asumes que funcionará igual en un script >>> mi_lista = [1, 2, 3] >>> mi_lista # el REPL imprime la representación [1, 2, 3] # ✅ En un script, necesitas ser explícito mi_lista = [1, 2, 3] print(mi_lista) # esto sí produce salida cuando ejecutas el archivo
El REPL llama implícitamente a repr() sobre el resultado de cada expresión y lo muestra; un script no hace eso a menos que uses print() explícitamente.
Error: Usar _ como nombre de variable descartable y no darse cuenta de que el REPL lo sobreescribe constantemente.
# ❌ En el REPL, cada evaluación pisa el valor anterior de _ >>> _ = "valor importante" >>> 2 + 2 4 >>> _ # ya no es "valor importante" 4 # ✅ Si necesitas conservar algo, asígnalo a un nombre real >>> resultado = 2 + 2 >>> resultado 4
_ en el REPL es una variable de conveniencia temporal, no de almacenamiento. Fuera del REPL, _ como nombre de variable tiene otros significados convencionales en Python (valores ignorados en unpacking, por ejemplo), así que vale la pena entender su comportamiento desde el principio.
N° 11