El módulo bisect de la biblioteca estándar resuelve un problema concreto: encontrar rápidamente la posición correcta de un valor dentro de una lista que ya está ordenada. En lugar de recorrer todos los elementos, aplica búsqueda binaria y descarta la mitad del intervalo restante en cada comparación. Es una herramienta útil para rankings, bandas de precio, umbrales, horarios, catálogos y colecciones en memoria con muchas lecturas.
En esta guía aprenderás a usar bisect_left, bisect_right, insort_left e insort_right, además de comprender sus costos reales, el tratamiento de duplicados, el parámetro key y los errores más comunes.
Por qué importa la búsqueda binaria
Una búsqueda lineal puede revisar muchos elementos. La búsqueda binaria necesita muchas menos comparaciones porque reduce el espacio de búsqueda de forma exponencial. Encontrar una posición es una operación logarítmica. Insertar en una lista de Python sigue siendo lineal, porque las referencias posteriores pueden necesitar desplazarse.
Por eso, bisect funciona especialmente bien cuando hay muchas consultas y pocas inserciones. Una base de datos, un árbol balanceado, un heap o una colección ordenada especializada puede ser mejor para cargas con cambios constantes.
bisect_left y bisect_right
from bisect import bisect_left, bisect_right
valores = [10, 20, 20, 20, 30, 40]
inicio = bisect_left(valores, 20)
fin = bisect_right(valores, 20)
print(inicio) # 1
print(fin) # 4
print(valores[inicio:fin])
bisect_left devuelve la primera posición válida para el objetivo. bisect_right devuelve la posición inmediatamente posterior a todos los valores iguales. Juntas, estas funciones permiten contar duplicados, extraer intervalos iguales y elegir si un nuevo elemento debe aparecer antes o después de sus equivalentes.
Insertar sin perder el orden
from bisect import insort_left, insort_right
notas = [5.0, 6.5, 8.0, 9.5]
insort_left(notas, 8.0)
insort_right(notas, 8.0)
print(notas)
Las funciones insort combinan la localización de la posición y la inserción. El código queda más claro que una búsqueda manual seguida de list.insert. La búsqueda es rápida, pero el movimiento de elementos sigue dominando el costo de la operación.
Buscar un valor exacto
from bisect import bisect_left
def buscar_exacto(lista, objetivo):
posicion = bisect_left(lista, objetivo)
if posicion != len(lista) and lista[posicion] == objetivo:
return posicion
return -1
El índice devuelto es solo una posición de inserción. No demuestra que el elemento exista. Siempre valida el límite y compara el valor antes de considerar la búsqueda exitosa.
Crear tablas de rangos
from bisect import bisect_right
limites = [100, 250, 500, 1000]
etiquetas = ["mínimo", "pequeño", "medio", "grande", "empresa"]
def clasificar(valor):
return etiquetas[bisect_right(limites, valor)]
Este patrón convierte límites ordenados en una tabla de clasificación rápida. Puede aplicarse a tarifas de envío, niveles de precio, categorías de latencia, impuestos, puntuaciones y reglas de servicio.
Usar el parámetro key
Las versiones modernas de Python permiten usar una función key para extraer la clave de comparación de cada elemento almacenado. La clave se aplica a los elementos de la lista, pero no al valor buscado. Por eso, el argumento x debe ser una clave compatible.
from bisect import bisect_left
productos = [
{"nombre": "A", "precio": 10},
{"nombre": "B", "precio": 25},
{"nombre": "C", "precio": 40},
]
posicion = bisect_left(productos, 30, key=lambda item: item["precio"])
print(posicion)
Las búsquedas repetidas pueden ejecutar la función de clave muchas veces. Si calcularla es costoso, conviene mantener una lista paralela con claves precalculadas o aplicar caché.
Listas paralelas de claves
from bisect import bisect_left
registros = [
{"id": 101, "nombre": "Ana"},
{"id": 205, "nombre": "Bruno"},
{"id": 330, "nombre": "Carla"},
]
ids = [registro["id"] for registro in registros]
posicion = bisect_left(ids, 205)
if posicion < len(ids) and ids[posicion] == 205:
print(registros[posicion])
Este diseño evita recalcular la clave. Su riesgo principal es la sincronización: inserciones, eliminaciones y cambios deben modificar ambas listas en posiciones equivalentes. Encapsularlas en una clase ayuda a proteger esa regla.
Errores comunes
El primer error es usar bisect sobre datos desordenados. El módulo no valida el orden y puede devolver un índice aparentemente razonable pero incorrecto. El segundo error es creer que la inserción también es logarítmica. La búsqueda lo es; la modificación de la lista es lineal. El tercero es tratar la posición de inserción como prueba de existencia. El cuarto es ordenar con un criterio y buscar con otro.
La concurrencia introduce otro riesgo. Una búsqueda seguida de una inserción no debe considerarse atómica cuando varios threads o procesos modifican la misma colección. Protege la operación con sincronización adecuada o mueve los datos a un almacenamiento transaccional.
Cuándo usar bisect
Es una buena opción para tablas pequeñas y medianas en memoria, umbrales estáticos, valores de configuración ordenados, catálogos con muchas lecturas, límites temporales e índices ligeros. No conviene usarlo como sustituto de un índice de base de datos en conjuntos grandes y muy cambiantes, ni como cola de prioridad con eliminaciones continuas.
Ejemplo completo: ranking ordenado
from bisect import bisect_left, bisect_right
ranking = []
puntos = []
def agregar(nombre, puntuacion):
posicion = bisect_right(puntos, puntuacion)
puntos.insert(posicion, puntuacion)
ranking.insert(posicion, {"nombre": nombre, "puntos": puntuacion})
def superiores_a(minimo):
posicion = bisect_left(puntos, minimo)
return ranking[posicion:]
El ejemplo separa las claves de puntuación de los registros. Esto mejora las búsquedas repetidas, pero exige mantener ambas listas sincronizadas. En producción, oculta la estructura detrás de una clase y prueba listas vacías, duplicados, límites, eliminaciones y actualizaciones.
Buenas prácticas
Documenta el criterio de ordenación, valida los datos de entrada, prueba duplicados y extremos, mide el costo cuando hay muchas inserciones y encapsula las invariantes. También puedes consultar las guías de Academify sobre difflib, fractions, statistics, types y linecache.
Como referencias oficiales, revisa la documentación de bisect y el tutorial de estructuras de datos.
Conclusión
bisect es una solución pequeña, predecible y eficiente para encontrar posiciones en listas ordenadas. Su mayor ventaja es la búsqueda rápida con muy poco código. Cuando la carga tiene muchas lecturas y pocas escrituras, suele ser una excelente opción de la biblioteca estándar. Cuando predominan las actualizaciones, mide el costo real y considera una estructura especializada.
