Aprende Python

Aprende Python
Sergio Delgado Quintero
15 de abril de 2024
Core
1 Introducción 3
1.1 Hablando con la máquina . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Algo de historia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2 Entornos de desarrollo 25
2.1 Thonny . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2 Contexto real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3 VSCode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3 Tipos de datos 49
3.1 Datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.2 Números . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.3 Cadenas de texto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4 Control de flujo 105

4.1 Condicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
4.2 Bucles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
5 Estructuras de datos 145

5.1 Listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
5.2 Tuplas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
5.3 Diccionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
5.4 Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
5.5 Ficheros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
6 Modularidad 225
6.1 Funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
6.2 Objetos y Clases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276
6.3 Excepciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
i
6.4 Módulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345
7 Procesamiento de texto 357

7.1 re . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 358
7.2 string . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
8 Acceso a datos 373

8.1 sqlite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374
9 Ciencia de datos 395

9.1 jupyter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 396
9.2 numpy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 420
9.3 pandas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 463
9.4 matplotlib . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 527
10 Scraping 569
10.1 requests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 570
10.2 beautifulsoup . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 578
10.3 selenium . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 593
ii
Aprende Python
Curso gratuito para aprender el lenguaje de programación Python con un enfoque práctico,
incluyendo ejercicios y cobertura para distintos niveles de conocimiento.1
Este proyecto va de la mano con pycheck una herramienta que permite trabajar todos los
ejercicios propuestos con casos de prueba incluidos y verificación de los resultados.
Licencia: Creative Commons Reconocimiento 4.0 Internacional: CC BY 4.0.
Consejo: «Programming is not about typing, it’s about thinking.» – Rich Hickey
1
En la foto de portada aparecen los Monty Python. Fuente: noticiascyl
Core 1
Aprende Python
2 Core
CAPÍTULO 1
Introducción
Este capítulo es una introducción a la programación para conocer, desde un enfoque sencillo
pero aclaratorio, los mecanismos que hay detrás de ello.
1.1 Hablando con la máquina
3
Aprende Python
Los ordenadores son dispositivos complejos pero están diseñados para hacer una cosa bien:
ejecutar aquello que se les indica. La cuestión es cómo indicar a un ordenador lo que
queremos que ejecute. Esas indicaciones se llaman técnicamente instrucciones y se expresan
en un lenguaje. Podríamos decir que programar consiste en escribir instrucciones para que
sean ejecutadas por un ordenador. El lenguaje que utilizamos para ello se denomina lenguaje
de programación.1
1.1.1 Código máquina
Pero aún seguimos con el problema de cómo hacer que un ordenador (o máquina) entienda
el lenguaje de programación. A priori podríamos decir que un ordenador sólo entiende un
lenguaje muy «simple» denominado código máquina. En este lenguaje se utilizan únicamente
los símbolos 0 y 1 en representación de los niveles de tensión alto y bajo, que al fin y al
cabo, son los estados que puede manejar un circuito digital. Hablamos de sistema binario. Si
tuviéramos que escribir programas de ordenador en este formato sería una tarea ardua, pero
afortunadamente se han ido creando con el tiempo lenguajes de programación intermedios
que, posteriormente, son convertidos a código máquina.
Si intentamos visualizar un programa en código máquina, únicamente obtendríamos una
secuencia de ceros y unos:
00001000 00000010 01111011 10101100 10010111 11011001 01000000 01100010

00110100 00010111 01101111 10111001 01010110 00110001 00101010 00011111
10000011 11001101 11110101 01001110 01010010 10100001 01101010 00001111
11101010 00100111 11000100 01110101 11011011 00010110 10011111 01010110
1.1.2 Ensamblador
El primer lenguaje de programación que encontramos en esta «escalada» es ensamblador.

Veamos un ejemplo de código en ensamblador del típico programa que se escribe por primera
vez, el «Hello, World»:
SYS_SALIDA equ 1
section .data
msg db "Hello, World",0x0a
len equ $ - msg ;longitud de msg
section .text
global _start ;para el linker
_start: ;marca la entrada
mov eax, 4 ;llamada al sistema (sys_write)
(continué en la próxima página)
1
Foto original por Garett Mizunaka en Unsplash.
4 Capítulo 1. Introducción
Aprende Python
(proviene de la página anterior)

mov ebx, 1 ;descripción de archivo (stdout)
mov ecx, msg ;msg a escribir
mov edx, len ;longitud del mensaje
int 0x80 ;llama al sistema de interrupciones
fin: mov eax, SYS_SALIDA ;llamada al sistema (sys_exit)

int 0x80
Aunque resulte difícil de creer, lo «único» que hace este programa es mostrar en la pantalla
de nuestro ordenador la frase «Hello, World», pero además teniendo en cuenta que sólo
funcionará para una arquitectura x86.
1.1.3 C
Aunque el lenguaje ensamblador nos facilita un poco la tarea de desarrollar programas, sigue
siendo bastante complicado ya que las instrucciones son muy específicas y no proporcionan
una semántica entendible. Uno de los lenguajes que vino a suplir – en parte – estos obstáculos
fue C. Considerado para muchas personas como un referente en cuanto a los lenguajes de
programación, permite hacer uso de instrucciones más claras y potentes. El mismo ejemplo
anterior del programa «Hello, World» se escribiría así en lenguaje C :
#include <stdio.h>
int main() {
printf("Hello, World");
return 0;
}
1.1.4 Python
Si seguimos «subiendo» en esta lista de lenguajes de programación, podemos llegar hasta

Python. Se dice que es un lenguaje de más alto nivel en el sentido de que sus instrucciones
son más entendibles por un humano. Veamos cómo se escribiría el programa «Hello, World»
en el lenguaje de programación Python:
print( Hello, World )
¡Pues así de fácil! Hemos pasado de código máquina (ceros y unos) a código Python en el
que se puede entender perfectamente lo que estamos indicando al ordenador. La pregunta
que surge es: ¿cómo entiende una máquina lo que tiene que hacer si le pasamos un programa
hecho en Python (o cualquier otro lenguaje de alto nivel)? La respuesta es un compilador.
1.1. Hablando con la máquina 5

Aprende Python
1.1.5 Compiladores
Los compiladores son programas que convierten un lenguaje «cualquiera» en código máquina.
Se pueden ver como traductores, permitiendo a la máquina interpretar lo que queremos hacer.
Figura 1: Esquema de funcionamiento de un compilador2
En el caso particular de Python el proceso de compilación genera un código intermedio

denominado bytecode.
Si partimos del ejemplo anterior:
print( Hello, World )
el programa se compilaría3 al siguiente «bytecode»:
0 0 RESUME 0
1 2 PUSH_NULL
4 LOAD_NAME 0 (print)
6 LOAD_CONST 0 ( Hello, World )
8 PRECALL 1
12 CALL 1
22 RETURN_VALUE
2
Iconos originales por Flaticon.
3
Véase más información sobre el intérprete de bytecode.
Aprende Python
A continuación estas instrucciones básicas son ejecutadas por el intérprete de «bytecode» de

Python (o máquina virtual):
Figura 2: Modelo de ejecución de un programa Python4
Nota: Si queremos ver una diferencia entre un lenguaje compilado como C y un lenguaje
«interpretado» como Python es que, aunque ambos realizan un proceso de traducción del
código fuente, la compilación de C genera un código objeto que debe ser ejecutado en una
segunda fase explícita, mientras que la compilación de Python genera un «bytecode» que se
ejecuta (interpreta) de forma «transparente».
4
Imagen extraída del artículo Python bytecode analysis.
1.1. Hablando con la máquina 7

Aprende Python
1.2 Algo de historia
La historia de la programación está relacionada directamente con la aparición de los

computadores, que ya desde el siglo XV tuvo sus inicios con la construcción de una máquina
que realizaba operaciones básicas y raíces cuadradas (Gottfried Wilheml von Leibniz);
aunque en realidad la primera gran influencia hacia la creación de los computadores fue la
máquina diferencial para el cálculo de polinomios, proyecto no concluido de Charles Babbage
(1793-1871) con el apoyo de Lady Ada Countess of Lovelace (1815-1852), primera persona que
incursionó en la programación y de quien proviene el nombre del lenguaje de programación
ADA creado por el DoD (Departamento de defensa de Estados Unidos) en la década de
1970.1
1.2.1 Hitos de la computación
La siguiente tabla es un resumen de los principales hitos en la historia de la computación:
Tabla 1: Hitos en la computación

Personaje Aporte Año
Gottfried Leibniz Máquinas de operaciones básicas XV
Charles Babbage Máquina diferencial para el cálculo de polinomios XVII
continué en la próxima página
1
Foto original por Dario Veronesi en Unsplash.
Aprende Python
Tabla 1 – proviene de la página anterior

Personaje Aporte Año
Ada Lovelace Matemática, informática y escritora británica. XVII
Primera programadora de la historia por el
desarrollo de algoritmos para la máquina analítica
de Babbage
George Boole Contribuyó al algebra binaria y a los sistemas de 1854
circuitos de computadora (álgebra booleana)
Herman Hollerit Creador de un sistema para automatizar la 1890
pesada tarea del censo
Alan Turing Máquina de Turing - una máquina capaz de 1936
resolver problemas - Aportes de Lógica Matemática
- Computadora con tubos de vacío
John Atanasoff Primera computadora digital electrónica 1942
patentada: Atanasoff Berry Computer (ABC)
Howard Aiken En colaboración con IBM desarrolló el Mark I, una 1944
computadora electromecánica de 16 metros de largo
y más de dos de alto que podía realizar las cuatro
operaciones básicas y trabajar con información
almacenada en forma de tablas
Grace Hopper Primera programadora que utilizó el Mark I 1945
John W. Mauchly Junto a John Presper Eckert desarrolló una 1946
computadora electrónica completamente
operacional a gran escala llamada Electronic
Numerical Integrator And Computer (ENIAC)
John Von Neumann Propuso guardar en memoria no solo la 1946
información, sino también los programas,
acelerando los procesos
Luego los avances en las ciencias informáticas han sido muy acelerados, se reemplazaron los
tubos de vacío por transistores en 1958 y en el mismo año, se sustituyeron por circuitos
integrados, y en 1961 se miniaturizaron en chips de silicio. En 1971 apareció el primer
microprocesador de Intel; y en 1973 el primer sistema operativo CP/M. El primer computador
personal es comercializado por IBM en el año 1980.
2
Fuente: Meatze.
1.2. Algo de historia 9

Aprende Python
Figura 3: Ada Lovelace: primera programadora de la historia2
Aprende Python
1.2.2 De los computadores a la programación
De acuerdo a este breve viaje por la historia, la programación está vinculada a la aparición
de los computadores, y los lenguajes tuvieron también su evolución. Inicialmente, como ya
hemos visto, se programaba en código binario, es decir en cadenas de 0s y 1s, que es el
lenguaje que entiende directamente el computador, tarea extremadamente difícil; luego se
creó el lenguaje ensamblador, que aunque era lo mismo que programar en binario, al estar
en letras era más fácil de recordar. Posteriormente aparecieron lenguajes de alto nivel,
que en general, utilizan palabras en inglés, para dar las órdenes a seguir, para lo cual utilizan
un proceso intermedio entre el lenguaje máquina y el nuevo código llamado código fuente,
este proceso puede ser un compilador o un intérprete.
Un compilador lee todas las instrucciones y genera un resultado; un intérprete ejecuta
y genera resultados línea a línea. En cualquier caso han aparecido nuevos lenguajes de
programación, unos denominados estructurados y en la actualidad en cambio los lenguajes
orientados a objetos y los lenguajes orientados a eventos.3
1.2.3 Cronología de lenguajes de programación
Desde la década de 1950 se han sucedido multitud de lenguajes de programación que

cada vez incorporan más funcionalidades destinadas a cubrir las necesidades del desarrollo
de aplicaciones. A continuación se muestra una tabla con la historia de los lenguajes de
programación más destacados:
El número actual de lenguajes de programación depende de lo que se considere un lenguaje
de programación y a quién se pregunte. Según TIOBE más de 250; según Wikipedia más
de 700, según Language List más de 2500; y para una cifra muy alta podemos considerar a
Online Historical Encyclopaedia of Programming Languages que se acerca a los 9000.
1.2.4 Creadores de lenguajes de programación
El avance de la computación está íntimamente relacionado con el desarrollo de los lenguajes

de programación. Sus creadores y creadoras juegan un rol fundamental en la historia
tecnológica. Veamos algunas de estas personas:4
Tabla 2: Creadores de lenguajes de programación

Personaje Aporte
Alan Cooper Desarrollador de Visual Basic
Alan Kay Pionero en programación orientada a objetos. Creador de
Smalltalk
3
Fuente: Universidad Técnica del Norte.
4
Fuente: Wikipedia.

Aprende Python

Personaje Aporte
Anders Hejlsberg Desarrollador de Turbo Pascal, Delphi y C#
Bertrand Meyer Inventor de Eiffel
Bill Joy Inventor de vi. Autor de BSD Unix. Creador de SunOS, el
cual se convirtió en Solaris
Bjarne Stroustrup Desarrollador de C++
Dennis Ritchie Inventor del lenguaje C y del Sistema Operativo Unix
Brian Kernighan Coautor del primer libro de programación en lenguaje C con
Dennis Ritchie y coautor de los lenguajes de programación
AWK y AMPL
Edsger W. Dijkstra Desarrolló las bases para la programación estructurada.
Algoritmo de caminos mínimos
Grace Hopper Desarrolladora de Flow-Matic, influenciando el lenguaje
COBOL
Guido van Rossum Creador de Python
James Gosling Desarrollador de Oak. Precursor de Java
Joe Armstrong Creador de Erlang
John Backus Inventor de Fortran
John McCarthy Inventor de LISP
John von Neumann Creador del concepto de sistema operativo
Ken Thompson Inventor de B. Desarrollador de Go. Coautor del sistema
operativo Unix
Kenneth E. Iverson Desarrollador de APL. Co-desarrollador de J junto a Roger
Hui
Larry Wall Creador de Perl y Perl 6
Martin Odersky Creador de Scala. Previamente contribuyó en el diseño de Java
Mitchel Resnick Creador del lenguaje visual Scratch
Nathaniel Rochester Inventor del primer lenguaje en ensamblador simbólico (IBM
701)
Niklaus Wirth Inventor de Pascal, Modula y Oberon
Robin Milner Inventor de ML. Compartió crédito en el método
Hindley–Milner de inferencia de tipo polimórfica
Seymour Papert Pionero de la inteligencia artificial. Inventor del lenguaje de
programación Logo en 1968
Stephen Wolfram Creador de Mathematica
Yukihiro Matsumoto Creador de Ruby
Aprende Python
Figura 4: Cronología de los lenguajes de programación más destacados

Aprende Python
1.3 Python
Python es un lenguaje de programación de alto nivel creado a finales de los 80/principios de

los 90 por Guido van Rossum, holandés que trabajaba por aquella época en el Centro para
las Matemáticas y la Informática de los Países Bajos. Sus instrucciones están muy cercanas
al lenguaje natural en inglés y se hace hincapié en la legibilidad del código. Toma su
nombre de los Monty Python, grupo humorista de los 60 que gustaban mucho a Guido.
Python fue creado como sucesor del lenguaje ABC.1
1.3.1 Características del lenguaje
A partir de su definición de la Wikipedia:

• Python es un lenguaje de programación interpretado y multiplataforma cuya
filosofía hace hincapié en una sintaxis que favorezca un código legible.
• Se trata de un lenguaje de programación multiparadigma, ya que soporta
orientación a objetos, programación imperativa y, en menor medida,
programación funcional.
• Añadiría, como característica destacada, que se trata de un lenguaje de propósito
general.
1
Foto original por Markéta Marcellová en Unsplash.
Aprende Python
Ventajas
• Libre y gratuito (OpenSource).

• Fácil de leer, parecido a pseudocódigo.
• Aprendizaje relativamente fácil y rápido: claro, intuitivo….
• Alto nivel.
• Alta Productividad: simple y rápido.
• Tiende a producir un buen código: orden, limpieza, elegancia, flexibilidad, …
• Multiplataforma. Portable.
• Multiparadigma: programación imperativa, orientada a objetos, funcional, …
• Interactivo, modular, dinámico.
• Librerías extensivas («pilas incluídas»).
• Gran cantidad de librerías de terceros.
• Extensible (C++, C, …) y «embebible».
• Gran comunidad, amplio soporte.
• Interpretado.
• Tipado dinámico5 .
• Fuertemente tipado6 .
Desventajas
• Interpretado (velocidad de ejecución, multithread vs GIL, etc.).

• Consumo de memoria.
• Errores no detectables en tiempo de compilación.
• Desarrollo móvil.
• Documentación a veces dispersa e incompleta.
• Varios módulos para la misma funcionalidad.
• Librerías de terceros no siempre del todo maduras.
5
Tipado dinámico significa que una variable puede cambiar de tipo durante el tiempo de vida de un
programa. C es un lenguaje de tipado estático.
6
Fuertemente tipado significa que, de manera nativa, no podemos operar con dos variables de tipos
distintos, a menos que realice una conversión explícita. Javascript es un lenguaje débilmente tipado.
1.3. Python 15
Aprende Python
1.3.2 Uso de Python
Al ser un lenguaje de propósito general, podemos encontrar aplicaciones prácticamente en

todos los campos científico-tecnológicos:
• Análisis de datos.
• Aplicaciones de escritorio.
• Bases de datos relacionales / NoSQL
• Buenas prácticas de programación / Patrones de diseño.
• Concurrencia.
• Criptomonedas / Blockchain.
• Desarrollo de aplicaciones multimedia.
• Desarrollo de juegos.
• Desarrollo en dispositivos embebidos.
• Desarrollo web.
• DevOps / Administración de sistemas / Scripts de automatización.
• Gráficos por ordenador.
• Inteligencia artificial.
• Internet de las cosas.
• Machine Learning.
• Programación de parsers / scrapers / crawlers.
• Programación de redes.
• Propósitos educativos.
• Prototipado de software.
• Seguridad.
• Tests automatizados.
De igual modo son muchas las empresas, instituciones y organismos que utilizan Python en
su día a día para mejorar sus sistemas de información. Veamos algunas de las más relevantes:
Existen ránkings y estudios de mercado que sitúan a Python como uno de los lenguajes más
usados y la vez, más amados dentro del mundo del desarrollo de software.
En el momento de la escritura de este documento, la última actualización del Índice TIOBE
es de noviembre de 2023 en el que Python ocupaba el primer puesto de los lenguajes
de programación más usados, por delante de C y C++.
Aprende Python
Figura 5: Grandes empresas y organismos que usan Python
Figura 6: Índice TIOBE Noviembre 2023
1.3. Python 17
Aprende Python
Igualmente en la encuesta a desarrolladores/as de Stack Overflow del 2023 Python ocupaba

el tercer puesto de los lenguajes de programación más populares, sólo por detrás
de HTML/CSS y JavaScript:
Figura 7: Encuesta Stack Overflow 2023
También podemos reseñar el informe anual que realiza GitHub sobre el uso de tecnologías en
su plataforma. En la edición de 2023 del estado del opensource de GitHub, Python ocupaba
el segundo puesto de los lenguajes de programación más usados, sólo por detrás de
JavaScript:
Figura 8: Informe GitHub 2023
Aprende Python
1.3.3 Versiones de Python
En el momento de la escritura de este material, se muestra a continuación la evolución de

las versiones mayores de Python a lo largo de la historia:3
Versión Fecha de lanzamiento

Python 1.0 Enero 1994
Python 1.5 Diciembre 1997
Python 1.6 Septiembre 2000
Python 2.0 Octubre 2000
Python 2.1 Abril 2001
Python 2.3 Julio 2003
Python 2.4 Noviembre 2004
Python 2.7 Julio 2010
Python 3.1 Junio 2009
Python 3.2 Febrero 2011
Python 3.4 Marzo 2014
Python 3.7 Junio 2018
Python 3.13 Octubre 2024 ?
Un dato curioso, o directamente un «frikismo»: Desde Python 3.8, cada nueva versión estable
sale a la luz en el mes de Octubre. En este escenario de Python 3.version se cumplen las
siguientes igualdades:
𝑣𝑒𝑟𝑠𝑖𝑜𝑛 = 𝑦𝑒𝑎𝑟 − 2011

𝑦𝑒𝑎𝑟 = 𝑣𝑒𝑟𝑠𝑖𝑜𝑛 + 2011
El cambio de Python 2 a Python 3 fue bastante «traumático» ya que se perdió

la compatibilidad en muchas de las estructuras del lenguaje. Los «core-developers»4 ,
con Guido van Rossum a la cabeza, vieron la necesidad de aplicar estas modificaciones
3
Fuente: python.org.
4
Término que se refiere a los/las desarrolladores/as principales del lenguaje de programación.
1.3. Python 19
Aprende Python
en beneficio del rendimiento y expresividad del lenguaje de programación. Este cambio

implicaba que el código escrito en Python 2 no funcionaría (de manera inmediata) en Python
3.
El pasado 1 de enero de 2020 finalizó oficialmente el soporte a la versión 2.7 del
lenguaje de programación Python. Es por ello que se recomienda lo siguiente:
• Si aún desarrollas aplicaciones escritas en Python 2, deberías migrar a Python 3.
• Si vas a desarrollar una nueva aplicación, deberías hacerlo directamente en Python 3.
Importante: Únete a Python 3 y aprovecha todas sus ventajas.
1.3.4 CPython
Nivel avanzado
Existen múltiples implementaciones de Python según el lenguaje de programación que se
ha usado para desarrollarlo. Veamos algunas de ellas:
Implementación Lenguaje
CPython C
Jython Java
IronPython C#
Brython JavaScript
RustPython Rust
MicroPython C
Nota: Cuando hacemos referencia a Python hablamos (implícitamente) de CPython. Este

manual versa exclusivamente sobre CPython.
1.3.5 Zen de Python
Existen una serie de reglas «filosóficas» que indican una manera de hacer y de pensar dentro
del mundo pitónico2 creadas por Tim Peters, llamadas el Zen de Python y que se pueden
aplicar incluso más allá de la programación:
2
Dícese de algo/alguien que sigue las convenciones de Python.
Aprende Python
>>> import this

The Zen of Python, by Tim Peters
Beautiful is better than ugly.

Explicit is better than implicit.
Simple is better than complex.
Complex is better than complicated.
Flat is better than nested.
Sparse is better than dense.
Readability counts.
Special cases aren t special enough to break the rules.
Although practicality beats purity.
Errors should never pass silently.
Unless explicitly silenced.
In the face of ambiguity, refuse the temptation to guess.
There should be one-- and preferably only one --obvious way to do it.
Although that way may not be obvious at first unless you re Dutch.
Now is better than never.
Although never is often better than *right* now.
If the implementation is hard to explain, it s a bad idea.
If the implementation is easy to explain, it may be a good idea.
Namespaces are one honking great idea -- let s do more of those!
En su traducción de la Wikipedia:
• Bello es mejor que feo.
• Explícito es mejor que implícito.
• Simple es mejor que complejo.
• Complejo es mejor que complicado.
• Plano es mejor que anidado.
• Espaciado es mejor que denso.
• La legibilidad es importante.
• Los casos especiales no son lo suficientemente especiales como para romper las reglas.
• Sin embargo la practicidad le gana a la pureza.
• Los errores nunca deberían pasar silenciosamente.
• A menos que se silencien explícitamente.
• Frente a la ambigüedad, evitar la tentación de adivinar.
• Debería haber una, y preferiblemente solo una, manera obvia de hacerlo.
• A pesar de que esa manera no sea obvia a menos que seas Holandés.
1.3. Python 21
Aprende Python
• Ahora es mejor que nunca.

• A pesar de que nunca es muchas veces mejor que ahora mismo.
• Si la implementación es difícil de explicar, es una mala idea.
• Si la implementación es fácil de explicar, puede que sea una buena idea.
• Los espacios de nombres son una gran idea, ¡tengamos más de esos!
Ver también:
Si quieres darle un toque a tu escritorio, puedes descargar este fondo de pantalla del Zen de
Python que queda muy chulo.
1.3.6 Consejos para programar
Un listado de consejos muy interesantes cuando nos enfrentamos a la programación, basados

en la experiencia de @codewithvoid:
1. Escribir código es el último paso del proceso.
2. Para resolver problemas: pizarra mejor que teclado.
3. Escribir código sin planificar = estrés.
4. Pareces más inteligente siendo claro, no siendo listo.
5. La constancia a largo plazo es mejor que la intensidad a corto plazo.
6. La solución primero. La optimización después.
7. Gran parte de la programación es resolución de problemas.
8. Piensa en múltiples soluciones antes de decidirte por una.
9. Se aprende construyendo proyectos, no tomando cursos.
10. Siempre elije simplicidad. Las soluciones simples son más fáciles de escribir.
11. Los errores son inevitables al escribir código. Sólo te informan sobre lo que no debes
hacer.
12. Fallar es barato en programación. Aprende mediante la práctica.
13. Gran parte de la programación es investigación.
14. La programación en pareja te enseñará mucho más que escribir código tu solo.
15. Da un paseo cuando estés bloqueado con un error.
16. Convierte en un hábito el hecho de pedir ayuda. Pierdes cero credibilidad pidiendo
ayuda.
17. El tiempo gastado en entender el problema está bien invertido.
Aprende Python
18. Cuando estés bloqueado con un problema: sé curioso, no te frustres.

19. Piensa en posibles escenarios y situaciones extremas antes de resolver el problema.
20. No te estreses con la sintaxis de lenguaje de programación. Entiende conceptos.
21. Aprende a ser un buen corrector de errores. Esto se amortiza.
22. Conoce pronto los atajos de teclado de tu editor favorito.
23. Tu código será tan claro como lo tengas en tu cabeza.
24. Gastarás el doble de tiempo en corregir errores que en escribir código.
25. Saber buscar bien en Google es una habilidad valiosa.
26. Lee código de otras personas para inspirarte.
27. Únete a comunidades de desarrollo para aprender con otros/as programadores/as.
1.3. Python 23
Aprende Python
CAPÍTULO 2
Entornos de desarrollo
Para poder utilizar Python debemos preparar nuestra máquina con las herramientas
necesarias. Este capítulo trata sobre la instalación y configuración de los elementos adecuados
para el desarrollo con el lenguaje de programación Python.
25
Aprende Python
2.1 Thonny
Thonny es un programa muy interesante para empezar a aprender Python, ya que engloba
tres de las herramientas fundamentales para trabajar con el lenguaje: intérprete, editor y
depurador.1
Cuando vamos a trabajar con Python debemos tener instalado, como mínimo, un intérprete
del lenguaje (para otros lenguajes sería un compilador). El intérprete nos permitirá
ejecutar nuestro código para obtener los resultados deseados. La idea del intéprete es lanzar
instrucciones «sueltas» para probar determinados aspectos.
Pero normalmente queremos ir un poco más allá y poder escribir programas algo más largos,
por lo que también necesitaremos un editor. Un editor es un programa que nos permite
crear ficheros de código (en nuestro caso con extensión *.py), que luego son ejecutados por
el intérprete.
Hay otra herramienta interesante dentro del entorno de desarrollo que sería el depurador.
Lo podemos encontrar habitualmente en la bibliografía por su nombre inglés debugger.
Es el módulo que nos permite ejecutar paso a paso nuestro código y visualizar qué está
ocurriendo en cada momento. Se suele usar normalmente para encontrar fallos (bugs) en
nuestros programas y poder solucionarlos (debug/fix).
Cuando nos encontramos con un programa que proporciona estas funciones (e incluso otras
adicionales) para el trabajo de programación, nos referimos a él como un Entorno Integrado de
Desarrollo, conocido popularmente por sus siglas en inglés IDE (por Integrated Development
1
Foto original de portada por freddie marriage en Unsplash.
26 Capítulo 2. Entornos de desarrollo

Aprende Python
Environment). Thonny es un IDE gratuito, sencillo y apto para principiantes.
2.1.1 Instalación
Para instalar Thonny debemos acceder a su web y descargar la aplicación para nuestro
sistema operativo. La ventaja es que está disponible tanto para Windows, Mac y Linux.
Una vez descargado el fichero lo ejecutamos y seguimos su instalación paso por paso.
Una vez terminada la instalación ya podemos lanzar la aplicación que se verá parecida a la
siguiente imagen:
Figura 1: Aspecto de Thonny al arrancarlo
Nota: Es posible que el aspecto del programa varíe ligeramente según el sistema operativo,
configuración de escritorio, versión utilizada o idioma (en mi caso está en inglés), pero a
efectos de funcionamiento no hay diferencia.
Podemos observar que la pantalla está dividida en 3 paneles:

• Panel principal que contiene el editor e incluye la etiqueta <untitled> donde
escribiremos nuestro código fuente Python.
• Panel inferior con la etiqueta Shell que contiene el intérprete de Python. En el
momento de la escritura del presente documento, Thonny incluye la versión de Python
3.7.7.
2.1. Thonny 27
Aprende Python
• Panel derecho que contiene el depurador. Más concretamente se trata de la ventana

de variables donde podemos inspeccionar el valor de las mismas.
2.1.2 Probando el intérprete
El intérprete de Python (por lo general) se identifica claramente porque posee un prompt2

con tres angulos hacia la derecha >>>. En Thonny lo podemos encontrar en el panel inferior,
pero se debe tener en cuenta que el intérprete de Python es una herramienta autocontenida
y que la podemos ejecutar desde el símbolo del sistema o la terminal:
Lista 1: Invocando el intérprete de Python 3.7 desde una

terminal en MacOS
$ python3.7
Python 3.7.4 (v3.7.4:e09359112e, Jul 8 2019, 14:54:52)
[Clang 6.0 (clang-600.0.57)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>>
Para hacer una prueba inicial del intérprete vamos a retomar el primer programa que se
suele hacer. Es el llamado «Hello, World». Para ello escribimos lo siguiente en el intérprete
y pulsamos la tecla ENTER:
>>> print( Hello, World )

Hello, World
Lo que hemos hecho es indicarle a Python que ejecute como entrada la instrucción
print( Hello, World ). La salida es el texto Hello, World que lo vemos en la siguiente
línea (ya sin el prompt >>>).
2.1.3 Probando el editor
Ahora vamos a realizar la misma operación, pero en vez de ejecutar la instrucción

directamente en el intérprete, vamos a crear un fichero y guardarlo con la sentencia que
nos interesa. Para ello escribimos print( Hello, World ) en el panel de edición (superior)
y luego guardamos el archivo con el nombre helloworld.py3 :
Importante: Los ficheros que contienen programas hechos en Python siempre deben tener
la extensión .py
2
Término inglés que se refiere al símbolo que precede la línea de comandos.
3
La carpeta donde se guarden los archivos de código no es crítico para su ejecución, pero sí es importante
mantener un orden y una organización para tener localizados nuestros ficheros y proyectos.

Aprende Python
Figura 2: Guardando nuestro primer programa en Python
Ahora ya podemos ejecutar nuestro fichero helloworld.py. Para ello pulsamos el botón verde
con triángulo blanco (en la barra de herramientas) o bien damos a la tecla F5. Veremos que
en el panel de Shell nos aparece la salida esperada. Lo que está pasando «entre bambalinas»
es que el intérprete de Python está recibiendo como entrada el fichero que hemos creado; lo
ejecuta y devuelve la salida para que Thonny nos lo muestre en el panel correspondiente.
2.1.4 Probando el depurador
Nos falta por probar el depurador o «debugger». Aunque su funcionamiento va mucho

más allá, de momento nos vamos a quedar en la posibilidad de inspeccionar las variables
de nuestro programa. Desafortunadamente helloworld.py es muy simple y ni siquiera
contiene variables, pero podemos hacer una pequeña modificación al programa para poder
incorporarlas:
1 msg = Hello, World

2 print(msg)
Aunque ya lo veremos en profundidad, lo que hemos hecho es añadir una variable msg en
la línea 1 para luego utilizarla al mostrar por pantalla su contenido. Si ahora volvemos a
ejecutar nuestro programa veremos que en el panel de variables nos aparece la siguiente
información:
Name Value
msg Hello, World
También existe la posibilidad, a través del depurador, de ir ejecutando nuestro programa

paso a paso. Para ello basta con pulsar en el botón que tiene un insecto. Ahí comienza la
2.1. Thonny 29
Aprende Python
sesión de depuración y podemos avanzar instrucción por instrucción usando la tecla F7:
Figura 3: Depurando nuestro primer programa en Python
2.2 Contexto real
Hemos visto que Thonny es una herramienta especialmente diseñada para el aprendizaje de
Python, integrando diferentes módulos que facilitan su gestión. Si bien lo podemos utilizar

Aprende Python
para un desarrollo más «serio», se suele recurrir a un flujo de trabajo algo diferente en
contextos más reales.1
2.2.1 Python
La forma más habitual de instalar Python (junto con sus librerías) es descargarlo e instalarlo
desde su página oficial:
• Versiones de Python para Windows
• Versiones de Python para Mac
• Versiones de Python para Linux
Truco: Tutorial para instalar Python en Windows.
Anaconda
Otra de las alternativas para disponer de Python en nuestro sistema y que además es muy
utilizada, es Anaconda. Se trata de un conjunto de herramientas, orientadas en principio a
la ciencia de datos, pero que podemos utilizarlas para desarrollo general en Python (junto
con otras librerías adicionales).
Existen versiones de pago, pero la distribución Individual Edition es «open-source» y
gratuita. Se puede descargar desde su página web. Anaconda trae por defecto una gran
cantidad de paquetes Python en su distribución.
Ver también:
Miniconda es un instalador mínimo que trae por defecto Python y un pequeño número de
paquetes útiles.
2.2.2 Gestión de paquetes
La instalación limpia2 de Python ya ofrece de por sí muchos paquetes y módulos que vienen
por defecto. Es lo que se llama la librería estándar. Pero una de las características más
destacables de Python es su inmenso «ecosistema» de paquetes disponibles en el Python
Package Index (PyPI).
Para gestionar los paquetes que tenemos en nuestro sistema se utiliza la herramienta pip,
una utilidad que también se incluye en la instalación de Python. Con ella podremos instalar,
1
Foto original de portada por SpaceX en Unsplash.
2
También llamada «vanilla installation» ya que es la que viene por defecto y no se hace ningúna
personalización.
2.2. Contexto real 31

Aprende Python
desinstalar y actualizar paquetes, según nuestras necesidades. A continuación se muestran

las instrucciones que usaríamos para cada una de estas operaciones:
Lista 2: Instalación, desinstalación y actualización del

paquete pandas utilizando pip
$ pip install pandas
$ pip uninstall pandas
$ pip install pandas --upgrade
Consejo: Para el caso de Anaconda usaríamos conda install pandas (aunque ya viene
preinstalado).
2.2.3 Entornos virtuales
Nivel intermedio
Cuando trabajamos en distintos proyectos, no todos ellos requieren los mismos paquetes
ni siquiera la misma versión de Python. La gestión de estas situaciones no es sencilla si
únicamente instalamos paquetes y manejamos configuraciones a nivel global (a nivel de
máquina). Es por ello que surge el concepto de entornos virtuales. Como su propio nombre
indica se trata de crear distintos entornos en función de las necesidades de cada proyecto, y
esto nos permite establecer qué versión de Python usaremos y qué paquetes instalaremos.
La manera más sencilla de crear un entorno virtual es la siguiente:
1 $ cd myproject
2 $ python -m venv --prompt myproject .venv
3 $ source .venv/bin/activate
• Línea 1: Entrar en la carpeta de nuestro proyecto.

• Línea 2: Crear una carpeta .venv con los ficheros que constituyen el entorno virtual.
• Línea 3: Activar el entorno virtual. A partir de aquí todo lo que se instale quedará
dentro del entorno virtual.

Aprende Python
virtualenv
El paquete de Python que nos proporciona la funcionalidad de crear y gestionar entornos

virtuales se denomina virtualenv. Su instalación es sencilla a través del gestor de paquetes
pip:
$ pip install virtualenv
Si bien con virtualenv tenemos las funcionalidades necesarias para trabajar con entornos
virtuales, destacaría una herramienta llamada virtualenvwrapper que funciona por encima
de virtualenv y que facilita las operaciones sobre entornos virtuales. Su instalación es
equivalente a cualquier otro paquete Python:
$ pip install virtualenvwrapper
Veamos a continuación algunos de los comandos que nos ofrece:

$ ~/project1 > mkvirtualenv env1
Using base prefix /Library/Frameworks/Python.framework/Versions/3.7
New python executable in /Users/sdelquin/.virtualenvs/env1/bin/python3.7
Also creating executable in /Users/sdelquin/.virtualenvs/env1/bin/python
Installing setuptools, pip, wheel...
done.
virtualenvwrapper.user_scripts creating /Users/sdelquin/.virtualenvs/env1/bin/
˓→predeactivate

˓→postdeactivate

˓→preactivate

˓→postactivate
virtualenvwrapper.user_scripts creating /Users/sdelquin/.virtualenvs/env1/bin/get_

˓→env_details
$ (env1) ~/project1 > pip install requests

Collecting requests
Using cached requests-2.24.0-py2.py3-none-any.whl (61 kB)
Collecting idna<3,>=2.5
Using cached idna-2.10-py2.py3-none-any.whl (58 kB)
Collecting certifi>=2017.4.17
Using cached certifi-2020.6.20-py2.py3-none-any.whl (156 kB)
Collecting urllib3!=1.25.0,!=1.25.1,<1.26,>=1.21.1
Using cached urllib3-1.25.10-py2.py3-none-any.whl (127 kB)
Collecting chardet<4,>=3.0.2
Using cached chardet-3.0.4-py2.py3-none-any.whl (133 kB)
Installing collected packages: idna, certifi, urllib3, chardet, requests
Successfully installed certifi-2020.6.20 chardet-3.0.4 idna-2.10 requests-2.24.0␣
˓→urllib3-1.25.10

Aprende Python

$ (env1) ~/project1 > deactivate
$ ~/project1 > workon env1
$ (env1) ~/project1 > lssitepackages
__pycache__ distutils-precedence.pth pkg_resources ␣
˓→urllib3-1.25.10.dist-info
_distutils_hack easy_install.py requests ␣

˓→wheel
certifi idna requests-2.24.0.dist-info ␣

˓→wheel-0.34.2.dist-info
certifi-2020.6.20.dist-info idna-2.10.dist-info setuptools

chardet pip setuptools-49.3.2.dist-info
chardet-3.0.4.dist-info pip-20.2.2.dist-info urllib3
$ (env1) ~/project1 >
• $ mkvirtualenv env1: crea un entorno virtual llamado env1

• $ pip install requests: instala el paquete requests dentro del entorno virtual env1
• $ workon env1: activa el entorno virtual env1
• $ lssitepackages: lista los paquetes instalados en el entorno virtual activo
pyenv
pyenv permite cambiar fácilmente entre múltiples versiones de Python en un mismo sistema.
Su instalación engloba varios pasos y está bien explicada en la página del proyecto.
La mayor diferencia con respecto a virtualenv es que no instala las distintas versiones de
Python a nivel global del sistema. En vez de eso, se suele crear una carpeta .pyenv en el
HOME del usuario, donde todo está aislado sin generar intrusión en el sistema operativo.
Podemos hacer cosas como:
• Listar las versiones de Python instaladas:
$ pyenv versions
3.7.4
* 3.5.0 (set by /Users/yuu/.pyenv/version)
miniconda3-3.16.0
pypy-2.6.0
• Descubrir la versión global «activa» de Python:
$ python --version
Python 3.5.0
• Cambiar la versión global «activa» de Python:

Aprende Python
$ pyenv global 3.7.4
$ python --version
Python 3.7.4
• Instalar una nueva versión de Python:
$ pyenv install 3.9.1

...
• Activar una versión de Python local por carpetas:
$ cd /cool-project
$ pyenv local 3.9.1
$ python --version
Python 3.9.1
También existe un módulo denominado pyenv-virtualenv para manejar entornos virtuales

utilizando las ventajas que proporciona pyenv.
2.2.4 Editores
Existen multitud de editores en el mercado que nos pueden servir perfectamente para escribir
código Python. Algunos de ellos incorporan funcionalidades extra y otros simplemente nos
permiten editar ficheros. Cabe destacar aquí el concepto de Entorno de Desarrollo
Integrado, más conocido por sus siglas en inglés IDE3 . Se trata de una aplicación
informática que proporciona servicios integrales para el desarrollo de software.
Podríamos decir que Thonny es un IDE de aprendizaje, pero existen muchos otros. Veamos
un listado de editores de código que se suelen utilizar para desarrollo en Python:
• Editores generales o IDEs con soporte para Python:
– Eclipse + PyDev
– Sublime Text
– Atom
– GNU Emacs
– Vi-Vim
– Visual Studio (+ Python Tools)
– Visual Studio Code (+ Python Tools)
• Editores o IDEs específicos para Python:
3
Integrated Development Environment.

Aprende Python
– PyCharm
– Spyder
– Thonny
Cada editor tiene sus características (ventajas e inconvenientes). Supongo que la preferencia
por alguno de ellos estará en base a la experiencia y a las necesidades que surjan. La parte
buena es que hay diversidad de opciones para elegir.
2.2.5 Jupyter Notebook
Jupyter Notebook es una aplicación «open-source» que permite crear y compartir

documentos que contienen código, ecuaciones, visualizaciones y texto narrativo. Podemos
utilizarlo para propósito general aunque suele estar más enfocado a ciencia de datos:
limpieza y transformación de datos, simulación numérica, modelado estadístico, visualización
o «machine-learning»4 .
Podemos verlo como un intérprete de Python (contiene un «kernel»5 que permite ejecutar
código) con la capacidad de incluir documentación en formato Markdown, lo que potencia
sus funcionalidades y lo hace adecuado para preparar cualquier tipo de material vinculado
con lenguajes de programación.
Aunque su uso está más extendido en el mundo Python, existen muchos otros «kernels»
sobre los que trabajar en Jupyter Notebook.
Ver también:
Sección sobre Jupyter.
Truco: Visual Studio Code también dispone de integración con Jupyter Notebooks.
2.2.6 repl.it
repl.it es un servicio web que ofrece un entorno de desarrollo integrado para

programar en más de 50 lenguajes (Python incluido).
Es gratuito y de uso colaborativo. Se requiere una cuenta en el sistema para utilizarlo. El
hecho de no requerir instalación ni configuración previa lo hace atractivo en determinadas
circunstancias.
En su versión gratuita ofrece:
4
Término inglés utilizado para hacer referencia a algoritmos de aprendizaje automático.
5
Proceso específico para un lenguaje de programación que ejecuta instrucciones y actúa como interfaz
de entrada/salida.

Aprende Python
Figura 4: repl.it
• Almacenamiento de 500MB.
• Python 3.8.2 (febrero de 2022).
• 117 paquetes preinstalados (febrero de 2022).
• Navegador (y subida) de ficheros integrado.
• Gestor de paquetes integrado.
• Integración con GitHub.
• Gestión de secretos (datos sensibles).
• Base de datos clave-valor ya integrada.
• Acceso (limitado) al sistema operativo y sistema de ficheros.
2.2.7 WSL
Si estamos trabajando en un sistema Windows 10 es posible que nos encontremos más

cómodos usando una terminal tipo «Linux», entre otras cosas para poder usar con facilidad
las herramientas vistas en esta sección y preparar el entorno de desarrollo Python. Durante
mucho tiempo esto fue difícil de conseguir hasta que Microsoft sacó WSL.
WSL6 nos proporciona una consola con entorno Linux que podemos utilizar en nuestro
Windows 10 sin necesidad de instalar una máquina virtual o crear una partición para un
6
Windows Subsystem for Linux.

Aprende Python
Linux nativo. Es importante también saber que existen dos versiones de WSL hoy en día:
WSL y WSL2. La segunda es bastante reciente (publicada a mediados de 2019), tiene mejor
rendimiento y se adhiere más al comportamiento de un Linux nativo.
Para la instalación de WSL7 hay que seguir los siguientes pasos:
1. Lanzamos Powershell con permisos de administrador.
2. Activamos la característica de WSL:
$ Enable-WindowsOptionalFeature -Online -FeatureName Microsoft-Windows-

˓→Subsystem-Linux
3. Descargamos la imagen de Ubuntu 20.04 que usaremos:
$ Invoke-WebRequest -Uri https://aka.ms/wslubuntu2004 -OutFile Ubuntu.appx -

˓→UseBasicParsing
4. Finalmente, la instalamos:
$ Add-AppxPackage .\Ubuntu.appx
En este punto, WSL debería estar instalado correctamente, y debería también aparecer en
el menú Inicio.
7
Tutorial de instalación de WSL.

Aprende Python
2.3 VSCode
Visual Studio Code (VSCode) es un entorno de desarrollo integrado1 gratuito y de código

abierto que ha ganado mucha relevancia en los últimos años. Permite trabajar fácilmente
con multitud de lenguajes de programación y dispone de una gran cantidad de extensiones.2
2.3.1 Instalación
VSCode tiene disponibles paquetes autoinstalables para todos los sistemas operativos.
2.3.2 Extensiones recomendadas
Para escribir un «mejor» código Python en VSCode sería deseable tener instaladas las
siguientes extensiones:
• Python
• Ruff
• Mypy Type Checker
• isort
1
También conocido por IDE siglas en inglés de Integrated Development Environment.
2
Foto original de portada por Kelly Sikkema en Unsplash.
2.3. VSCode 39
Aprende Python
2.3.3 Atajos de teclado
Conocer los atajos de teclado de tu editor favorito es fundamental para mejorar el flujo de
trabajo y ser más productivo. Veamos los principales atajos de teclado de Visual Studio
Code3 .
Ajustes generales
Acción Atajo
Abrir paleta de comandos Ctrl + Shift + P
Abrir archivo Ctrl + P
Nueva ventana Ctrl + Shift + N
Cerrar ventana Ctrl + Shift + W
Ajustes del perfil Ctrl + ,
Usabilidad
Acción Atajo
Crear un nuevo archivo Ctrl + N
Abrir archivo Ctrl + O
Guardar archivo Ctrl + S
Cerrar Ctrl + F4
Abrir Terminal Ctrl +
Panel de problemas Ctrl + Shift + M
Edición básica
Acción Atajo
Cortar linea Ctrl + X
Copiar linea Ctrl + C
Borrar linea Ctrl + Shift + K
Insertar linea abajo Enter
Insertar linea arriba Ctrl + Shift + Enter
Buscar en archivo abierto Ctrl + F
Reemplazar Ctrl + H
Linea de comentario Ctrl + /
Bloque de comentario Shift + Alt + A
3
Fuente: Gastón Danielsen en Dev.To.

Aprende Python

Acción Atajo
Salto de linea Alt + Z
Seleccionar lineas Alt + Click Mouse
Tabular linea Tab
Destabular linea Shift + Tab
Renombrar símbolo F2
Pantalla
Acción Atajo
Acercar Zoom Ctrl + +
Alejar Zoom Ctrl + -
Barra lateral Ctrl + B
Abrir debug Ctrl + Shift + D
Panel de salida Ctrl + Shift + U
Control de source Ctrl + Shift + G
Acceder a extensiones Ctrl + Shift + X
Abrir terminal integrado Ctrl + Shift + Ñ
Truco: En macOS sustituir Ctrl por Command.
2.3.4 Depurando código
La depuración de programas es el proceso de identificar y corregir errores de

programación. Es conocido también por el término inglés debugging, cuyo significado
es eliminación de bugs (bichos), manera en que se conoce informalmente a los errores de
programación.
Existen varias herramientas de depuración (o debuggers). Algunas de ellas en modo texto
(terminal) y otras con entorno gráfico (ventanas).
• La herramienta más extendida para depurar en modo texto es el módulo pdb (The
Python Debugger). Viene incluido en la instalación base de Python y es realmente
potente.
• Aunque existen varias herramientas para depurar en entorno gráfico, nos vamos a
centrar en Visual Studio Code.
Lo primero será abrir el fichero (carpeta) donde vamos a trabajar:
2.3. VSCode 41
Aprende Python
Figura 5: Apertura del fichero a depurar
Punto de ruptura
A continuación pondremos un punto de ruptura (también llamado breakpoint). Esto

implica que la ejecución se pare en ese punto y viene indicado por un punto rojo . Para
ponerlo nos tenemos que acercar a la columna que hay a la izquierda del número de línea y
hacer clic.
En este ejemplo ponemos un punto de ruptura en la línea 10:
También es posible añadir puntos de ruptura condicionales pulsando con el botón
derecho y luego Add Conditional Breakpoint…:
Lanzar la depuración
Ahora ya podemos lanzar la depuración pulsando la tecla F5. Nos aparecerá el siguiente
mensaje en el que dejaremos la opción por defecto Archivo de Python y pulsamos la tecla
�:
Ahora ya se inicia el «modo depuración» y veremos una pantalla similar a la siguiente:
Zonas de la interfaz en modo depuración:
1. Código con barra en amarillo que indica la próxima línea que se va a ejecutar.
2. Visualización automática de valores de variables.
3. Visualización personalizada de valores de variables (o expresiones).
4. Salida de la terminal.

Aprende Python
Figura 6: Punto de ruptura
Figura 7: Punto de ruptura condicional
2.3. VSCode 43
Aprende Python
Figura 8: Configuración de la depuración
Figura 9: Interfaz en modo depuración

Aprende Python
5. Barra de herramientas para depuración.
Controles para la depuración
Veamos con mayor detalle la barra de herramientas para depuración:
Figura 10: Barra de herarmientas para depuración
Acción Atajo Significado

Continue F5 Continuar la ejecución del programa hasta el próximo punto
de ruptura o hasta su finalización
Step over F10 Ejecutar la siguiente instrucción del programa
Step into F11 Ejecutar la siguiente instrucción del programa entrando en un
contexto inferior
Step out � + F11 Ejecutar la siguiente instrucción del programa saliendo a un
contexto superior
Restart � + � + F5 Reiniciar la depuración del programa
Stop � + F5 Detener la depuración del programa
2.3. VSCode 45
Aprende Python
Seguimiento de variables
Como hemos indicado previamente, la zona de Variables ya nos informa automáticamente

de los valores de las variables que tengamos en el contexto actual de ejecución:
Figura 11: Panel para visualizar variables
Pero también es posible añadir manualmente el seguimiento de otras variables o

expresiones personalizadas desde la zona Watch:

Aprende Python
Figura 12: Panel para seguimiento de expresiones
2.3. VSCode 47
Aprende Python

CAPÍTULO 3
Tipos de datos
Igual que en el mundo real cada objeto pertenece a una categoría, en programación
manejamos objetos que tienen asociado un tipo determinado. En este capítulo se verán
los tipos de datos básicos con los que podemos trabajar en Python.
49
Aprende Python
3.1 Datos
Los programas están formados por código y datos. Pero a nivel interno de la memoria del
ordenador no son más que una secuencia de bits. La interpretación de estos bits depende del
lenguaje de programación, que almacena en la memoria no sólo el puro dato sino distintos
metadatos.1
Cada «trozo» de memoria contiene realmente un objeto, de ahí que se diga que en Python
todo son objetos. Y cada objeto tiene, al menos, los siguientes campos:
• Un tipo del dato almacenado.
• Un identificador único para distinguirlo de otros objetos.
• Un valor consistente con su tipo.
3.1.1 Tipos de datos
A continuación se muestran los distintos tipos de datos que podemos encontrar en Python,
sin incluir aquellos que proveen paquetes externos:
1
Foto original de portada por Alexander Sinn en Unsplash.
50 Capítulo 3. Tipos de datos

Aprende Python
Figura 1: Esquema (metadatos) de un objeto en Python
3.1. Datos 51
Aprende Python
Tabla 1: Tipos de datos en Python

Nombre Tipo Ejemplos
Booleano bool True, False
Entero int 21, 34500, 34_500
Flotante float 3.14, 1.5e3
Complejo complex 2j, 3 + 5j
Cadena str tfn , tenerife - islas canarias
Tupla tuple (1, 3, 5)
Lista list [ Chrome , Firefox ]
Conjunto set set([2, 4, 6])
Diccionario dict { Chrome : v79 , Firefox : v71 }
3.1.2 Variables
Las variables son fundamentales ya que permiten definir nombres para los valores que
tenemos en memoria y que vamos a usar en nuestro programa.
Figura 2: Uso de un nombre de variable
Reglas para nombrar variables
En Python existen una serie de reglas para los nombres de variables:

1. Sólo pueden contener los siguientes caracteres2 :
• Letras minúsculas.
• Letras mayúsculas.
• Dígitos.
• Guiones bajos (_).
2. Deben empezar con una letra o un guión bajo, nunca con un dígito.
3. No pueden ser una palabra reservada del lenguaje («keywords»).
2
Para ser exactos, sí se pueden utilizar otros caracteres, e incluso emojis en los nombres de variables,
aunque no suele ser una práctica extendida, ya que podría dificultar la legibilidad.

Aprende Python
Podemos obtener un listado de las palabras reservadas del lenguaje de la siguiente forma:
>>> help( keywords )
Here is a list of the Python keywords. Enter any keyword to get more help.
False class from or

None continue global pass
True def if raise
and del import return
as elif in try
assert else is while
async except lambda with
await finally nonlocal yield
break for not
Nota: Por lo general se prefiere dar nombres en inglés a las variables que utilicemos, ya que
así hacemos nuestro código más «internacional» y con la posibilidad de que otras personas
puedan leerlo, entenderlo y – llegado el caso – modificarlo. Es sólo una recomendación, nada
impide que se haga en castellano.
Importante: Los nombres de variables son «case-sensitive»3 . Por ejemplo, stuff y Stuff
son nombres diferentes.
Ejemplos de nombres de variables
Veamos a continuación una tabla con nombres de variables:
Tabla 2: Ejemplos de nombres de variables

Válido Inválido Razón
a 3 Empieza por un dígito
a3 3a Empieza por un dígito
a_b_c___95 another-name Contiene un carácter no permitido
_abc with Es una palabra reservada del lenguaje
_3a 3_a Empieza por un dígito
3
Sensible a cambios en mayúsculas y minúsculas.
3.1. Datos 53
Aprende Python
Convenciones para nombres
Mientras se sigan las reglas que hemos visto para nombrar variables no hay problema en la
forma en la que se escriban, pero sí existe una convención para la nomenclatura de las
variables. Se utiliza el llamado snake_case en el que utilizamos caracteres en minúsculas
(incluyendo dígitos si procede) junto con guiones bajos – cuando sean necesarios para su
legibilidad –.4 Por ejemplo, para nombrar una variable que almacene el número de canciones
en nuestro ordenador, podríamos usar num_songs.
Esta convención, y muchas otras, están definidas en un documento denominado PEP 8. Se
trata de una guía de estilo para escribir código en Python. Los PEPs5 son las propuestas
que se hacen para la mejora del lenguaje.
Aunque hay múltiples herramientas disponibles para la comprobación del estilo de código,
una bastante accesible es http://pep8online.com/ ya que no necesita instalación, simplemente
pegar nuestro código y verificar.
Constantes
Un caso especial y que vale la pena destacar son las constantes. Podríamos decir que es un
tipo de variable pero que su valor no cambia a lo largo de nuestro programa. Por ejemplo
la velocidad de la luz. Sabemos que su valor es constante de 300.000 km/s. En el caso
de las constantes utilizamos mayúsculas (incluyendo guiones bajos si es necesario) para
nombrarlas. Para la velocidad de la luz nuestra constante se podría llamar: LIGHT_SPEED.
Elegir buenos nombres
Se suele decir que una persona programadora (con cierta experiencia), a lo que dedica más
tiempo, es a buscar un buen nombre para sus variables. Quizás pueda resultar algo excesivo
pero da una idea de lo importante que es esta tarea. Es fundamental que los nombres de
variables sean autoexplicativos, pero siempre llegando a un compromiso entre ser concisos
y claros.
Supongamos que queremos buscar un nombre de variable para almacenar el número de
elementos que se deben manejar en un pedido:
1. n
2. num_elements
3. number_of_elements
4. number_of_elements_to_be_handled
4
Más información sobre convenciones de nombres en PEP 8.
5
Del término inglés «Python Enhancement Proposals».

Aprende Python
No existe una regla mágica que nos diga cuál es el nombre perfecto, pero podemos aplicar
el sentido común y, a través de la experiencia, ir detectando aquellos nombres que sean más
adecuados. En el ejemplo anterior, quizás podríamos descartar de principio la opción 1 y la
4 (por ser demasiado cortas o demasiado largas); nos quedaríamos con las otras dos. Si nos
fijamos bien, casi no hay mucha información adicional de la opción 3 con respecto a la 2. Así
que podríamos concluir que la opción 2 es válida para nuestras necesidades. En cualquier
caso esto dependerá siempre del contexto del problema que estemos tratando.
Como regla general:
• Usar nombres para variables (ejemplo article).
• Usar verbos para funciones (ejemplo get_article()).
• Usar adjetivos para booleanos (ejemplo available).
3.1.3 Asignación
En Python se usa el símbolo = para asignar un valor a una variable:
Figura 3: Asignación de valor a nombre de variable
Nota: Hay que diferenciar la asignación en Python con la igualación en matemáticas. El

símbolo = lo hemos aprendido desde siempre como una equivalencia entre dos expresiones
algebraicas, sin embargo en Python nos indica una sentencia de asignación, del valor (en la
derecha) al nombre (en la izquierda).
Algunos ejemplos de asignaciones a variables:
>>> total_population = 157_503

>>> avg_temperature = 16.8
>>> city_name = San Cristóbal de La Laguna
Algunos ejemplos de asignaciones a constantes:
3.1. Datos 55
Aprende Python
>>> SOUND_SPEED = 343.2

>>> WATER_DENSITY = 997
>>> EARTH_NAME = La Tierra
Python nos ofrece la posibilidad de hacer una asignación múltiple de la siguiente manera:
>>> tres = three = drei = 3
En este caso las tres variables utilizadas en el «lado izquierdo» tomarán el valor 3.
Recordemos que los nombres de variables deben seguir unas reglas establecidas, de lo contrario
obtendremos un error sintáctico del intérprete de Python:
>>> 7floor = 40 # el nombre empieza por un dígito

File "<stdin>", line 1
7floor = 40
^
SyntaxError: invalid syntax
>>> for = Bucle # el nombre usa la palabra reservada "for"

for = Bucle
^
>>> screen-size = 14 # el nombre usa un carácter no válido

SyntaxError: can t assign to operator
Asignando una variable a otra variable
Las asignaciones que hemos hecho hasta ahora han sido de un valor literal a una variable.
Pero nada impide que podamos hacer asignaciones de una variable a otra variable:
>>> people = 157503

>>> total_population = people
>>> total_population
157503
Eso sí, la variable que utilicemos como valor de asignación debe existir previamente, ya
que si no es así, obtendremos un error informando de que no está definida:
>>> total_population = lot_of_people

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
NameError: name lot_of_people is not defined

Aprende Python
De hecho, en el lado derecho de la asignación pueden aparecer expresiones más complejas

que se verán en su momento.
Conocer el valor de una variable
Hemos visto previamente cómo asignar un valor a una variable, pero aún no sabemos cómo
«comprobar» el valor que tiene dicha variable. Para ello podemos utilizar dos estrategias:
1. Si estamos en un intérprete («shell» o consola) de Python, basta con que usemos el
nombre de la variable:
>>> final_stock = 38934

>>> final_stock
38934
2. Si estamos escribiendo un programa desde el editor, debmos hacer uso de print():
final_stock = 38934
print(final_stock)
Nota: print() sirve también cuando estamos en una sesión interactiva de Python («shell»)
Conocer el tipo de una variable
Para poder descubrir el tipo de un literal o una variable, Python nos ofrece la función type().
Veamos algunos ejemplos de su uso:
>>> type(9)
int
>>> type(1.2)
float
>>> height = 3718

>>> type(height)
int
>>> SOUND_SPEED = 343.2

>>> type(SOUND_SPEED)
float
3.1. Datos 57
Aprende Python
Advertencia: Aunque está permitido, NUNCA llames type a una variable porque
destruirías la función que nos permite conocer el tipo de un objeto.
Ejercicio
Utilizando la consola interactiva de Python >>>, realiza las siguientes tareas:
1. Asigna un valor entero 2001 a la variable space_odyssey y muestra su valor.
2. Descubre el tipo del literal Good night & Good luck .
3. Identifica el tipo del literal True.
4. Asigna la expresión 10 * 3.0 a la variable result y muestra su tipo.
3.1.4 Mutabilidad
Nivel avanzado
Las variables son nombres, no lugares. Detrás de esta frase se esconde la reflexión de que
cuando asignamos un valor a una variable, lo que realmente está ocurriendo es que se hace
apuntar el nombre de la variable a una zona de memoria en el que se representa el objeto
(con su valor):
>>> a = 5
Si ahora «copiamos» el valor de a en otra variable b se podría esperar que hubiera otro
espacio en memoria para dicho valor, pero como ya hemos dicho, son referencias a memoria:
>>> b = a
La función id() nos permite conocer la dirección de memoria6 de un objeto en Python. A

través de ella podemos comprobar que los dos objetos que hemos creado «apuntan» a la
misma zona de memoria:
>>> id(a)
4445989712
>>> id(b)
4445989712
La prueba de que la zona de memoria no la ocupa el «nombre» de la variable, es que podemos

ver cómo se asigna una dirección de memoria únicamente al «valor» literal:
6
Esto es un detalle de implementación de CPython.

Aprende Python
Figura 4: Representación de la asignación de valor a variable
3.1. Datos 59
Aprende Python
Figura 5: Representación de la asignación de una variable a otra variable
>>> id(10)
4333546384
>>> id(20)
4333546704
Cada vez que asignamos un nuevo valor a una variable, ésta apunta a una nueva zona de
memoria:
>>> a = 5
>>> id(a)
4310690224
>>> a = 7
>>> id(a)
4310690288
Cuando la zona de memoria que ocupa el objeto se puede modificar hablamos de tipos de
datos mutables. En otro caso hablamos de tipos de datos inmutables.
Por ejemplo, las listas son un tipo de dato mutable ya que podemos modificar su contenido
(aunque la asignación de un nuevo valor sigue generando un nuevo espacio de memoria).

Aprende Python
Ejecución paso a paso a través de Python Tutor:

https://cutt.ly/lvCyXeL
Tipos de objetos en Python según su naturaleza de cambio:
Inmutable Mutable
bool list
int set
float dict
str
tuple
Importante: El hecho de que un tipo de datos sea inmutable significa que no podemos
modificar su valor «in-situ», pero siempre podremos asignarle un nuevo valor (hacerlo apuntar
a otra zona de memoria).
3.1.5 Funciones «built-in»
Nivel intermedio
Hemos ido usando una serie de funciones sin ser especialmente conscientes de ello. Esto se
debe a que son funciones «built-in» o incorporadas por defecto en el propio lenguaje Python.
Tabla 3: Funciones «built-in»

abs() delattr() hash() memoryview() set()
all() dict() help() min() setattr()
any() any() hex() next() slice()
ascii() divmod() id() object() sorted()
bin() enumerate() input() oct() staticmethod()
bool() eval() int() open() str()
breakpoint() exec() isinstance() ord() sum()
bytearray() filter() issubclass() pow() super()
bytes() float() iter() print() tuple()
callable() format() len() property() type()
chr() frozenset() list() range() vars()
classmethod() getattr() locals() repr() zip()
compile() globals() map() reversed() __import__()
complex() hasattr() max() round()
Los detalles de estas funciones se puede consultar en la documentación oficial de Python.
3.1. Datos 61
Aprende Python
3.1.6 Pidiendo ayuda
En Python podemos pedir ayuda con la función help().

Supongamos que queremos obtener información sobre id. Desde el intérprete de Python
ejecutamos lo siguiente:
>>> help(id)
Help on built-in function id in module builtins:
id(obj, /)
Return the identity of an object.
This is guaranteed to be unique among simultaneously existing objects.

(CPython uses the object s memory address.)
Existe una forma alternativa de obtener ayuda: añadiendo el signo de interrogación ? al

término de búsqueda:
>>> id?
Signature: id(obj, /)
Docstring:
Return the identity of an object.
This is guaranteed to be unique among simultaneously existing objects.

(CPython uses the object s memory address.)
Type: builtin_function_or_method
AMPLIAR CONOCIMIENTOS
• Basic Data Types in Python

• Variables in Python
• Immutability in Python

Aprende Python
3.2 Números
En esta sección veremos los tipos de datos númericos que ofrece Python centrándonos en
booleanos, enteros y flotantes.1
3.2.1 Booleanos
George Boole es considerado como uno de los fundadores del campo de las ciencias de la
computación y fue el creador del Álgebra de Boole que da lugar, entre otras estructuras
algebraicas, a la Lógica binaria. En esta lógica las variables sólo pueden tomar dos valores
discretos: verdadero o falso.
El tipo de datos bool proviene de lo explicado anteriormente y admite dos posibles valores:
• True que se corresponde con verdadero (y también con 1 en su representación
numérica).
• False que se corresponde con falso (y también con 0 en su representación numérica).
Veamos un ejemplo de su uso:
>>> is_opened = True

>>> is_opened
True
1
Foto original de portada por Brett Jordan en Unsplash.
3.2. Números 63
Aprende Python
>>> has_sugar = False

>>> has_sugar
False
La primera variable is_opened está representando el hecho de que algo esté abierto, y al
tomar el valor True podemos concluir que sí. La segunda variable has_sugar nos indica si
una bebida tiene azúcar; dado que toma el valor False inferimos que no lleva azúcar.
Atención: Tal y como se explicó en este apartado, los nombres de variables son
«case-sensitive». De igual modo el tipo booleano toma valores True y False con la
primera letra en mayúsculas. De no ser así obtendríamos un error sintáctico.
>>> is_opened = true

NameError: name true is not defined
>>> has_sugar = false
NameError: name false is not defined
3.2.2 Enteros
Los números enteros no tienen decimales pero sí pueden contener signo y estar expresados
en alguna base distinta de la usual (base 10).
Literales enteros
Veamos algunos ejemplos de números enteros:
>>> 8
8
>>> 0
0
>>> 08
08
^
SyntaxError: invalid token

Aprende Python

>>> 99
99
>>> +99
99
>>> -99
-99
>>> 3000000
3000000
>>> 3_000_000
3000000
Dos detalles a tener en cuenta:

• No podemos comenzar un número entero por 0.
• Python permite dividir los números enteros con guiones bajos _ para clarificar su
lectura/escritura. A efectos prácticos es como si esos guiones bajos no existieran.
Operaciones con enteros
A continuación se muestra una tabla con las distintas operaciones sobre enteros que podemos
realizar en Python:
Tabla 4: Operaciones con enteros en Python

Operador Descripción Ejemplo Resultado
+ Suma 3 + 9 12
- Resta 6 - 2 4
* Multiplicación 5 * 5 25
/ División flotante 9 / 2 4.5
// División entera 9 // 2 4
% Módulo 9 % 4 1
** Exponenciación 2 ** 4 16
Veamos algunas pruebas de estos operadores:
>>> 2 + 8 + 4
14
>>> 4 ** 4
256
>>> 7 / 3
2.3333333333333335
>>> 7 // 3
2
3.2. Números 65
Aprende Python

>>> 6 / 0
ZeroDivisionError: division by zero
Es de buen estilo de programación dejar un espacio entre cada operador. Además hay que
tener en cuenta que podemos obtener errores dependiendo de la operación (más bien de los
operandos) que estemos utilizando, como es el caso de la división por cero.
Igualmente es importante tener en cuenta la prioridad de los distintos operadores:
Prioridad Operador
1 (mayor) ()
2 **
3 -a +a
4 * / // %
5 (menor) +-
Ejemplos de prioridad de operadores:
>>> 2 ** 2 + 4 / 2
6.0
>>> 2 ** (2 + 4) / 2
32.0
>>> 2 ** (2 + 4 / 2)
16.0
Asignación aumentada
Python nos ofrece la posibilidad de escribir una asignación aumentada mezclando la

asignación y un operador.
Supongamos que disponemos de 100 vehículos en stock y que durante el pasado mes se han
vendido 20 de ellos. Veamos cómo sería el código con asignación tradicional vs. asignación
aumentada:
Lista 1: Asignación tradicional

>>> total_cars = 100
>>> sold_cars = 20
>>> total_cars = total_cars - sold_cars

Aprende Python
Figura 6: Asignación aumentada en Python

>>> total_cars
80
Lista 2: Asignación aumentada

>>> total_cars = 100
>>> sold_cars = 20
>>> total_cars -= sold_cars
>>> total_cars
80
Estas dos formas son equivalentes a nivel de resultados y funcionalidad, pero obviamente
tienen diferencias de escritura y legibilidad. De este mismo modo, podemos aplicar un formato
compacto al resto de operaciones:
>>> random_number = 15
>>> random_number += 5
>>> random_number
20
>>> random_number *= 3
>>> random_number
60
>>> random_number //= 4

>>> random_number
15
>>> random_number **= 1

>>> random_number
15
3.2. Números 67
Aprende Python
Módulo
La operación módulo (también llamado resto), cuyo símbolo en Python es %, se define como
el resto de dividir dos números. Veamos un ejemplo para enteder bien su funcionamiento:
Figura 7: Operador «módulo» en Python
>>> dividendo = 17
>>> divisor = 5
>>> cociente = dividendo // divisor # división entera

>>> resto = dividendo % divisor
>>> cociente
3
>>> resto
2
Exponenciación
Para elevar un número a otro en Python utilizamos el operador de exponenciación **:
>>> 4 ** 3
64
>>> 4 * 4 * 4
64
Se debe tener en cuenta que también podemos elevar un número entero a un número
decimal. En este caso es como si estuviéramos haciendo una raíz 2 . Por ejemplo:
1 √
4 2 = 40.5 = 4=2
Hecho en Python:
2
No siempre es una raíz cuadrada porque se invierten numerador y denominador.

Aprende Python
>>> 4 ** 0.5
2.0
Ejercicio
pycheck: quadratic
Valor absoluto
Python ofrece la función abs() para obtener el valor absoluto de un número:
>>> abs(-1)
1
>>> abs(1)
1
>>> abs(-3.14)
3.14
>>> abs(3.14)
3.14
Límite de un entero
Nivel avanzado
¿Cómo de grande puede ser un int en Python? La respuesta es de cualquier tamaño. Por
poner un ejemplo, supongamos que queremos representar un centillón. Este valor viene a ser
un «1» seguido por ¡600 ceros! ¿Será capaz Python de almacenarlo?
>>> centillion = 10 ** 600
>>> centillion
1000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000
Nota: En muchos lenguajes tratar con enteros tan largos causaría un «integer overflow».
No es el caso de Python que puede manejar estos valores sin problema.
¿Qué pasaría si quisiéramos «romper» todas las barreras? Pongamos 10.000 dígitos…
3.2. Números 69
Aprende Python
>>> 10 ** 10_000
ValueError: Exceeds the limit (4300) for integer string conversion; use sys.set_int_
˓→max_str_digits() to increase the limit
Obtenemos un error… pero subsanable, ya que hay forma de ampliar este límite inicial de
4300 dígitos usando la función sys.set_int_max_str_digits()
3.2.3 Flotantes
Los números en punto flotante3 tienen parte decimal. Veamos algunos ejemplos de
flotantes en Python.
Lista 3: Distintas formas de escribir el flotante 4.0

>>> 4.0
4.0
>>> 4.
4.0
>>> 04.0
4.0
>>> 04.
4.0
>>> 4.000_000
4.0
>>> 4e0 # 4.0 * (10 ** 0)
4.0
Conversión de tipos
El hecho de que existan distintos tipos de datos en Python (y en el resto de lenguajes de

programación) es una ventaja a la hora de representar la información del mundo real de
la mejor manera posible. Pero también se hace necesario buscar mecanismos para convertir
unos tipos de datos en otros.
3
Punto o coma flotante es una notación científica usada por computadores.

Aprende Python
Conversión implícita
Cuando mezclamos enteros, booleanos y flotantes, Python realiza automáticamente una

conversión implícita (o promoción) de los valores al tipo de «mayor rango». Veamos algunos
ejemplos de esto:
>>> True + 25
26
>>> 7 * False
0
>>> True + False
1
>>> 21.8 + True
22.8
>>> 10 + 11.3
21.3
Podemos resumir la conversión implícita en la siguiente tabla:
Tipo 1 Tipo 2 Resultado

bool int int
bool float float
int float float
Se puede ver claramente que la conversión numérica de los valores booleanos es:
• True 1
• False 0
Conversión explícita
Aunque más adelante veremos el concepto de función, desde ahora podemos decir que
existen una serie de funciones para realizar conversiones explícitas de un tipo a otro:
bool() Convierte el tipo a booleano.
int() Convierte el tipo a entero.
float() Convierte el tipo a flotante.
Veamos algunos ejemplos de estas funciones:
>>> bool(1)
True
>>> bool(0)
3.2. Números 71
Aprende Python

False
>>> int(True)
1
>>> int(False)
0
>>> float(1)
1.0
>>> float(0)
0.0
>>> float(True)
1.0
>>> float(False)
0.0
En el caso de que usemos la función int() sobre un valor flotante nos retornará su parte
baja:
⌊︀ ⌋︀
𝑖𝑛𝑡(𝑥) = 𝑥
Por ejemplo:
>>> int(3.1)
3
>>> int(3.5)
3
>>> int(3.9)
3
Para obtener el tipo de una variable ya hemos visto la función type():
>>> is_raining = False

>>> type(is_raining)
bool
>>> sound_level = 35
>>> type(sound_level)
int
>>> temperature = 36.6

>>> type(temperature)
float
Pero también existe la posibilidad seguimos comprobar el tipo que tiene una variable
mediante la función isinstance():

Aprende Python
>>> isinstance(is_raining, bool)

True
>>> isinstance(sound_level, int)
True
>>> isinstance(temperature, float)
True
Ejercicio
pycheck: sin_approx
Errores de aproximación
Nivel intermedio
Supongamos el siguiente cálculo:
>>> (19 / 155) * (155 / 19)

0.9999999999999999
Debería dar 1.0, pero no es así puesto que la representación interna de los valores en coma
flotante sigue el estándar IEEE 754 y estamos trabajando con aritmética finita.
Aunque existen distintas formas de solventar esta limitación, de momento veremos una de las
más sencillas utilizando la función «built-in» round() que nos permite redondear un número
flotante a un número determinado de decimales:
>>> pi = 3.14159265359
>>> round(pi)
3
>>> round(pi, 1)
3.1
>>> round(pi, 2)
3.14
>>> round(pi, 3)
3.142
>>> round(pi, 4)
3.1416
>>> round(pi, 5)
3.14159
Para el caso del error de aproximación que nos ocupa:
3.2. Números 73
Aprende Python
>>> result = (19 / 155) * (155 / 19)
>>> round(result, 1)
1.0
Prudencia: round() aproxima al valor más cercano, mientras que int() obtiene siepre
el entero «por abajo».
Límite de un flotante
A diferencia de los enteros, los números flotantes sí que tienen un límite en Python. Para
descubrirlo podemos ejecutar el siguiente código:
>>> import sys
>>> sys.float_info.min
2.2250738585072014e-308
>>> sys.float_info.max
1.7976931348623157e+308
3.2.4 Bases
Nivel intermedio
Los valores numéricos con los que estamos acostumbrados a trabajar están en base 10 (o
decimal). Esto indica que disponemos de 10 «símbolos» para representar las cantidades. En
este caso del 0 al 9.
Pero también es posible representar números en otras bases. Python nos ofrece una serie
de prefijos y funciones para este cometido.
Base binaria
Cuenta con 2 símbolos para representar los valores: 0 y 1.

Prefijo: 0b
>>> 0b1001
9
>>> 0b1100
12

Aprende Python
Función: bin()
>>> bin(9)
0b1001
>>> bin(12)
0b1100
Prudencia: Esta función devuelve una cadena de texto.
Base octal
Cuenta con 8 símbolos para representar los valores: 0, 1, 2, 3, 4, 5, 6 y 7.

Prefijo: 0o
>>> 0o6243
3235
>>> 0o1257
687
Función: oct()
>>> oct(3235)
0o6243
>>> oct(687)
0o1257
Base hexadecimal
Cuenta con 16 símbolos para representar los valores: 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, A, B, C, D, E

y F.
Prefijo: 0x
>>> 0x7F2A
32554
>>> 0x48FF
18687
Función: hex()
3.2. Números 75
Aprende Python
>>> hex(32554)
0x7f2a
>>> hex(18687)
0x48ff
Nota: Las letras para la representación hexadecimal no atienden a mayúsculas y minúsculas.
EJERCICIOS DE REPASO
1. pycheck: circle_area
2. pycheck: sphere_volume
3. pycheck: triangle_area
4. pycheck: interest_rate
5. pycheck: euclid_distance
6. pycheck: century_year
7. pycheck: red_square
8. pycheck: igic
9. pycheck: super_fast
10. pycheck: move_twice
11. pycheck: pillars
12. pycheck: clock_time
13. pycheck: xor
14. pycheck: ring_area

Aprende Python
EJERCICIOS EXTERNOS
1. Cat years, dog years

2. Aspect ratio cropping
3. USD => CNY
4. Third angle of a triangle
5. Keep hydrated!
6. Price of mangoes
7. Total pressure calculation
8. NBA full 48 minutes average
9. Age range compatibility equation
10. Formatting decimal places
• The Python Square Root Function

• How to Round Numbers in Python
• Operators and Expressions in Python
3.2. Números 77
Aprende Python
3.3 Cadenas de texto
Las cadenas de texto son secuencias de caracteres. También se les conoce como «strings»
y nos permiten almacenar información textual de forma muy cómoda.1
Es importante destacar que Python 3 almacena los caracteres codificados en el estándar
Unicode, lo que es una gran ventaja con respecto a versiones antiguas del lenguaje. Además
permite representar una cantidad ingente de símbolos incluyendo los famosos emojis .
3.3.1 Creando «strings»
Para escribir una cadena de texto en Python basta con rodear los caracteres con comillas
simples6 :
>>> Mi primera cadena en Python

Mi primera cadena en Python
Para incluir comillas dobles dentro de la cadena de texto no hay mayor inconveniente:
>>> Los llamados "strings" son secuencias de caracteres

Los llamados "strings" son secuencias de caracteres
1
Foto original de portada por Roman Kraft en Unsplash.
6
También es posible utilizar comillas dobles. Yo me he decantado por las comillas simples ya que quedan
más limpias y suele ser el formato que devuelve el propio intérprete de Python.

Aprende Python
Para incluir comillas simples dentro de la cadena de texto cambiamos las comillas exteriores
a comillas dobles:
>>> "Los llamados strings son secuencias de caracteres"

"Los llamados strings son secuencias de caracteres"
Truco: Efectivamente, como se puede ver, las cadenas de texto en Python se pueden escribir
con comillas simples o con comillas dobles. Es indiferente. En mi caso personal prefiero
usar comillas simples.
Elijas lo que elijas, ¡haz siempre lo mismo!
Comillas triples
Hay una forma alternativa de crear cadenas de texto y es utilizar comillas triples. Su uso
está pensado principalmente para cadenas multilínea:
>>> poem = """To be, or not to be, that is the question:

... Whether tis nobler in the mind to suffer
... The slings and arrows of outrageous fortune,
... Or to take arms against a sea of troubles"""
En este caso sí que se debería utilizar comillas dobles siguiendo las indicaciones de la
guía de estilo de Python:
In Python, single-quoted strings and double-quoted strings are the same. This
PEP does not make a recommendation for this. Pick a rule and stick to it. When
a string contains single or double quote characters, however, use the other one
to avoid backslashes in the string. It improves readability.
For triple-quoted strings, always use double quote characters to be consistent
with the docstring convention in PEP 257.
Importante: Los tres puntos ... que aparecen a la izquierda de las líneas no están incluidos
en la cadena de texto. Es el símbolo que ofrece el intérprete de Python cuando saltamos de
línea.
3.3. Cadenas de texto 79

Aprende Python
Cadena vacía
La cadena vacía es aquella que no contiene ningún carácter. Aunque a priori no lo pueda
parecer, es un recurso importante en cualquier código. Su representación en Python es la
siguiente:
>>>
3.3.2 Conversión
Podemos crear «strings» a partir de otros tipos de datos usando la función str():
>>> str(True)
True
>>> str(10)
10
>>> str(21.7)
21.7
Para el caso contrario de convertir un «string» a un valor numérico, tenemos a disposición

las funciones ya vistas:
>>> int( 10 )
10
>>> float( 21.7 )
21.7
Pero hay que tener en cuenta un detalle. La función int() también admite la base en la
que se encuentra el número. Eso significa que podemos pasar un número, por ejemplo, en
hexadecimal (como «string») y lo podríamos convertir a su valor entero:
>>> int( FF , 16)

255
Nota: La base por defecto que utiliza int() para convertir cadenas de texto es la base
decimal.

Aprende Python
3.3.3 Secuencias de escape
Python permite escapar el significado de algunos caracteres para conseguir otros resultados.
Si escribimos una barra invertida \ antes del carácter en cuestión, le otorgamos un significado
especial.
Quizás la secuencia de escape más conocida es \n que representa un salto de línea, pero
existen muchas otras:
# Salto de línea
>>> msg = Primera línea\nSegunda línea\nTercera línea
>>> print(msg)
Primera línea
Segunda línea
Tercera línea
# Tabulador
>>> msg = Valor = \t40
>>> print(msg)
Valor = 40
# Comilla simple
>>> msg = Necesitamos \ escapar\ la comilla simple
>>> print(msg)
Necesitamos escapar la comilla simple
# Barra invertida
>>> msg = Capítulo \\ Sección \\ Encabezado
>>> print(msg)
Capítulo \ Sección \ Encabezado
Nota: Al utilizar la función print() es cuando vemos realmente el resultado de utilizar los
caracteres escapados.
Expresiones literales
Nivel intermedio
Hay situaciones en las que nos interesa que los caracteres especiales pierdan ese significado y
poder usarlos de otra manera. Existe un modificar de cadena que proporciona Python para
tratar el texto en bruto. Es el llamado «raw data» y se aplica anteponiendo una r a la cadena
de texto.
Veamos algunos ejemplos:

Aprende Python
>>> text = abc\ndef

>>> print(text)
abc
def
>>> text = r abc\ndef

>>> print(text)
abc\ndef
>>> text = a\tb\tc

>>> print(text)
a b c
>>> text = r a\tb\tc

>>> print(text)
a\tb\tc
Consejo: El modificador r es muy utilizado para la escritura de expresiones regulares.
3.3.4 Más sobre print()
Hemos estado utilizando la función print() de forma sencilla, pero admite algunos
parámetros interesantes:
1 >>> msg1 = ¿Sabes por qué estoy acá?

2 >>> msg2 = Porque me apasiona
3
4 >>> print(msg1, msg2)

5 ¿Sabes por qué estoy acá? Porque me apasiona
6
7 >>> print(msg1, msg2, sep= | )

8 ¿Sabes por qué estoy acá?|Porque me apasiona
9
10 >>> print(msg2, end= !! )

11 Porque me apasiona!!
Línea 4: Podemos imprimir todas las variables que queramos separándolas por comas.
Línea 7: El separador por defecto entre las variables es un espacio, podemos cambiar el
carácter que se utiliza como separador entre cadenas.
Línea 10: El carácter de final de texto es un salto de línea, podemos cambiar el carácter
que se utiliza como final de texto.

Aprende Python
3.3.5 Leer datos desde teclado
Los programas se hacen para tener interacción con el usuario. Una de las formas de
interacción es solicitar la entrada de datos por teclado. Como muchos otros lenguajes de
programación, Python también nos ofrece la posibilidad de leer la información introducida
por teclado. Para ello se utiliza la función input():
>>> name = input( Introduzca su nombre: )
Introduzca su nombre: Sergio
>>> name
Sergio
>>> type(name)
str
>>> age = input( Introduzca su edad: )

Introduzca su edad: 41
>>> age
41
>>> type(age)
str
Nota: La función input() siempre nos devuelve un objeto de tipo cadena de texto o str.
Tenerlo muy en cuenta a la hora de trabajar con números, ya que debemos realizar una
conversión explícita.
Advertencia: Aunque está permitido, NUNCA llames input a una variable porque
destruirías la función que nos permite leer datos desde teclado. Y tampoco uses nombres
derivados como _input o input_ ya que no son nombres representativos que identifiquen
el propósito de la variable.
Ejercicio
Escriba un programa en Python que lea por teclado dos números enteros y muestre por
pantalla el resultado de realizar las operaciones básicas entre ellos.
Ejemplo
• Valores de entrada 7 y 4.
• Salida esperada:
7+4=11
7-4=3

Aprende Python

7*4=28
7/4=1.75
Consejo:
• Aproveche todo el potencial que ofrece print() para conseguir la salida esperada
• No utilice «f-strings».
• Guarde el programa en un fichero calc.py y ejecútelo desde la terminal con: python
calc.py
3.3.6 Operaciones con «strings»
Combinar cadenas
Podemos combinar dos o más cadenas de texto utilizando el operador +:
>>> proverb1 = Cuando el río suena

>>> proverb2 = agua lleva
>>> proverb1 + proverb2

Cuando el río suenaagua lleva
>>> proverb1 + , + proverb2 # incluimos una coma

Cuando el río suena, agua lleva
Repetir cadenas
Podemos repetir dos o más cadenas de texto utilizando el operador *:
>>> reaction = Wow
>>> reaction * 4
WowWowWowWow

Aprende Python
Obtener un carácter
Los «strings» están indexados y cada carácter tiene su propia posición. Para obtener un
único carácter dentro de una cadena de texto es necesario especificar su índice dentro de
corchetes [...].
Figura 8: Indexado de una cadena de texto
Veamos algunos ejemplos de acceso a caracteres:
>>> sentence = Hola, Mundo
>>> sentence[0]
H
>>> sentence[-1]
o
>>> sentence[4]
,
>>> sentence[-5]
M
Truco: Nótese que existen tanto índices positivos como índices negativos para acceder
a cada carácter de la cadena de texto. A priori puede parecer redundante, pero es muy útil
en determinados casos.
En caso de que intentemos acceder a un índice que no existe, obtendremos un error por fuera
de rango:
>>> sentence[50]
IndexError: string index out of range

Aprende Python
Advertencia: Téngase en cuenta que el indexado de una cadena de texto siempre

empieza en 0 y termina en una unidad menos de la longitud de la cadena.
Las cadenas de texto son tipos de datos inmutables. Es por ello que no podemos modificar
un carácter directamente:
>>> song = Hey Jude
>>> song[4] = D
TypeError: str object does not support item assignment
Truco: Existen formas de modificar una cadena de texto que veremos más adelante,
aunque realmente no estemos transformando el original sino creando un nuevo objeto con
las modificaciones.
Advertencia: No hay que confundir las constantes con los tipos de datos inmutables.
Es por ello que las variables que almacenan cadenas de texto, a pesar de ser inmutables,
no se escriben en mayúsculas.
Trocear una cadena
Es posible extraer «trozos» («rebanadas») de una cadena de texto2 . Tenemos varias

aproximaciones para ello:
[:] Extrae la secuencia entera desde el comienzo hasta el final. Es una especia de copia de
toda la cadena de texto.
[start:] Extrae desde start hasta el final de la cadena.
[:end] Extrae desde el comienzo de la cadena hasta end menos 1.
[start:end] Extrae desde start hasta end menos 1.
[start:end:step] Extrae desde start hasta end menos 1 haciendo saltos de tamaño step.
Veamos la aplicación de cada uno de estos accesos a través de un ejemplo:
2
El término usado en inglés es slice.

Aprende Python
>>> proverb = Agua pasada no mueve molino
>>> proverb[:]
Agua pasada no mueve molino
>>> proverb[12:]
no mueve molino
>>> proverb[:11]
Agua pasada
>>> proverb[5:11]
pasada
>>> proverb[5:11:2]
psd
Importante: El troceado siempre llega a una unidad menos del índice final que hayamos
especificado. Sin embargo el comienzo sí coincide con el que hemos puesto.
Longitud de una cadena
Para obtener la longitud de una cadena podemos hacer uso de len(), una función común a
prácticamente todos los tipos y estructuras de datos en Python:
>>> proverb = Lo cortés no quita lo valiente

>>> len(proverb)
30
>>> empty =
>>> len(empty)
0
Pertenencia de un elemento
Si queremos comprobar que una determinada subcadena se encuentra en una cadena de texto
utilizamos el operador in para ello. Se trata de una expresión que tiene como resultado un
valor «booleano» verdadero o falso:
>>> proverb = Más vale malo conocido que bueno por conocer

Aprende Python

>>> malo in proverb
True
>>> bueno in proverb

True
>>> regular in proverb

False
Habría que prestar atención al caso en el que intentamos descubrir si una subcadena no está
en la cadena de texto:
>>> dna_sequence = ATGAAATTGAAATGGGA
>>> not( C in dna_sequence) # Primera aproximación

True
>>> C not in dna_sequence # Forma pitónica

True
Limpiar cadenas
Cuando leemos datos del usuario o de cualquier fuente externa de información, es bastante
probable que se incluyan en esas cadenas de texto, caracteres de relleno3 al comienzo y
al final. Python nos ofrece la posibilidad de eliminar estos caracteres u otros que no nos
interesen.
La función strip() se utiliza para eliminar caracteres del principio y del final de un
«string». También existen variantes de esta función para aplicarla únicamente al comienzo
o únicamente al final de la cadena de texto.
Supongamos que debemos procesar un fichero con números de serie de un determinado
artículo. Cada línea contiene el valor que nos interesa pero se han «colado» ciertos caracteres
de relleno que debemos limpiar:
>>> serial_number = \n\t \n 48374983274832 \n\n\t \t \n
>>> serial_number.strip()
48374983274832
Nota: Si no se especifican los caracteres a eliminar, strip() usa por defecto cualquier
3
Se suele utilizar el término inglés «padding» para referirse a estos caracteres.

Aprende Python
combinación de espacios en blanco, saltos de línea \n y tabuladores \t.
A continuación vamos a hacer «limpieza» por la izquierda (comienzo) y por la derecha (final)
utilizando la función lstrip() y rstrip() respectivamente:
Lista 4: «Left strip»

>>> serial_number.lstrip()
48374983274832 \n\n\t \t \n
Lista 5: «Right strip»

>>> serial_number.rstrip()
\n\t \n 48374983274832
Como habíamos comentado, también existe la posibilidad de especificar los caracteres que
queremos borrar:
>>> serial_number.strip( \n )
\t \n 48374983274832 \n\n\t \t
Importante: La función strip() no modifica la cadena que estamos usando (algo obvio
porque los «strings» son inmutables) sino que devuelve una nueva cadena de texto con las
modificaciones pertinentes.
Realizar búsquedas
Aunque hemos visto que la forma pitónica de saber si una subcadena se encuentra dentro
de otra es a través del operador in, Python nos ofrece distintas alternativas para realizar
búsquedas en cadenas de texto.
Vamos a partir de una variable que contiene un trozo de la canción Mediterráneo de Joan
Manuel Serrat para ejemplificar las distintas opciones que tenemos:
>>> lyrics = """Quizás porque mi niñez

... Sigue jugando en tu playa
... Y escondido tras las cañas
... Duerme mi primer amor
... Llevo tu luz y tu olor
... Por dondequiera que vaya"""
Comprobar si una cadena de texto empieza o termina por alguna subcadena:

Aprende Python
>>> lyrics.startswith( Quizás )

True
>>> lyrics.endswith( Final )

False
Encontrar la primera ocurrencia de alguna subcadena:
>>> lyrics.find( amor )

93
>>> lyrics.index( amor ) # Same behaviour?

93
Tanto find() como index() devuelven el índice de la primera ocurrencia de la subcadena

que estemos buscando, pero se diferencian en su comportamiento cuando la subcadena
buscada no existe:
>>> lyrics.find( universo )

-1
>>> lyrics.index( universo )

ValueError: substring not found
Contabilizar el número de veces que aparece una subcadena:
>>> lyrics.count( mi )
2
>>> lyrics.count( tu )
3
>>> lyrics.count( él )
0
Ejercicio
pycheck: lost_word

Aprende Python
Reemplazar elementos
Podemos usar la función replace() indicando la subcadena a reemplazar, la subcadena

de reemplazo y cuántas instancias se deben reemplazar. Si no se especifica este último
argumento, la sustitución se hará en todas las instancias encontradas:
>>> proverb = Quien mal anda mal acaba
>>> proverb.replace( mal , bien )

Quien bien anda bien acaba
>>> proverb.replace( mal , bien , 1) # sólo 1 reemplazo

Quien bien anda mal acaba
Mayúsculas y minúsculas
Python nos permite realizar variaciones en los caracteres de una cadena de texto para pasarlos
a mayúsculas y/o minúsculas. Veamos las distintas opciones disponibles:
>>> proverb = quien a buen árbol se arrima Buena Sombra le cobija
>>> proverb
quien a buen árbol se arrima Buena Sombra le cobija
>>> proverb.capitalize()
Quien a buen árbol se arrima buena sombra le cobija
>>> proverb.title()
Quien A Buen Árbol Se Arrima Buena Sombra Le Cobija
>>> proverb.upper()
QUIEN A BUEN ÁRBOL SE ARRIMA BUENA SOMBRA LE COBIJA
>>> proverb.lower()
quien a buen árbol se arrima buena sombra le cobija
>>> proverb.swapcase()
QUIEN A BUEN ÁRBOL SE ARRIMA bUENA sOMBRA LE COBIJA

Aprende Python
Identificando caracteres
Hay veces que recibimos información textual de distintas fuentes de las que necesitamos
identificar qué tipo de caracteres contienen. Para ello Python nos ofrece un grupo de
funciones.
Veamos algunas de estas funciones:
Lista 6: Detectar si todos los caracteres son letras o

números
>>> R2D2 .isalnum()
True
>>> C3-PO .isalnum()
False
Lista 7: Detectar si todos los caracteres son números

>>> 314 .isnumeric()
True
>>> 3.14 .isnumeric()
False
Lista 8: Detectar si todos los caracteres son letras

>>> abc .isalpha()
True
>>> a-b-c .isalpha()
False

Aprende Python
Lista 9: Detectar mayúsculas/minúsculas

>>> BIG .isupper()
True
>>> small .islower()
True
>>> First Heading .istitle()
True
3.3.7 Interpolación de cadenas
En este apartado veremos cómo interpolar valores dentro de cadenas de texto utilizando
diferentes formatos. Interpolar (en este contexto) significa sustituir una variable por su valor
dentro de una cadena de texto.
Veamos los estilos que proporciona Python para este cometido:
Nombre Símbolo Soportado

Estilo antiguo % >= Python2
Estilo «nuevo» .format >= Python2.6
«f-strings» f >= Python3.6
Aunque aún podemos encontrar código con el estilo antiguo y el estilo nuevo en el formateo
de cadenas, vamos a centrarnos en el análisis de los «f-strings» que se están utilizando
bastante en la actualidad.
«f-strings»
Los f-strings aparecieron en Python 3.6 y se suelen usar en código de nueva creación. Es
la forma más potente – y en muchas ocasiones más eficiente – de formar cadenas de texto
incluyendo valores de otras variables.
La interpolación en cadenas de texto es un concepto que existe en la gran mayoría de
lenguajes de programación y hace referencia al hecho de sustituir los nombres de variables
por sus valores cuando se construye un «string».
Para indicar en Python que una cadena es un «f-string» basta con precederla de una f e
incluir las variables o expresiones a interpolar entre llaves {...}.
Supongamos que disponemos de los datos de una persona y queremos formar una frase de
bienvenida con ellos:

Aprende Python
>>> name = Elon Musk

>>> age = 49
>>> fortune = 43_300
>>> f Me llamo {name}, tengo {age} años y una fortuna de {fortune} millones
Me llamo Elon Musk, tengo 49 años y una fortuna de 43300 millones
Advertencia: Si olvidamos poner la f delante del «string» no conseguiremos sustitución

de variables.
Podría surgir la duda de cómo incluir llaves dentro de la cadena de texto, teniendo en cuenta
que las llaves son símbolos especiales para la interpolación de variables. La respuesta es
duplicar las llaves:
>>> x = 10
>>> f The variable is {{ x = {x} }}

The variable is { x = 10 }
Formateando cadenas
Nivel intermedio
Los «f-strings» proporcionan una gran variedad de opciones de formateado: ancho del
texto, número de decimales, tamaño de la cifra, alineación, etc. Muchas de estas facilidades
se pueden consultar en el artículo Best of Python3.6 f-strings4
Dando formato a valores enteros:
>>> mount_height = 3718
>>> f {mount_height:10d}
3718
>>> f {mount_height:010d}
0000003718
Truco: Utilizamos el modificador d que viene de entero decimal.
Dando formato a valores flotantes:

4
Escrito por Nirant Kasliwal en Medium.

Aprende Python
>>> PI = 3.14159265
>>> f {PI:f} # 6 decimales por defecto

3.141593
>>> f {PI:.3f}
3.142
>>> f {PI:12f}
3.141593
>>> f {PI:7.2f}
3.14
>>> f {PI:07.2f}
0003.14
>>> f {PI:.010f}
3.1415926500
>>> f {PI:e}
3.141593e+00
Truco: Utilizamos el modificador f que viene de flotante.
Dando formato a cadenas de texto

>>> text1 = how
>>> text2 = are
>>> text3 = you
>>> f {text1:<7s}|{text2:^11s}|{text3:>7s}
how | are | you
>>> f {text1:-<7s}|{text2:·^11s}|{text3:->7s}
how----|····are····|----you
Truco: Utilizamos el modificador s que viene de string.
Convirtiendo valores enteros a otras bases:

>>> value = 65_321

Aprende Python

>>> f {value:b}
1111111100101001
>>> f {value:o}
177451
>>> f {value:x}
ff29
Por supuesto en el caso de otras bases también es posible aplicar los mismos modificadores
de ancho y de relleno vistos para números enteros decimales. Por ejemplo:
>>> f {value:07x}
000ff29
Ver también:
Nótese la diferencia de obtener el cambio de base con este método frente a las funciones de
cambio de base ya vistas previamente que añaden el prefijo de cada base 0b, 0o y 0x.
Modo «debug»
A partir de Python 3.8, los «f-strings» permiten imprimir el nombre de la variable y su valor,
como un atajo para depurar nuestro código. Para ello sólo tenemos que incluir un símbolo =
después del nombre de la variable:
>>> serie = The Simpsons

>>> imdb_rating = 8.7
>>> num_seasons = 30
>>> f {serie=}
"serie= The Simpsons "
>>> f {imdb_rating=}
imdb_rating=8.7
>>> f {serie[4:]=} # incluso podemos añadir expresiones!

"serie[4:]= Simpsons "
>>> f {imdb_rating / num_seasons=}

imdb_rating / num_seasons=0.29

Aprende Python
Modo «representación»
Si imprimimos el valor de una variable utilizando un «f-string», obviamente veremos ese

valor tal y como esperaríamos:
>>> name = Steven Spielberg
>>> print(f {name} )

Steven Spielberg
Pero si quisiéramos ver la representación del objeto, tal y como se almacena internamente,
podríamos utilizar el modificador !r en el «f-string»:
>>> name = Steven Spielberg
>>> print(f {name!r} )

Steven Spielberg
En este caso se han añadido las comillas denotando que es una cadena de texto. Este
modificador se puede aplicar a cualquier otro tipo de dato.
Ejercicio
Dada la variable:
e = 2.71828
, obtenga los siguientes resultados utilizando «f-strings»:
2.718
2.718280
2.72 # 4 espacios en blanco
2.718280e+00
00002.7183
2.71828 # 12 espacios en blanco
Aproveche para hacer el ejercicio directamente en el intérprete de Python: >>>

Aprende Python
3.3.8 Caracteres Unicode
Los programas de ordenador deben manejar una amplia variedad de caracteres.

Simplemente por el hecho de la internacionalización hay que mostrar mensajes en distintos
idiomas (inglés, francés, japonés, español, etc.). También es posible incluir «emojis» u otros
símbolos.
Python utiliza el estándar Unicode para representar caracteres. Eso significa que tenemos
acceso a una amplia carta de caracteres que nos ofrece este estándar de codificación.
Unicode asigna a cada carácter dos atributos:
1. Un código numérico único (habitualmente en hexadecimal).
2. Un nombre representativo.
Supongamos un ejemplo sobre el típico «emoji» de un cohete definido en este cuadro:
Figura 9: Representación Unicode del carácter ROCKET
La función chr() permite representar un carácter a partir de su código:
>>> rocket_code = 0x1F680

>>> rocket = chr(rocket_code)
>>> rocket
La función ord() permite obtener el código (decimal) de un carácter a partir de su

representación:
>>> rocket_code = hex(ord(rocket))

>>> rocket_code
0x1f680
El modificador \N permite representar un carácter a partir de su nombre:

Aprende Python
>>> \N{ROCKET}
Ejercicio
pycheck: find_unicode
ASCII
En los principios de la computación los caracteres se representaban utilizando el código

ASCII. En un primer momento solo incluía letras mayúsculas y números, pero en 1967 se
agregaron las letras minúsculas y algunos caracteres de control, formando así lo que se conoce
como US-ASCII, es decir los caracteres del 0 al 127.
Podemos obtener alguno de sus caracteres imprimibles mediante Python:
>>> chr(48)
0
>>> chr(57)
9
>>> chr(65)
A
>>> chr(90)
Z
Comparar cadenas
Cuando comparamos dos cadenas de texto lo hacemos en términos lexicográficos. Es decir,

se van comparando los caracteres de ambas cadenas uno a uno y se va mirando cuál está
«antes».
Por ejemplo:
>>> arca < arpa # ar es igual para ambas

True
>>> ord( c )
99
>>> ord( p )
112

Aprende Python
Nota: Internamente se utiliza la función ord() para comparar qué carácter está «antes».
Otros ejemplos:
>>> a < antes

True
>>> antes < después

True
>>> después < ahora

False
>>> ahora < a

False
Tener en cuenta que en Python la letras mayúsculas van antes que las minúsculas:
>>> A < a
True
>>> ord( A )
65
>>> ord( a )
97
3.3.9 Casos de uso
Nivel avanzado
Hemos estado usando muchas funciones de objetos tipo «string» (y de otros tipos
previamente). Pero quizás no sabemos aún como podemos descubrir todo lo que podemos
hacer con ellos y los casos de uso que nos ofrece.
Python proporciona una función «built-in» llamada dir() para inspeccionar un determinado
tipo de objeto:
>>> text = This is it!
>>> dir(text)
[ __add__ ,
__class__ ,
__contains__ ,
__delattr__ ,

Aprende Python

__dir__ ,
__doc__ ,
__eq__ ,
__format__ ,
__ge__ ,
__getattribute__ ,
__getitem__ ,
__getnewargs__ ,
__gt__ ,
__hash__ ,
__init__ ,
__init_subclass__ ,
__iter__ ,
__le__ ,
__len__ ,
__lt__ ,
__mod__ ,
__mul__ ,
__ne__ ,
__new__ ,
__reduce__ ,
__reduce_ex__ ,
__repr__ ,
__rmod__ ,
__rmul__ ,
__setattr__ ,
__sizeof__ ,
__str__ ,
__subclasshook__ ,
capitalize ,
casefold ,
center ,
count ,
encode ,
endswith ,
expandtabs ,
find ,
format ,
format_map ,
index ,
isalnum ,
isalpha ,
isascii ,
isdecimal ,
isdigit ,

Aprende Python

isidentifier ,
islower ,
isnumeric ,
isprintable ,
isspace ,
istitle ,
isupper ,
join ,
ljust ,
lower ,
lstrip ,
maketrans ,
partition ,
replace ,
rfind ,
rindex ,
rjust ,
rpartition ,
rsplit ,
rstrip ,
split ,
splitlines ,
startswith ,
strip ,
swapcase ,
title ,
translate ,
upper ,
zfill ]
Esto es aplicable tanto a variables como a literales e incluso a tipos de datos (clases)
explícitos:
>>> dir(10)
[ __abs__ ,
__add__ ,
__and__ ,
__bool__ ,
...
imag ,
numerator ,
real ,
to_bytes ]
>>> dir(float)

Aprende Python

[ __abs__ ,
__add__ ,
__bool__ ,
__class__ ,
...
hex ,
imag ,
is_integer ,
real ]
1. pycheck: format_hexcolor
2. pycheck: switch_name
3. pycheck: samba_split
4. pycheck: nif_digit
5. pycheck: n_repeat
6. pycheck: str_metric
7. pycheck: h2md
8. pycheck: count_sheeps
9. pycheck: strip1
10. pycheck: swap_name
11. pycheck: find_integral
12. pycheck: multiply_jack
13. pycheck: first_last_digit
• A Guide to the Newer Python String Format Techniques

• Strings and Character Data in Python
• How to Convert a Python String to int
• Your Guide to the Python print<> Function
• Basic Input, Output, and String Formatting in Python

Aprende Python
• Unicode & Character Encodings in Python: A Painless Guide

• Python String Formatting Tips & Best Practices
• Python 3’s f-Strings: An Improved String Formatting Syntax
• Splitting, Concatenating, and Joining Strings in Python
• Conditional Statements in Python
• Python String Formatting Best Practices

CAPÍTULO 4
Control de flujo
Todo programa informático está formado por instrucciones que se ejecutan en forma
secuencial de «arriba» a «abajo», de igual manera que leeríamos un libro. Este orden
constituye el llamado flujo del programa. Es posible modificar este flujo secuencial para
que tome bifurcaciones o repita ciertas instrucciones. Las sentencias que nos permiten hacer
estas modificaciones se engloban en el control de flujo.
105
Aprende Python
4.1 Condicionales
En esta sección veremos las sentencias if y match-case junto a las distintas variantes que
pueden asumir, pero antes de eso introduciremos algunas cuestiones generales de escritura
de código.1
4.1.1 Definición de bloques
A diferencia de otros lenguajes que utilizan llaves para definir los bloques de código,
cuando Guido Van Rossum creó el lenguaje quiso evitar estos caracteres por considerarlos
innecesarios. Es por ello que en Python los bloques de código se definen a través de
espacios en blanco, preferiblemente 4.2 En términos técnicos se habla del tamaño
de indentación.
Consejo: Esto puede resultar extraño e incómodo a personas que vienen de otros lenguajes
de programación pero desaparece rápido y se siente natural a medida que se escribe código.
1
Foto original de portada por ali nafezarefi en Unsplash.
2
Reglas de indentación definidas en PEP 8
106 Capítulo 4. Control de flujo

Aprende Python
Figura 1: Python recomienda 4 espacios en blanco para indentar
4.1.2 Comentarios
Los comentarios son anotaciones que podemos incluir en nuestro programa y que nos
permiten aclarar ciertos aspectos del código. Estas indicaciones son ignoradas por el
intérprete de Python.
Los comentarios se incluyen usando el símbolo almohadilla # y comprenden hasta el final de
la línea.
Lista 1: Comentario en bloque

# Universe age expressed in days
universe_age = 13800 * (10 ** 6) * 365
Los comentarios también pueden aparecer en la misma línea de código, aunque la guía de
estilo de Python no aconseja usarlos en demasía:
Lista 2: Comentario en línea

stock = 0 # Release additional articles
Reglas para escribir buenos comentarios:6

1. Los comentarios no deberían duplicar el código.
2. Los buenos comentarios no arreglan un código poco claro.
3. Si no puedes escribir un comentario claro, puede haber un problema en el código.
4. Los comentarios deberían evitar la confusión, no crearla.
5. Usa comentarios para explicar código no idiomático.
6. Proporciona enlaces a la fuente original del código copiado.
6
Referencia: Best practices for writing code comments
4.1. Condicionales 107

Aprende Python
7. Incluye enlaces a referencias externas que sean de ayuda.

8. Añade comentarios cuando arregles errores.
9. Usa comentarios para destacar implementaciones incompletas.
4.1.3 Ancho del código
Los programas suelen ser más legibles cuando las líneas no son excesivamente largas. La
longitud máxima de línea recomendada por la guía de estilo de Python es de 80 caracteres.
Sin embargo, esto genera una cierta polémica hoy en día, ya que los tamaños de pantalla
han aumentado y las resoluciones son mucho mayores que hace años. Así las líneas de más
de 80 caracteres se siguen visualizando correctamente. Hay personas que son más estrictas
en este límite y otras más flexibles.
En caso de que queramos romper una línea de código demasiado larga, tenemos dos
opciones:
1. Usar la barra invertida \:
>>> factorial = 4 * 3 * 2 * 1
>>> factorial = 4 * \
... 3 * \
... 2 * \
... 1
2. Usar los paréntesis (...):
>>> factorial = 4 * 3 * 2 * 1
>>> factorial = (4 *
... 3 *
... 2 *
... 1)
4.1.4 La sentencia if
La sentencia condicional en Python (al igual que en muchos otros lenguajes de programación)
es if. En su escritura debemos añadir una expresión de comparación terminando con
dos puntos al final de la línea. Veamos un ejemplo:
>>> temperature = 40

Aprende Python

>>> if temperature > 35:
... print( Aviso por alta temperatura )
...
Aviso por alta temperatura
Nota: Nótese que en Python no es necesario incluir paréntesis ( y ) al escribir condiciones.

Hay veces que es recomendable por claridad o por establecer prioridades.
En el caso anterior se puede ver claramente que la condición se cumple y por tanto se ejecuta
la instrucción que tenemos dentro del cuerpo de la condición. Pero podría no ser así. Para
controlar ese caso existe la sentencia else. Veamos el mismo ejemplo anterior pero añadiendo
esta variante:
>>> if temperature > 35:

... print( Aviso por alta temperatura )
... else:
... print( Parámetros normales )
...
Parámetros normales
Podríamos tener incluso condiciones dentro de condiciones, lo que se viene a llamar

técnicamente condiciones anidadas3 . Veamos un ejemplo ampliando el caso anterior:
>>> if temperature < 20:

... if temperature < 10:
... print( Nivel azul )
... else:
... print( Nivel verde )
... else:
... print( Nivel naranja )
... else:
... print( Nivel rojo )
...
Nivel naranja
Python nos ofrece una mejora en la escritura de condiciones anidadas cuando aparecen
consecutivamente un else y un if. Podemos sustituirlos por la sentencia elif:
3
El anidamiento (o «nesting») hace referencia a incorporar sentencias unas dentro de otras mediante la
inclusión de diversos niveles de profunidad (indentación).

Aprende Python
Figura 2: Construcción de la sentencia elif
Apliquemos esta mejora al código del ejemplo anterior:

... print( Nivel azul )
... else:
... print( Nivel verde )
... elif temperature < 30:
... print( Nivel naranja )
... else:
... print( Nivel rojo )
...
Nivel naranja

https://cutt.ly/wd58B4t
4.1.5 Asignaciones condicionales
Nivel intermedio
Supongamos que queremos asignar un nivel de riesgo de incendio en función de la
temperatura. En su versión clásica escribiríamos:

... fire_risk = LOW
... else:
... fire_risk = HIGH
...

Aprende Python

>>> fire_risk
HIGH
Sin embargo, esto lo podríamos abreviar con una asignación condicional de una única
línea:
>>> fire_risk = LOW if temperature < 30 else HIGH
>>> fire_risk
HIGH
4.1.6 Operadores de comparación
Cuando escribimos condiciones debemos incluir alguna expresión de comparación. Para usar
estas expresiones es fundamental conocer los operadores que nos ofrece Python:
Operador Símbolo
Igualdad ==
Desigualdad !=
Menor que <
Menor o igual que <=
Mayor que >
Mayor o igual que >=
A continuación vamos a ver una serie de ejemplos con expresiones de comparación. Téngase
en cuenta que estas expresiones habría que incluirlas dentro de la sentencia condicional en
el caso de que quisiéramos tomar una acción concreta:
# Asignación de valor inicial

>>> value = 8
>>> value == 8
True
>>> value != 8
False
>>> value < 12

True
>>> value <= 7

False

Aprende Python
>>> value > 4

True
>>> value >= 9

False
Python ofrece la posibilidad de ver si un valor está entre dos límites de manera directa. Así,
por ejemplo, para descubrir si x está entre 4 y 12 haríamos:
>>> 4 <= x <= 12

True
4.1.7 Operadores lógicos
Podemos escribir condiciones más complejas usando los operadores lógicos:

• and
• or
• not
# Asignación de valor inicial

>>> x = 8
>>> x > 4 or x > 12 # True or False

True
>>> x < 4 or x > 12 # False or False

False
>>> x > 4 and x > 12 # True and False

False
>>> x > 4 and x < 12 # True and True

True
>>> not(x != 8) # not False

True
Véanse las tablas de la verdad para cada operador lógico:
Nota:

Aprende Python
Figura 3: Resultados al aplicar operadores lógicos
1. Una expresión de comparación siempre devuelve un valor booleano, es decir True o

False.
2. El uso de paréntesis, en función del caso, puede aclarar la expresión de comparación.
Ejercicio
pycheck: leap_year
Cortocircuito lógico
Es interesante comprender que las expresiones lógicas no se evalúan por completo si

se dan una serie de circunstancias. Aquí es donde entra el concepto de cortocircuito
que no es más que una forma de denominar a este escenario.
Supongamos un ejemplo en el que utilizamos un teléfono móvil que mide la batería por la
variable power de 0 a 100% y la cobertura 4G por la variable signal_4g de 0 a 100%.
Para poder enviar un mensaje por Telegram necesitamos tener al menos un 25% de
batería y al menos un 10% de cobertura:
>>> power = 10
>>> signal_4g = 60
>>> power > 25 and signal_4g > 10

False
Dado que estamos en un and y la primera condición power > 25 no se cumple, se produce
un cortocircuito y no se sigue evaluando el resto de la expresión porque ya se sabe que va
a dar False.
Otro ejemplo. Para poder hacer una llamada VoIP necesitamos tener al menos un 40%
de batería o al menos un 30% de cobertura:
>>> power = 50
>>> signal_4g = 20

Aprende Python
Figura 4: Cortocircuito para expresión lógica «and»

>>> power > 40 or signal_4g > 30
True
Figura 5: Cortocircuito para expresión lógica «or»
Dado que estamos en un or y la primera condición power > 40 se cumple, se produce un

cortocircuito y no se sigue evaluando el resto de la expresión porque ya se sabe que va a
dar True.
Nota: Si no se produjera un cortocircuito en la evaluación de la expresión, se seguiría

comprobando todas las condiciones posteriores hasta llegar al final de la misma.

Aprende Python
«Booleanos» en condiciones
Cuando queremos preguntar por la veracidad de una determinada variable «booleana» en

una condición, la primera aproximación que parece razonable es la siguiente:
>>> is_cold = True
>>> if is_cold == True:

... print( Coge chaqueta )
... else:
... print( Usa camiseta )
...
Coge chaqueta
Pero podemos simplificar esta condición tal que así:
>>> if is_cold:
... else:
...
Coge chaqueta
Hemos visto una comparación para un valor «booleano» verdadero (True). En el caso de que
la comparación fuera para un valor falso lo haríamos así:
>>> is_cold = False
>>> if not is_cold: # Equivalente a if is_cold == False

... else:
...
Usa camiseta
De hecho, si lo pensamos, estamos reproduciendo bastante bien el lenguaje natural:

• Si hace frío, coge chaqueta.
• Si no hace frío, usa camiseta.
Ejercicio
pycheck: marvel_akinator

Aprende Python
Valor nulo
Nivel intermedio
None es un valor especial de Python que almacena el valor nulo4 . Veamos cómo se comporta
al incorporarlo en condiciones de veracidad:
>>> value = None
>>> if value:
... print( Value has some useful value )
... else:
... # value podría contener None, False (u otro)
... print( Value seems to be void )
...
Value seems to be void
Para distinguir None de los valores propiamente booleanos, se recomienda el uso del operador
is. Veamos un ejemplo en el que tratamos de averiguar si un valor es nulo:
>>> value = None
>>> if value is None:

... print( Value is clearly None )
... else:
... # value podría contener True, False (u otro)
... print( Value has some useful value )
...
Value is clearly None
De igual forma, podemos usar esta construcción para el caso contrario. La forma «pitónica»
de preguntar si algo no es nulo es la siguiente:
>>> value = 99
>>> if value is not None:

... print(f {value=} )
...
value=99
Nivel avanzado
Cabe preguntarse por qué utilizamos is en vez del operador == al comprobar si un valor es
nulo, ya que ambas aproximaciones nos dan el mismo resultado7 :
4
Lo que en otros lenguajes se conoce como nil, null, nothing.
7
Uso de is en comparación de valores nulos explicada aquí por Jared Grubb.

Aprende Python
>>> value = None
>>> value is None

True
>>> value == None

True
La respuesta es que el operador is comprueba únicamente si los identificadores (posiciones

en memoria) de dos objetos son iguales, mientras que la comparación == puede englobar
muchas otras acciones. De este hecho se deriva que su ejecución sea mucho más rápida y que
se eviten «falsos positivos».
Cuando ejecutamos un programa Python existe una serie de objetos precargados en memoria.
Uno de ellos es None:
>>> id(None)
4314501456
Cualquier variable que igualemos al valor nulo, únicamente será una referencia al mismo
objeto None en memoria:
>>> value = None
>>> id(value)
4314501456
Por lo tanto, ver si un objeto es None es simplemente comprobar que su identificador coincida
con el de None, que es exactamente el cometido de la función is():
>>> id(value) == id(None)

True
>>> value is None

True
Truco: Python carga inicialmente en memoria objetos como True o False, pero también
los números enteros que van desde el -5 hasta el 256. Se entiende que tiene que ver con
optimizaciones a nivel de rendimiento.

Aprende Python
4.1.8 Veracidad
Nivel intermedio
Cuando trabajamos con expresiones que incorporan valores booleanos, se produce una
conversión implícita que transforma los tipos de datos involucrados a valores True o False.
Lo primero que debemos entender de cara comprobar la veracidad son los valores que
evalúan a falso o evalúan a verdadero.
Veamos las únicas «cosas» que son evaluadas a False en Python:
>>> bool(False)
False
>>> bool(None)
False
>>> bool(0)
False
>>> bool(0.0)
False
>>> bool( ) # cadena vacía

False
>>> bool([]) # lista vacía

False
>>> bool(()) # tupla vacía

False
>>> bool({}) # diccionario vacío

False
>>> bool(set()) # conjunto vacío

False
Importante: El resto de objetos son evaluados a True en Python.
Veamos algunos ejemplos que son evaluados a True en Python:
>>> bool( False )

True

Aprende Python

>>> bool( )
True
>>> bool(1e-10)
True
>>> bool([0])
True
>>> bool( )
True
Asignación lógica
Es posible utilizar operadores lógicos en sentencias de asignación sacando partido de las

tablas de la verdad que funcionan para estos casos.
Veamos un ejemplo de asignación lógica utilizando el operador or:
>>> b = 0
>>> c = 5
>>> a = b or c
>>> a
5
En la línea resaltada podemos ver que se está aplicando una expresión lógica, por lo tanto
se aplica una conversión implícita de los valores enteros a valores «booleanos». En este sentido
el valor 0 se evalúa a falso y el valor 5 se evalúa a verdadero. Como estamos en un or el
resultado será verdadero, que en este caso es el valor 5 asignado finalmente a la variable a.
Veamos el mismo ejemplo de antes pero utilizando el operador and:
>>> b = 0
>>> c = 5
>>> a = b and c
>>> a
0
En este caso, como estamos en un and el resultado será falso, por lo que el valor 0 es asignado
finalmente a la variable a.

Aprende Python
4.1.9 Sentencia match-case
Una de las novedades más esperadas (y quizás controvertidas) de Python 3.10 fue el
llamado Structural Pattern Matching que introdujo en el lenguaje una nueva sentencia
condicional. Ésta se podría asemejar a la sentencia «switch» que ya existe en otros lenguajes
de programación.
Comparando valores
En su versión más simple, el «pattern matching» permite comparar un valor de entrada con
una serie de literales. Algo así como un conjunto de sentencias «if» encadenadas. Veamos
esta aproximación mediante un ejemplo:
>>> color = #FF0000
>>> match color:

... case #FF0000 :
... print( )
... case #00FF00 :
... print( )
... case #0000FF :
... print( )
...
¿Qué ocurre si el valor que comparamos no existe entre las opciones disponibles? Pues en
principio, nada, ya que este caso no está cubierto. Si lo queremos controlar, hay que añadir
una nueva regla utilizando el subguión _ como patrón:
>>> color = #AF549B
>>> match color:

... case #FF0000 :
... print( )
... case #00FF00 :
... print( )
... case #0000FF :
... print( )
... case _:
... print( Unknown color! )
...
Unknown color!
Ejercicio

Aprende Python
pycheck: simple_op
Patrones avanzados
Nivel avanzado
La sentencia match-case va mucho más allá de una simple comparación de valores. Con ella
podremos deconstruir estructuras de datos, capturar elementos o mapear valores.
Para ejemplificar varias de sus funcionalidades, vamos a partir de una tupla que representará
un punto en el plano (2 coordenadas) o en el espacio (3 coordenadas). Lo primero que vamos
a hacer es detectar en qué dimensión se encuentra el punto:
>>> point = (2, 5)
>>> match point:

... case (x, y):
... print(f ({x},{y}) is in plane )
... case (x, y, z):
... print(f ({x},{y},{z}) is in space )
...
(2,5) is in plane
>>> point = (3, 1, 7)
>>> match point:

... case (x, y):
... case (x, y, z):
...
(3,1,7) is in space
En cualquier caso, esta aproximación permitiría un punto formado por «strings»:
>>> point = ( 2 , 5 )
>>> match point:

... case (x, y):
... case (x, y, z):
...
(2,5) is in plane
Por lo tanto, en un siguiente paso, podemos restringir nuestros patrones a valores enteros:

Aprende Python
>>> point = ( 2 , 5 )
>>> match point:

... case (int(), int()):
... print(f {point} is in plane )
... case (int(), int(), int()):
... print(f {point} is in space )
... case _:
... print( Unknown! )
...
Unknown!
>>> point = (3, 9, 1)
>>> match point:

... case (int(), int()):
... print(f {point} is in plane )
... case (int(), int(), int()):
... print(f {point} is in space )
... case _:
...
(3, 9, 1) is in space
Imaginemos ahora que nos piden calcular la distancia del punto al origen. Debemos tener en
cuenta que, a priori, desconocemos si el punto está en el plano o en el espacio:
>>> point = (8, 3, 5)
>>> match point:

... case (int(x), int(y)):
... dist_to_origin = (x ** 2 + y ** 2) ** (1 / 2)
... case (int(x), int(y), int(z)):
... dist_to_origin = (x ** 2 + y ** 2 + z ** 2) ** (1 / 2)
... case _:
...
>>> dist_to_origin
9.899494936611665
Con este enfoque, nos aseguramos que los puntos de entrada deben tener todas sus
coordenadas como valores enteros:
>>> point = ( 8 , 3, 5) # Nótese el 8 como "string"

Aprende Python

>>> match point:
... case (int(x), int(y)):
... dist_to_origin = (x ** 2 + y ** 2) ** (1 / 2)
... case (int(x), int(y), int(z)):
... dist_to_origin = (x ** 2 + y ** 2 + z ** 2) ** (1 / 2)
... case _:
...
Unknown!
Cambiando de ejemplo, veamos un fragmento de código en el que tenemos que comprobar

la estructura de un bloque de autenticación definido mediante un diccionario. Los
métodos válidos de autenticación son únicamente dos: bien usando nombre de usuario y
contraseña, o bien usando correo electrónico y «token» de acceso. Además, los valores deben
venir en formato cadena de texto:
1 >>> # Lista de diccionarios

2 >>> auths = [
3 ... { username : sdelquin , password : 1234 },
4 ... { email : sdelquin@gmail.com , token : 4321 },
5 ... { email : test@test.com , password : ABCD },
6 ... { username : sdelquin , password : 1234}
7 ... ]
8
9 >>> for auth in auths:

10 ... print(auth)
11 ... match auth:
12 ... case { username : str(username), password : str(password)}:
13 ... print( Authenticating with username and password )
14 ... print(f {username}: {password} )
15 ... case { email : str(email), token : str(token)}:
16 ... print( Authenticating with email and token )
17 ... print(f {email}: {token} )
18 ... case _:
19 ... print( Authenticating method not valid! )
20 ... print( --- )
21 ...
22 { username : sdelquin , password : 1234 }
23 Authenticating with username and password
24 sdelquin: 1234
25 ---
26 { email : sdelquin@gmail.com , token : 4321 }
27 Authenticating with email and token
28 sdelquin@gmail.com: 4321
29 ---

Aprende Python

30 { email : test@test.com , password : ABCD }
31 Authenticating method not valid!
32 ---
33 { username : sdelquin , password : 1234}
34 Authenticating method not valid!
35 ---
Cambiando de ejemplo, a continuación veremos un código que nos indica si, dada la edad de
una persona, puede beber alcohol:
1 >>> age = 21
2
3 >>> match age:

4 ... case 0 | None:
5 ... print( Not a person )
6 ... case n if n < 17:
7 ... print( Nope )
8 ... case n if n < 22:
9 ... print( Not in the US )
10 ... case _:
11 ... print( Yes )
12 ...
13 Not in the US
• En la línea 4 podemos observar el uso del operador OR.

• En las líneas 6 y 8 podemos observar el uso de condiciones dando lugar a cláusulas
guarda.
4.1.10 Operador morsa
Nivel avanzado
A partir de Python 3.8 se incorpora el operador morsa5 que permite unificar sentencias de
asignación dentro de expresiones. Su nombre proviene de la forma que adquiere :=
Supongamos un ejemplo en el que computamos el perímetro de una circunferencia, indicando
al usuario que debe incrementarlo siempre y cuando no llegue a un mínimo establecido.
Versión tradicional
>>> radius = 4.25

... perimeter = 2 * 3.14 * radius
... if perimeter < 100:
5
Se denomina así porque el operador := tiene similitud con los colmillos de una morsa.

Aprende Python

... print( Increase radius to reach minimum perimeter )
... print( Actual perimeter: , perimeter)
...
Increase radius to reach minimum perimeter
Actual perimeter: 26.69
Versión con operador morsa
>>> radius = 4.25

... if (perimeter := 2 * 3.14 * radius) < 100:
... print( Increase radius to reach minimum perimeter )
... print( Actual perimeter: , perimeter)
...
Increase radius to reach minimum perimeter
Actual perimeter: 26.69
Consejo: Como hemos comprobado, el operador morsa permite realizar asignaciones dentro
de expresiones, lo que, en muchas ocasiones, permite obtener un código más compacto. Sería
conveniente encontrar un equilibrio entre la expresividad y la legibilidad.
1. pycheck: rps
2. pycheck: min3values
3. pycheck: blood_donation
4. pycheck: facemoji
5. pycheck: shortcuts
EJERCICIOS EXTERNOS
1. Return the day

2. Return negative
3. What’s the real floor?
4. Area or Perimeter
5. Check same case

Aprende Python
6. Simple multiplication
7. Quarter of the year
8. Grade book
9. Transportation on vacation
10. Safen User Input Part I - htmlspecialchars
11. Remove an exclamation mark from the end of string
12. Pythagorean triple
13. How much water do I need?
14. Set Alarm
15. Compare within margin
16. Will you make it?
17. Plural
18. Student’s final grade
19. Drink about
20. Switch it up!
21. Floating point comparison
22. No zeros for heros
23. Tip calculator
24. Grader
25. Evil or Odious
26. Validate code with simple regex
27. Fuel calculator
• How to Use the Python or Operator

• Conditional Statements in Python (if/elif/else)

Aprende Python
4.2 Bucles
Cuando queremos hacer algo más de una vez, necesitamos recurrir a un bucle. En esta
sección veremos las distintas sentencias en Python que nos permiten repetir un bloque de
código.1
4.2.1 La sentencia while
El primer mecanismo que existe en Python para repetir instrucciones es usar la sentencia
while. La semántica tras esta sentencia es: «Mientras se cumpla la condición haz algo».
Veamos un sencillo bucle que repite un saludo mientras así se desee:
>>> want_greet = S # importante dar un valor inicial
>>> while want_greet == S :

... print( Hola qué tal! )
... want_greet = input( ¿Quiere otro saludo? [S/N] )
... print( Que tenga un buen día )
Hola qué tal!
¿Quiere otro saludo? [S/N] S
Hola qué tal!
1
Foto original de portada por Gary Lopater en Unsplash.
4.2. Bucles 127

Aprende Python

Hola qué tal!
¿Quiere otro saludo? [S/N] N
Que tenga un buen día

https://cutt.ly/Zwwr8fub
La condición del bucle se comprueba en cada nueva repetición. En este caso chequeamos que
la variable want_greet sea igual a S . Dentro del cuerpo del bucle estamos mostrando un
mensaje y pidiendo la opción al usuario.
Romper un bucle while
Python ofrece la posibilidad de romper o finalizar un bucle antes de que se cumpla la

condición de parada.
Supongamos que en el ejemplo anterior, establecemos un máximo de 4 saludos:
>>> MAX_GREETS = 4
>>> num_greets = 0
>>> want_greet = S

... num_greets += 1
... if num_greets == MAX_GREETS:
... print( Máximo número de saludos alcanzado )
... break
Hola qué tal!
Hola qué tal!
Hola qué tal!
Hola qué tal!
Máximo número de saludos alcanzado

https://cutt.ly/0wwtyaDF

Aprende Python
Como hemos visto en este ejemplo, break nos permite finalizar el bucle una vez que hemos
llegado al máximo número de saludos. Pero si no hubiéramos llegado a dicho límite, el bucle
habría seguido hasta que el usuario indicara que no quiere más saludos.
Otra forma de resolver este ejercicio sería incorporar una condición al bucle:
while want_greet == S and num_questions < MAX_GREETS:

...
Comprobar la rotura
Nivel intermedio
Python nos ofrece la posibilidad de detectar si el bucle ha acabado de forma ordinaria,
esto es, ha finalizado por no cumplirse la condición establecida. Para ello podemos hacer uso
de la sentencia else como parte del propio bucle. Si el bucle while finaliza normalmente (sin
llamada a break) el flujo de control pasa a la sentencia opcional else.
Veamos su comportamiento siguiendo con el ejemplo que venimos trabajando:
>>> MAX_GREETS = 4
>>> num_greets = 0
>>> want_greet = S

... num_greets += 1
... if num_greets == MAX_GREETS:
... print( Máximo número de saludos alcanzado )
... break
... else:
... print( Usted no quiere más saludos )
Hola qué tal!
Hola qué tal!
Usted no quiere más saludos
Importante: Si hubiéramos agotado el número de saludos NO se habría ejecutado la

cláusula else del bucle ya que habríamos roto el flujo con un break.
4.2. Bucles 129

Aprende Python

https://cutt.ly/jwwtpivu
Continuar un bucle
Nivel intermedio
Hay situaciones en las que, en vez de romper un bucle, nos interesa saltar adelante hacia
la siguiente repetición. Para ello Python nos ofrece la sentencia continue que hace
precisamente eso, descartar el resto del código del bucle y saltar a la siguiente iteración.
Continuamos con el ejemplo anterior y vamos a contar el número de respuestas válidas:
>>> want_greet = S
>>> valid_options = 0

... if want_greet not in SN :
... print( No le he entendido pero le saludo )
... want_greet = S
... continue
... valid_options += 1
... print(f {valid_options} respuestas válidas )
Hola qué tal!
Hola qué tal!
¿Quiere otro saludo? [S/N] A
No le he entendido pero le saludo
Hola qué tal!
¿Quiere otro saludo? [S/N] B
No le he entendido pero le saludo
Hola qué tal!
2 respuestas válidas

https://cutt.ly/YwwtlAp8

Aprende Python
Bucle infinito
Si no establecemos correctamente la condición de parada o bien el valor de alguna variable

está fuera de control, es posible que lleguemos a una situación de bucle infinito, del que nunca
podamos salir. Veamos un ejemplo de esto:
>>> num = 1
>>> while num != 10:

... num += 2
...
# CTRL-C
KeyboardInterrupt
El problema que surje es que la variable num toma los valores 1, 3, 5, 7, 9, 11, ..
. por lo que nunca se cumple la condición de parada del bucle. Esto hace que repitamos
«eternamente» la instrucción de incremento.
https://cutt.ly/AfrZroa
Una posible solución a este error es reescribir la condición de parada en el bucle:
>>> num = 1
>>> while num < 10:

... num += 2
...
Truco: Para abortar una situación de bucle infinito podemos pulsar en el teclado
la combinación CTRL-C. Se puede ver reflejado en el intérprete de Python por
KeyboardInterrupt.
Hay veces que un supuesto bucle «infinito» puede ayudarnos a resolver un problema.
Imaginemos que queremos escribir un programa que ayude al profesorado a introducir las
notas de un examen. Si la nota no está en el intervalo [0, 10] mostramos un mensaje de error,
en otro caso seguimos pidiendo valores:
>>> while True:
... mark = float(input( Introduzca nueva nota: ))
... if not(0 <= mark <= 10):
... print( Nota fuera de rango )
... break
4.2. Bucles 131

Aprende Python

... print(mark)
...
Introduzca nueva nota: 5
5.0
3.0
Nota fuera de rango
El código anterior se podría enfocar haciendo uso del operador morsa:
>>> while 0 <= (mark := float(input( Introduzca una nueva nota: ))) <= 10:
... print(mark)
... print( Nota fuera de rango )
Introduzca una nueva nota: 5
5.0
3.0
Nota fuera de rango
Ejercicio
Escriba un programa que encuentre todos los múltiplos de 5 menores que un valor dado:
Ejemplo
• Entrada: 36
• Salida: 5 10 15 20 25 30 35
4.2.2 La sentencia for
Python permite recorrer aquellos tipos de datos que sean iterables, es decir, que admitan
iterar 2 sobre ellos. Algunos ejemplos de tipos y estructuras de datos que permiten ser iteradas
(recorridas) son: cadenas de texto, listas, diccionarios, ficheros, etc. La sentencia for nos
permite realizar esta acción.
A continuación se plantea un ejemplo en el que vamos a recorrer (iterar) una cadena de
texto:
2
Realizar cierta acción varias veces. En este caso la acción es tomar cada elemento.

Aprende Python
>>> word = Python
>>> for letter in word:

... print(letter)
...
P
y
t
h
o
n
La clave aquí está en darse cuenta que el bucle va tomando, en cada iteración, cada uno de
los elementos de la variable que especifiquemos. En este caso concreto letter va tomando
cada una de las letras que existen en word, porque una cadena de texto está formada por
elementos que son caracteres.
https://cutt.ly/Pft6R2e
Importante: La variable que utilizamos en el bucle for para ir tomando los valores puede
tener cualquier nombre. Al fin y al cabo es una variable que definimos según nuestras
necesidades. Tener en cuenta que se suele usar un nombre en singular.
Romper un bucle for
Una sentencia break dentro de un for rompe el bucle, igual que veíamos para los bucles
while. Veamos un ejemplo con el código anterior. En este caso vamos a recorrer una cadena
de texto y pararemos el bucle cuando encontremos una letra t minúscula:
>>> word = Python
>>> for letter in word:

... if letter == t :
... break
... print(letter)
...
P
y

https://cutt.ly/zfyqkbJ
4.2. Bucles 133

Aprende Python
Truco: Tanto la comprobación de rotura de un bucle como la continuación a la siguiente

iteración se llevan a cabo del mismo modo que hemos visto con los bucles de tipo while.
Ejercicio
pycheck: count_vowels
Secuencias de números
Es muy habitual hacer uso de secuencias de números en bucles. Python no tiene una
instrucción específica para ello. Lo que sí aporta es una función range() que devuelve un
flujo de números en el rango especificado. Una de las grandes ventajas es que la «lista»
generada no se construye explícitamente, sino que cada valor se genera bajo demanda. Esta
técnica mejora el consumo de recursos, especialmente en términos de memoria.
La técnica para la generación de secuencias de números es muy similar a la utilizada en los
«slices» de cadenas de texto. En este caso disponemos de la función range(start, stop,
step):
• start: Es opcional y tiene valor por defecto 0.
• stop: es obligatorio (siempre se llega a 1 menos que este valor).
• step: es opcional y tiene valor por defecto 1.
range() devuelve un objeto iterable, así que iremos obteniendo los valores paso a paso con
una sentencia for ... in3 . Veamos diferentes ejemplos de uso:
Rango: [0, 1, 2]
>>> for i in range(0, 3):

... print(i)
...
0
1
2
>>> for i in range(3): # No hace falta indicar el inicio si es 0

... print(i)
...
0
1
2
3
O convertir el objeto a una secuencia como una lista.

Aprende Python
Rango: [1, 3, 5]
>>> for i in range(1, 6, 2):

... print(i)
...
1
3
5
Rango: [2, 1, 0]
>>> for i in range(2, -1, -1):

... print(i)
...
2
1
0

https://cutt.ly/vfywE45
Truco: Se suelen utilizar nombres de variables i, j, k para lo que se denominan contadores.

Este tipo de variables toman valores numéricos enteros como en los ejemplos anteriores. No
conviene generalizar el uso de estas variables a situaciones en las que, claramente, tenemos la
posibilidad de asignar un nombre semánticamente más significativo. Esto viene de tiempos
antiguos en FORTRAN donde i era la primera letra que tenía valor entero por defecto.
Ejercicio
pycheck: prime
Usando el guión bajo
Nivel avanzado
Hay situaciones en las que no necesitamos usar la variable que toma valores en el rango,
sino que únicamente queremos repetir una acción un número determinado de veces.
Para estos casos se suele recomendar usar el guión bajo _ como nombre de variable, que
da a entender que no estamos usando esta variable de forma explícita:
4.2. Bucles 135

Aprende Python
>>> for _ in range(10):

... print( Repeat me 10 times! )
...
Repeat me 10 times!
Repeat me 10 times!
Repeat me 10 times!
Repeat me 10 times!
Repeat me 10 times!
Repeat me 10 times!
Repeat me 10 times!
Repeat me 10 times!
Repeat me 10 times!
Repeat me 10 times!
Ejercicio
pycheck: pow
4.2.3 Bucles anidados
Como ya vimos en las sentencias condicionales, el anidamiento es una técnica por la que
incluimos distintos niveles de encapsulamiento de sentencias, unas dentro de otras, con mayor
nivel de profundidad. En el caso de los bucles también es posible hacer anidamiento.
Veamos un ejemplo de 2 bucles anidados en el que generamos todas las tablas de multiplicar:
>>> for num_table in range(1, 10):

... for mul_factor in range(1, 10):
... result = num_table * mul_factor
... print(f {num_table} * {mul_factor} = {result} )
...
1 x 1 = 1
1 x 2 = 2
1 x 3 = 3
1 x 4 = 4
1 x 5 = 5
1 x 6 = 6
1 x 7 = 7
1 x 8 = 8
1 x 9 = 9
2 x 1 = 2
2 x 2 = 4
4
Foto de Matrioskas por Marina Yufereva‘_‘ en Escáner Cultural.

Aprende Python
Figura 6: Muñecas rusas Matrioskas para ejemplificar el anidamiento4
4.2. Bucles 137

Aprende Python

2 x 3 = 6
2 x 4 = 8
2 x 5 = 10
2 x 6 = 12
2 x 7 = 14
2 x 8 = 16
2 x 9 = 18
3 x 1 = 3
3 x 2 = 6
3 x 3 = 9
3 x 4 = 12
3 x 5 = 15
3 x 6 = 18
3 x 7 = 21
3 x 8 = 24
3 x 9 = 27
4 x 1 = 4
4 x 2 = 8
4 x 3 = 12
4 x 4 = 16
4 x 5 = 20
4 x 6 = 24
4 x 7 = 28
4 x 8 = 32
4 x 9 = 36
5 x 1 = 5
5 x 2 = 10
5 x 3 = 15
5 x 4 = 20
5 x 5 = 25
5 x 6 = 30
5 x 7 = 35
5 x 8 = 40
5 x 9 = 45
6 x 1 = 6
6 x 2 = 12
6 x 3 = 18
6 x 4 = 24
6 x 5 = 30
6 x 6 = 36
6 x 7 = 42
6 x 8 = 48
6 x 9 = 54
7 x 1 = 7
7 x 2 = 14

Aprende Python

7 x 3 = 21
7 x 4 = 28
7 x 5 = 35
7 x 6 = 42
7 x 7 = 49
7 x 8 = 56
7 x 9 = 63
8 x 1 = 8
8 x 2 = 16
8 x 3 = 24
8 x 4 = 32
8 x 5 = 40
8 x 6 = 48
8 x 7 = 56
8 x 8 = 64
8 x 9 = 72
9 x 1 = 9
9 x 2 = 18
9 x 3 = 27
9 x 4 = 36
9 x 5 = 45
9 x 6 = 54
9 x 7 = 63
9 x 8 = 72
9 x 9 = 81
Lo que está ocurriendo en este código es que, para cada valor que toma la variable i, la otra
variable j toma todos sus valores. Como resultado tenemos una combinación completa de
los valores en el rango especificado.
https://cutt.ly/pwwtctK6
Nota:
• Podemos añadir todos los niveles de anidamiento que queramos. Eso sí, hay que tener
en cuenta que cada nuevo nivel de anidamiento supone un importante aumento de la
complejidad ciclomática de nuestro código, lo que se traduce en mayores tiempos de
ejecución.
• Los bucles anidados también se pueden aplicar en la sentencia while.
Ejercicio
4.2. Bucles 139

Aprende Python
Dado su tamaño, muestre por pantalla un mosaico donde la diagonal principal esté
representada por X, la parte inferior por D y la parte superior por U.
Ejemplo
• Entrada: 5
• Salida:
X U U U U
D X U U U
D D X U U
D D D X U
D D D D X
1. Escriba un programa que encuentre la mínima secuencia de múltiplos de 3 (distintos) c
• Entrada: 45
• Salida: 0, 3, 6, 9, 12, 15
2. Escriba un programa que pida nombre y apellidos de una persona (usando un solo
input) y repita la pregunta mientras el nombre no esté en formato título (solución).
¿Su nombre? ana torres blanco
Error. Debe escribirlo correctamente
¿Su nombre? Ana torres blanco
¿Su nombre? Ana Torres blanco
¿Su nombre? Ana Torres Blanco
3. Escriba un programa en Python que realice las siguientes 9 multiplicaciones. ¿Nota

algo raro en el resultado? (solución)
1·1
11 · 11
111 · 111
..
.
111111111 · 111111111
4. Escriba un programa en Python que acepte dos valores enteros (𝑥 e 𝑦) que representar

Aprende Python
• Entrada: objetivo_x=7; objetivo_y=8;

• Salida: (0, 0) (1, 2) (3, 3) (4, 5) (6, 6) (7, 8)
5. Escriba un programa que muestre por pantalla todas las fichas del dominó. La ficha
«en blanco» se puede representar con un 0 (solución).
0|0 0|1 0|2 0|3 0|4 0|5 0|6

1|1 1|2 1|3 1|4 1|5 1|6
2|2 2|3 2|4 2|5 2|6
3|3 3|4 3|5 3|6
4|4 4|5 4|6
5|5 5|6
6|6
6. Escriba un programa que calcule el valor de 𝑥 para el que la función 𝑓 (𝑥) = 𝑥2 − 6𝑥 + 3

obtiene su menor resultado. Centre la búsqueda en el rango [−9, 9] sólo con valores
enteros (solución).
El resultado es: 𝑥 = 3 y 𝑓 (𝑥) = −6
4.2. Bucles 141

Aprende Python
7. Escriba un programa que muestre (por filas) la Tabla ASCII, empezando con el código
33 y terminando con el 127 (solución):
033 ! 034 " 035 # 036 $ 037 %
038 & 039 040 ( 041 ) 042 *
043 + 044 , 045 - 046 . 047 /
048 0 049 1 050 2 051 3 052 4
053 5 054 6 055 7 056 8 057 9
058 : 059 ; 060 < 061 = 062 >
063 ? 064 @ 065 A 066 B 067 C
068 D 069 E 070 F 071 G 072 H
073 I 074 J 075 K 076 L 077 M
078 N 079 O 080 P 081 Q 082 R
083 S 084 T 085 U 086 V 087 W
088 X 089 Y 090 Z 091 [ 092 \
093 ] 094 ^ 095 _ 096 097 a
098 b 099 c 100 d 101 e 102 f
103 g 104 h 105 i 106 j 107 k
108 l 109 m 110 n 111 o 112 p
113 q 114 r 115 s 116 t 117 u
118 v 119 w 120 x 121 y 122 z
123 { 124 | 125 } 126 ~ 127
8. Escriba un programa que permita al usuario adivinar un número. Indicar si el número

buscado es menor o mayor que el que se está preguntando y mostrar igualmente el
número de intentos hasta encontrar el número objetivo (solución):
Introduzca número: 50
Mayor

Aprende Python

Menor
Menor
¡Enhorabuena! Has encontrado el número en 4 intentos
9. pycheck: gcd
10. pycheck: hamming
11. pycheck: sprod_cart
12. pycheck: cumsq_prod
13. pycheck: isalphabetic
14. pycheck: tennis_game
15. pycheck: tennis_set
16. pycheck: kpower
17. pycheck: fibonacci
EJERCICIOS EXTERNOS
1. Summation
2. Find nearest square number
3. Bin to decimal
4. altERnaTIng cAsE
5. Fake binary
6. Correct the mistakes of the character recognition software
7. String cleaning
8. Sum of multiples
9. ASCII Total
10. Collatz Conjecture (3n+1)
4.2. Bucles 143

Aprende Python
• The Python range() Function

• How to Write Pythonic Loops
• For Loops in Python (Definite Iteration)
• Python «while» Loops (Indefinite Iteration)

CAPÍTULO 5
Estructuras de datos
Si bien ya hemos visto una sección sobre Tipos de datos, podríamos hablar de tipos de datos
más complejos en Python que se constituyen en estructuras de datos. Si pensamos en
estos elementos como átomos, las estructuras de datos que vamos a ver sería moléculas. Es
decir, combinamos los tipos básicos de formas más complejas. De hecho, esta distinción se
hace en el Tutorial oficial de Python. Trataremos distintas estructuras de datos como listas,
tuplas, diccionarios y conjuntos.
145
Aprende Python
5.1 Listas
Las listas permiten almacenar objetos mediante un orden definido y con posibilidad
de duplicados. Las listas son estructuras de datos mutables, lo que significa que podemos
añadir, eliminar o modificar sus elementos.1
5.1.1 Creando listas
Una lista está compuesta por cero o más elementos. En Python debemos escribir estos
elementos separados por comas y dentro de corchetes. Veamos algunos ejemplos de listas:
>>> empty_list = []
>>> languages = [ Python , Ruby , Javascript ]
>>> fibonacci = [0, 1, 1, 2, 3, 5, 8, 13]
>>> data = [ Tenerife , { cielo : limpio , temp : 24}, 3718, (28.2933947, -16.
˓→5226597)]
Nota: Una lista puede contener tipos de datos heterogéneos, lo que la hace una estructura
1
Foto original de portada por Mike Arney en Unsplash.
146 Capítulo 5. Estructuras de datos

Aprende Python
de datos muy versátil.

https://cutt.ly/Ofiiare
Advertencia: Aunque está permitido, NUNCA llames list a una variable porque
destruirías la función que nos permite crear listas. Y tampoco uses nombres derivados
como _list o list_ ya que no son nombres representativos que identifiquen el propósito
de la variable.
Ejercicio
Entre en el intérprete interactivo de Python (>>>) y cree una lista con las 5 ciudades que
más le gusten.
5.1.2 Conversión
Para convertir otros tipos de datos en una lista podemos usar la función list():
>>> # conversión desde una cadena de texto

>>> list( Python )
[ P , y , t , h , o , n ]
Si nos fijamos en lo que ha pasado, al convertir la cadena de texto Python se ha creado

una lista con 6 elementos, donde cada uno de ellos representa un carácter de la cadena.
Podemos extender este comportamiento a cualquier otro tipo de datos que permita ser iterado
(iterables).
Otro ejemplo interesante de conversión puede ser la de los rangos. En este caso queremos
obtener una lista explícita con los valores que constituyen el rango [0, 9]:
>>> list(range(10))
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
5.1. Listas 147

Aprende Python
Lista vacía
Existe una manera particular de usar list() y es no pasarle ningún argumento. En este
caso estaremos queriendo convertir el «vacío» en una lista, con lo que obtendremos una lista
vacía:
>>> list()
[]
Truco: Para crear una lista vacía, se suele recomendar el uso de [] frente a list(), no
sólo por ser más pitónico sino por tener (en promedio) un mejor rendimiento en tiempos de
ejecución.
5.1.3 Operaciones con listas
Obtener un elemento
Igual que en el caso de las cadenas de texto, podemos obtener un elemento de una lista a
través del índice (lugar) que ocupa. Veamos un ejemplo:
>>> shopping = [ Agua , Huevos , Aceite ]
>>> shopping[0]
Agua
>>> shopping[1]
Huevos
>>> shopping[2]
Aceite
>>> shopping[-1] # acceso con índice negativo

Aceite
El índice que usemos para acceder a los elementos de una lista tiene que estar comprendido
entre los límites de la misma. Si usamos un índice antes del comienzo o después del final
obtendremos un error (excepción):
>>> shopping[3]

Aprende Python

IndexError: list index out of range
>>> shopping[-5]
IndexError: list index out of range
Trocear una lista
El troceado de listas funciona de manera totalmente análoga al troceado de cadenas. Veamos

algunos ejemplos:
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> shopping[0:3]
[ Agua , Huevos , Aceite ]
>>> shopping[:3]
[ Agua , Huevos , Aceite ]
>>> shopping[2:4]
[ Aceite , Sal ]
>>> shopping[-1:-4:-1]
[ Limón , Sal , Aceite ]
>>> # Equivale a invertir la lista

>>> shopping[::-1]
[ Limón , Sal , Aceite , Huevos , Agua ]
En el troceado de listas, a diferencia de lo que ocurre al obtener elementos, no debemos

preocuparnos por acceder a índices inválidos (fuera de rango) ya que Python los restringirá
a los límites de la lista:
>>> shopping
[ Agua , Huevos , Aceite , Sal , Limón ]
>>> shopping[10:]
[]
>>> shopping[-100:2]
[ Agua , Huevos ]
5.1. Listas 149

Aprende Python

>>> shopping[2:100]
[ Aceite , Sal , Limón ]
Importante: Ninguna de las operaciones anteriores modifican la lista original, simplemente

devuelven una lista nueva.
Invertir una lista
Python nos ofrece, al menos, tres mecanismos para invertir los elementos de una lista:
Conservando la lista original: Opción 1: Mediante troceado de listas con step negativo:
>>> shopping
>>> shopping[::-1]
Opción 2: Mediante la función reversed():
>>> shopping
>>> list(reversed(shopping))
Modificando la lista original: Utilizando la función reverse() (nótese que es sin «d» al
final):
>>> shopping
>>> shopping.reverse()
>>> shopping

Aprende Python
Añadir al final de la lista
Una de las operaciones más utilizadas en listas es añadir elementos al final de las mismas.
Para ello Python nos ofrece la función append(). Se trata de un método «destructivo» que
modifica la lista original:
>>> shopping.append( Atún )
>>> shopping
[ Agua , Huevos , Aceite , Atún ]
Creando desde vacío
Una forma muy habitual de trabajar con listas es empezar con una vacía e ir añadiendo
elementos poco a poco. Se podría hablar de un patrón creación.
Supongamos un ejemplo en el que queremos construir una lista con los números pares del
[0, 20):
>>> even_numbers = []
>>> for i in range(20):

... if i % 2 == 0:
... even_numbers.append(i)
...
>>> even_numbers
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

https://cutt.ly/2fiS9Ax
Añadir en cualquier posición de una lista
Ya hemos visto cómo añadir elementos al final de una lista. Sin embargo, Python ofrece
una función insert() que vendría a ser una generalización de la anterior, para incorporar
elementos en cualquier posición. Simplemente debemos especificar el índice de inserción y el
elemento en cuestión. También se trata de una función destructiva 2 :
2
Cuando hablamos de que una función/método es «destructiva/o» significa que modifica la lista (objeto)
original, no que la destruye.
5.1. Listas 151

Aprende Python
>>> shopping.insert(1, Jamón )
>>> shopping
[ Agua , Jamón , Huevos , Aceite ]
>>> shopping.insert(3, Queso )
>>> shopping
[ Agua , Jamón , Huevos , Queso , Aceite ]
Nota: El índice que especificamos en la función insert() lo podemos intepretar como la

posición delante (a la izquierda) de la cual vamos a colocar el nuevo valor en la lista.
Al igual que ocurría con el troceado de listas, en este tipo de inserciones no obtendremos un
error si especificamos índices fuera de los límites de la lista. Estos se ajustarán al principio
o al final en función del valor que indiquemos:
>>> shopping.insert(100, Mermelada )
>>> shopping
[ Agua , Huevos , Aceite , Mermelada ]
>>> shopping.insert(-100, Arroz )
>>> shopping
[ Arroz , Agua , Huevos , Aceite , Mermelada ]
Consejo: Aunque es posible utilizar insert() para añadir elementos al final de una
lista, siempre se recomienda usar append() por su mayor legibilidad:
>>> values = [1, 2, 3]
>>> values.append(4)
>>> values
[1, 2, 3, 4]
>>> values = [1, 2, 3]

>>> values.insert(len(values), 4) # don t do it!
>>> values
[1, 2, 3, 4]

Aprende Python
Repetir elementos
Al igual que con las cadenas de texto, el operador * nos permite repetir los elementos de una
lista:
>>> shopping * 3
[ Agua ,
Huevos ,
Aceite ,
Agua ,
Huevos ,
Aceite ,
Agua ,
Huevos ,
Aceite ]
Combinar listas
Python nos ofrece dos aproximaciones para combinar listas:

Conservando la lista original: Mediante el operador + o +=:
>>> fruitshop = [ Naranja , Manzana , Piña ]
>>> shopping + fruitshop

[ Agua , Huevos , Aceite , Naranja , Manzana , Piña ]
Modificando la lista original: Mediante la función extend():

>>> shopping.extend(fruitshop)
>>> shopping
[ Agua , Huevos , Aceite , Naranja , Manzana , Piña ]
Hay que tener en cuenta que extend() funciona adecuadamente si pasamos una lista como
argumento. En otro caso, quizás los resultados no sean los esperados. Veamos un ejemplo:
>>> shopping.extend( Limón )

5.1. Listas 153

Aprende Python
>>> shopping
[ Agua , Huevos , Aceite , L , i , m , ó , n ]
El motivo es que extend() «recorre» (o itera) sobre cada uno de los elementos del objeto
en cuestión. En el caso anterior, al ser una cadena de texto, está formada por caracteres. De
ahí el resultado que obtenemos.
Se podría pensar en el uso de append() para combinar listas. La realidad es que no funciona
exactamente como esperamos; la segunda lista se añadiría como una sublista de la principal:

>>> shopping.append(fruitshop)
>>> shopping
[ Agua , Huevos , Aceite , [ Naranja , Manzana , Piña ]]
Modificar una lista
Del mismo modo que se accede a un elemento utilizando su índice, también podemos
modificarlo:
>>> shopping[0]
Agua
>>> shopping[0] = Jugo
>>> shopping
[ Jugo , Huevos , Aceite ]
En el caso de acceder a un índice no válido de la lista, incluso para modificar, obtendremos

un error:
>>> shopping[100] = Chocolate

IndexError: list assignment index out of range

Aprende Python
Modificar con troceado
No sólo es posible modificar un elemento de cada vez, sino que podemos asignar valores a
trozos de una lista:
>>> shopping[1:4]
[ Huevos , Aceite , Sal ]
>>> shopping[1:4] = [ Atún , Pasta ]
>>> shopping
[ Agua , Atún , Pasta , Limón ]
Nota: La lista que asignamos no necesariamente debe tener la misma longitud que el trozo
que sustituimos.
Borrar elementos
Python nos ofrece, al menos, cuatro formas para borrar elementos en una lista:
Por su índice: Mediante la sentencia del:
>>> del shopping[3]
>>> shopping
[ Agua , Huevos , Aceite , Limón ]
Por su valor: Mediante la función remove():
>>> shopping.remove( Sal )
>>> shopping
[ Agua , Huevos , Aceite , Limón ]
Advertencia: Si existen valores duplicados, la función remove() sólo borrará la

primera ocurrencia.
5.1. Listas 155

Aprende Python
Por su índice (con extracción): La sentencia del y la función remove() efectivamente

borran el elemento indicado de la lista, pero no «devuelven»3 nada. Sin embargo,
Python nos ofrece la función pop() que además de borrar, nos «recupera» el elemento;
algo así como una extracción. Lo podemos ver como una combinación de acceso +
borrado:
>>> product = shopping.pop() # shopping.pop(-1)

>>> product
Limón
>>> shopping
[ Agua , Huevos , Aceite , Sal ]
>>> product = shopping.pop(2)

>>> product
Aceite
>>> shopping
[ Agua , Huevos , Sal ]
Nota: Si usamos la función pop() sin pasarle ningún argumento, por defecto usará
el índice -1, es decir, el último elemento de la lista. Pero también podemos indicarle el
índice del elemento a extraer.
Por su rango: Mediante troceado de listas:
>>> shopping[1:4] = []
>>> shopping
[ Agua , Limón ]
3
Más adelante veremos el comportamiento de las funciones. Devolver o retornar un valor es el resultado
de aplicar una función.

Aprende Python
Borrado completo de la lista
Python nos ofrece, al menos, dos formas para borrar una lista por completo:
1. Utilizando la función clear():
>>> shopping.clear() # Borrado in-situ
>>> shopping
[]
2. «Reinicializando» la lista a vacío con []:
>>> shopping = [] # Nueva zona de memoria
>>> shopping
[]
Nivel avanzado
La diferencia entre ambos métodos tiene que ver con cuestiones internas de gestión de
memoria y de rendimiento:

>>> id(shopping)
4416018560
>>> shopping.clear()
>>> id(shopping) # se mantiene la misma "posición de memoria"
4416018560

>>> id(shopping)
4458688576
>>> shopping = []
>>> id(shopping) # se crea una nueva "posición de memoria"
4458851520
Ver también:
La memoria que queda «en el limbo» después de asignar un nuevo valor a la lista es detectada
por el recolector de basura de Python, quien se encarga de liberar aquellos datos que no
están referenciados por ninguna variable.
A efectos de velocidad de ejecución, shopping.clear() «parece» ir más rápido que
shopping = [].
5.1. Listas 157

Aprende Python
Encontrar un elemento
Si queremos descubrir el índice que corresponde a un determinado valor dentro la lista

podemos usar la función index() para ello:
>>> shopping.index( Huevos )

1
Tener en cuenta que si el elemento que buscamos no está en la lista, obtendremos un error:
>>> shopping.index( Pollo )

ValueError: Pollo is not in list
Nota: Si buscamos un valor que existe más de una vez en una lista, la función index() sólo
nos devolverá el índice de la primera ocurrencia.
Advertencia: En listas no disponemos de la función find() que sí estaba disponible

para cadenas de texto.
Si queremos comprobar la existencia de un determinado elemento en una lista, podríamos

buscar su índice, pero la forma pitónica de hacerlo es utilizar el operador in:
>>> Aceite in shopping

True
>>> Pollo in shopping

False
Nota: El operador in siempre devuelve un valor booleano, es decir, verdadero o falso.

Aprende Python
Ejercicio
pycheck: isogram
Número de ocurrencias
Para contar cuántas veces aparece un determinado valor dentro de una lista podemos usar
la función count():
>>> sheldon_greeting = [ Penny , Penny , Penny ]
>>> sheldon_greeting.count( Howard )

0
>>> sheldon_greeting.count( Penny )

3
Dividir una cadena de texto en lista
Una tarea muy común al trabajar con cadenas de texto es dividirlas por algún tipo
de separador. En este sentido, Python nos ofrece la función split(), que debemos usar
anteponiendo el «string» que queramos dividir:
>>> proverb = No hay mal que por bien no venga
>>> proverb.split()
[ No , hay , mal , que , por , bien , no , venga ]
>>> tools = Martillo,Sierra,Destornillador

>>> tools.split( , )
[ Martillo , Sierra , Destornillador ]
Nota: Si no se especifica un separador, split() usa por defecto cualquier secuencia de

espacios en blanco, tabuladores y saltos de línea.
La función split() devuelve una lista donde cada elemento es una parte de la cadena de
texto original:
>>> game = piedra-papel-tijera
>>> type(game_tools := game.split( - ))

list
5.1. Listas 159

Aprende Python
>>> game_tools
[ piedra , papel , tijera ]
Ejercicio
pycheck: num_words
Particionado de cadenas de texto
Existe una forma algo más «elaborada» de dividir una cadena a través del particionado.
Para ello podemos valernos de la función partition() que proporciona Python.
Esta función toma un argumento como separador, y divide la cadena de texto en 3 partes: lo
que queda a la izquierda del separador, el separador en sí mismo y lo que queda a la derecha
del separador:
>>> text = 3 + 4
>>> text.partition( + )
( 3 , + , 4 )
Ver también:
En este caso el resultado de la función partition() es una tupla.
Unir una lista en cadena de texto
Dada una lista, podemos convetirla a una cadena de texto, uniendo todos sus elementos
mediante algún separador. Para ello hacemos uso de la función join() con la siguiente
estructura:
>>> , .join(shopping)
Agua,Huevos,Aceite,Sal,Limón
>>> .join(shopping)
Agua Huevos Aceite Sal Limón
>>> | .join(shopping)
Agua|Huevos|Aceite|Sal|Limón

Aprende Python
Figura 1: Estructura de llamada a la función join()
Hay que tener en cuenta que join() sólo funciona si todos sus elementos son cadenas de
texto:
>>> , .join([1, 2, 3, 4, 5])

TypeError: sequence item 0: expected str instance, int found
Truco: Esta función join() es realmente la opuesta a la función split().
Ejercicio
pycheck: fixdate
Ordenar una lista
Python proporciona, al menos, dos formas de ordenar los elementos de una lista:
Conservando lista original: Mediante la función sorted() que devuelve una nueva lista
ordenada:
>>> sorted(shopping)
[ Aceite , Agua , Huevos , Limón , Sal ]
Modificando la lista original: Mediante la función sort():
5.1. Listas 161

Aprende Python

>>> shopping.sort()
>>> shopping
[ Aceite , Agua , Huevos , Limón , Sal ]
Ambos métodos admiten un parámetro «booleano» reverse para indicar si queremos que
la ordenación se haga en sentido inverso:
>>> sorted(shopping, reverse=True)

[ Sal , Limón , Huevos , Agua , Aceite ]
Longitud de una lista
Podemos conocer el número de elementos que tiene una lista con la función len():
>>> len(shopping)
5
Iterar sobre una lista
Al igual que hemos visto con las cadenas de texto, también podemos iterar sobre los elementos
de una lista utilizando la sentencia for:
>>> for product in shopping:

... print(product)
...
Agua
Huevos
Aceite
Sal
Limón
Nota: También es posible usar la sentencia break en este tipo de bucles para abortar su
ejecución en algún momento que nos interese.

Aprende Python
Ejercicio
pycheck: chars_list
Iterar usando enumeración
Hay veces que no sólo nos interesa «visitar» cada uno de los elementos de una lista, sino
que también queremos saber su índice dentro de la misma. Para ello Python nos ofrece la
función enumerate():
>>> for i, product in enumerate(shopping):

... print(i, product)
...
0 Agua
1 Huevos
2 Aceite
3 Sal
4 Limón

https://cutt.ly/TfiuIZ0
Truco: Es posible utilizar el parámetro start con enumerate() para indicar el índice en el
que queremos comenzar. Por defecto es 0.
Iterar sobre múltiples listas
Python ofrece la posibilidad de iterar sobre múltiples listas en paralelo utilizando la

función zip(). Se basa en ir «juntando» ambas listas elemento a elemento:
Veamos un ejemplo en el que añadimos ciertos detalles a nuestra lista de la compra:
>>> shopping = [ Agua , Aceite , Arroz ]

>>> details = [ mineral natural , de oliva virgen , basmati ]
>>> for product, detail in zip(shopping, details):

... print(product, detail)
...
5.1. Listas 163

Aprende Python
Figura 2: Funcionamiento de zip()

Aprende Python

Agua mineral natural
Aceite de oliva virgen
Arroz basmati

https://cutt.ly/lfioilG
Nota: En el caso de que las listas no tengan la misma longitud, la función zip() realiza la
combinación hasta que se agota la lista más corta.
Dado que zip() produce un iterador, si queremos obtener una lista explícita con la
combinación en paralelo de las listas, debemos construir dicha lista de la siguiente manera:

>>> details = [ mineral natural , de oliva virgen , basmati ]
>>> list(zip(shopping, details))

[( Agua , mineral natural ),
( Aceite , de oliva virgen ),
( Arroz , basmati )]
Ejercicio
pycheck: dot_product
Comparar listas
Supongamos este ejemplo:
>>> [1, 2, 3] < [1, 2, 4]

True
Python llega a la conclusión de que la lista [1, 2, 3] es menor que [1, 2, 4] porque va
comparando elemento a elemento:
• El 1 es igual en ambas listas.
• El 2 es igual en ambas litas.
• El 3 es menor que el 4, por lo que la primera lista es menor que la segunda.
Entender la forma en la que se comparan dos listas es importante para poder aplicar otras
funciones y obtener los resultados deseados.
5.1. Listas 165

Aprende Python
Ver también:
Esta comparación funciona de forma totalmente análoga a la comparación de cadenas de
texto.
5.1.4 Cuidado con las copias
Nivel intermedio
Las listas son estructuras de datos mutables y esta característica nos obliga a tener cuidado
cuando realizamos copias de listas, ya que la modificación de una de ellas puede afectar a la
otra.
Veamos un ejemplo sencillo:
>>> original_list = [4, 3, 7, 1]
>>> copy_list = original_list
>>> original_list[0] = 15
>>> original_list
[15, 3, 7, 1]
>>> copy_list
[15, 3, 7, 1]

https://cutt.ly/pfi5PC5
Nota: A través de Python Tutor se puede ver claramente el motivo de por qué ocurre esto.
Dado que las variables «apuntan» a la misma zona de memoria, al modificar una de ellas, el
cambio también se ve reflejado en la otra.
Una posible solución a este problema es hacer una «copia dura». Para ello Python
proporciona la función copy():
>>> original_list = [4, 3, 7, 1]
>>> copy_list = original_list.copy()
>>> original_list[0] = 15
>>> original_list

Aprende Python

[15, 3, 7, 1]
>>> copy_list
[4, 3, 7, 1]

https://cutt.ly/Dfi6oLk
Existe otra aproximación a este problema, y es utilizar un troceado completo de la lista,
lo que nos devuelve una «copia desvinculada» de manera implícita:
>>> original_list = [4, 3, 7, 1]
>>> copy_list = original_list[:]
>>> id(original_list) != id(copy_list)

True
Truco: En el caso de que estemos trabajando con listas que contienen elementos mutables,
debemos hacer uso de la función deepcopy() dentro del módulo copy de la librería estándar.
5.1.5 Veracidad múltiple
Si bien podemos usar sentencias condicionales para comprobar la veracidad de determinadas

expresiones, Python nos ofrece dos funciones «built-in» con las que podemos evaluar si se
cumplen todas las condiciones all() o si se cumple alguna condición any(). Estas funciones
trabajan sobre iterables, y el caso más evidente es una lista.
Supongamos un ejemplo en el que queremos comprobar si una determinada palabra cumple
las siguientes condiciones:
• Su longitud total es mayor que 4.
• Empieza por «p».
• Contiene, al menos, una «y».
Veamos la versión clásica:
>>> word = python
>>> if len(word) > 4 and word.startswith( p ) and word.count( y ) >= 1:

... print( Cool word! )
5.1. Listas 167

Aprende Python

... else:
... print( No thanks )
...
Cool word!
Veamos la versión con veracidad múltiple usando all(), donde se comprueba que se
cumplan todas las expresiones:
>>> word = python
>>> enough_length = len(word) > 4 # True

>>> right_beginning = word.startswith( p ) # True
>>> min_ys = word.count( y ) >= 1 # True
>>> is_cool_word = all([enough_length, right_beginning, min_ys])
>>> if is_cool_word:
... print( Cool word! )
... else:
...
Cool word!
Veamos la versión con veracidad múltiple usando any(), donde se comprueba que se
cumpla alguna expresión:
>>> word = yeah
>>> enough_length = len(word) > 4 # False

>>> right_beginning = word.startswith( p ) # False
>>> min_ys = word.count( y ) >= 1 # True
>>> is_fine_word = any([enough_length, right_beginning, min_ys])
>>> if is_fine_word:
... print( Fine word! )
... else:
...
Fine word!
Consejo: Este enfoque puede ser interesante cuando se manejan muchas condiciones o bien
cuando queremos separar las condiciones y agruparlas en una única lista.

Aprende Python
A tener en cuenta la peculiaridad de estas funciones cuando trabajan con la lista vacía:
>>> all([])
True
>>> any([])
False
5.1.6 Listas por comprensión
Nivel intermedio
Las listas por comprensión establecen una técnica para crear listas de forma más
compacta basándose en el concepto matemático de conjuntos definidos por comprensión.
Podríamos decir que su sintaxis sigue un modelo VLC (Value-Loop-Condition) tal y
como se muestra en la siguiente figura:
Figura 3: Estructura de una lista por comprensión
En primer lugar veamos un ejemplo en el que convertimos una cadena de texto con valores
numéricos en una lista con los mismos valores pero convertidos a enteros. En su versión
clásica haríamos algo tal que así:
>>> values = 32,45,11,87,20,48
>>> int_values = []
>>> for value in values.split( , ):

... int_value = int(value)
... int_values.append(int_value)
...
>>> int_values
[32, 45, 11, 87, 20, 48]
5.1. Listas 169

Aprende Python
Ahora veamos el código utilizando una lista por comprensión:
>>> values = 32,45,11,87,20,48
>>> int_values = [int(value) for value in values.split( , )]
>>> int_values
[32, 45, 11, 87, 20, 48]
Figura 4: Transformación de estructura clásica en lista por comprensión
Condiciones en comprensiones
También existe la posibilidad de incluir condiciones en las listas por comprensión.

Continuando con el ejemplo anterior, supongamos que sólo queremos crear la lista con
aquellos valores que empiecen por el dígito 4:
>>> values = 32,45,11,87,20,48
>>> int_values = [int(v) for v in values.split( , ) if v.startswith( 4 )]
>>> int_values
[45, 48]
Anidamiento en comprensiones
Nivel avanzado
En la iteración que usamos dentro de la lista por comprensión es posible usar bucles anidados.
Veamos un ejemplo en el que generamos todas las combinaciones de una serie de valores:
>>> values = 32,45,11,87,20,48

>>> svalues = values.split( , )

Aprende Python

>>> combinations = [f {v1}x{v2} for v1 in svalues for v2 in svalues]
>>> combinations
[ 32x32 ,
32x45 ,
32x11 ,
32x87 ,
32x20 ,
32x48 ,
45x32 ,
45x45 ,
...
48x45 ,
48x11 ,
48x87 ,
48x20 ,
48x48 ]
Consejo: Las listas por comprensión son una herramienta muy potente y nos ayuda en
muchas ocasiones, pero hay que tener cuidado de no generar expresiones excesivamente
complejas. En estos casos es mejor una aproximación clásica.
Ejercicio
pycheck: fcomp
5.1.7 sys.argv
Cuando queramos ejecutar un programa Python desde línea de comandos, tendremos la

posibilidad de acceder a los argumentos de dicho programa. Para ello se utiliza una lista
«especial» que la encontramos dentro del módulo sys y que se denomina argv:
Veamos una aplicación de lo anterior en un programa que convierte un número decimal a
una determinada base, ambos argumentos pasados por línea de comandos:
dec2base.py
1 import sys
2
3 number = int(sys.argv[1])
4 tobase = int(sys.argv[2])
5.1. Listas 171

Aprende Python
Figura 5: Acceso a parámetros en línea de comandos

5
6 match tobase:
7 case 2:
8 result = f {number:b}
9 case 8:
10 result = f {number:o}
11 case 16:
12 result = f {number:x}
13 case _:
14 result = None
15
16 if result is None:
17 print(f Base {tobase} not implemented! )
18 else:
19 print(result)
Si lo ejecutamos obtenemos lo siguiente:
$ python dec2base.py 65535 2

1111111111111111

Aprende Python
5.1.8 Funciones matemáticas
Python nos ofrece, entre otras4 , estas tres funciones matemáticas básicas que se pueden
aplicar sobre listas.
Suma de todos los valores: Mediante la función sum():
>>> data = [5, 3, 2, 8, 9, 1]

>>> sum(data)
28
Mínimo de todos los valores: Mediante la función min():
>>> data = [5, 3, 2, 8, 9, 1]

>>> min(data)
1
Máximo de todos los valores: Mediante la función max():
>>> data = [5, 3, 2, 8, 9, 1]

>>> max(data)
9
Ejercicio
Lea desde línea de comandos una serie de números y obtenga la media de dichos valores
(redondeando a 2 cifras decimales).
La llamada se haría de la siguiente manera:
$ python avg.py 32 56 21 99 12 21
Plantilla de código para el programa:
import sys
# En values tendremos una lista con los valores (como strings)

values = sys.argv[1:]
# Su código debajo de aquí
Ejemplo
• Entrada: 32 56 21 99 12 17
• Salida: 40.17
4
Existen multitud de paquetes científicos en Python para trabajar con listas o vectores numéricos. Una
de las más famosas es la librería Numpy.
5.1. Listas 173

Aprende Python
5.1.9 Listas de listas
Nivel intermedio
Como ya hemos visto en varias ocasiones, las listas son estructuras de datos que pueden
contener elementos heterogéneos. Estos elementos pueden ser a su vez listas.
A continuación planteamos un ejemplo del contexto deportivo. Un equipo de fútbol suele
tener una disposición en el campo organizada en líneas de jugadores/as. En aquella alineación
con la que España ganó la copa del mundo en 2023 había una disposición 4-3-3 con las
siguientes jugadoras:
Figura 6: Lista de listas (como equipo de fútbol)
Veamos una posible representación de este equipo de fútbol usando una lista compuesta
de listas. Primero definimos cada una de las líneas:
>>> goalkeeper = Cata

>>> defenders = [ Olga , Laia , Irene , Ona ]
>>> midfielders = [ Jenni , Teresa , Aitana ]
>>> forwards = [ Mariona , Salma , Alba ]

Aprende Python
Y ahora las juntamos en una única lista:
>>> team = [goalkeeper, defenders, midfielders, forwards]
>>> team
[ Cata ,
[ Olga , Laia , Irene , Ona ],
[ Jenni , Teresa , Aitana ],
[ Mariona , Salma , Alba ]]
Podemos comprobar el acceso a distintos elementos:
>>> team[0] # portera

Cata
>>> team[1][0] # lateral izquierdo

Olga
>>> team[2] # centrocampistas

[ Jenni , Teresa , Aitana ]
>>> team[3][1] # delantera centro

Salma
También podemos recorrer toda la alineación:
>>> for playline in team:

... if isinstance(playline, list):
... for player in playline:
... print(player, end= )
... print()
... else:
... print(playline)
...
Cata
Olga Laia Irene Ona
Jenni Teresa Aitana
Mariona Salma Alba
Ejercicio
pycheck: mulmatrix2
Ejercicio
5.1. Listas 175

Aprende Python
pycheck: mulmatrix
1. pycheck: max_value
2. pycheck: max_value_with_min
3. pycheck: remove_dups
4. pycheck: flatten_list
5. pycheck: remove_consecutive_dups
6. pycheck: all_same
7. pycheck: sum_diagonal
8. pycheck: powers2
9. pycheck: dec2bin
10. pycheck: sum_mixed
11. pycheck: n_mult
12. pycheck: remove_second
13. pycheck: nth_power
14. pycheck: name_initials
15. pycheck: non_consecutive
16. pycheck: mult_reduce
17. pycheck: digit_rev_list
18. pycheck: time_plus_minutes
19. pycheck: sum_positive
20. pycheck: add_inverse
21. pycheck: descending_numbers
22. pycheck: merge_sorted
23. pycheck: min_value
24. pycheck: min_value_with_max
25. pycheck: trimmed_sum

Aprende Python
26. pycheck: wolves

27. pycheck: maxmin_values
28. pycheck: cascading_subsets
29. pycheck: diff_cuboid
30. pycheck: fl_strip
31. pycheck: logical_chain
32. pycheck: smallest_unused_id
33. pycheck: find_odds
34. pycheck: reagent_formula
35. pycheck: whats_next
36. pycheck: npartition
37. pycheck: add_length
38. pycheck: reversing_words
39. pycheck: barycenter
40. pycheck: kpower
41. pycheck: sort_numbers
42. pycheck: flatten_list_deep
43. pycheck: first_duplicated
44. pycheck: fill_values
45. pycheck: frange
46. pycheck: qual_number
• Linked Lists in Python: An Introduction

• Python Command Line Arguments
• Sorting Data With Python
• When to Use a List Comprehension in Python
• Using the Python zip() Function for Parallel Iteration
• Lists and Tuples in Python
• How to Use sorted() and sort() in Python
5.1. Listas 177

Aprende Python
• Using List Comprehensions Effectively
5.2 Tuplas
El concepto de tupla es muy similar al de lista. Aunque hay algunas diferencias menores, lo
fundamental es que, mientras una lista es mutable y se puede modificar, una tupla no admite
cambios y por lo tanto, es inmutable.1
5.2.1 Creando tuplas
Podemos pensar en crear tuplas tal y como lo hacíamos con listas, pero usando paréntesis
en lugar de corchetes:
>>> empty_tuple = ()
>>> tenerife_geoloc = (28.46824, -16.25462)
>>> three_wise_men = ( Melchor , Gaspar , Baltasar )
Truco: Al igual que con las listas, las tuplas admiten diferentes tipos de datos: ( a , 1,
1
Foto original de portada por engin akyurt en Unsplash.

Aprende Python
True)
Tuplas de un elemento
Hay que prestar especial atención cuando vamos a crear una tupla de un único elemento.
La intención primera sería hacerlo de la siguiente manera:
>>> one_item_tuple = ( Papá Noel )
>>> one_item_tuple
Papá Noel
>>> type(one_item_tuple)
str
Realmente, hemos creado una variable de tipo str (cadena de texto). Para crear una tupla
de un elemento debemos añadir una coma al final:
>>> one_item_tuple = ( Papá Noel ,)
>>> one_item_tuple
( Papá Noel ,)
>>> type(one_item_tuple)
tuple
Tuplas sin paréntesis
Según el caso, hay veces que nos podemos encontrar con tuplas que no llevan paréntesis.
Quizás no está tan extendido, pero a efectos prácticos tiene el mismo resultado. Veamos
algunos ejemplos de ello:
>>> one_item_tuple = Papá Noel ,
>>> three_wise_men = Melchor , Gaspar , Baltasar
>>> tenerife_geoloc = 28.46824, -16.25462
Advertencia: Aunque está permitido, NUNCA llames tuple a una variable porque
destruirías la función que nos permite crear tuplas. Y tampoco uses nombres derivados
como _tuple o tuple_ ya que no son nombres representativos que identifiquen el propósito
de la variable.
5.2. Tuplas 179

Aprende Python
5.2.2 Modificar una tupla
Como ya hemos comentado previamente, las tuplas con estructuras de datos inmutables.
Una vez que las creamos con un valor, no podemos modificarlas. Veamos qué ocurre si lo
intentamos:
>>> three_wise_men = Melchor , Gaspar , Baltasar
>>> three_wise_men[0] = Tom Hanks

TypeError: tuple object does not support item assignment
5.2.3 Conversión
Para convertir otros tipos de datos en una tupla podemos usar la función tuple():
>>> tuple(shopping)
( Agua , Aceite , Arroz )
Esta conversión es válida para aquellos tipos de datos que sean iterables: cadenas de
caracteres, listas, diccionarios, conjuntos, etc. Un ejemplo que no funciona es intentar
convertir un número en una tupla:
>>> tuple(5)
TypeError: int object is not iterable
El uso de la función tuple() sin argumentos equivale a crear una tupla vacía:
>>> tuple()
()
Truco: Para crear una tupla vacía, se suele recomendar el uso de () frente a tuple(), no
sólo por ser más pitónico sino por tener (en promedio) un mejor rendimiento en tiempos de
ejecución.

Aprende Python
5.2.4 Operaciones con tuplas
Con las tuplas podemos realizar todas las operaciones que vimos con listas salvo las que
conlleven una modificación «in-situ» de la misma:
• reverse()
• append()
• extend()
• remove()
• clear()
• sort()
Truco: Sí es posible aplicar sorted() o reversed() sobre una tupla ya que no estamos
modificando su valor sino creando un nuevo objeto.
Ver también:
La comparación de tuplas funciona exactamente igual que la comparación de listas.
5.2.5 Desempaquetado de tuplas
El desempaquetado es una característica de las tuplas que nos permite asignar una tupla
a variables independientes:
Figura 7: Desempaquetado de tuplas
Veamos un ejemplo con código:
5.2. Tuplas 181

Aprende Python
>>> three_wise_men = ( Melchor , Gaspar , Baltasar )
>>> king1, king2, king3 = three_wise_men
>>> king1
Melchor
>>> king2
Gaspar
>>> king3
Baltasar
Python proporciona la función «built-in» divmod() que devuelve el cociente y el resto de

una división usando una única llamada. Lo interesante (para el caso que nos ocupa) es que
se suele utilizar el desempaquetado de tuplas para obtener los valores:
>>> quotient, remainder = divmod(7, 3)
>>> quotient
2
>>> remainder
1
Intercambio de valores
A través del desempaquetado de tuplas podemos llevar a cabo el intercambio de los valores
de dos variables de manera directa:
>>> value1 = 40
>>> value2 = 20
>>> value1, value2 = value2, value1
>>> value1
20
>>> value2
40
Nota: A priori puede parecer que esto es algo «natural», pero en la gran mayoría de lenguajes
de programación no es posible hacer este intercambio de forma «directa» ya que necesitamos
recurrir a una tercera variable «auxiliar» como almacén temporal en el paso intermedio de
traspaso de valores.

Aprende Python
Desempaquetado extendido
No tenemos que ceñirnos a realizar desempaquetado uno a uno. También podemos extenderlo
e indicar ciertos «grupos» de elementos mediante el operador *.
Veamos un ejemplo:
>>> ranking = ( G , A , R , Y , W )
>>> head, *body, tail = ranking
>>> head
G
>>> body
[ A , R , Y ]
>>> tail
W
Podemos aplicar combinaciones del enfoque anterior. Por ejemplo usando sólo dos elementos:
>>> ranking = ( G , A , R , Y , W )
>>> head, *body = ranking

>>> head
G
>>> body
[ A , R , Y , W ]
>>> *body, tail = ranking

>>> body
[ G , A , R , Y ]
>>> tail
W
Lo que se tiene que cumplir es que el número de elementos de destino debe ser menor
o igual que el número de elementos de origen:
>>> ranking
( G , A , R , Y , W )
>>> len(ranking)
5
>>> r1, r2, r3, r4, r5, r6 = ranking

5.2. Tuplas 183

Aprende Python

ValueError: not enough values to unpack (expected 6, got 5)
Desempaquetado genérico
El desempaquetado de tuplas es extensible a cualquier tipo de datos que sea iterable. Veamos
algunos ejemplos de ello.
Sobre cadenas de texto:
>>> oxygen = O2
>>> first, last = oxygen
>>> first, last
( O , 2 )
>>> text = Hello, World!

>>> head, *body, tail = text
>>> head, body, tail
( H , [ e , l , l , o , , , , W , o , r , l , d ], ! )
Sobre listas:
>>> writer1, writer2, writer3 = [ Virginia Woolf , Jane Austen , Mary Shelley ]
>>> writer1, writer2, writer3
( Virginia Woolf , Jane Austen , Mary Shelley )
>>> text = Hello, World!

>>> word1, word2 = text.split()
>>> word1, word2
( Hello, , World! )
5.2.6 ¿Tuplas por comprensión?
Los tipos de datos mutables (listas, diccionarios y conjuntos) sí permiten comprensiones

pero no así los tipos de datos inmutables como cadenas de texto y tuplas.
Si intentamos crear una tupla por comprensión utilizando paréntesis alrededor de la
expresión, vemos que no obtenemos ningún error al ejecutarlo:
>>> myrange = (number for number in range(1, 6))
Sin embargo no hemos conseguido una tupla por comprensión sino un generador:

Aprende Python
>>> myrange
<generator object <genexpr> at 0x10b3732e0>
5.2.7 Tuplas vs Listas
Aunque puedan parecer estructuras de datos muy similares, sabemos que las tuplas carecen de
ciertas operaciones, especialmente las que tienen que ver con la modificación de sus valores,
ya que no son inmutables. Si las listas son más flexibles y potentes, ¿por qué íbamos a
necesitar tuplas? Veamos 4 potenciales ventajas del uso de tuplas frente a las listas:
1. Las tuplas ocupan menos espacio en memoria.
2. En las tuplas existe protección frente a cambios indeseados.
3. Las tuplas se pueden usar como claves de diccionarios (son «hashables»).
4. Las namedtuples son una alternativa sencilla a los objetos.
5.3 Diccionarios
Podemos trasladar el concepto de diccionario de la vida real al de diccionario en Python.

Al fin y al cabo un diccionario es un objeto que contiene palabras, y cada palabra tiene
asociado un significado. Haciendo el paralelismo, diríamos que en Python un diccionario es
5.3. Diccionarios 185

Aprende Python
también un objeto indexado por claves (las palabras) que tienen asociados unos valores
(los significados).1
Figura 8: Analogía de un diccionario en Python
Los diccionarios en Python tienen las siguientes características:

• Mantienen el orden en el que se insertan las claves.2
• Son mutables, con lo que admiten añadir, borrar y modificar sus elementos.
• Las claves deben ser únicas. A menudo se utilizan las cadenas de texto como claves,
pero en realidad podría ser cualquier tipo de datos inmutable: enteros, flotantes, tuplas
(entre otros).
1
Foto original de portada por Aaron Burden en Unsplash.
2
Aunque históricamente Python no establecía que las claves de los diccionarios tuvieran que mantener su
orden de inserción, a partir de Python 3.7 este comportamiento cambió y se garantizó el orden de inserción
de las claves como parte oficial de la especificación del lenguaje.

Aprende Python
• Tienen un acceso muy rápido a sus elementos, debido a la forma en la que están
implementados internamente.3
Nota: En otros lenguajes de programación, a los diccionarios se les conoce como arrays
asociativos, «hashes» o «hashmaps».
5.3.1 Creando diccionarios
Para crear un diccionario usamos llaves {} rodeando asignaciones clave: valor que están
separadas por comas. Veamos algunos ejemplos de diccionarios:
>>> empty_dict = {}
>>> rae = {
... bifronte : De dos frentes o dos caras ,
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa
... }
>>> population_can = {
... 2015: 2_135_209,
... 2016: 2_154_924,
... 2017: 2_177_048,
... 2018: 2_206_901,
... 2019: 2_220_270
... }
En el código anterior podemos observar la creación de un diccionario vacío, otro donde sus
claves y sus valores son cadenas de texto y otro donde las claves y los valores son valores
enteros.
https://cutt.ly/Sfav2Yw
Advertencia: Aunque está permitido, NUNCA llames dict a una variable porque
destruirías la función que nos permite crear diccionarios. Y tampoco uses nombres
derivados como _dict o dict_ ya que no son nombres representativos que identifiquen el
propósito de la variable.
Ejercicio
3
Véase este análisis de complejidad y rendimiento de distintas estructuras de datos en CPython.

Aprende Python
Entre en el intérprete interactivo de Python (>>>) y cree un diccionario con los nombres
(como claves) de 5 personas de su familia y sus edades (como valores).
5.3.2 Conversión
Para convertir otros tipos de datos en un diccionario podemos usar la función dict():
>>> # Diccionario a partir de una lista de cadenas de texto

>>> dict([ a1 , b2 ])
{ a : 1 , b : 2 }
>>> # Diccionario a partir de una tupla de cadenas de texto

>>> dict(( a1 , b2 ))
{ a : 1 , b : 2 }
>>> # Diccionario a partir de una lista de listas

>>> dict([[ a , 1], [ b , 2]])
{ a : 1, b : 2}
Nota: Si nos fijamos bien, cualquier iterable que tenga una estructura interna de 2 elementos
es susceptible de convertirse en un diccionario a través de la función dict().
Diccionario vacío
Existe una manera particular de usar dict() y es no pasarle ningún argumento. En este
caso estaremos queriendo convertir el «vacío» en un diccionario, con lo que obtendremos un
diccionario vacío:
>>> dict()
{}
Truco: Para crear un diccionario vacío, se suele recomendar el uso de {} frente a dict(),
no sólo por ser más pitónico sino por tener (en promedio) un mejor rendimiento en tiempos
de ejecución.

Aprende Python
Creación con dict()
También es posible utilizar la función dict() para crear dicionarios y no tener que utilizar
llaves y comillas:
Supongamos que queremos transformar la siguiente tabla en un diccionario:
Atributo Valor
name Guido
surname Van Rossum
job Python creator
Utilizando la construcción mediante dict podemos pasar clave y valor como argumentos
de la función:
>>> person = dict(

... name= Guido ,
... surname= Van Rossum ,
... job= Python creator
... )
>>> person
{ name : Guido , surname : Van Rossum , job : Python creator }
El inconveniente que tiene esta aproximación es que las claves deben ser identificadores
válidos en Python. Por ejemplo, no se permiten espacios:
>>> person = dict(

... name= Guido van Rossum ,
... date of birth= 31/01/1956
date of birth= 31/01/1956
^
Nivel intermedio
Es posible crear un diccionario especificando sus claves y un único valor de «relleno»:
>>> dict.fromkeys( aeiou , 0)

{ a : 0, e : 0, i : 0, o : 0, u : 0}
Nota: Es válido pasar cualquier «iterable» como referencia a las claves.

Aprende Python
5.3.3 Operaciones con diccionarios
Obtener un elemento
Para obtener un elemento de un diccionario basta con escribir la clave entre corchetes.
Veamos un ejemplo:
>>> rae = {
... }
>>> rae[ anarcoide ]

Que tiende al desorden
Si intentamos acceder a una clave que no existe, obtendremos un error:
>>> rae[ acceso ]

KeyError: acceso
Usando get()
Existe una función muy útil para «superar» los posibles errores de acceso por claves
inexistentes. Se trata de get() y su comportamiento es el siguiente:
1. Si la clave que buscamos existe, nos devuelve su valor.
2. Si la clave que buscamos no existe, nos devuelve None4 salvo que le indiquemos otro
valor por defecto, pero en ninguno de los dos casos obtendremos un error.
1 >>> rae
2 { bifronte : De dos frentes o dos caras ,
3 anarcoide : Que tiende al desorden ,
4 montuvio : Campesino de la costa }
5
6 >>> rae.get( bifronte )

7 De dos frentes o dos caras
8
9 >>> rae.get( programación )

10

4
None es la palabra reservada en Python para la «nada». Más información en esta web.

Aprende Python

11 >>> rae.get( programación , No disponible )
12 No disponible
Línea 6: Equivalente a rae[ bifronte ].

Línea 9: La clave buscada no existe y obtenemos None.5
Línea 11: La clave buscada no existe y nos devuelve el valor que hemos aportado por
defecto.
Añadir o modificar un elemento
Para añadir un elemento a un diccionario sólo es necesario hacer referencia a la clave y

asignarle un valor:
• Si la clave ya existía en el diccionario, se reemplaza el valor existente por el nuevo.
• Si la clave es nueva, se añade al diccionario con su valor. No vamos a obtener un
error a diferencia de las listas.
Partimos del siguiente diccionario para ejemplificar estas acciones:
>>> rae = {
... }
Vamos a añadir la palabra enjuiciar a nuestro diccionario de la Real Academia de La

Lengua:
>>> rae[ enjuiciar ] = Someter una cuestión a examen, discusión y juicio
>>> rae
{ bifronte : De dos frentes o dos caras ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa ,
enjuiciar : Someter una cuestión a examen, discusión y juicio }
Supongamos ahora que queremos modificar el significado de la palabra enjuiciar por otra
acepción:
5
Realmente no estamos viendo nada en la consola de Python porque la representación en cadena de texto
es vacía.

Aprende Python
>>> rae[ enjuiciar ] = Instruir, juzgar o sentenciar una causa
>>> rae
enjuiciar : Instruir, juzgar o sentenciar una causa }
Creando desde vacío
Una forma muy habitual de trabajar con diccionarios es utilizar el patrón creación
partiendo de uno vacío e ir añadiendo elementos poco a poco.
Supongamos un ejemplo en el que queremos construir un diccionario donde las claves son
las letras vocales y los valores son sus posiciones:
>>> VOWELS = aeiou
>>> enum_vowels = {}
>>> for i, vowel in enumerate(VOWELS, start=1):

... enum_vowels[vowel] = i
...
>>> enum_vowels
{ a : 1, e : 2, i : 3, o : 4, u : 5}
Nota: Hemos utilizando la función enumerate() que ya vimos para las listas en el apartado:
Iterar usando enumeración.
Ejercicio
pycheck: cities

Aprende Python
Pertenencia de una clave
La forma pitónica de comprobar la existencia de una clave dentro de un diccionario, es

utilizar el operador in:
>>> bifronte in rae

True
>>> almohada in rae

False
>>> montuvio not in rae

False
Nota: El operador in siempre devuelve un valor booleano, es decir, verdadero o falso.
Ejercicio
pycheck: count_letters
Longitud de un diccionario
Podemos conocer el número de elementos («clave-valor») que tiene un diccionario con la

función len():
>>> rae
>>> len(rae)
4

Aprende Python
Obtener todos los elementos
Python ofrece mecanismos para obtener todos los elementos de un diccionario. Partimos del
siguiente diccionario:
>>> rae
Obtener todas las claves de un diccionario: Mediante la función keys():
>>> rae.keys()
dict_keys([ bifronte , anarcoide , montuvio , enjuiciar ])
Obtener todos los valores de un diccionario: Mediante la función values():
>>> rae.values()
dict_values([
De dos frentes o dos caras ,
Que tiende al desorden ,
Campesino de la costa ,
Instruir, juzgar o sentenciar una causa
])
Obtener todos los pares «clave-valor» de un diccionario: Mediante la función

items():
>>> rae.items()
dict_items([
( bifronte , De dos frentes o dos caras ),
( anarcoide , Que tiende al desorden ),
( montuvio , Campesino de la costa ),
( enjuiciar , Instruir, juzgar o sentenciar una causa )
])
Nota: Para este último caso cabe destacar que los «items» se devuelven como una lista
de tuplas, donde cada tupla tiene dos elementos: el primero representa la clave y el segundo
representa el valor.

Aprende Python
Iterar sobre un diccionario
En base a los elementos que podemos obtener, Python nos proporciona tres maneras de iterar
sobre un diccionario.
Iterar sobre claves:
>>> for word in rae.keys():

... print(word)
...
bifronte
anarcoide
montuvio
enjuiciar
Iterar sobre valores:
>>> for meaning in rae.values():

... print(meaning)
...
De dos frentes o dos caras
Campesino de la costa
Instruir, juzgar o sentenciar una causa
Iterar sobre «clave-valor»:
>>> for word, meaning in rae.items():

... print(f {word}: {meaning} )
...
bifronte: De dos frentes o dos caras
anarcoide: Que tiende al desorden
montuvio: Campesino de la costa
enjuiciar: Instruir, juzgar o sentenciar una causa
Nota: En este último caso, recuerde el uso de los «f-strings» para formatear cadenas de
texto.
Ejercicio
pycheck: avg_population

Aprende Python
Borrar elementos
Python nos ofrece, al menos, tres formas para borrar elementos en un diccionario:
Por su clave: Mediante la sentencia del:
>>> rae = {
... }
>>> del rae[ bifronte ]
>>> rae
{ anarcoide : Que tiende al desorden , montuvio : Campesino de la costa }
Por su clave (con extracción): Mediante la función pop() podemos extraer un elemento
del diccionario por su clave. Vendría a ser una combinación de get() + del:
>>> rae = {
... }
>>> rae.pop( anarcoide )

>>> rae
{ bifronte : De dos frentes o dos caras , montuvio : Campesino de la costa }
>>> rae.pop( bucle )

KeyError: bucle
Advertencia: Si la clave que pretendemos extraer con pop() no existe,

obtendremos un error.
Borrado completo del diccionario:

1. Utilizando la función clear():
>>> rae = {

Aprende Python

... }
>>> rae.clear()
>>> rae
{}
� En este caso borramos el contenido de la variable.

2. «Reinicializando» el diccionario a vacío con {}:
>>> rae = {
... }
>>> rae = {}
>>> rae
{}
� En este caso creamos una nueva variable «vacía».
Ejercicio
pycheck: merge_dicts
Combinar diccionarios
Dados dos (o más) diccionarios, es posible «mezclarlos» para obtener una combinación de
los mismos. Esta combinación se basa en dos premisas:
1. Si la clave no existe, se añade con su valor.
2. Si la clave ya existe, se añade con el valor del «último» diccionario en la mezcla.6
Python ofrece dos mecanismos para realizar esta combinación. Vamos a partir de los
siguientes diccionarios para ejemplificar su uso:
6
En este caso «último» hace referencia al diccionario que se encuentra más a la derecha en la expresión.

Aprende Python
>>> rae1 = {
... enjuiciar : Someter una cuestión a examen, discusión y juicio
... }
>>> rae2 = {
... montuvio : Campesino de la costa ,
... enjuiciar : Instruir, juzgar o sentenciar una causa
... }
Sin modificar los diccionarios originales: Mediante el operador **:
>>> {**rae1, **rae2}

enjuiciar : Instruir, juzgar o sentenciar una causa ,
montuvio : Campesino de la costa }
A partir de Python 3.9 podemos utilizar el operador | para combinar dos diccionarios:
>>> rae1 | rae2

Modificando los diccionarios originales: Mediante la función update():
>>> rae1.update(rae2)
>>> rae1
Nota: Tener en cuenta que el orden en el que especificamos los diccionarios a la hora de su
combinación (mezcla) es relevante en el resultado final. En este caso el orden de los factores
sí altera el producto.

Aprende Python
5.3.4 Cuidado con las copias
Nivel intermedio
Al igual que ocurría con las listas, si hacemos un cambio en un diccionario, se verá reflejado
en todas las variables que hagan referencia al mismo. Esto se deriva de su propiedad de ser
mutable. Veamos un ejemplo concreto:
>>> original_rae = {
... }
>>> copy_rae = original_rae
>>> original_rae[ bifronte ] = bla bla bla
>>> original_rae
{ bifronte : bla bla bla ,
>>> copy_rae
Una posible solución a este problema es hacer una «copia dura». Para ello Python
proporciona la función copy():
>>> original_rae = {
... }
>>> copy_rae = original_rae.copy()
>>> original_rae[ bifronte ] = bla bla bla
>>> original_rae
>>> copy_rae

Aprende Python

Truco: En el caso de que estemos trabajando con diccionarios que contienen elementos
mutables, debemos hacer uso de la función deepcopy() dentro del módulo copy de la librería
estándar.
5.3.5 Diccionarios por comprensión
Nivel intermedio
De forma análoga a cómo se escriben las listas por comprensión, podemos aplicar este método
a los diccionarios usando llaves { }.
Veamos un ejemplo en el que creamos un diccionario por comprensión donde las claves
son palabras y los valores son sus longitudes:
>>> words = ( sun , space , rocket , earth )
>>> words_length = {word: len(word) for word in words}
>>> words_length
{ sun : 3, space : 5, rocket : 6, earth : 5}
También podemos aplicar condiciones a estas comprensiones. Continuando con el ejemplo

anterior, podemos incorporar la restricción de sólo incluir palabras que no empiecen por
vocal:
>>> words = ( sun , space , rocket , earth )
>>> words_length = {w: len(w) for w in words if w[0] not in aeiou }
>>> words_length
{ sun : 3, space : 5, rocket : 6}
Nota: Se puede consultar el PEP-274 para ver más ejemplos sobre diccionarios por
comprensión.
Ejercicio

Aprende Python
pycheck: split_marks
5.3.6 Objetos «hashables»
Nivel avanzado
La única restricción que deben cumplir las claves de un diccionario es ser «hashables»7 .
Un objeto es «hashable» si se le puede asignar un valor «hash» que no cambia en ejecución
durante toda su vida.
Para encontrar el «hash» de un objeto, Python usa la función hash(), que devuelve un
número entero y es utilizado para indexar la tabla «hash» que se mantiene internamente:
>>> hash(999)
999
>>> hash(3.14)
322818021289917443
>>> hash( hello )

-8103770210014465245
>>> hash(( a , b , c ))
-2157188727417140402
Para que un objeto sea «hashable», debe ser inmutable:
>>> hash([ a , b , c ])
TypeError: unhashable type: list
Nota: De lo anterior se deduce que las claves de los diccionarios, al tener que ser
«hasheables», sólo pueden ser objetos inmutables.
La función «built-in» hash() realmente hace una llamada al método mágico __hash__() del
objeto en cuestión:
>>> hash( spiderman )

-8105710090476541603

7
Se recomienda esta ponencia de Víctor Terrón sobre objetos «hashables».

Aprende Python

>>> spiderman .__hash__()
-8105710090476541603
1. pycheck: group_words
2. pycheck: same_dict_values
3. pycheck: build_super_dict
4. pycheck: clear_dict_values
5. pycheck: fix_keys
6. pycheck: order_stock
7. pycheck: inventory_moves
8. pycheck: sort_dict
9. pycheck: money_back
10. pycheck: money_back_max
11. pycheck: first_ntimes
12. pycheck: fix_id
• Using the Python defaultdict Type for Handling Missing Keys

• Python Dictionary Iteration: Advanced Tips & Tricks
• Python KeyError Exceptions and How to Handle Them
• Dictionaries in Python
• How to Iterate Through a Dictionary in Python
• Shallow vs Deep Copying of Python Objects

Aprende Python
5.4 Conjuntos
Un conjunto en Python representa una serie de valores únicos y sin orden establecido.
Mantiene muchas similitudes con el concepto matemático de conjunto1
5.4.1 Creando conjuntos
Para crear un conjunto basta con separar sus valores por comas y rodearlos de llaves {}:
>>> lottery = {21, 10, 46, 29, 31, 94}
>>> lottery
{10, 21, 29, 31, 46, 94}
La excepción la tenemos a la hora de crear un conjunto vacío, ya que, siguiendo la lógica

de apartados anteriores, deberíamos hacerlo a través de llaves:
>>> wrong_empty_set = {}
>>> type(wrong_empty_set)
dict
1
Foto original de portada por Duy Pham en Unsplash.
5.4. Conjuntos 203

Aprende Python
Advertencia: Si hacemos esto, lo que obtenemos es un diccionario vacío.
La única opción que tenemos es utilizar la función set():
>>> empty_set = set()
>>> empty_set
set()
>>> type(empty_set)
set
Advertencia: Aunque está permitido, NUNCA llames set a una variable porque
destruirías la función que nos permite crear conjuntos. Y tampoco uses nombres derivados
como _set o set_ ya que no son nombres representativos que identifiquen el propósito de
la variable.
5.4.2 Conversión
Para convertir otros tipos de datos en un conjunto podemos usar la función set() sobre
cualquier iterable:
>>> set( aplatanada )

{ a , d , l , n , p , t }
>>> set([1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5])

{1, 2, 3, 4, 5}
>>> set(( ADENINA , TIMINA , TIMINA , GUANINA , ADENINA , CITOSINA ))

{ ADENINA , CITOSINA , GUANINA , TIMINA }
>>> set({ manzana : rojo , plátano : amarillo , kiwi : verde })

{ kiwi , manzana , plátano }
Importante: Como se ha visto en los ejemplos anteriores, set() se suele utilizar en muchas
ocasiones como una forma de extraer los valores únicos de otros tipos de datos. En el
caso de los diccionarios se extraen las claves, que, por definición, son únicas.
Nota: El hecho de que en los ejemplos anteriores los elementos de los conjuntos estén

Aprende Python
ordenados es únicamente un «detalle de implementación» en el que no se puede confiar.
5.4.3 Operaciones con conjuntos
Obtener un elemento
En un conjunto no existe un orden establecido para sus elementos, por lo tanto no podemos
acceder a un elemento en concreto.
De este hecho se deriva igualmente que no podemos modificar un elemento existente,
ya que ni siquiera tenemos acceso al mismo. Python sí nos permite añadir o borrar elementos
de un conjunto.
Añadir un elemento
Para añadir un elemento a un conjunto debemos utilizar la función add(). Como ya hemos
indicado, al no importar el orden dentro del conjunto, la inserción no establece a priori la
posición donde se realizará.
A modo de ejemplo, vamos a partir de un conjunto que representa a los cuatro integrantes
originales de The Beatles. Luego añadiremos a un nuevo componente:
>>> # John Lennon, Paul McCartney, George Harrison y Ringo Starr

>>> beatles = set([ Lennon , McCartney , Harrison , Starr ])
>>> beatles.add( Best ) # Pete Best
>>> beatles
{ Best , Harrison , Lennon , McCartney , Starr }

https://cutt.ly/E8Q3p1m
Truco: Una pequeña regla mnemotécnica para diferenciar add() de append() es que
la función append() significa añadir al final, y como los conjuntos no mantienen un orden,
esta función se aplica únicamente a listas. Por descarte, la función add() se aplica sobre
conjuntos.
Este pequeño fragmento de código nos demuestra claramente que, aunque lo intentemos por
fuerza bruta, nunca vamos a poder insertar elementos repetidos en un conjunto:
5.4. Conjuntos 205

Aprende Python
>>> items = set()
>>> for _ in range(1_000_000):

... items.add(1)
...
>>> items
{1}
Ejercicio
pycheck: tupleset
Objetos hashables
Los elementos de un conjunto deben ser «hashables».

Por ejemplo, una lista no podría ser un objeto válido para un conjunto (ya que no es
«hashable»). Supongamos que estamos contruyendo un conjunto con los elementos químicos
de la tabla periódica:
>>> periodic_table = set()

>>> metals = [ Fe , Mg , Au , Au , Zn ]
>>> periodic_table.add(metals)
TypeError: unhashable type: list
Sin embargo, podríamos conseguir lo que buscamos si, en vez de listas, usáramos tuplas
para almacenar los elementos químicos (ya que sí son «hashables»):
>>> periodic_table = set()
>>> metals = ( Fe , Mg , Au , Au , Zn )
>>> periodic_table.add(metals)
>>> non_metals = ( C , H , O , F , Cl )
>>> periodic_table.add(non_metals)
>>> periodic_table
{( Fe , Mg , Au , Au , Zn ), ( C , H , O , F , Cl )}

Aprende Python
Borrar elementos
Para borrar un elemento de un conjunto podemos utilizar la función remove(). Siguiendo

con el ejemplo anterior, vamos a borrar al último «beatle» añadido:
>>> beatles
{ Best , Harrison , Lennon , McCartney , Starr }
>>> beatles.remove( Best )
>>> beatles
{ Harrison , Lennon , McCartney , Starr }
Si tratamos de borrar un elemento que no existe en un conjunto obtendremos un

KeyError (al estilo de los diccionarios):
>>> beatles.remove( Sinatra )

KeyError: Sinatra
Longitud de un conjunto
Podemos conocer el número de elementos (cardinalidad) que tiene un conjunto con la función
len():
>>> beatles
>>> len(beatles)
4
Ejercicio
pycheck: diverse_word
5.4. Conjuntos 207

Aprende Python
Iterar sobre un conjunto
Tal y como hemos visto para otros tipos de datos iterables, la forma de recorrer los elementos
de un conjunto es utilizar la sentencia for:
>>> for beatle in beatles:

... print(beatle)
...
Harrison
McCartney
Starr
Lennon
Consejo: Como en el ejemplo anterior, es muy común utilizar una variable en singular para
recorrer un iterable (en plural). No es una regla fija ni sirve para todos los casos, pero sí
suele ser una buena práctica.
Al igual que con otros tipos de datos, Python nos ofrece el operador in para determinar si
un elemento pertenece a un conjunto:
>>> beatles
>>> Lennon in beatles

True
>>> Fari in beatles

False
Obviamente también disponemos de la «negación» del operador:
>>> Fari not in beatles

True
Ejercicio
pycheck: half_out

Aprende Python
Ordenando un conjunto
Ya hemos comentado que los conjuntos no mantienen un orden. ¿Pero qué ocurre si
intentamos ordenarlo?
>>> marks = {8, 4, 6, 2, 9, 5}
>>> sorted(marks)
[2, 4, 5, 6, 8, 9]
Obtenemos una lista con los elementos ordenados.

Hay que tener en cuenta que, lógicamente, no podremos hacer uso de la función sort() sobre
un conjunto:
>>> marks.sort()
AttributeError: set object has no attribute sort
5.4.4 Teoría de conjuntos
Vamos a partir de dos conjuntos 𝐴 = {1, 2} y 𝐵 = {2, 3} para ejemplificar las distintas
operaciones que se pueden hacer entre ellos basadas en los Diagramas de Venn y la Teoría
de Conjuntos:
>>> A = {1, 2}
>>> B = {2, 3}
Figura 9: Diagramas de Venn
5.4. Conjuntos 209

Aprende Python
Intersección
𝐴 ∩ 𝐵 – Elementos que están a la vez en 𝐴 y en 𝐵:
>>> A & B
{2}
>>> A.intersection(B)
{2}
Unión
𝐴 ∪ 𝐵 – Elementos que están tanto en 𝐴 como en 𝐵:
>>> A | B
{1, 2, 3}
>>> A.union(B)
{1, 2, 3}
Diferencia
𝐴 ∖ 𝐵 – Elementos que están en 𝐴 y no están en 𝐵:
>>> A - B
{1}
>>> A.difference(B)
{1}
Diferencia simétrica
𝐴△𝐵 – Elementos que están en 𝐴 o en 𝐵 pero no en ambos

conjuntos:
>>> A ^ B
{1, 3}
>>> A.symmetric_difference(B)
{1, 3}
Podemos comprobar que la definición de la diferencia

simétrica se cumple también en Python:

Aprende Python
>>> A ^ B == (A | B) - (A & B)
True
Inclusión
• Un conjunto 𝐵 es un subconjunto de otro conjunto

𝐴 si todos los elementos de 𝐵 están incluidos en 𝐴.
• Un conjunto 𝐴 es un superconjunto de otro conjunto
𝐵 si todos los elementos de 𝐵 están incluidos en 𝐴.
Veamos un ejemplo con los siguientes conjuntos:
>>> A = {2, 4, 6, 8, 10}

>>> B = {4, 6, 8}
Figura 10: Subconjuntos y Superconjuntos
En Python podemos realizar comprobaciones de inclusión

(subconjuntos y superconjuntos) utilizando operadores clásicos de comparación:
𝐵⊂𝐴
5.4. Conjuntos 211

Aprende Python
>>> B < A # subconjunto

True
𝐵⊆𝐴
>>> B <= A
True
𝐴⊃𝐵
>>> A > B # superconjunto

True
𝐴⊇𝐵
>>> B >= A
True
El hecho de que algunos elementos sí pertenezcan a otro conjunto no hace que sea un
subconjunto. En el siguiente ejemplo tanto 3 como 5 del conjunto 𝐵 están en el conjunto 𝐴,
pero al no estar el elemento 1 no se trata de un subconjunto:
>>> A = {3, 5, 7, 9}
>>> B = {1, 3, 5}
>>> B < A
False
5.4.5 Conjuntos por comprensión
Los conjuntos, al igual que las listas y los diccionarios, también se pueden crear por
comprensión.
Veamos un ejemplo en el que construimos un conjunto por comprensión con aquellos números
enteros múltiplos de 3 en el rango [0, 20):
>>> m3 = {number for number in range(0, 20) if number % 3 == 0}
>>> m3
{0, 3, 6, 9, 12, 15, 18}
Ejercicio
pycheck: common_consonants

Aprende Python
5.4.6 Conjuntos inmutables
Python ofrece la posibilidad de crear conjuntos inmutables haciendo uso de la función

frozenset() que recibe cualquier iterable como argumento.
Supongamos que recibimos una serie de calificaciones de exámenes y queremos crear un
conjunto inmutable con los posibles niveles (categorías) de calificaciones:
>>> marks = [1, 3, 2, 3, 1, 4, 2, 4, 5, 2, 5, 5, 3, 1, 4]
>>> marks_levels = frozenset(marks)
>>> marks_levels
frozenset({1, 2, 3, 4, 5})
Veamos qué ocurre si intentamos modificar este conjunto:
>>> marks_levels.add(50)
AttributeError: frozenset object has no attribute add
Un ejemplo en el que podemos aplicar un «frozenset» sería el conjunto de posibles piezas

del ajedrez. Sabemos que estas piezas siempre son las mismas:
>>> CHESS_PIECES = frozenset(( King , Queen , Bishop , Knight , Rook , Pawn ))
>>> CHESS_PIECES
frozenset({ Bishop , King , Knight , Pawn , Queen , Rook })
Nota: Los frozenset son a los sets lo que las tuplas a las listas: una forma de «congelar»
los valores para que no se puedan modificar.
1. pycheck: is_binary
5.4. Conjuntos 213

Aprende Python
• Sets in Python
5.5 Ficheros
Aunque los ficheros encajarían más en un apartado de «entrada/salida» ya que representan

un medio de almacenamiento persistente, también podrían ser vistos como estructuras
de datos, puesto que nos permiten guardar la información y asignarles un cierto formato.1
Un fichero es un conjunto de bytes almacenados en algún dispositivo. El sistema de ficheros
es la estructura lógica que alberga los ficheros y está jerarquizado a través de directorios (o
carpetas). Cada fichero se identifica unívocamente a través de una ruta que nos
permite acceder a él.
1
Foto original de portada por Maksym Kaharlytskyi en Unsplash.

Aprende Python
5.5.1 Lectura de un fichero
Python ofrece la función open() para «abrir» un fichero. Esta apertura se puede realizar en
3 modos distintos:
• Lectura del contenido de un fichero existente.
• Escritura del contenido en un fichero nuevo.
• Añadido al contenido de un fichero existente.
Veamos un ejemplo para leer el contenido de un fichero en el que se encuentran las
temperaturas mínimas y máximas de cada día de la última semana. El fichero está en la
subcarpeta (ruta relativa) files/temps.dat y tiene el siguiente contenido:
23 29
23 31
26 34
23 33
22 29
22 28
22 28
Lo primero será abrir el fichero:
>>> f = open( files/temps.dat , r )
La función open() recibe como primer argumento la ruta al fichero que queremos manejar
(como un «string») y como segundo argumento el modo de apertura (también como un
«string»). Nos devuelve el manejador del fichero, que en este caso lo estamos asignando
a una variable llamada f pero le podríamos haber puesto cualquier otro nombre.
Nota: Es importante dominar los conceptos de ruta relativa y ruta absoluta para el
trabajo con ficheros. Véase este artículo de DeNovatoANovato.
El manejador del fichero se implementa mediante un flujo de entrada/salida para las

operaciones de lectura/escritura. Este objeto almacena, entre otras cosas, la ruta al fichero,
el modo de apertura y la codificación:
>>> f
<_io.TextIOWrapper name= files/temps.dat mode= r encoding= UTF-8 >
Truco: Existen muchas codificaciones de caracteres para ficheros, pero la más utilizada es
UTF-8 ya que es capaz de representar cualquier caracter Unicode al utilizar una longitud
variable de 1 a 4 bytes.
5.5. Ficheros 215

Aprende Python
Hay que tener en cuenta que la ruta al fichero que abrimos (en modo lectura) debe existir,
ya que de lo contrario obtendremos un error:
>>> f = open( foo.txt , r )

FileNotFoundError: [Errno 2] No such file or directory: foo.txt
Una vez abierto el fichero ya podemos proceder a leer su contenido. Para ello Python nos
ofrece la posibilidad de leer todo el fichero de una vez o bien leerlo línea a línea.
Lectura completa de un fichero
Siguiendo con nuestro ejemplo de temperaturas, veamos cómo leer todo el contenido del
fichero de una sola vez. Para esta operación, Python nos provee, al menos, de dos funciones:
read() Devuelve todo el contenido del fichero como una cadena de texto (str):
>>> # Podemos obviar r ya que es el modo por defecto!

>>> f = open( files/temps.dat )
>>> f.read()
23 29\n23 31\n26 34\n23 33\n22 29\n22 28\n22 28\n
readlines() Devuelve todo el contenido del fichero como una lista (list) donde cada línea
es un elemento de la lista:
>>> f.readlines()
[ 23 29\n , 23 31\n , 26 34\n , 23 33\n , 22 29\n , 22 28\n , 22 28\n ]
Importante: Nótese que, en ambos casos, los saltos de línea \n siguen apareciendo en
los datos leídos, por lo que habría que «limpiar» estos caracteres. Para ello se recomienda
utilizar las funciones ya vistas de cadenas de texto.

Aprende Python
Lectura línea a línea
Hay situaciones en las que interesa leer el contenido del fichero línea a línea. Imaginemos un
fichero de tamaño considerable (varios GB). Si intentamos leer completamente este fichero
de sola una vez podríamos ocupar demasiada RAM y reducir el rendimiento de nuestra
máquina.
Es por ello que Python nos ofrece varias aproximaciones a la lectura de ficheros línea a
línea. La más usada es iterar sobre el propio manejador del fichero, ya que los ficheros son
estructuras de datos iterables:
>>> for line in f: # that easy!

... print(line)
...
23 29
23 31
26 34
23 33
22 29
22 28
22 28
Truco: Igual que pasaba anteriormente, la lectura línea por línea también incluye el salto
de línea \n lo que provoca un «doble espacio» entre cada una de las salidas. Bastaría con
aplicar line.strip() para eliminarlo.
Lectura de una línea
Hay ocasiones en las que nos interesa leer únicamente una sola línea. Es cierto que esto se
puede conseguir mediante la aproximación anterior. Sería algo como:
>>> for line in f:

... print(line)
5.5. Ficheros 217

Aprende Python

... break
...
23 29
Pero Python también ofrece la función readline() que nos devuelve la siguiente línea del
fichero:
>>> f.readline()
23 29\n
Es importante señalar que cuando utilizamos la función readline() el «puntero de

lectura» se desplaza a la siguiente línea del fichero, con lo que podemos seguir
cargando la información según nos interese:
>>> # Lectura de las 3 primeras líneas

>>> for _ in range(3):
... print(f.readline().strip())
...
23 29
23 31
26 34
>>> # Lectura de las restantes líneas (4)

>>> for line in f:
... print(line.strip())
...
23 33
22 29
22 28
22 28
La función readline() devuelve la cadena vacía cuando ha llegado (puntero de lectura)

al final del fichero. Con esta premisa podemos implementar una forma poco ortodoxa de
recorrer un fichero usando la función readline():
>>> while line := f.readline(): # No hagas esto!

... print(line.strip())
...
23 29

Aprende Python

23 31
26 34
23 33
22 29
22 28
22 28
Los ficheros se agotan
Hay que tener en cuenta que, una vez que leemos un fichero, no lo podemos volver a leer
«directamente». O dicho de otra manera, el iterable que lleva implícito «se agota».
Veamos este escenario con el ejemplo anterior:
>>> for line in f:

... print(line.strip(), end= )
...
23 29 23 31 26 34 23 33 22 29 22 28 22 28
>>> for line in f:

... # No hay salida!!
Esto mismo ocurre si utilizamos funciones como read() o readlines().
Advertencia: Por este motivo y también por cuestiones de legibilidad del código,
deberíamos abrir un fichero una única vez y realizar todas las operaciones de lectura
necesarias, siempre que las circunstancias lo permitan.
Hay una posibilidad de volver a leer desde el principio y es utilizando la función seek().
Esta función permite situar el «puntero de lectura» en cualquier byte del fichero. Veamos
cómo usarlo:
>>> for line in f:

...
23 29 23 31 26 34 23 33 22 29 22 28 22 28
5.5. Ficheros 219

Aprende Python

>>> f.seek(0) # desplazamiento al principio
0
>>> for line in f:

...
23 29 23 31 26 34 23 33 22 29 22 28 22 28
Enumerando líneas
En ocasiones no sólo necesitamos recorrer cada línea del fichero sino también ir llevando un
«índice» que nos indique el número de línea que estamos procesando.
Dado que los manejadores de ficheros también son objetos iterables podemos hacer uso de
enumerate(). Veamos un ejemplo:
>>> for line_no, line in enumerate(f, start=1):

... print(f L{line_no}: {line.strip()} )
...
L1: 23 29
L2: 23 31
L3: 26 34
L4: 23 33
L5: 22 29
L6: 22 28
L7: 22 28
5.5.2 Escritura en un fichero
Para escribir texto en un fichero hay que abrir dicho fichero en modo escritura. Para ello
utilizamos el argumento adicional en la función open() que indica esta operación:
>>> f = open( files/canary-iata.dat , w )
Nota: Si bien el fichero en sí mismo se crea al abrirlo en modo escritura, la ruta hasta
ese fichero no. Eso quiere decir que debemos asegurarnos que las carpetas hasta llegar a
dicho fichero existen. En otro caso obtenemos un error de tipo FileNotFoundError.
Ahora ya podemos hacer uso de la función write() para enviar contenido al fichero abierto.

Aprende Python
Supongamos que queremos volcar el contenido de una lista/tupla en dicho fichero. En este
caso partimos de los códigos IATA de aeropuertos de las Islas Canarias2 .
1 >>> canary_iata = ( TFN , TFS , LPA , GMZ , VDE , SPC , ACE , FUE )
2
3 >>> for code in canary_iata:

4 ... f.write(code + \n )
5 ...
6
7 >>> f.close()
Nótese:
Línea 4 Escritura de cada código en el fichero. La función write() no incluye el salto de
línea por defecto, así que lo añadimos de manera explícita.
Línea 7 Cierre del fichero con la función close(). Especialmente en el caso de la escritura
de ficheros, se recomienda encarecidamente cerrar los ficheros para evitar pérdida de
datos.
Advertencia: Siempre que se abre un fichero en modo escritura utilizando el

argumento w , el fichero se inicializa, borrando cualquier contenido que pudiera tener.
Otra forma de escribir la tupla «de una sola vez» podría ser utilizando la función join()
con el salto de línea como separador:
>>> canary_iata = ( TFN , TFS , LPA , GMZ , VDE , SPC , ACE , FUE )
>>> f.write( \n .join(canary_iata))
>>> f.close()
En el caso de que ya tengamos una lista (iterable) cuyos elementos tengan el formato
de salida que necesitamos (incluyendo salto de línea si así fuera necesario) podemos
utilizar la función writelines() que nos ofrece Python.
Siguiendo con el ejemplo anterior, imaginemos un escenario en el que la tupla ya contiene
los saltos de línea:
>>> canary_iata = ( TFN\n , TFS\n , LPA\n , GMZ\n , VDE\n , SPC\n , ACE\n ,

˓→ FUE\n )

2
Fuente: Smart Drone
5.5. Ficheros 221

Aprende Python

>>> f.writelines(canary_iata)
>>> f.close()
Truco: Esta aproximación puede ser interesante cuando leemos de un fichero y escribimos
en otro ya que las líneas «vienen» con el salto de línea ya incorporado.
5.5.3 Añadido a un fichero
La única diferencia entre añadir información a un fichero y escribir información en un fichero

es el modo de apertura del fichero. En este caso utilizamos a por «append»:
>>> f = open( more-data.txt , a )
En este caso el fichero more-data.txt se abrirá en modo añadir con lo que las llamadas a
la función write() hará que aparezcan nueva información al final del contenido ya existente
en dicho fichero.
5.5.4 Usandos contextos
Python ofrece gestores de contexto como una solución para establecer reglas de entrada y
salida a un determinado bloque de código.
En el caso que nos ocupa, usaremos la sentencia with y el contexto creado se ocupará de
cerrar adecuadamente el fichero que hemos abierto, liberando así sus recursos:
1 >>> with open( files/temps.dat ) as f:

2 ... for line in f:
3 ... min_temp, max_temp = line.strip().split()
4 ... print(min_temp, max_temp)
5 ...
6 23 29
7 23 31
8 26 34
9 23 33
10 22 29
11 22 28
12 22 28

Aprende Python
Línea 1 Apertura del fichero en modo lectura utilizando el gestor de contexto definido por
la palabra reservada with.
Línea 2 Lectura del fichero línea a línea utilizando la iteración sobre el manejador del
fichero.
Línea 3 Limpieza de saltos de línea con strip() encadenando la función split() para
separar las dos temperaturas por el carácter espacio. Ver limpiar una cadena y dividir
una cadena.
Línea 4 Imprimir por pantalla la temperatura mínima y la máxima.
Nota: Es una buena práctica usar with cuando se manejan ficheros. La ventaja es que el
fichero se cierra adecuadamente en cualquier circunstancia, incluso si se produce cualquier
tipo de error.
Hay que prestar atención a la hora de escribir valores numéricos en un fichero, ya que el
método write() por defecto espera ver un «string» como argumento:
>>> lottery = [43, 21, 99, 18, 37, 99]
>>> with open( files/lottery.dat , w ) as f:

... for number in lottery:
... f.write(number)
...
TypeError: write() argument must be str, not int
Importante: Para evitar este tipo de errores, se debe convertir a str aquellos valores que
queramos usar con la función write() para escribir información en un fichero de texto. Los
f-strings son tu aliado.
1. pycheck: wc
2. pycheck: read_csv
3. pycheck: txt2md
4. pycheck: avg_temps
5. pycheck: find_words
6. pycheck: sum_matrix
5.5. Ficheros 223

Aprende Python
7. pycheck: longest_word
8. pycheck: word_freq
9. pycheck: get_line
10. pycheck: replace_chars
11. pycheck: histogram
12. pycheck: submarine
13. pycheck: common_words
• Reading and Writing Files in Python

• Python Context Managers and the «with» Statement

CAPÍTULO 6
Modularidad
La modularidad es la característica de un sistema que permite que sea estudiado, visto

o entendido como la unión de varias partes que interactúan entre sí y que trabajan
solidariamente para alcanzar un objetivo común, realizando cada una de ellas una tarea
necesaria para la consecución de dicho objetivo.
Cada una de esas partes en que se encuentre dividido el sistema recibe el nombre de módulo.
Idealmente un módulo debe poder cumplir las condiciones de caja negra, es decir, ser
independiente del resto de los módulos y comunicarse con ellos (con todos o sólo con una
parte) a través de entradas y salidas bien definidas.1
En este capítulo veremos las facilidades que nos proporciona Python para trabajar en la
línea de modularidad del código.
1
Definición de modularidad en Wikipedia
225
Aprende Python
6.1 Funciones
El concepto de función es básico en prácticamente cualquier lenguaje de programación. Se

trata de una estructura que nos permite agrupar código. Persigue dos objetivos claros:
1. No repetir fragmentos de código en un programa.
2. Reutilizar el código en distintos escenarios.
Una función viene definida por su nombre, sus parámetros y su valor de retorno. Esta
parametrización de las funciones las convierten en una poderosa herramienta ajustable a las
circunstancias que tengamos. Al invocarla estaremos solicitando su ejecución y obtendremos
unos resultados.1
6.1.1 Definir una función
Para definir una función utilizamos la palabra reservada def seguida del nombre6 de
la función. A continuación aparecerán 0 o más parámetros separados por comas (entre
paréntesis), finalizando la línea con dos puntos : En la siguiente línea empezaría el cuerpo
de la función que puede contener 1 o más sentencias, incluyendo (o no) una sentencia de
retorno con el resultado mediante return.
1
Foto original por Nathan Dumlao en Unsplash.
6
Las reglas aplicadas a nombres de variables también se aplican a nombres de funciones.
226 Capítulo 6. Modularidad

Aprende Python
Figura 1: Definición de una función en Python
Advertencia: Prestar especial atención a los dos puntos : porque suelen olvidarse en
la definición de la función.
Hagamos una primera función sencilla que no recibe parámetros:
def say_hello():
print( Hello! )
Nota: Nótese la indentación (sangrado) del cuerpo de la función.
Los nombres de las funciones siguen las mismas reglas que las variables y, como
norma general, se suelen utilizar verbos en infinitivo para su definición: load_data,
store_values, reset_cart, filter_results, block_request, …
Invocar una función
Para invocar (o «llamar») a una función sólo tendremos que escribir su nombre seguido de
paréntesis. En el caso de la función sencilla (vista anteriormente) se haría así:
>>> def say_hello():

... print( Hello! )
...
>>> say_hello()
Hello!
6.1. Funciones 227

Aprende Python
Nota: Como era de esperar, al invocar a esta función obtenemos un mensaje por pantalla,
fruto de la ejecución del cuerpo de la función.
Cuando queremos invocar a una función dentro de un fichero *.py lo haremos del
mismo modo que hemos visto en el intérprete interactivo:
1 def say_hello():
2 print( Hello! )
3
4 # Llamada a la función (primer nivel de indentación)

5 say_hello()
Importante: La función debe estar definida antes del punto en el que sea llamada.
Retornar un valor
Las funciones pueden retornar (o «devolver») un valor. Veamos un ejemplo muy sencillo:
>>> def one():

... return 1
...
>>> one()
1
Importante: No confundir return con print(). El valor de retorno de una función nos
permite usarlo fuera de su contexto. El hecho de añadir print() al cuerpo de una función
es algo «coyuntural» y no modifica el resultado de la lógica interna.
Nota: En la sentencia return podemos incluir variables y expresiones, no únicamente

literales.
Pero no sólo podemos invocar a la función directamente, también la podemos asignar a

variables y utilizarla:
>>> value = one()
>>> print(value)
1

Aprende Python
También la podemos integrar en otras expresiones, por ejemplo en condicionales:
>>> if one() == 1:
... print( It works! )
... else:
... print( Something is broken )
...
It works!
Si una función no incluye un return de forma explícita, devolverá None de forma implícita:
>>> def empty():

... x = 0
... # return None
>>> print(empty())
None
Existe la posibilidad de usar la sentencia return «a secas» (que también devuelve None) y
hace que «salgamos» inmediatamente de la función:
>>> def quick():

... return
...
>>> print(quick())
None
Advertencia: En general, esto no se considera una buena práctica salvo que

sepamos lo que estamos haciendo. Si la función debe devolver None es preferible ser
explícito y utilizar return None. Aunque es posible que en ciertos escenarios nos interese
dicha aproximación.
Retornando múltiples valores
Una función puede retornar más de un valor. El «secreto» es hacerlo mediante una tupla:
>>> def multiple():

... return 0, 1 # es una tupla!
...
Veamos qué ocurre si invocamos a esta función:
6.1. Funciones 229

Aprende Python
>>> result = multiple()
>>> result
(0, 1)
>>> type(result)
tuple
Por lo tanto, podremos aplicar el desempaquetado de tuplas sobre el valor retornado por la
función:
>>> a, b = multiple()
>>> a
0
>>> b
1
6.1.2 Parámetros y argumentos
Si una función no dispusiera de valores de entrada, su comportamiento quedaría muy

limitado. Es por ello que los parámetros nos permiten variar los datos que consume una
función para obtener distintos resultados. Vamos a empezar a crear funciones que reciben
parámetros.
En este caso escribiremos una función que recibe un valor numérico y devuelve su raíz
cuadrada:
>>> def sqrt(value):

... return value ** (1/2)
...
>>> sqrt(4)
2.0
Nota: En este caso, el valor 4 es un argumento de la función.
Cuando llamamos a una función con argumentos, los valores de estos argumentos se copian
en los correspondientes parámetros dentro de la función:
Truco: La sentencia pass permite «no hacer nada». Es una especie de «placeholder».

Aprende Python
Figura 2: Parámetros y argumentos de una función
Veamos otra función con dos parámetros y algo más de lógica de negocio:2
>>> def _min(a, b):

... if a < b:
... return a
... else:
... return b
...
>>> _min(7, 9)
7
Nótese que la sentencia return puede escribirse en múltiples ocasiones y puede encontrarse
en cualquier lugar de la función, no necesariamente al final del cuerpo. Esta técnica puede
ser beneficiosa en distintos escenarios.
Uno de esos escenarios se relaciona con el concepto de cláusula guarda: una pieza de código
que normalmente está al comienzo de la función y comprueba una serie de condiciones para
continuar con la ejecución o cortarla10 .
2
Término para identificar el «algoritmo» o secuencia de instrucciones derivadas del procesamiento que
corresponda.
10
Para más información sobre las cláusulas guarda, véase este artículo de Miguel G. Flores
6.1. Funciones 231

Aprende Python
Teniendo en cuenta que la sentencia return finaliza la ejecución de una función, es viable
eliminar la sentencia else del ejemplo visto anteriormente:
>>> def _min(a, b):

... if a < b:
... return a
... return b
>>> _min(7, 9)
7
Ejercicio
pycheck: squared_sum
Argumentos posicionales
Los argumentos posicionales son aquellos argumentos que se copian en sus

correspondientes parámetros por orden de escritura.
Vamos a mostrar un ejemplo definiendo una función que construye una «cpu» a partir de 3
parámetros:
>>> def build_cpu(vendor, num_cores, freq):

... return dict(
... vendor=vendor,
... num_cores=num_cores,
... freq=freq
... )
...
Una posible llamada a la función con argumentos posicionales sería la siguiente:
>>> build_cpu( AMD , 8, 2.7)

{ vendor : AMD , num_cores : 8, freq : 2.7}
Lo que ha sucedido es un mapeo directo entre argumentos y parámetros en el mismo orden

que estaban definidos:
Parámetro Argumento
vendor AMD
num_cores 8
freq 2.7

Aprende Python
Pero es evidente que una clara desventaja del uso de argumentos posicionales es que se
necesita recordar el orden de los argumentos. Un error en la posición de los argumentos
puede generar resultados indeseados:
>>> build_cpu(8, 2.7, AMD )

{ vendor : 8, num_cores : 2.7, freq : AMD }
Argumentos nominales
En esta aproximación los argumentos no son copiados en un orden específico sino que se
asignan por nombre a cada parámetro. Ello nos permite evitar el problema de conocer
cuál es el orden de los parámetros en la definición de la función. Para utilizarlo, basta con
realizar una asignación de cada argumento en la propia llamada a la función.
Veamos la misma llamada que hemos hecho en el ejemplo de construcción de la «cpu» pero
ahora utilizando paso de argumentos nominales:
>>> build_cpu(vendor= AMD , num_cores=8, freq=2.7)

Se puede ver claramente que el orden de los argumentos no influye en el resultado final:
>>> build_cpu(num_cores=8, freq=2.7, vendor= AMD )

Argumentos posicionales y nominales
Python permite mezclar argumentos posicionales y nominales en la llamada a una

función:
>>> build_cpu( INTEL , num_cores=4, freq=3.1)

{ vendor : INTEL , num_cores : 4, freq : 3.1}
Pero hay que tener en cuenta que, en este escenario, los argumentos posicionales siempre
deben ir antes que los argumentos nominales. Esto tiene mucho sentido ya que, de
no hacerlo así, Python no tendría forma de discernir a qué parámetro corresponde cada
argumento:
>>> build_cpu(num_cores=4, INTEL , freq=3.1)

SyntaxError: positional argument follows keyword argument
6.1. Funciones 233

Aprende Python
Argumentos mutables e inmutables
Nivel intermedio
Cuando realizamos modificaciones a los argumentos de una función es importante tener en
cuenta si son mutables (listas, diccionarios, conjuntos, …) o inmutables (tuplas, enteros,
flotantes, cadenas de texto, …) ya que podríamos obtener efectos colaterales no deseados.
Supongamos que nos piden escribir una función que reciba una lista y que devuelva sus
valores elevados al cuadrado. Pero lo hacemos «malamente»:
>>> values = [2, 3, 4]
>>> def square_it(values):

... # NO HAGAS ESTO
... for i in range(len(values)):
... values[i] **= 2
... return values
>>> square_it(values)
[4, 9, 16]
>>> values # ???

[4, 9, 16]
Advertencia: Esto no es una buena práctica. O bien documentar que el argumento

puede modificarse o bien retornar un nuevo valor. Por regla general, no se recomienda
que las funciones modifiquen argumentos de entrada, salvo que sea específicamente lo que
estamos buscando.
Parámetros por defecto
Es posible especificar valores por defecto en los parámetros de una función. En el caso
de que no se proporcione un valor al argumento en la llamada a la función, el parámetro
correspondiente tomará el valor definido por defecto.
Siguiendo con el ejemplo de la «cpu», podemos asignar 2.0GHz como frecuencia por defecto.
La definición de la función cambiaría ligeramente:
>>> def build_cpu(vendor, num_cores, freq=2.0):

... return dict(
... vendor=vendor,
... freq=freq

Aprende Python

... )
...
Llamada a la función sin especificar frecuencia de «cpu»:
>>> build_cpu( INTEL , 2)

Llamada a la función indicando una frecuencia concreta de «cpu»:
>>> build_cpu( INTEL , 2, 3.4)

Nivel intermedio
Es importante tener presente que los valores por defecto en los parámetros se calculan cuando
se define la función, no cuando se ejecuta. Veamos un ejemplo siguiendo con el caso anterior:
>>> DEFAULT_FREQ = 2.0
>>> def build_cpu(vendor, num_cores, freq=DEFAULT_FREQ):

... return dict(
... vendor=vendor,
... freq=freq
... )
...
>>> build_cpu( AMD , 4)

>>> DEFAULT_FREQ = 3.5
>>> build_cpu( AMD , 4)

Ejercicio
pycheck: factorial
6.1. Funciones 235

Aprende Python
Modificando parámetros mutables
Nivel avanzado
Hay que tener cuidado a la hora de manejar los parámetros que pasamos a una función ya
que podemos obtener resultados indeseados, especialmente cuando trabajamos con tipos de
datos mutables.
Supongamos una función que añade elementos a una lista que pasamos como argumento. La
idea es que si no pasamos la lista, ésta siempre empiece siendo vacía. Hagamos una serie de
pruebas pasando alguna lista como segundo argumento:
>>> def buggy(arg, result=[]):

... result.append(arg)
... print(result)
...
>>> buggy( a , [])

[ a ]
>>> buggy( b , [])

[ b ]
>>> buggy( a , [ x , y , z ])
[ x , y , z , a ]
>>> buggy( b , [ x , y , z ])
[ x , y , z , b ]
Aparentemente todo está funcionando de manera correcta, pero veamos qué ocurre en las
siguientes llamadas:
>>> def buggy(arg, result=[]):

... print(result)
...
>>> buggy( a )
[ a ]
>>> buggy( b ) # Se esperaría [ b ]

[ a , b ]
Obviamente algo no ha funcionado correctamente. Se esperaría que result tuviera una lista
vacía en cada ejecución. Sin embargo esto no sucede por estas dos razones:
1. El valor por defecto se establece cuando se define la función.

Aprende Python
2. La variable result apunta a una zona de memoria en la que se modifican sus valores.
https://cutt.ly/sBNpVT2
A riesgo de perder el parámetro por defecto, una posible solución sería la siguiente:
>>> def works(arg):

... result = []
... return result
...
>>> works( a )
[ a ]
>>> works( b )
[ b ]
La forma de arreglar el código anterior utilizando un parámetro con valor por defecto sería
utilizar un tipo de dato inmutable y tener en cuenta cuál es la primera llamada:
>>> def nonbuggy(arg, result=None):

... if result is None:
... result = []
... print(result)
...
>>> nonbuggy( a )
[ a ]
>>> nonbuggy( b )
[ b ]
>>> nonbuggy( a , [ x , y , z ])
[ x , y , z , a ]
>>> nonbuggy( b , [ x , y , z ])
[ x , y , z , b ]
6.1. Funciones 237

Aprende Python
Empaquetar/Desempaquetar argumentos
Nivel intermedio
Python nos ofrece la posibilidad de empaquetar y desempaquetar argumentos cuando estamos
invocando a una función, tanto para argumentos posicionales como para argumentos
nominales.
Y de esto se deriva el hecho de que podamos utilizar un número variable de argumentos
en una función, algo que puede ser muy interesante según el caso de uso que tengamos.
Empaquetar/Desempaquetar argumentos posicionales
Si utilizamos el operador * delante del nombre de un parámetro posicional, estaremos

indicando que los argumentos pasados a la función se empaqueten en una tupla.
Veamos un ejemplo en el que vamos a implementar una función para sumar un número
variable de valores. La función que tenemos disponible en Python no cubre este caso:
>>> sum(4, 3, 2, 1)
TypeError: sum() takes at most 2 arguments (4 given)
Para superar esta «limitación» vamos a hacer uso del * para empaquetar los argumentos
posicionales:
>>> def _sum(*values):

... print(f {values=} )
... result = 0
... for value in values: # values es una tupla
... result += value
... return result
...
>>> _sum(4, 3, 2, 1)
values=(4, 3, 2, 1)
10
Existe la posibilidad de usar el asterisco * en la llamada a la función para desempaquetar

los argumentos posicionales:
>>> values = (4, 3, 2, 1)
>>> _sum(values)

Aprende Python

File "<stdin>", line 4, in _sum
TypeError: unsupported operand type(s) for +=: int and tuple
>>> # Desempaquetado: _sum(4, 3, 2, 1)

>>> _sum(*values)
values=(4, 3, 2, 1)
10
Empaquetar/Desempaquetar argumentos nominales
Si utilizamos el operador ** delante del nombre de un parámetro nominal, estaremos

indicando que los argumentos pasados a la función se empaqueten en un diccionario.
Supongamos un ejemplo en el que queremos encontrar la persona con mayor calificación
de un examen. Haremos uso del ** para empaquetar los argumentos nominales:
>>> def best_student(**marks):

... print(f {marks=} )
... max_mark = -1
... for student, mark in marks.items(): # marks es un diccionario
... if mark > max_mark:
... max_mark = mark
... best_student = student
... return best_student
...
>>> best_student(ana=8, antonio=6, inma=9, javier=7)

marks={ ana : 8, antonio : 6, inma : 9, javier : 7}
inma
Al igual que veíamos previamente, existe la posibilidad de usar doble asterisco ** en la

llamada a la función para desempaquetar los argumentos nominales:
>>> marks = dict(ana=8, antonio=6, inma=9, javier=7)
>>> best_student(marks)
TypeError: best_student() takes 0 positional arguments but 1 was given
>>> # Desempaquetado: best_student(ana=8, antonio=6, inma=9, javier=7)

>>> best_student(**marks)
6.1. Funciones 239

Aprende Python

marks={ ana : 8, antonio : 6, inma : 9, javier : 7}
inma
Convenciones
En muchas ocasiones se utiliza args como nombre de parámetro para argumentos posicionales
y kwargs como nombre de parámetro para argumentos nominales. Esto son únicamente
convenciones, no hay obligación de utilizar estos nombres. Así, podemos encontrar
funciones definidas de la siguiente manera:
>>> def func(*args, **kwargs):
... # TODO
... pass
...
Forzando modo de paso de argumentos
Si bien Python nos da flexibilidad para pasar argumentos a nuestras funciones en modo
nominal o posicional, existen opciones para forzar que dicho paso sea obligatorio para una
determinada modalidad.
Argumentos sólo nominales
Nivel avanzado
A partir de Python 3.0 se ofrece la posibilidad de obligar a que determinados parámetros de
la función sean pasados sólo por nombre.
Para ello, en la definición de los parámetros de la función, tendremos que incluir un parámetro
especial * que delimitará el tipo de parámetros. Así, todos los parámetros a la derecha del
separador estarán obligados a ser nominales:
Ejemplo:
>>> def sum_power(a, b, *, power=False):
... if power:
... a **= 2
... b **= 2
... return a + b
...
>>> sum_power(3, 4)

Aprende Python
Figura 3: Separador para especificar parámetros sólo nominales

7
>>> sum_power(a=3, b=4)

7
>>> sum_power(3, 4, power=True)

25
>>> sum_power(3, 4, True)

TypeError: sum_power() takes 2 positional arguments but 3 were given
Argumentos sólo posicionales
Nivel avanzado
A partir de Python 3.8 se ofrece la posibilidad de obligar a que determinados parámetros de
la función sean pasados sólo por posición.
Para ello, en la definición de los parámetros de la función, tendremos que incluir un parámetro
especial / que delimitará el tipo de parámetros. Así, todos los parámetros a la izquierda del
delimitador estarán obligados a ser posicionales:
Ejemplo:
>>> def sum_power(a, b, /, power=False):

... if power:
... a **= 2
... b **= 2
6.1. Funciones 241

Aprende Python
Figura 4: Separador para especificar parámetros sólo posicionales

... return a + b
...
>>> sum_power(3, 4)
7
>>> sum_power(3, 4, True)

25
>>> sum_power(3, 4, power=True)

25
>>> sum_power(a=3, b=4)

TypeError: sum_power() got some positional-only arguments passed as keyword␣
˓→arguments: a, b
Fijando argumentos posicionales y nominales
Si mezclamos las dos estrategias anteriores podemos forzar a que una función reciba
argumentos de un modo concreto.
Continuando con el ejemplo anterior, podríamos hacer lo siguiente:
>>> def sum_power(a, b, /, *, power=False):

... if power:
... a **= 2
... b **= 2

Aprende Python

... return a + b
...
>>> sum_power(3, 4, power=True) # Único modo posible de llamada

25
Ejercicio
pycheck: consecutive_freqs
Funciones como parámetros
Nivel avanzado
Las funciones se pueden utilizar en cualquier contexto de nuestro programa. Son objetos que
pueden ser asignados a variables, usados en expresiones, devueltos como valores de retorno
o pasados como argumentos a otras funciones.
Veamos un primer ejemplo en el que pasamos una función como argumento:
>>> def success():

... print( Yeah! )
...
>>> type(success)
function
>>> def doit(f):

... f()
...
>>> doit(success)
Yeah!
Veamos un segundo ejemplo en el que pasamos, no sólo una función como argumento, sino
los valores con los que debe operar:
>>> def repeat_please(text, times=1):

... return text * times
...
>>> type(repeat_please)
function
6.1. Funciones 243

Aprende Python
>>> def doit(f, arg1, arg2):

... return f(arg1, arg2)
...
>>> doit(repeat_please, Functions as params , 2)

Functions as paramsFunctions as params
6.1.3 Documentación
Ya hemos visto que en Python podemos incluir comentarios para explicar mejor determinadas
zonas de nuestro código.
Del mismo modo podemos (y en muchos casos debemos) adjuntar documentación a la
definición de una función incluyendo una cadena de texto (docstring) al comienzo de su
cuerpo:
>>> def sqrt(value):

... Returns the square root of the value
... return value ** (1/2)
...
La forma más ortodoxa de escribir un docstring es utilizando triples comillas:
>>> def closest_int(value):

... """Returns the closest integer to the given value.
... The operation is:
... 1. Compute distance to floor.
... 2. If distance less than a half, return floor.
... Otherwise, return ceil.
... """
... floor = int(value)
... if value - floor < 0.5:
... return floor
... else:
... return floor + 1
...
Para ver el docstring de una función, basta con utilizar help:
>>> help(closest_int)
Help on function closest_int in module __main__:

Aprende Python

closest_int(value)
Returns the closest integer to the given value.
The operation is:
1. Compute distance to floor.
2. If distance less than a half, return floor.
Otherwise, return ceil.
También es posible extraer información usando el símbolo de interrogación:
>>> closest_int?
Signature: closest_int(value)
Docstring:
Returns the closest integer to the given value.
The operation is:
1. Compute distance to floor.
2. If distance less than a half, return floor.
Otherwise, return ceil.
File: ~/aprendepython/<ipython-input-75-5dc166360da1>
Type: function
Importante: Esto no sólo se aplica a funciones propias, sino a cualquier otra función
definida en el lenguaje.
Nota: Si queremos ver el docstring de una función en «crudo» (sin formatear), podemos
usar <function>.__doc__.
Explicación de parámetros
Como ya se ha visto, es posible documentar una función utilizando un docstring. Pero la

redacción y el formato de esta cadena de texto puede ser muy variada. Existen distintas
formas de documentar una función (u otros objetos)3 :
reStructuredText docstrings Formato de documentación recomendado por Python.
Google docstrings Formato de documentación recomendado por Google.
NumPy-SciPy docstrings Combinación de formatos reStructuredText y Google (usados
por el proyecto NumPy).
Epytext docstrings Formato utilizado por Epydoc (una adaptación de Javadoc).
3
Véase Docstring Formats.
6.1. Funciones 245

Aprende Python
Aunque cada uno tienes sus particularidades, todos comparten una misma estructura:
• Una primera línea de descripción de la función.
• A continuación especificamos las características de los parámetros (incluyendo sus
tipos).
• Por último, indicamos si la función retorna un valor y sus características.
Aunque todos los formatos son válidos, nos centraremos en reStructuredText por ser el
estándar propuesto por Python para la documentación.
Ver también:
Google docstrings y Numpy docstrings también son ampliamente utilizados, lo único es que
necesitan de un módulo externo denominado Napoleon para que se puedan incluir en la
documentación Sphinx.
Sphinx
Sphinx es una herramienta para generar documentación usando el lenguaje reStructuredText

o RST. Incluye un módulo «built-in» denominado autodoc el cual permite la autogeneración
de documentación a partir de los «docstrings» definidos en el código.
Veamos el uso de este formato en la documentación de la siguiente función:
>>> def my_power(x, n):

... """Calculate x raised to the power of n.
...
... :param x: number representing the base of the operation
... :type x: int
... :param n: number representing the exponent of the operation
... :type n: int
...
... :return: :math: x^n
... :rtype: int
... """
... result = 1
... for _ in range(n):
... result *= x
... return result
...
Dentro del «docstring» podemos escribir con sintaxis reStructuredText – véase por ejemplo
la expresión matemática en el tag :return: – lo que nos proporciona una gran flexibilidad.
Nota: La plataforma Read the Docs aloja la documentación de gran cantidad de proyectos.
En muchos de los casos se han usado «docstrings» con el formato Sphinx visto anteriormente.

Aprende Python
Un ejemplo de ello es la popular librería de Python requests.
Anotación de tipos
Nivel intermedio
Las anotaciones de tipos o type-hints5 se introdujeron en Python 3.5 y permiten indicar
tipos para los parámetros de una función y/o para su valor de retorno (aunque también
funcionan en creación de variables).
Veamos un ejemplo en el que creamos una función para dividir una cadena de texto por la
posición especificada en el parámetro:
>>> def ssplit(text: str, split_pos: int) -> tuple:

... return text[:split_pos], text[split_pos:]
...
>>> ssplit( Always remember us this way , 15)

( Always remember , us this way )
Como se puede observar, vamos añadiendo los tipos después de cada parámetro utilizando
: como separador. En el caso del valor de retorno usamos la flecha ->
Quizás la siguiente ejecución pueda sorprender:
>>> ssplit([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], 5)

([1, 2, 3, 4, 5], [6, 7, 8, 9, 10])
Efectivamente como habrás visto, no hemos obtenido ningún error, a pesar de que
estamos pasando como primer argumento una lista en vez de una cadena de texto. Esto ocurre
porque lo que hemos definido es simplemente una anotación de tipo, no una declaración de
tipo. Existen herramientas como mypy que sí se encarga de comprobar este escenario.
Valores por defecto
Al igual que ocurre en la definición ordinaria de funciones, cuando usamos anotaciones de

tipos también podemos indicar un valor por defecto para los parámetros.
Veamos la forma de hacerlo continuando con el ejemplo anterior:
>>> def ssplit(text: str, split_pos: int = -1) -> tuple:

... if split_pos == -1:
... split_pos = len(text) // 2
5
Conocidos como «type hints» en terminología inglesa.
6.1. Funciones 247

Aprende Python

... return text[:split_pos], text[split_pos:]
...
>>> ssplit( Always remember us this way )

( Always rememb , er us this way )
Simplemente añadimos el valor por defecto después de indicar el tipo.

Las anotaciones de tipos son una herramienta muy potente y que, usada de forma
adecuada, permite complementar la documentación de nuestro código y aclarar ciertos
aspectos, que a priori, pueden parecer confusos. Su aplicación estará en función de la
necesidad detectada por parte del equipo de desarrollo.
Tipos compuestos
Hay escenarios en los que necesitamos más expresividad de cara a la anotación de tipos.
¿Qué ocurre si queremos indicar una lista de cadenas de texto o un conjunto de enteros?
Veamos algunos ejemplos válidos:
Anotación Ejemplo
list[str] [ A , B , C ]
set[int] {4, 3, 9}
dict[str, float] { x : 3.786, y : 2.198, z : 4.954}
tuple[str, int] ( Hello , 10)
tuple[float, ... (1.23, 5.21, 3.62) o (4.31, 6.87) o (7.11,)
]
Múltiples tipos
En el caso de que queramos indicar que un determinado parámetro puede ser de un tipo o
de otro hay que especificarlo utilizando el operador7 |.
Veamos algunos ejemplos válidos:
Anotación Significado
tuple❘dict Tupla o diccionario
list[str❘int] Lista de cadenas de texto y/o enteros
set[int❘float] Conjunto de enteros y/o flotantes
7
Disponible a partir de Python 3.10.

Aprende Python
Ver también:
Guía rápida para de anotación de tipos (mypy)
Ejercicio
pycheck: mcount
Número indefinido
Cuando trabajamos con parámetros que representan un número indefinido de

valores, las anotaciones de tipo sólo hacen referencia al tipo que contiene la tupla, no
es necesario indicar que es una tupla.
En el siguiente ejemplo hay una función que calcula el máximo de una serie de valores enteros
o flotantes, pero no indicamos que se reciben como tupla:
>>> def _max(*args: int | float):

... ...
...
6.1.4 Tipos de funciones
Nivel avanzado
Funciones anónimas «lambda»
Una función lambda tiene las siguientes propiedades:

1. Se escribe en una única sentencia (línea).
2. No tiene nombre (anónima).
3. Su cuerpo conlleva un return implícito.
4. Puede recibir cualquier número de parámetros.
Veamos un primer ejemplo de función «lambda» que nos permite contar el número de
palabras en una cadena de texto dada. La transformación de su versión clásica en
su versión anónima sería la siguiente:
6.1. Funciones 249

Aprende Python
Figura 5: Transformación en función «lambda»
Prudencia: Aunque en muchas ocasiones se suelen «abreviar» los nombres de las

variables en una función «lambda» no es obligatorio, y en muchos casos, puede que
sea hasta contraproducente.
A continuación probamos el comportamiento de la función anónima «lambda»:
>>> num_words = lambda t: len(t.split())
>>> type(num_words)
function
>>> num_words
<function __main__.<lambda>(t)>
>>> num_words( hola socio vamos a ver )

5
Veamos otro ejemplo en el que mostramos una tabla con el resultado de aplicar el «and»
lógico mediante una función «lambda» que ahora recibe dos parámetros:
>>> logic_and = lambda x, y: x & y
>>> for i in range(2):

... for j in range(2):
... print(f {i} & {j} = {logic_and(i, j)} )
...

Aprende Python

0 & 0 = 0
0 & 1 = 0
1 & 0 = 0
1 & 1 = 1
Lambdas como argumentos
Las funciones «lambda» son bastante utilizadas como argumentos a otras funciones.
Un ejemplo claro de ello es la función sorted que recibe un parámetro opcional key donde
se define la clave de ordenación.
Veamos cómo usar una función anónima «lambda» para ordenar una tupla de pares
longitud-latitud:
>>> geoloc = (
... (15.623037, 13.258358),
... (55.147488, -2.667338),
... (54.572062, -73.285171),
... (3.152857, 115.327724),
... (-40.454262, 172.318877)
)
>>> # Ordenación por longitud (primer elemento de la tupla)

>>> sorted(geoloc)
[(-40.454262, 172.318877),
(3.152857, 115.327724),
(15.623037, 13.258358),
(54.572062, -73.285171),
(55.147488, -2.667338)]
>>> # Ordenación por latitud (segundo elemento de la tupla)

>>> sorted(geoloc, key=lambda t: t[1])
[(54.572062, -73.285171),
(55.147488, -2.667338),
(15.623037, 13.258358),
(3.152857, 115.327724),
(-40.454262, 172.318877)]
Ejercicio
pycheck: sort_ages
6.1. Funciones 251

Aprende Python
Enfoque funcional
Como se comentó en la introducción, Python es un lenguaje de programación

multiparadigma. Uno de los paradigmas menos explotados en este lenguaje es la
programación funcional4 .
Python nos ofrece 3 funciones que encajan verdaderamente bien en este enfoque: map(),
filter() y reduce().
Figura 6: Rutinas muy enfocadas a programación funcional
map()
Esta función aplica otra función sobre cada elemento de un iterable. Supongamos que
queremos aplicar la siguiente función:
𝑥2
𝑓 (𝑥) = ∀𝑥 ∈ [1, 10]
2
>>> def f(x):

... return x**2 / 2
...
>>> data = range(1, 11)
>>> map_gen = map(f, data)
>>> type(map_gen)
map
>>> list(map_gen)
[0.5, 2.0, 4.5, 8.0, 12.5, 18.0, 24.5, 32.0, 40.5, 50.0]
4
Definición de Programación funcional en Wikipedia.

Aprende Python
Truco: Hay que tener en cuenta que map() devuelve un generador, no directamente una
lista.
Podemos obtener el mismo resultado aplicando una función anónima «lambda»:
>>> list(map(lambda x: x**2 / 2, data))

[0.5, 2.0, 4.5, 8.0, 12.5, 18.0, 24.5, 32.0, 40.5, 50.0]
En Python es posible «simular» un map() a través de una lista por comprensión:
>>> [x**2 / 2 for x in data]

[0.5, 2.0, 4.5, 8.0, 12.5, 18.0, 24.5, 32.0, 40.5, 50.0]
filter()
Esta función selecciona aquellos elementos de un iterable que cumplan una determinada
condición. Supongamos que queremos seleccionar sólo aquellos números impares dentro de
un rango:
>>> def odd_number(x):

... return x % 2 == 1
...
>>> data = range(1, 21)
>>> filter_gen = filter(odd_number, data)
>>> type(filter_gen)
filter
>>> list(filter_gen)
[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
Truco: Hay que tener en cuenta que filter() devuelve un generador, no directamente una
lista.
Podemos obtener el mismo resultado aplicando una función anónima «lambda»:
>>> list(filter(lambda x: x % 2 == 1, data))

[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
En Python es posible «simular» un filter() a través de una lista por comprensión:
6.1. Funciones 253

Aprende Python
>>> [x for x in data if x % 2 == 1]

[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
reduce()
Para poder usar esta función debemos usar el módulo functools. Nos permite aplicar una
función dada sobre todos los elementos de un iterable de manera acumulativa. O dicho en
otras palabras, nos permite reducir una función sobre un conjunto de valores. Supongamos
que queremos realizar el producto de una serie de valores aplicando este enfoque:
>>> from functools import reduce
>>> def mult_values(a, b):

... return a * b
...
>>> data = range(1, 6)
>>> reduce(mult_values, data) # ((((1 * 2) * 3) * 4) * 5)

120
Aplicando una función anónima «lambda»…
>>> reduce(lambda x, y: x * y, data)

120
Consejo: Por cuestiones de legibilidad del código, se suelen preferir las listas por
comprensión a funciones como map() o filter(), aunque cada problema tiene sus propias
características y sus soluciones más adecuadas. Es un enfoque «más pitónico».
Hazlo pitónico
Trey Hunner explica en una de sus «newsletters» lo que él entiende por código pitónico:
«Pitónico es un término extraño que significa diferentes cosas para diferentes personas.
Algunas personas piensan que código pitónico va sobre legibilidad. Otras personas piensan
que va sobre adoptar características particulares de Python. Mucha gente tiene una definición
difusa que no va sobre legibilidad ni sobre características del lenguaje.
Yo normalmente uso el término código pitónico como un sinónimo de código idiomático o
la forma en la que la comunidad de Python tiende a hacer las cosas cuando escribe Python.

Aprende Python
Eso deja mucho espacio a la interpretación, ya que lo que hace algo idiomático en Python
no está particularmente bien definido.
Yo argumento que código pitónico implica adoptar el desempaquetado de tuplas, usar listas
por comprensión cuando sea apropiado, usar argumentos nominales cuando tenga sentido,
evitar el uso excesivo de clases, usar las estructuras de iteración adecuadas o evitar recorrer
mediante índices.
Para mí, código pitónico significa intentar ver el código desde la perspectiva de las
herramientas específicas que Python nos proporciona, en oposición a la forma en la que
resolveríamos el mismo problema usando las herramientas que nos proporciona JavaScript,
Java, C, …»
Generadores
Un generador, como su propio nombre indica, se encarga de generar «valores» que podemos
tratar de manera individual (y aislada).
Es decir, no construye una secuencia de forma explícita, sino que nos permite ir
«consumiendo» un valor de cada vez. Esta propiedad los hace idóneos para situaciones en las
que el tamaño de las secuencias podría tener un impacto negativo en el consumo de memoria.
De hecho ya hemos visto algunos generadores y los hemos usado sin ser del todo conscientes.
Algo muy parecido a un generador es range()8 que ofrece la posibilidad de crear secuencias
de números.
Básicamente existen dos implementaciones de generadores:
• Funciones generadoras.
• Expresiones generadoras.
Importante: A diferencia de las funciones ordinarias, los generadores tienen la capacidad

de «recordar» su estado para recuperarlo en la siguiente iteración y continuar devolviendo
nuevos valores.
8
La función range() es un tanto especial. Véase este artículo de Trey Hunner.
6.1. Funciones 255

Aprende Python
Funciones generadoras
Las funciones generadoras9 (o factorías de generadores) se escriben como funciones

ordinarias con el matiz de incorporar la sentencia yield que sustituye, de alguna manera,
a return. Esta sentencia devuelve el valor indicado y, a la vez, «congela» el estado de la
función hasta la siguiente llamada.
Veamos un ejemplo en el que escribimos una función generadora de números pares:
>>> def evens(lim: int) -> int:

... for i in range(0, lim + 1, 2):
... yield i
...
>>> type(evens)
function
>>> evens_gen = evens(20) # retorna un generador
>>> type(evens_gen)
generator
Importante: Las funciones generadoras devuelven un generador que debe ser invocado
con los parámetros correspondientes para obtener la secuencia de valores que necesitemos.
Una vez creado el generador, ya podemos iterar sobre él:
>>> for even in evens_gen:

... print(even, end= )
...
0 2 4 6 8 10 12 14 16 18 20
De forma más «directa» (y habitual) podemos iterar sobre la propia llamada a la función
generadora:
>>> for even in evens(20):

...
0 2 4 6 8 10 12 14 16 18 20
Si queremos «explicitar» la lista de valores que contiene un generador, podemos hacerlo

convirtiendo a lista:
9
Para una explicación detallada sobre generadores e iteradores se recomienda la ponencia Yield el amigo
que no sabías que tenías de Jacobo de Vera.

Aprende Python
>>> list(evens(20))
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20]
Un detalle muy importante es que los generadores «se agotan». Es decir, una vez que
ya hemos consumido todos sus elementos, no obtendremos nuevos valores:
>>> evens_gen = evens(10)

...
0 2 4 6 8 10

... # No sale nada... ¡Agotado!
Expresiones generadoras
Una expresión generadora es sintácticamente muy similar a una lista por comprensión,
pero utilizamos paréntesis en vez de corchetes.
Importante: Una expresión generadora es un generador en sí misma.
Podemos tratar de reproducir el ejemplo visto en funciones generadoras en el que creamos

números pares hasta el 20:
>>> evens_gen = (i for i in range(0, 20, 2))
>>> type(evens_gen)
generator
>>> for i in evens_gen:

... print(i, end= )
...
0 2 4 6 8 10 12 14 16 18
Ver también:
Las expresiones generadoras admiten condiciones y anidamiento de bucles, tal y como se vio
con las listas por comprensión.
Una expresión generadora se puede explicitar11 , sumar, buscar su máximo o su mínimo, o lo
11
Cuando hablamos de «explicitar» un generador nos referimos a obtener todos sus valores de forma
6.1. Funciones 257

Aprende Python
que queramos, tal y como lo haríamos con un iterable cualquiera:
>>> list(i for i in range(0, 20, 2))

[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
>>> sum(i for i in range(0, 20, 2))

90
>>> min(i for i in range(0, 20, 2))

0
>>> max(i for i in range(0, 20, 2))

18
Ejercicio
pycheck: gen_squared
Funciones interiores
Está permitido definir una función dentro de otra función. Es lo que se conoce como función
interior.
Veamos un ejemplo en el que extraemos las palabras de un texto que contienen todas las
vocales, haciendo uso de una función interior que nos devuelve el número de vocales distintas
que tiene cada palabra:
>>> def get_words_with_all_vowels(text: str) -> list[str]:

... VOWELS = aeiou
... def get_unique_vowels(word: str) -> set[str]:
... return set(c for c in word if c in VOWELS)
...
... result = []
... for word in text.split():
... if len(get_unique_vowels(word)) == len(VOWELS):
... result.append(word)
... return result
>>> get_words_with_all_vowels( La euforia de ver el riachuelo fue inmensa )

[ euforia , riachuelo ]
Truco: Estas funciones pueden tener sentido cuando su ámbito de aplicación es muy concreto
directa como una lista (o sucedáneo).

Aprende Python
y no se pueden reutilizar fácilmente.
Clausuras
Una clausura (del término inglés «closure») establece el uso de una función interior que se
genera dinámicamente y recuerda los valores de los argumentos con los que fue creada.
Veamos en acción una clausura que nos permitirá generar «tablas de multiplicar»:
>>> def make_multiplier_of(n: int):

... def multiplier(x: int) -> int:
... return x * n
... return multiplier # factoría de funciones
...
>>> m3 = make_multiplier_of(3)
>>> type(m3)
function
>>> m3(7) # 7 * 3
21
>>> m5 = make_multiplier_of(5)
>>> type(m5)
function
>>> m5(8) # 8 * 5
40
>>> make_multiplier_of(5)(8) # Llamada directa!

40
Importante: En una clausura retornamos una función, no una llamada a una función. Es
por esto que se dice que una clausura es una factoría de funciones.
6.1. Funciones 259

Aprende Python
Decoradores
Hay situaciones en las que necesitamos modificar el comportamiento de funciones existentes

pero sin alterar su código. Para estos casos es muy útil usar decoradores.
Un decorador es una función que recibe como parámetro una función y devuelve otra
función. Se podría ver como un caso particular de una clausura:
Figura 7: Comportamiento de un decorador
El esqueleto básico de un decorador es el siguiente:
>>> def my_decorator(func):

... def wrapper(*args, **kwargs):
... # some code before calling func
... return func(*args, **kwargs)
... # some code after calling func
... return wrapper
...
Elemento Descripción
my_decorator Nombre del decorador
wrapper Función interior (convención de nombre)
func Función a decorar (convención de nombre)
*args Argumentos posicionales (convención de nombre)
**kwargs Argumentos nominales (convención de nombre)
Veamos un ejemplo de decorador que convierte el resultado numérico de una función

a su representación binaria:
>>> def res2bin(func):

... result = func(*args, **kwargs)
... return bin(result)
... return wrapper
...

Aprende Python
Figura 8: Esqueleto básico de un decorador
Ahora definimos una función ordinaria (que usaremos más adelante) y que computa 𝑥𝑛 :
>>> def power(x: int, n: int) -> int:

... return x ** n
...
>>> power(2, 3)
8
>>> power(4, 5)
1024
Ahora aplicaremos el decorador definido previamente res2bin() sobre la función ordinaria

power(). Se dice que res2bin() es la función decoradora y que power() es la función
decorada:
>>> decorated_power = res2bin(power)
>>> decorated_power(2, 3) # 8
0b1000
>>> decorated_power(4, 5) # 1024
0b10000000000
6.1. Funciones 261

Aprende Python
Usando @ para decorar
Python nos ofrece un «syntactic sugar» para simplificar la aplicación de los decoradores a
través del operador @ justo antes de la definición de la función que queremos decorar:
>>> @res2bin
... def power(x: int, n: int) -> int:
... return x ** n
...
>>> power(2, 3)
0b1000
>>> power(4, 5)
0b10000000000
Ejercicio
pycheck: abs_decorator
Manipulando argumentos
Hemos visto un ejemplo de decorador que trabaja sobre el resultado de la función decorada,
pero nada impide que trabajemos sobre los argumentos que pasamos a la función decorada.
Supongamos un escenario en el que implementamos funciones que trabajan con dos
operandos y queremos asegurarnos de que esos operados son números enteros. Lo
primero será definir el decorador:
>>> def assert_int(func):

... def wrapper(value1: int, value2: int, /) -> int | float | None:
... if isinstance(value1, int) and isinstance(value2, int):
... return func(value1, value2)
... return None
... return wrapper
...
Truco: Dado que sabemos positivamente que las funciones a decorar trabajan con dos
operados (dos parámetros) podemos definir la función interior wrapper(value1, value2)
con dos parámetros, en vez de con un número indeterminado de parámetros.
Ahora creamos una función sencilla que suma dos números y le aplicamos el decorador:

Aprende Python
>>> @assert_int
... def _sum(a, b):
... return a + b
...
Veamos el comportamiento para diferentes casos de uso:
>>> result = _sum(3, 4)

>>> print(result)
7
>>> result = _sum(5, a )

>>> print(result)
None
>>> result = _sum( a , b )

>>> print(result)
None
Múltiples decoradores
Podemos aplicar más de un decorador a cada función. Para ejemplificarlo vamos a crear dos
decoradores muy sencillos:
>>> def plus5(func):

... return result + 5
... return wrapper
...
>>> def div2(func):

... return result // 2
... return wrapper
...
Ahora aplicaremos ambos decoradores sobre una función que realiza el producto de dos
números:
>>> @plus5
... @div2
... def prod(a, b):
6.1. Funciones 263

Aprende Python

... return a * b
...
>>> prod(4, 3)
11
>>> ((4 * 3) // 2) + 5
11
Orden de ejecución
Cuando tenemos varios decoradores se aplican desde dentro hacia fuera ya que la
ejecución de un decorador depende de otro decorador.
Una forma sencilla de entender el orden de ejecución de múltiples decoradores es aplicar las
funciones decoradoras directamente sobre la función decorada.
Esto:
>>> @plus5
... @div2
... def prod(a, b):
... return a * b
...
equivale a:
>>> plus5(div2(prod(4, 3)))
Decoradores con parámetros
El último «salto mortal» sería definir decoradores con parámetros. El esqueleto básico de un
decorador con parámetros es el siguiente:
>>> def my_decorator_with_params(*args, **kwargs):

... def decorator(func):
... return wrapper
... return decorator
...

Aprende Python
Atención: Nótese que my_decorator_with_params() no es exactamente un decorador

sino que es una factoría de decoradores (clausura) que devuelve un decorador según los
argumentos pasados.
Lo más sencillo es verlo con un ejemplo. Supongamos que queremos forzar a que los
parámetros de entrada a la función sean de un tipo concreto (pero parametrizable).
Podríamos definir el decorador de la siguiente manera:
>>> def assert_type(atype):

... def decorator(func):
... all_args_with_atype = all(isinstance(a, atype) for a in args)
... all_kwargs_with_atype = all(isinstance(a, atype) for a in kwargs.
˓→values())
... if all_args_with_atype and all_kwargs_with_atype:

... return None
... return wrapper
... return decorator
...
Ahora creamos una función sencilla que suma dos números y le aplicamos el decorador:
>>> @assert_type(float)
... def _sum(a, b):
... return a + b
...
Veamos el comportamiento para diferentes casos de uso:
>>> result = _sum(3, 4)

>>> print(result)
None
>>> result = _sum(3.0, 4.0)

>>> print(result)
7.0
>>> result = _sum(a=3.0, b=4.0) # Funciona con kwargs!

>>> print(result)
7.0
La ventaja que tiene este enfoque es que podemos aplicar «distintos» decoradores
modificando sus parámetros. Por ejemplo, supongamos que ahora queremos asegurar que
una función trabaja únicamente con cadenas de texto:
6.1. Funciones 265

Aprende Python
>>> @assert_type(str)
... def split(text):
... half_size = len(text) // 2
... return text[:half_size], text[half_size:]
...
Veamos su aplicación con distintos tipos de datos:
>>> result = split( bienvenida )

>>> print(result)
( bienv , enida )
>>> result = split(256)

>>> print(result)
None
>>> result = split([10, 20, 30, 40])

>>> print(result)
None
Ejercicio
pycheck: deco_sort
Funciones recursivas
La recursividad es el mecanismo por el cual una función se llama a sí misma:
>>> def call_me():

... return call_me()
...
>>> call_me()
File "<stdin>", line 2, in call_me
[Previous line repeated 996 more times]
RecursionError: maximum recursion depth exceeded

Aprende Python
Advertencia: Podemos observar que existe un número máximo de llamadas recursivas.

Python controla esta situación por nosotros, ya que, de no ser así, podríamos llegar a
consumir todos los recursos del sistema.
Veamos ahora un ejemplo más real en el que calcular 𝑥𝑛 de manera recursiva. Usaremos la
idea de base y exponente para resolver este reto:
>>> def pow(base: int, exponent: int) -> int:
... if exponent == 0:
... return 1
... return base * pow(base, exponent - 1)
...
>>> pow(2, 4)
16
>>> pow(3, 5)
243
Condición de parada: En todo código recursivo es necesario establecer una condición

de parada. En el ejemplo la condición de parada se da cuando el exponente es 0,
siendo el resultado 1, ya que todo número elevado a 0 es igual a 1.
Llamada recursiva: Obviamente en todo código recursivo debe haber una llamada
recursiva. En el ejemplo anterior la recursividad se apoya en la idea de que 24 = 2*23 .
Por tanto podemos hacer uso de la misma función recursiva para calcular el resto de
valores.
La «pila de llamadas» para el ejemplo de pow(2, 4) sería la siguiente:
Ejercicio
pycheck: factorial_recursive
Otra aproximación a la recursividad se da en problemas donde tenemos que procesar una

secuencia de elementos. Supongamos que nos piden calcular la suma de las longitudes
de una serie de palabras definidas en una lista:
>>> def get_size(words: list[str]) -> int:
... if len(words) == 0:
... return 0
... return len(words[0]) + get_size(words[1:])
...
>>> words = [ this , is , recursive ]

6.1. Funciones 267

Aprende Python
Figura 9: Esquema de llamadas recursivas

Aprende Python

>>> get_size(words)
15
Funcionitis
La «funcionitis» es una «inflamación en la zona funcional» por querer aplicar funciones

donde no es necesario. Un ejemplo vale más que mil explicaciones:
>>> def in_list(item: int, items: list[int]) -> bool:

... return item in items
...
>>> in_list(1, [1, 2, 3])

True
>>> 1 in [1, 2, 3] # That easy!

True
Truco: La «funcionitis» es uno de los síntomas de la llamada «sobre-ingeniería» a la que

tendemos muchas de las personas que hacemos programación. Hay que intentar evitarla en
la medida de lo posible.
6.1.5 Espacios de nombres
Como bien indica el Zen de Python:

Namespaces are one honking great idea – let’s do more of those!
Que vendría a traducirse como: «Los espacios de nombres son una gran idea – hagamos
más de eso». Los espacios de nombres permiten definir ámbitos o contextos en los que
agrupar nombres de objetos.
Los espacios de nombres proporcionan un mecanismo de empaquetado, de tal forma que
podamos tener incluso nombres iguales que no hacen referencia al mismo objeto (siempre y
cuando estén en ámbitos distintos).
Cada función define su propio espacio de nombres y es diferente del espacio de nombres
global aplicable a todo nuestro programa.
6.1. Funciones 269

Aprende Python
Figura 10: Espacio de nombres global vs espacios de nombres de funciones

Aprende Python
Acceso a variables globales
Cuando una variable se define en el espacio de nombres global podemos hacer uso de ella con
total transparencia dentro del ámbito de las funciones del programa:
>>> language = castellano
>>> def catalonia():

... print(f {language=} )
...
>>> language
castellano
>>> catalonia()
language= castellano
Creando variables locales
En el caso de que asignemos un valor a una variable global dentro de una función, no
estaremos modificando ese valor. Por el contrario, estaremos creando una variable en el
espacio de nombres local:

... language = catalan
...
>>> language
castellano
>>> catalonia()
language= catalan
>>> language
castellano
6.1. Funciones 271

Aprende Python
Forzando modificación global
Python nos permite modificar una variable definida en un espacio de nombres global dentro
de una función. Para ello debemos usar el modificador global:

... global language
...
>>> language
castellano
>>> catalonia()
language= catalan
>>> language
catalan
Advertencia: El uso de global no se considera una buena práctica ya que puede inducir
a confusión y tener efectos colaterales indeseados.
Contenido de los espacios de nombres
Python proporciona dos funciones para acceder al contenido de los espacios de nombres:
locals() Devuelve un diccionario con los contenidos del espacio de nombres local:

... print(f {locals()=} )
...
>>> catalonia()
locals()={ language : catalan }
globals() Devuelve un diccionario con los contenidos del espacio de nombres global:

Aprende Python
>>> globals()
{ __name__ : __main__ ,
__doc__ : Automatically created module for IPython interactive environment ,
__package__ : None,
__loader__ : None,
__spec__ : None,
__builtin__ : <module builtins (built-in)>,
__builtins__ : <module builtins (built-in)>,
_ih : [ ,
"language = castellano ",
"def catalonia():\n language = catalan \n print(f {locals()=} )\n ",
language ,
catalonia() ,
globals() ],
_oh : {3: castellano },
_dh : [ /Users/sdelquin ],
In : [ ,
"language = castellano ",
"def catalonia():\n language = catalan \n print(f {locals()=} )\n ",
language ,
catalonia() ,
globals() ],
Out : {3: castellano },
get_ipython : <bound method InteractiveShell.get_ipython of <IPython.terminal.
˓→interactiveshell.TerminalInteractiveShell object at 0x10e70c2e0>>,
exit : <IPython.core.autocall.ExitAutocall at 0x10e761070>,

quit : <IPython.core.autocall.ExitAutocall at 0x10e761070>,
_ : castellano ,
__ : ,
___ : ,
Prompts : IPython.terminal.prompts.Prompts,
Token : Token,
MyPrompt : __main__.MyPrompt,
ip : <IPython.terminal.interactiveshell.TerminalInteractiveShell at␣
˓→0x10e70c2e0>,
_i : catalonia() ,
_ii : language ,
_iii : "def catalonia():\n language = catalan \n print(f {locals()=} )\
˓→n ",
_i1 : "language = castellano ",
language : castellano ,
_i2 : "def catalonia():\n language = catalan \n print(f {locals()=} )\
˓→n ",
catalonia : <function __main__.catalonia()>,
_i3 : language ,
_3 : castellano ,
6.1. Funciones 273

Aprende Python

_i4 : catalonia() ,
_i5 : globals() }
6.1.6 Consejos para programar
Chris Staudinger comparte estos 7 consejos para mejorar tu código:

1. Las funciones deberían hacer una única cosa. Por ejemplo, un mal diseño sería
tener una única función que calcule el total de una cesta de la compra, los
impuestos y los gastos de envío. Sin embargo esto se debería hacer con tres
funciones separadas. Así conseguimos que el código sea más fácil de matener,
reutilizar y depurar.
2. Utiliza nombres descriptivos y con significado. Los nombres autoexplicativos de
variables y funciones mejoran la legibilidad del código. Por ejemplo – deberíamos
llamar «total_cost» a una variable que se usa para almacenar el total de un carrito
de la compra en vez de «x» ya que claramente explica su propósito.
3. No uses variables globales. Las variables globales pueden introducir muchos
problemas, incluyendo efectos colaterales inesperados y errores de programación
difíciles de trazar. Supongamos que tenemos dos funciones que comparten una
variable global. Si una función cambia su valor la otra función podría no funcionar
como se espera.
4. Refactorizar regularmente. El código inevitablemente cambia con el tiempo, lo
que puede derivar en partes obsoletas, redundantes o desorganizadas. Trata de
mantener la calidad del código revisando y refactorizando aquellas zonas que se
editan.
5. No utilices «números mágicos» o valores «hard-codeados». No es lo mismo
escribir «99 * 3» que «price * quantity». Esto último es más fácil de entender y
usa variables con nombres descriptivos haciéndolo autoexplicativo. Trata de usar
constantes o variables en vez de valores «hard-codeados».
6. Escribe lo que necesites ahora, no lo que pienses que podrías necesitar en el futuro.
Los programas simples y centrados en el problema son más flexibles y menos
complejos.
7. Usa comentarios para explicar el «por qué» y no el «qué». El código limpio
es autoexplicativo y por lo tanto los comentarios no deberían usarse para explicar
lo que hace el código. En cambio, los comentarios debería usarse para proporcionar
contexto adicional, como por qué el código está diseñado de una cierta manera.

Aprende Python
1. pycheck: num_in_interval
2. pycheck: extract_evens
3. pycheck: split_case
4. pycheck: perfect
5. pycheck: palindrome
6. pycheck: count_vowels_rec
7. pycheck: pangram
8. pycheck: cycle_alphabet
9. pycheck: bubble_sort
10. pycheck: consecutive_seq
11. pycheck: magic_square
12. pycheck: sum_nested
13. pycheck: fibonacci_recursive
14. pycheck: hyperfactorial
15. pycheck: fibonacci_generator
16. pycheck: gcd_recursive
17. pycheck: palindrome_recursive
18. pycheck: assert_positive
19. pycheck: slice_recursive
• Comparing Python Objects the Right Way: «is» vs «==»

• Python Scope & the LEGB Rule: Resolving Names in Your Code
• Defining Your Own Python Function
• Null in Python: Understanding Python’s NoneType Object
• Python “!=” Is Not “is not”: Comparing Objects in Python
• Python args and kwargs: Demystified
• Documenting Python Code: A Complete Guide
6.1. Funciones 275

Aprende Python
• Thinking Recursively in Python

• How to Use Generators and yield in Python
• How to Use Python Lambda Functions
• Python Decorators 101
• Writing Comments in Python
• Introduction to Python Exceptions
• Primer on Python Decorators
6.2 Objetos y Clases
Hasta ahora hemos estado usando objetos de forma totalmente transparente, casi sin ser
conscientes de ello. Pero, en realidad, todo en Python es un objeto, desde números
a funciones. El lenguaje provee ciertos mecanismos para no tener que usar explícitamente
técnicas de orientación a objetos.
Llegados a este punto, investigaremos en profundidad la creación y manipulación de clases
y objetos, así como todas las técnicas y procedimientos que engloban este paradigma.1
1
Foto original por Rabie Madaci en Unsplash.

Aprende Python
6.2.1 Programación orientada a objetos
La programación orientada a objetos (POO) o en sus siglas inglesas OOP es una manera de
programar (paradigma) que permite llevar al código mecanismos usados con entidades de la
vida real.
Sus beneficios son los siguientes:
Encapsulamiento Permite empaquetar el código dentro de una unidad (objeto) donde
se puede determinar el ámbito de actuación.
Abstracción Permite generalizar los tipos de objetos a través de las clases y simplificar
el programa.
Herencia Permite reutilizar código al poder heredar atributos y comportamientos de una
clase a otra.
Polimorfismo Permite crear múltiples objetos a partir de una misma pieza flexible de
código.
Figura 11: Beneficios de la Programación Orientada a Objetos
6.2. Objetos y Clases 277

Aprende Python
¿Qué es un objeto?
Un objeto es una estructura de datos personalizada que contiene datos y código:
Elementos ¿Qué son? ¿Nombre en POO? ¿Cómo se identifican?

Datos Variables Atributos Mediante sustantivos
Código Funciones Métodos Mediante verbos
Un objeto representa una instancia única de alguna entidad (a través de los valores de sus
atributos) e interactúa con otros objetos (o consigo mismo) a través de sus métodos.
Figura 12: Analogía de atributos y métodos en un objeto «bicicleta»
¿Qué es una clase?
Para crear un objeto primero debemos definir la clase que lo contiene. Podemos pensar en
la clase como el molde con el que se crean nuevos objetos de ese tipo.
En el proceso de diseño de una clase hay que tener en cuenta – entre otros – el principio
de responsabilidad única7 , intentando que los atributos y los métodos que contenga esa
clase estén enfocados a un objetivo único y bien definido.
7
Principios SOLID

Aprende Python
Figura 13: Ejemplificación de creación de objetos a partir de una clase
6.2.2 Creando objetos
Empecemos por crear nuestra primera clase. En este caso vamos a modelar algunos de los
droides de la saga StarWars:
Para ello usaremos la palabra reservada class seguida del nombre de la clase:
>>> class StarWarsDroid:

... pass # pass no hace nada
...
Consejo: Los nombres de clases se suelen escribir en formato CamelCase y en singular3 .
Existen multitud de droides en el universo StarWars. Una vez que hemos definido la clase
genérica podemos crear instancias/objetos (droides) concretos:
>>> c3po = StarWarsDroid()

>>> r2d2 = StarWarsDroid()
>>> bb8 = StarWarsDroid()

2
Fuente de la imagen: Astro Mech Droids.
3
Guía de estilos PEP8 para convenciones de nombres.

Aprende Python
Figura 14: Droides de la saga StarWars2

>>> type(c3po)
__main__.StarWarsDroid
>>> type(r2d2)
>>> type(bb8)
Añadiendo métodos
Un método es una función que forma parte de una clase o de un objeto. En su ámbito tiene
acceso a otros métodos y atributos de la clase o del objeto al que pertenece.
La definición de un método (de instancia) es análoga a la de una función ordinaria, pero
incorporando un primer parámetro self que hace referencia a la instancia actual del objeto.
Una de las acciones más sencillas que se pueden hacer sobre un droide es encenderlo o
apagarlo. Vamos a implementar estos dos métodos en nuestra clase:
>>> class Droid:

... def switch_on(self):
... print("Hi! I m a droid. Can I help you?")
...
... def switch_off(self):
... print("Bye! I m going to sleep")
...

Aprende Python
>>> k2so = Droid()
>>> k2so.switch_on()
Hi! I m a droid. Can I help you?
>>> k2so.switch_off()
Bye! I m going to sleep
Consejo: El nombre self es sólo una convención. Este parámetro puede llamarse de otra
manera, pero seguir el estándar ayuda a la legibilidad.
Añadiendo atributos
Un atributo no es más que una variable, un nombre al que asignamos un valor, con la
particularidad de vivir dentro de una clase o de un objeto.
Supongamos que, siguiendo con el ejemplo anterior, queremos guardar en un atributo el
estado del droide (encendido/apagado):
>>> class Droid:

... def switch_on(self):
... self.power_on = True
... print("Hi! I m a droid. Can I help you?")
...
... def switch_off(self):
... self.power_on = False
... print("Bye! I m going to sleep")
>>> k2so = Droid()
>>> k2so.switch_on()
Hi! I m a droid. Can I help you?
>>> k2so.power_on
True
>>> k2so.switch_off()
Bye! I m going to sleep
>>> k2so.power_on
False
Importante: Siempre que queramos acceder a cualquier método o atributo del objeto habrá

Aprende Python
que utilizar la palabra self.
Inicialización
Existe un método especial que se ejecuta cuando creamos una instancia de un objeto. Este
método es __init__ y nos permite asignar atributos y realizar operaciones con el objeto en
el momento de su creación. También es ampliamente conocido como el constructor.
Veamos un ejemplo de este método con nuestros droides en el que únicamente guardaremos
el nombre del droide como un atributo del objeto:
1 >>> class Droid:

2 ... def __init__(self, name: str):
3 ... self.name = name
4 ...
5
6 >>> droid = Droid( BB-8 )

7
8 >>> droid.name
9 BB-8
Línea 2 Definición del constructor.

Línea 7 Creación del objeto (y llamada implícita al constructor)
Línea 9 Acceso al atributo name creado previamente en el constructor.
Es importante tener en cuenta que si no usamos self estaremos creando una variable local
en vez de un atributo del objeto:
>>> class Droid:

... def __init__(self, name: str):
... name = name # No lo hagas!
...
>>> droid = Droid( BB-8 )
>>> droid.name
AttributeError: Droid object has no attribute name
Ejercicio
Escriba una clase MobilePhone que represente un teléfono móvil.
Atributos:

Aprende Python
• manufacturer (cadena de texto)

• screen_size (flotante)
• num_cores (entero)
• apps (lista de cadenas de texto)
• status (False: apagado, True: encendido)
Métodos:
• __init__(self, manufacturer, screen_size, num_cores)
• power_on(self)
• power_off(self)
• install_app(self, app) (no instalar la app si ya existe)
• uninstall_app(self, app) (no borrar la app si no existe)
¿Serías capaz de extender el método “install_app()“ y “uninstall_app()“para
instalar/desinstalar varias aplicaciones a la vez?
6.2.3 Atributos
Acceso directo
En el siguiente ejemplo vemos que, aunque el atributo name se ha creado en el constructor

de la clase, también podemos modificarlo desde «fuera» con un acceso directo:
>>> class Droid:

... self.name = name
...
>>> droid = Droid( C-3PO )
>>> droid.name
C-3PO
>>> droid.name = waka-waka # esto sería válido!
Python nos permite añadir atributos dinámicamente a un objeto incluso después de su

creación:
>>> droid.manufacturer = Cybot Galactica

>>> droid.height = 1.77

Aprende Python
Nota: Nótese el acceso a los atributos con obj.attribute en vez de lo que veníamos usando
en diccionarios donde hay que escribir «un poco más» obj[ attribute ].
Propiedades
Como hemos visto previamente, los atributos definidos en un objeto son accesibles
públicamente. Esto puede parecer extraño a personas que vengan de otros lenguajes de
programación (véase Java). En Python existe un cierto «sentido de la responsabilidad» a la
hora de programar y manejar este tipo de situaciones: Casi todo es posible a priori pero se
debe controlar explícitamente.
Una primera solución «pitónica» para la privacidad de los atributos es el uso de
propiedades. La forma más común de aplicar propiedades es mediante el uso de decoradores:
• @property para leer el valor de un atributo («getter»).
• @name.setter para escribir el valor de un atributo.
Veamos un ejemplo en el que estamos ofuscando el nombre del droide a través de propiedades:
>>> class Droid:
... self.hidden_name = name
...
... @property
... def name(self) -> str:
... print( inside the getter )
... return self.hidden_name
...
... @name.setter
... def name(self, name: str) -> None:
... print( inside the setter )
... self.hidden_name = name
...
>>> droid = Droid( N1-G3L )
>>> droid.name
inside the getter
N1-G3L
>>> droid.name = Nigel

inside the setter
>>> droid.name

Aprende Python

inside the getter
Nigel
En cualquier caso, seguimos pudiendo acceder directamente a .hidden_name:
>>> droid.hidden_name
Nigel
Incluso podemos cambiar su valor:
>>> droid.hidden_name = waka-waka
>>> droid.name
inside the getter
waka-waka
Valores calculados
Una propiedad también se puede usar para devolver un valor calculado (o computado).
A modo de ejemplo, supongamos que la altura del periscopio de los droides astromecánicos
se calcula siempre como un porcentaje de su altura. Veamos cómo implementarlo:
>>> class AstromechDroid:

... def __init__(self, name: str, height: float):
... self.height = height
...
... @property
... def periscope_height(self) -> float:
... return 0.3 * self.height
...
>>> droid = AstromechDroid( R2-D2 , 1.05)
>>> droid.periscope_height # podemos acceder como atributo

0.315
>>> droid.periscope_height = 10 # no podemos modificarlo

AttributeError: can t set attribute
Las propiedades no pueden recibir parámetros ya que no tiene sentido semánticamente:

Aprende Python

... self.height = height
...
... @property
... def periscope_height(self, from_ground: bool = False) -> float:
... height_factor = 1.3 if from_ground else 0.3
... return height_factor * self.height
...
>>> droid.periscope_height
0.315
>>> droid.periscope_height(from_ground=True)
TypeError: float object is not callable
En este caso tendríamos que implementar un método para resolver el escenario planteado.
Consejo: La ventaja de usar valores calculados sobre simples atributos es que el cambio de
valor en un atributo no asegura que actualicemos otro atributo, y además siempre podremos
modificar directamente el valor del atributo, con lo que podríamos obtener efectos colaterales
indeseados.
Cacheando propiedades
En los ejemplos anteriores hemos creado una propiedad que calcula el alto del periscopio
de un droide astromecánico a partir de su altura. El «coste» de este cálculo es bajo, pero
imaginemos por un momento que fuera muy alto.
Si cada vez que accedemos a dicha propiedad tenemos que realizar ese cálculo, estaríamos
siendo muy ineficientes (en el caso de que la altura del droide no cambiara). Veamos una
aproximación a este escenario usando el cacheado de propiedades:

... self.height = height # llamada al setter
...

Aprende Python

... @property
... def height(self) -> float:
... return self._height
...
... @height.setter
... def height(self, height: float) -> None:
... self._height = height
... self._periscope_height = None # invalidar caché
...
... @property
... def periscope_height(self) -> float:
... if self._periscope_height is None:
... print( Calculating periscope height... )
... self._periscope_height = 0.3 * self.height
... return self._periscope_height
Probamos ahora la implementación diseñada, modificando la altura del droide:
Calculating periscope height...
0.315
>>> droid.periscope_height # Cacheado!
0.315
>>> droid.height = 1.15
Calculating periscope height...
0.345
>>> droid.periscope_height # Cacheado!
0.345
Ocultando atributos
Python tiene una convención sobre aquellos atributos que queremos hacer «privados» (u
ocultos): comenzar el nombre con doble subguión __
>>> class Droid:

... self.__name = name
...

Aprende Python

>>> droid = Droid( BC-44 )
>>> droid.__name # efectivamente no aparece como atributo

AttributeError: Droid object has no attribute __name
Lo que realmente ocurre tras el telón se conoce como «name mangling» y consiste en
modificar el nombre del atributo incorporado la clase como un prefijo. Sabiendo esto podemos
acceder al valor del atributo supuestamente privado:
>>> droid._Droid__name
BC-44
Nota: La filosofía de Python permite hacer casi cualquier cosa con los objetos que se
manejan, eso sí, el sentido de la responsabilidad se traslada a la persona que desarrolla e
incluso a la persona que hace uso del objeto.
Atributos de clase
Podemos asignar atributos a una clase y serán asumidos por todos los objetos instanciados
de esa clase.
A modo de ejemplo, en un principio, todos los droides están diseñados para que obedezcan
a su dueño. Esto lo conseguiremos a nivel de clase, salvo que ese comportamiento se
sobreescriba:
>>> class Droid:

... obeys_owner = True # obedece a su dueño
...
>>> good_droid = Droid()

>>> good_droid.obeys_owner
True
>>> t1000 = Droid() # T-1000 (Terminator)

>>> t1000.obeys_owner = False
>>> t1000.obeys_owner
False
>>> Droid.obeys_owner # el cambio no afecta a nivel de clase

True

Aprende Python
Truco: Los atributos de clase son accesibles tanto desde la clase como desde las instancias
creadas.
Hay que tener en cuenta lo siguiente:

• Si modificamos un atributo de clase desde un objeto, sólo modificamos el valor en el
objeto y no en la clase.
• Si modificamos un atributo de clase desde una clase, modificamos el valor en todos
los objetos pasados y futuros.
Veamos un ejemplo de esto último:
>>> class Droid:

... obeys_owner = True
...
>>> droid1 = Droid()

>>> droid1.obeys_owner
True

True
>>> Droid.obeys_owner = False # cambia pasado y futuro
False
False

False
La explicación de este fenómeno es sencilla: Todas las instancias (pasadas y futuras) del
droide tienen un «atributo» obeys_owner que «apunta» a la misma zona de memoria que la
del atributo obeys_owner de la clase:
>>> id(Droid.obeys_owner)
4385213672
>>> id(droid1.obeys_owner)
4385213672
4385213672

Aprende Python

4385213672
Figura 15: Atributo de clase
Supongamos que tras el cambio «global» de obeys_owner lo que buscamos es que sólo se
modifiquen los droides futuros pero no los pasados.
Para poder abordar este escenario debemos recurrir a atributos de instancia.
>>> class Droid:

... obeys_owner = True
... def __init__(self):
... self.obeys_owner = Droid.obeys_owner
...
Ahora veamos cuál es el comportamiento:

Aprende Python

True

True
>>> Droid.obeys_owner = False
True
True

False
6.2.4 Métodos
Métodos de instancia
Un método de instancia es un método que modifica o accede al estado del objeto al que
hace referencia. Recibe self como primer parámetro, el cual se convierte en el propio objeto
sobre el que estamos trabajando. Python envía este argumento de forma transparente: no
hay que pasarlo como argumento.
Veamos un ejemplo en el que, además del constructor, creamos un método de instancia para
hacer que un droide se mueva:
>>> class Droid:

... def __init__(self, name: str): # método de instancia -> constructor
... self.covered_distance = 0
...
... def move_up(self, steps: int) -> None: # método de instancia
... self.covered_distance += steps
... print(f Moving {steps} steps )
...
>>> droid = Droid( C1-10P )
>>> droid.move_up(10)
Moving 10 steps

Aprende Python
Figura 16: Atributo de clase con asignación de instancia

Aprende Python
Propiedades vs Métodos
Es razonable plantearse cuándo usar propiedades o cuándo usar métodos de instancia.

Si la implementación requiere de parámetros, no hay confusión, necesitamos usar métodos.
Pero más allá de esto, no existe una respuesta clara y concisa a la pregunta. Aunque sí
podemos dar algunas «pistas» para saber cuándo usar propiedades o cuándo usar métodos:
Figura 17: ¿Cuándo usar propiedades vs métodos?
Métodos de clase
Un método de clase es un método que modifica o accede al estado de la clase a la

que hace referencia. Recibe cls como primer parámetro, el cual se convierte en la propia
clase sobre la que estamos trabajando. Python envía este argumento de forma transparente.
La identificación de estos métodos se completa aplicando el decorador @classmethod a la
función.

Aprende Python
Veamos un ejemplo en el que implementamos un método de clase que muestra el número

de droides creados:
>>> class Droid:

... count = 0
...
... Droid.count += 1
...
... @classmethod
... def total_droids(cls) -> None:
... print(f {cls.count} droids built so far! )
...

>>> Droid.total_droids()
3 droids built so far!
Consejo: El nombre cls es sólo una convención. Este parámetro puede llamarse de otra
manera, pero seguir el estándar ayuda a la legibilidad.
Métodos estáticos
Un método estático es un método que no «debería» modificar el estado del objeto ni de la

clase. No recibe ningún parámetro especial. La identificación de estos métodos se completa
aplicando el decorador @staticmethod a la función.
Veamos un ejemplo en el que creamos un método estático para devolver las categorías de
droides que existen en StarWars:
>>> class Droid:

... pass
...
... @staticmethod
... def get_droids_categories() -> tuple[str]:
... return ( Messeger , Astromech , Power , Protocol )
...
>>> Droid.get_droids_categories()
( Messeger , Astromech , Power , Protocol )

Aprende Python
Métodos decorados
Es posible que, según el escenario, queramos decorar ciertos métodos de nuestra clase.
Esto lo conseguiremos siguiendo la misma estructura de decoradores que ya hemos visto,
pero con ciertos matices.
A continuación veremos un ejemplo en el que creamos un decorador para auditar las acciones
de un droide y saber quién ha hecho qué:
>>> class Droid:

... @staticmethod
... def audit(method):
... def wrapper(self, *args, **kwargs):
... print(f Droid {self.name} running {method.__name__} )
... return method(self, *args, **kwargs) # Ojo llamada!
... return wrapper
...
... self.pos = [0, 0]
...
... @audit
... def move(self, x: int, y: int):
... self.pos[0] += x
... self.pos[1] += y
...
... @audit
... def reset(self):
... self.pos = [0, 0]
>>> droid = Droid( B1 )
>>> droid.move(1, 1)
Droid B1 running move
>>> droid.reset()
Droid B1 running reset
A tener en cuenta la llamada al método de instancia dentro del decorador:
>>> method(self, *args, **kwargs) == self.method(*args, **kwargs)
El decorador se puede poner dentro o fuera de la clase. Por una cuestión de encapsulamiento
podría tener sentido dejarlo dentro de la clase como método estático.
Ver también:
También es posible aplicar esta misma técnica usando decoradores con parámetros.

Aprende Python
Métodos mágicos
Nivel avanzado
Cuando escribimos hello world * 3 ¿cómo sabe el objeto hello world lo que
debe hacer para multiplicarse con el objeto entero 3? O dicho de otra forma, ¿cuál es la
implementación del operador * para «strings» e «int»? En valores numéricos puede parecer
evidente (siguiendo los operadores matemáticos), pero no es así para otros objetos. La
solución que proporciona Python para estas (y otras) situaciones son los métodos mágicos.
Los métodos mágicos empiezan y terminan por doble subguión __ (es por ello que también
se les conoce como «dunder-methods»). Uno de los «dunder-methods» más famosos es el
constructor de una clase: __init__().
Importante: Digamos que los métodos mágicos se «disparan» de manera transparente

cuando utilizamos ciertas estructuras y expresiones del lenguaje.
Para el caso de los operadores, existe un método mágico asociado (que podemos personalizar).
Por ejemplo la comparación de dos objetos se realiza con el método __eq__():
Figura 18: Equivalencia entre operador y método mágico
Extrapolando esta idea a nuestro universo StarWars, podríamos establecer que dos droides
son iguales si su nombre es igual, independientemente de que tengan distintos números de
serie:
>>> class Droid:

... def __init__(self, name: str, serial_number: int):

Aprende Python

Cargado por

Copyright:

Formatos disponibles

Aprende Python

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Aprende Python

Cargado por

Copyright:

Formatos disponibles

Aprende Python

Sergio Delgado Quintero

4 Control de flujo 105

5 Estructuras de datos 145

7 Procesamiento de texto 357

8 Acceso a datos 373

9 Ciencia de datos 395

1.1 Hablando con la máquina

1.1.1 Código máquina

00001000 00000010 01111011 10101100 10010111 11011001 01000000 01100010

El primer lenguaje de programación que encontramos en esta «escalada» es ensamblador.

(proviene de la página anterior)

fin: mov eax, SYS_SALIDA ;llamada al sistema (sys_exit)

Si seguimos «subiendo» en esta lista de lenguajes de programación, podemos llegar hasta

print( Hello, World )

1.1. Hablando con la máquina 5

Figura 1: Esquema de funcionamiento de un compilador2

En el caso particular de Python el proceso de compilación genera un código intermedio

print( Hello, World )

el programa se compilaría3 al siguiente «bytecode»:

A continuación estas instrucciones básicas son ejecutadas por el intérprete de «bytecode» de

Figura 2: Modelo de ejecución de un programa Python4

1.1. Hablando con la máquina 7

1.2 Algo de historia

La historia de la programación está relacionada directamente con la aparición de los

1.2.1 Hitos de la computación

La siguiente tabla es un resumen de los principales hitos en la historia de la computación:

Tabla 1: Hitos en la computación

Tabla 1 – proviene de la página anterior

1.2. Algo de historia 9

Figura 3: Ada Lovelace: primera programadora de la historia2

1.2.2 De los computadores a la programación

1.2.3 Cronología de lenguajes de programación

Desde la década de 1950 se han sucedido multitud de lenguajes de programación que

1.2.4 Creadores de lenguajes de programación

El avance de la computación está íntimamente relacionado con el desarrollo de los lenguajes

Tabla 2: Creadores de lenguajes de programación

1.2. Algo de historia 11

Tabla 2 – proviene de la página anterior

Figura 4: Cronología de los lenguajes de programación más destacados

1.2. Algo de historia 13

Python es un lenguaje de programación de alto nivel creado a finales de los 80/principios de

1.3.1 Características del lenguaje

A partir de su definición de la Wikipedia:

• Libre y gratuito (OpenSource).

• Interpretado (velocidad de ejecución, multithread vs GIL, etc.).

1.3.2 Uso de Python

Al ser un lenguaje de propósito general, podemos encontrar aplicaciones prácticamente en

Figura 5: Grandes empresas y organismos que usan Python

Figura 6: Índice TIOBE Noviembre 2023

Igualmente en la encuesta a desarrolladores/as de Stack Overflow del 2023 Python ocupaba

Figura 7: Encuesta Stack Overflow 2023

Figura 8: Informe GitHub 2023

1.3.3 Versiones de Python

En el momento de la escritura de este material, se muestra a continuación la evolución de

Versión Fecha de lanzamiento

𝑣𝑒𝑟𝑠𝑖𝑜𝑛 = 𝑦𝑒𝑎𝑟 − 2011

El cambio de Python 2 a Python 3 fue bastante «traumático» ya que se perdió

en beneficio del rendimiento y expresividad del lenguaje de programación. Este cambio

Importante: Únete a Python 3 y aprovecha todas sus ventajas.