100 Días de Código en Python — Día 36: Proyecto — Alerta de Noticias de Acciones

📝 Contenido original del curso#

Como en el Día 32, hay tres proyectos iniciales: Normal (muchas pistas en comentarios TODO), Difícil y Muy difícil. Los videos de solución siguen el nivel Normal. Anota qué nivel elegiste.

Consejo de la lección: usar la biblioteca requests-cache para no gastar las peticiones permitidas mientras pruebas.

📖 ¿Qué es una caché y por qué la necesitas hoy?#

Las APIs gratuitas limitan cuántas peticiones puedes hacer (por día o por minuto). Mientras desarrollas, ejecutas el programa decenas de veces, y cada ejecución gasta peticiones aunque los datos no hayan cambiado.

Una caché guarda la respuesta la primera vez; las siguientes veces la devuelve guardada sin ir a internet:

import requests_cache

session = requests_cache.CachedSession("cache_bolsa", expire_after=3600)   # 1 hora
response = session.get(STOCK_ENDPOINT, params=stock_params)
print(response.from_cache)   # False la primera vez, True las siguientes

Prueba de esta adaptación (verificada): la primera petición tardó 0,735 s (from_cache=False) y la segunda, 0,004 s (from_cache=True), con los mismos datos.

⚠️ Mientras la caché esté activa, no verás datos nuevos hasta que expire. Úsala durante el desarrollo y desactívala (o reduce expire_after) en la versión final.

Retos adicionales (creados para esta adaptación)#

• 🟢 Reto 1: instala requests-cache y repite el experimento de tiempos con cualquier API del Día 33.
• 🟡 Reto 2: ¿dónde guarda requests-cache las respuestas? Busca el archivo que se creó en tu proyecto.
• 🟠 Reto 3: ¿qué valor de expire_after tiene sentido para precios de cierre diarios? ¿Y para la posición de la ISS? Justifica.
• 🔴 Reto 4: consulta en la documentación de Alpha Vantage y de News API cuántas peticiones permite su plan gratuito. Calcula cuántas veces al día podrías ejecutar tu programa sin caché.

🎯 Objetivo de aprendizaje#

• Leer una API con claves de JSON poco comunes.
• Convertir un diccionario en lista con una comprensión de listas.
• Calcular una diferencia porcentual.

📝 Ejercicio original del curso (tareas TODO 1 a 5)#

1. Obtener el precio de cierre de ayer con Alpha Vantage.
2. Obtener el precio de cierre de anteayer.
3. Calcular la diferencia positiva entre ambos (pista: abs).
4. Calcular la diferencia porcentual.
5. Si es mayor que 5 %, imprimir "Get News".

La clave de API: se obtiene gratis en alphavantage.co (se puede elegir "estudiante"). El curso aconseja copiarla de inmediato en el proyecto, porque es difícil volver a esa página.

🔍 Antes de programar#

• Busca en la documentación la función de datos diarios. ¿Qué parámetros son obligatorios?
• Si los datos llegan como un diccionario cuyas claves son fechas, ¿cómo obtienes "el más reciente" sin escribir la fecha a mano?

🔎 La solución del curso, paso a paso#

Parámetros y petición:

STOCK_NAME = "TSLA"
STOCK_ENDPOINT = "https://www.alphavantage.co/query"

stock_params = {
    "function": "TIME_SERIES_DAILY",
    "symbol": STOCK_NAME,
    "apikey": STOCK_API_KEY,
}
response = requests.get(STOCK_ENDPOINT, params=stock_params)
data = response.json()["Time Series (Daily)"]

La forma de los datos (respuesta real con la clave demo para IBM, 26/09/2026):

{
  "Meta Data": {...},
  "Time Series (Daily)": {
    "2026-09-25": {"1. open": "226.1500", "2. high": "228.9900", "3. low": "225.1900",
                   "4. close": "225.5100", "5. volume": "4147449"},
    "2026-09-24": {...},
    ...
  }
}

• Las claves tienen espacios, paréntesis, números y puntos: "Time Series (Daily)", "4. close". La profesora dice que no es común y recomienda copiarlas de la respuesta para no equivocarse.
• "Time Series (Daily)" no es una lista: es un diccionario cuyas claves son fechas, de la más reciente a la más antigua (verificado).

De diccionario a lista. Escribir data["2026-09-25"] funcionaría solo hoy: mañana la fecha cambia. Por eso el curso convierte los valores en una lista:

data_list = [value for (key, value) in data.items()]
yesterday_data = data_list[0]
yesterday_closing_price = yesterday_data["4. close"]

day_before_yesterday_data = data_list[1]
day_before_yesterday_closing_price = day_before_yesterday_data["4. close"]

Diferencia y porcentaje:

difference = abs(float(yesterday_closing_price) - float(day_before_yesterday_closing_price))
diff_percent = (difference / float(yesterday_closing_price)) * 100

if diff_percent > 5:
    print("Get News")

• Los precios llegan como texto ("225.5100"): restarlos directamente produce TypeError: unsupported operand type(s) for -: 'str' and 'str'. Se convierten con float.
• abs() quita el signo: interesa el tamaño del cambio, suba o baje.
• Para probar: Tesla rara vez cambia más de 5 % en un día. El curso baja el umbral temporalmente (a 4 en su caso) para que la condición se cumpla y poder seguir.

🛠️ Nota técnica (el porcentaje): el curso divide la diferencia entre el precio de ayer. La forma habitual de expresar "cuánto cambió" es dividir entre el valor anterior (anteayer). Con los números del video (1568 y 1643, diferencia de 75): el curso obtiene 4,78 %; con el precio anterior, 4,56 % (ambos verificados). Con umbrales como 5 %, esa diferencia puede decidir si llega la alerta. Elige una fórmula y documenta cuál usas.

💡 Análisis (fines de semana): usar posiciones ([0] y [1]) en lugar de restar días al calendario es una ventaja: el lunes, "ayer" en la lista es el viernes, el último día en que hubo mercado. Si calcularas "hoy menos un día" con datetime, el lunes buscarías el domingo, que no existe en los datos.

⚠️ Errores frecuentes#

Retos adicionales (creados para esta adaptación)#

• 🟢 Reto 1: imprime la fecha de ayer y la de anteayer junto a sus precios. (Pista: haz la comprensión con (key, value) y guarda también las claves.)
• 🟡 Reto 2: calcula el porcentaje con las dos fórmulas y muéstralas lado a lado para 5 días seguidos.
• 🟠 Reto 3: calcula el promedio de cierre de los últimos 5 días y compara el cierre de ayer con ese promedio.
• 🔴 Reto 4: en lugar de confiar en el orden del diccionario, ordena las fechas con sorted(data.keys(), reverse=True). ¿Por qué es más seguro?

📝 Ejercicio original del curso (tareas TODO 6 y 7)#

6. En lugar de imprimir "Get News", usar News API para obtener artículos con el nombre de la empresa.
7. Usar el operador de slicing para quedarse con los 3 primeros artículos.

📖 Leer la documentación de News API#

News API (newsapi.org) tiene dos endpoints principales:

La profesora probó ambos: Everything encuentra más noticias sobre una empresa, porque muchas no llegan a los titulares del día.

Parámetros que usa el curso:

• apiKey: la clave (obligatoria). Atención a las mayúsculas: apiKey, con K mayúscula. Sin clave, la API responde 401 apiKeyMissing (verificado).
• qInTitle: busca la palabra solo en el título, para evitar artículos de análisis que mencionan muchas empresas a la vez. La profesora lo copia de la documentación porque no está segura de si es una "I" mayúscula o una "l" minúscula.

¿Nombre de la empresa o símbolo? Se busca "Tesla Inc" y no "TSLA": los periodistas escriben el nombre, no el símbolo.

🔎 La solución del curso#

news_params = {
    "apiKey": NEWS_API_KEY,
    "qInTitle": COMPANY_NAME,
}

news_response = requests.get(NEWS_ENDPOINT, params=news_params)
articles = news_response.json()["articles"]
three_articles = articles[:3]

• La respuesta tiene status, totalResults y articles, una lista de diccionarios con source, author, title, description, etc.
• articles[:3] toma los elementos 0, 1 y 2: el 3 es el límite no incluido (Día 21).

🛠️ Nota técnica: los parámetros y las condiciones del plan gratuito de News API pueden haber cambiado desde que se grabó el curso. Revisa en la documentación actual si qInTitle sigue disponible o si la búsqueda solo en títulos se hace de otra forma (por ejemplo, con un parámetro que indique en qué campos buscar). Esa es precisamente la habilidad que pide la profesora: leer la documentación.

⚠️ Errores frecuentes#

Retos adicionales (creados para esta adaptación)#

• 🟢 Reto 1: imprime solo los títulos de los 3 artículos, numerados.
• 🟡 Reto 2: busca noticias solo en español (revisa el parámetro de idioma en la documentación) sobre una empresa colombiana.
• 🟠 Reto 3: limita la búsqueda a noticias de los últimos 2 días (parámetro de fecha).
• 🔴 Reto 4: compara los resultados de "Everything" y "Top headlines" para la misma empresa. Presenta en una tabla cuántos artículos devuelve cada uno y explica la diferencia.

📝 Ejercicio original del curso (tareas TODO 8 y 9)#

8. Con una comprensión de listas, crear una lista con el titular y el resumen de cada artículo, con este formato:

Headline: {título del artículo}
Brief: {descripción del artículo}

9. Enviar cada artículo como un mensaje separado con Twilio.

🔎 La solución del curso#

formatted_articles = [
    f"Headline: {article['title']}. \nBrief: {article['description']}"
    for article in three_articles
]

client = Client(TWILIO_SID, TWILIO_AUTH_TOKEN)
for article in formatted_articles:
    message = client.messages.create(
        body=article,
        from_=VIRTUAL_TWILIO_NUMBER,
        to=VERIFIED_NUMBER
    )

Detalle de comillas: la cadena f usa comillas dobles por fuera, así que las claves de adentro usan simples: article['title']. Si usas dobles adentro, Python confunde dónde termina la cadena. (Desde Python 3.12 esto ya se permite, pero mezclar tipos de comillas sigue siendo lo más claro y compatible.)

📖 Mejora del curso: ¿subió o bajó?#

Para que el mensaje diga la dirección del cambio, el curso quita el abs() del cálculo de la diferencia y lo usa solo al comparar con el umbral:

difference = float(yesterday_closing_price) - float(day_before_yesterday_closing_price)
up_down = None
if difference > 0:
    up_down = "🔺"
else:
    up_down = "🔻"

diff_percent = round((difference / float(yesterday_closing_price)) * 100)
if abs(diff_percent) > 5:
    ...
    formatted_articles = [
        f"{STOCK_NAME}: {up_down}{diff_percent}%\nHeadline: {article['title']}. \nBrief: {article['description']}"
        for article in three_articles
    ]

Resultado: TSLA: 🔺5% seguido del titular y el resumen. Los emojis son simplemente texto para Python.

🔍 Análisis: el texto extraño de la transcripción. En el archivo de la lección, los emojis aparecen como ðŸ"º. No es un error de la profesora: es un ejemplo real de error de codificación (mojibake). El emoji 🔺 se guardó en UTF-8 (4 bytes) y alguien leyó esos bytes como Windows-1252, donde cada byte es un carácter distinto. Verificado: "🔺".encode("utf-8").decode("cp1252") produce exactamente 🔺. Por eso conviene abrir siempre los archivos con encoding="utf-8".

⚠️ Errores frecuentes#

Retos adicionales (creados para esta adaptación)#

• 🟢 Reto 1: en vez de tres mensajes, arma uno solo con los tres artículos separados por líneas. ¿Qué ventajas tiene (costo) y qué desventajas (longitud)?
• 🟡 Reto 2: agrega al mensaje el enlace del artículo (url).
• 🟠 Reto 3: envía la alerta por correo al servidor local del Día 32 en lugar de Twilio.
• 🔴 Reto 4: escribe la función formatear_alerta(simbolo, porcentaje, articulo) -> str y pruébala con 3 diccionarios de artículo inventados, incluido uno con description igual a None.

Problema#

Recibir una alerta con noticias cuando una acción cambie mucho de un día para otro.

Requisitos funcionales#

1. Obtener los dos últimos precios de cierre de una acción (Alpha Vantage).
2. Calcular el cambio porcentual y su dirección.
3. Si supera el umbral, obtener hasta 3 noticias de la empresa (News API).
4. Enviar un mensaje por noticia con el símbolo, la flecha, el porcentaje, el titular y el resumen.

Restricciones técnicas#

Tres claves en variables de entorno (Día 35); requests-cache durante el desarrollo; umbral como constante.

Planificación#

Pruebas#

🧪 Prueba y depuración#

1. Pocas noticias. Si News API devuelve 1 o 0 artículos, ¿el programa falla o envía menos mensajes? Si no hay noticias, ¿envías de todos modos la alerta del precio? Decide e impleméntalo.
2. None en la descripción. Algunos artículos no tienen descripción: el mensaje dice Brief: None. Reemplázalo por "(sin resumen)".
3. Probar sin gastar cuota. Guarda en archivos JSON una respuesta real de cada API y crea una opción MODO_PRUEBA = True que lea esos archivos en lugar de hacer peticiones. Así puedes probar los casos anteriores sin internet y sin gastar peticiones.
4. La fórmula del porcentaje. Con ayer = 1568 y anteayer = 1643, calcula a mano el porcentaje con las dos fórmulas (sección 2). Con un umbral de 4,6 %, ¿se envía la alerta en cada caso?

⭐ Extensión del proyecto#

• Vigilar varias acciones desde una lista.
• Guardar en un CSV el historial de alertas (fecha, símbolo, cambio, titulares).
• Programarlo con GitHub Actions al terminar el día de mercado (4:00 p. m. de Nueva York; calcula la hora UTC).

Situación#

En Colombia, la TRM (tasa representativa del mercado) es el valor oficial del dólar en pesos para cada día. Afecta los precios de productos importados, los viajes y muchas empresas. La tienda escolar compra algunos productos importados y quiere saber cuándo el dólar cambia mucho.

La fuente de datos (sin clave)#

El portal de datos abiertos del Estado colombiano publica la TRM como API. Petición verificada el 26/09/2026:

params = {"$order": "vigenciadesde DESC", "$limit": 3}
response = requests.get("https://www.datos.gov.co/resource/32sa-8pi3.json", params=params)

[{"valor":"3306.86","unidad":"COP","vigenciadesde":"2026-09-26T00:00:00.000","vigenciahasta":"2026-09-28T00:00:00.000"},
 {"valor":"3329.61","unidad":"COP","vigenciadesde":"2026-09-25T00:00:00.000","vigenciahasta":"2026-09-25T00:00:00.000"},
 ...]

Observa: el valor llega como texto, igual que en Alpha Vantage, y una TRM puede estar vigente varios días (por ejemplo, un fin de semana).

Requisitos#

1. Obtener las dos TRM más recientes y calcular el cambio en pesos y en porcentaje (usa la fórmula con el valor anterior y explica por qué).
2. Si el cambio supera un umbral (constante, por ejemplo 1 %), enviar un correo al servidor local con 🔺 o 🔻, los dos valores y sus fechas.
3. Una tabla con la TRM de los últimos 30 registros, guardada en trm.csv con pandas, con el valor como número.
4. El valor máximo, el mínimo y el promedio del período.
5. Opcional con clave: buscar en News API noticias en español sobre "dólar Colombia" y agregarlas al correo.
6. Manejo de errores de red y de respuestas vacías.

Decisiones que debes tomar#

• Si la TRM de hoy tiene vigencia de varios días, ¿con cuál la comparas?
• ¿Qué umbral tiene sentido para la tienda escolar? Justifícalo con los datos de los últimos 30 registros.

Casos de prueba#

Situación problema#

El grupo de comunicaciones del colegio quiere enviar cada mañana a los docentes (ficticios en el ejercicio) un boletín breve con información útil del día.

Pregunta orientadora#

¿Cómo diseñar un programa que combine varias APIs distintas de forma modular, de modo que agregar o quitar una sección no obligue a reescribir todo?

Objetivo#

Construir el Boletín Matutino Automático: un correo diario con varias secciones, cada una alimentada por una API.

Requerimientos#

1. Mínimo 4 secciones, por ejemplo: clima y probabilidad de lluvia (Día 35), hora del amanecer y del atardecer (Día 33), TRM y su cambio (sección 6) y la pregunta de trivia del día (Día 34, con la respuesta al final del correo).
2. Cada sección es una clase con la misma interfaz, por ejemplo un método generar() -> str que devuelve el texto de la sección, o un mensaje "Sección no disponible hoy" si falla.
3. Una clase Boletin que recibe la lista de secciones, arma el correo (EmailMessage) y lo envía.
4. Las secciones activas y su orden se configuran en config.json.
5. Las claves (si alguna sección las usa) en variables de entorno.
6. requests-cache en modo de desarrollo, activado por una opción de config.json.
7. Un resaltado automático: si la probabilidad de lluvia supera el 70 % o la TRM cambia más del 1 %, esa información aparece al principio del correo.
8. Registro en boletines.csv de cada envío (fecha, secciones enviadas, secciones fallidas).

Restricciones#

• Una sección que falla nunca impide enviar las demás.
• Todas las peticiones con timeout.
• Datos personales ficticios; envío al servidor local.

Etapas de desarrollo#

Entregables#

• Código en varios archivos (una sección por archivo) y config.json.
• Diagrama de clases.
• 10 casos de prueba con resultados.
• Registro de errores con al menos 5 errores reales.
• Un ejemplo del correo recibido.

Casos de prueba mínimos#

Criterios técnicos de funcionamiento#

• La clase Boletin no sabe nada de APIs concretas: solo llama generar().
• No hay código repetido para hacer peticiones y manejar errores.
• El programa termina en menos de 30 segundos aunque una API no responda.

Posibles extensiones#

Versión Tkinter de vista previa del boletín; una sección con noticias (News API); estadística semanal de secciones fallidas.

Conceptuales#

1. ¿Qué es el precio de cierre? ¿Por qué el curso compara el de ayer con el de anteayer?
2. ¿Para qué sirve requests-cache durante el desarrollo? ¿Qué riesgo tiene dejarlo activo?
3. ¿Por qué el curso busca las noticias por el nombre de la empresa y no por el símbolo?
4. ¿Qué es el mojibake? Explica con el ejemplo de 🔺.

Análisis de código#

data_list = [value for (key, value) in data.items()]

¿Qué contiene data? ¿Qué contiene data_list? ¿Qué se pierde en la conversión?

Predicción#

1. Ayer = 110, anteayer = 100. ¿Cuánto vale diff_percent con la fórmula del curso? ¿Y dividiendo entre el valor anterior?
2. ¿Qué devuelve ["a", "b", "c", "d"][:3]? ¿Y ["a"][:3]?
3. ¿Qué imprime f"{'TSLA'}: {'🔻'}{round(-4.6)}%"?

Depuración#

difference = yesterday_closing_price - day_before_yesterday_closing_price
diff_percent = difference / yesterday_closing_price * 100
if diff_percent > 5:
    print("Get News")

Encuentra dos errores: uno produce una excepción y el otro hace que nunca se detecten las bajadas.

Modificación#

Cambia el programa para vigilar tres acciones, con umbrales distintos para cada una, guardados en un diccionario.

Creación#

Escribe cambio_porcentual(anterior: float, actual: float) -> float y pruébala con: (100, 110), (110, 100), (100, 100). ¿Qué debería pasar si anterior es 0?