https://www.youtube.com/watch?

v=zlOaObf5yR0

El tutorial de Python
Python es un lenguaje de programación potente y fácil de aprender. Tiene
estructuras de datos de alto nivel eficientes y un simple pero efectivo sistema de
programación orientado a objetos. La elegante sintaxis de Python y su tipado
dinámico, junto a su naturaleza interpretada lo convierten en un lenguaje ideal
para scripting y desarrollo rápido de aplicaciones en muchas áreas, para la
mayoría de plataformas.

El intérprete de Python y la extensa librería estándar se encuentran disponibles

libremente en código fuente y de forma binaria para la mayoría de las plataformas
desde la Web de Python, https://www.python.org/, y se pueden distribuir
libremente. El mismo sitio también contiene distribuciones y referencias a muchos
módulos libres de Python de terceros, programas, herramientas y documentación
adicional.

El intérprete de Python es fácilmente extensible con funciones y tipos de datos

implementados en C o C++ (u otros lenguajes que permitan ser llamados desde
C). Python también es apropiado como un lenguaje para extender aplicaciones
modificables.

Este tutorial introduce al lector informalmente a los conceptos básicos y las

funcionalidades del lenguaje de programación Python y a su sistema. Ayuda a
tener un interprete de Python accesible para una experiencia práctica, todos los
ejemplos son auto-contenidos, permitiendo utilizar el tutorial sin conexión.

Para una descripción de los objetos estándar y de los módulos, ver La Biblioteca
Estándar de Python. Referencia del Lenguaje Python dónde se ofrece una
definición más formal del lenguaje. Para escribir extensiones en C o C++,
leer Ampliación e incrustación del intérprete de Python y Manual de referencia de
la API en C de Python. Existen diversos libros que cubren Python en detalle.

Este tutorial no pretende ser exhaustivo ni cubrir cada una de las características
del lenguaje, ni siquiera las más utilizadas. En vez de eso, pretende introducir
muchas de las funcionalidades más notables y brindar una idea clara acerca del
estilo y el tipo de lenguaje que es Python. Después de leerlo podrás leer y escribir
módulos y programas en Python, y estarás listo para aprender más acerca de las
diversas librerías y módulos descritos en La Biblioteca Estándar de Python.

Es interesante leer el Glosario.

 1. Abriendo el apetito
 2. Usando el intérprete de Python
o 2.1. Invocando al intérprete
 2.1.1. Paso de argumentos
 2.1.2. Modo interactivo
o 2.2. El intérprete y su entorno
 2.2.1. Codificación del código fuente
 3. Una introducción informal a Python
o 3.1. Usando Python como una calculadora
 3.1.1. Números
 3.1.2. Cadenas de caracteres
 3.1.3. Listas
o 3.2. Primeros pasos hacia la programación
 4. Más herramientas para control de flujo
o 4.1. La sentencia if
o 4.2. La sentencia for
o 4.3. La función range()
o 4.4. Las sentencias break, continue, y else en bucles
o 4.5. La sentencia pass
o 4.6. La sentencia match
o 4.7. Definiendo funciones
o 4.8. Más sobre definición de funciones
 4.8.1. Argumentos con valores por omisión
 4.8.2. Palabras claves como argumentos
 4.8.3. Parámetros especiales
 4.8.3.1. Argumentos posicionales o de palabras claves
 4.8.3.2. Parámetros únicamente posicionales
 4.8.3.3. Argumentos únicamente de palabras clave
 4.8.3.4. Ejemplos de Funciones
 4.8.3.5. Resumen
 4.8.4. Listas de argumentos arbitrarios
 4.8.5. Desempaquetando una lista de argumentos
 4.8.6. Expresiones lambda
 4.8.7. Cadenas de texto de documentación
 4.8.8. Anotación de funciones
o 4.9. Intermezzo: Estilo de codificación
 5. Estructuras de datos
o 5.1. Más sobre listas
 5.1.1. Usando listas como pilas
 5.1.2. Usando listas como colas
 5.1.3. Comprensión de listas
 5.1.4. Listas por comprensión anidadas
o 5.2. La instrucción del
o 5.3. Tuplas y secuencias
o 5.4. Conjuntos
o 5.5. Diccionarios
 o 5.6. Técnicas de iteración
o 5.7. Más acerca de condiciones
o 5.8. Comparando secuencias y otros tipos
 6. Módulos
o 6.1. Más sobre los módulos
 6.1.1. Ejecutando módulos como scripts
 6.1.2. El camino de búsqueda de los módulos
 6.1.3. Archivos «compilados» de Python
o 6.2. Módulos estándar
o 6.3. La función dir()
o 6.4. Paquetes
 6.4.1. Importando * desde un paquete
 6.4.2. Referencias internas en paquetes
 6.4.3. Paquetes en múltiples directorios
 7. Entrada y salida
o 7.1. Formateo elegante de la salida
 7.1.1. Formatear cadenas literales
 7.1.2. El método format() de cadenas
 7.1.3. Formateo manual de cadenas
 7.1.4. Viejo formateo de cadenas
o 7.2. Leyendo y escribiendo archivos
 7.2.1. Métodos de los objetos Archivo
 7.2.2. Guardar datos estructurados con json
 8. Errores y excepciones
o 8.1. Errores de sintaxis
o 8.2. Excepciones
o 8.3. Gestionando excepciones
o 8.4. Lanzando excepciones
o 8.5. Encadenamiento de excepciones
o 8.6. Excepciones definidas por el usuario
o 8.7. Definiendo acciones de limpieza
o 8.8. Acciones predefinidas de limpieza
 9. Clases
o 9.1. Unas palabras sobre nombres y objetos
o 9.2. Ámbitos y espacios de nombres en Python
 9.2.1. Ejemplo de ámbitos y espacios de nombre
o 9.3. Un primer vistazo a las clases
 9.3.1. Sintaxis de definición de clases
 9.3.2. Objetos clase
 9.3.3. Objetos instancia
 9.3.4. Objetos método
 9.3.5. Variables de clase y de instancia
o 9.4. Algunas observaciones
o 9.5. Herencia
 9.5.1. Herencia múltiple
o 9.6. Variables privadas
 o 9.7. Cambalache
o 9.8. Iteradores
o 9.9. Generadores
o 9.10. Expresiones generadoras
 10. Pequeño paseo por la Biblioteca Estándar
o 10.1. Interfaz al sistema operativo
o 10.2. Comodines de archivos
o 10.3. Argumentos de linea de órdenes
o 10.4. Redirigir la salida de error y finalización del programa
o 10.5. Coincidencia en patrones de cadenas
o 10.6. Matemática
o 10.7. Acceso a Internet
o 10.8. Fechas y tiempos
o 10.9. Compresión de datos
o 10.10. Medición de rendimiento
o 10.11. Control de calidad
o 10.12. Las pilas incluidas
 11. Pequeño paseo por la Biblioteca Estándar— Parte II
o 11.1. Formato de salida
o 11.2. Plantillas
o 11.3. Trabajar con registros estructurados conteniendo datos binarios
o 11.4. Multi-hilos
o 11.5. Registrando
o 11.6. Referencias débiles
o 11.7. Herramientas para trabajar con listas
o 11.8. Aritmética de punto flotante decimal
 12. Entornos Virtuales y Paquetes
o 12.1. Introducción
o 12.2. Creando Entornos Virtuales
o 12.3. Manejando paquetes con pip
 13. ¿Y ahora qué?
 14. Edición de entrada interactiva y sustitución de historial
o 14.1. Autocompletado con tab e historial de edición
o 14.2. Alternativas al intérprete interactivo
 15. Aritmética de Punto Flotante: Problemas y Limitaciones
o 15.1. Error de Representación
 16. Apéndice
o 16.1. Modo interactivo
 16.1.1. Manejo de errores
 16.1.2. Programas ejecutables de Python
 16.1.3. El archivo de inicio interactivo
 16.1.4. Los módulos de customización
1. Abriendo el apetito
Si trabajas mucho con ordenadores, en algún momento encontrarás que hay
alguna tarea que quieres automatizar. Por ejemplo, quizás quieres buscar y
remplazar un texto en muchos ficheros o renombrar y reordenar un montón de
imágenes de forma complicada. Quizás lo que quieres es escribir una pequeña
base de datos personalizada, una interfaz gráfica o un juego simple.

Si eres un desarrollador profesional, quizás quieres trabajar con varias librerías de

C/C++/Java pero encuentras el ciclo de escribir/compilar/probar/recompilar
bastante lento. Quizás estás escribiendo una serie de pruebas para éstas librerías
y te parece tedioso escribir el código de pruebas. O quizás has escrito un
programa que puede utilizar un lenguaje como extensión y no quieres diseñar e
implementar un lenguaje entero para tu aplicación.

Python es justo el lenguaje para ti.

Puede escribir un script de shell de Unix o archivos por lotes de Windows para
algunas de estas tareas, pero los scripts de shell son mejores para mover archivos
y cambiar datos de texto, no son adecuados para juegos o aplicaciones GUI.
Podría escribir un programa C / C ++ / Java, pero puede llevar mucho tiempo de
desarrollo obtener incluso un programa de primer borrador. Python es más fácil de
usar, está disponible en los sistemas operativos Windows, macOS y Unix, y lo
ayudará a hacer el trabajo más rápidamente.

Python es fácil de utilizar siendo un lenguaje de programación real ofreciendo

mucha más estructura y soporte para programas grandes que la que ofrecen shell
scripts o ficheros batch. Por otro lado, Python también ofrece mayor comprobación
de errores que C y siendo un lenguaje de muy alto nivel tiene tipos de datos de
alto nivel incorporados como listas flexibles y diccionarios. Debido a sus tipos de
datos más generales, Python es aplicable a más dominios que Awk o Perl, aunque
hay muchas cosas que son tan sencillas en Python como en esos lenguajes.

Python te permite dividir tu programa en módulos que pueden reutilizarse en otros

programas de Python. Tiene una gran colección de módulos estándar que puedes
utilizar como la base de tus programas o como ejemplos para empezar a aprender
Python. Algunos de estos módulos proporcionan cosas como entrada/salida de
ficheros, llamadas a sistema, sockets e incluso interfaces a herramientas de
interfaz gráfica como Tk.

Python es un lenguaje interpretado, lo cual puede ahorrarte mucho tiempo durante

el desarrollo ya que no es necesario compilar ni enlazar. El intérprete puede
usarse interactivamente, lo que facilita experimentar con características del
lenguaje, escribir programas desechables o probar funciones cuando se hace
desarrollo de programas de abajo hacia arriba. Es también una calculadora de
escritorio práctica.
Python permite escribir programas compactos y legibles. Los programas en
Python son típicamente más cortos que sus programas equivalentes en C, C++ o
Java por varios motivos:

 los tipos de datos de alto nivel permiten expresar operaciones complejas en

una sola instrucción;
 la agrupación de instrucciones se hace mediante indentación en vez de
llaves de apertura y cierre;
 no es necesario declarar variables ni argumentos.

Python es extensible: si ya sabes programar en C es fácil añadir nuevas funciones

o módulos al intérprete, ya sea para realizar operaciones críticas a velocidad
máxima, o para enlazar programas de Python con bibliotecas que tal vez sólo
estén disponibles de forma binaria (por ejemplo bibliotecas gráficas específicas de
un fabricante). Una vez estés realmente entusiasmado, puedes enlazar el
intérprete Python en una aplicación hecha en C y usarlo como lenguaje de
extensión o de comando para esa aplicación.

Por cierto, el lenguaje recibe su nombre del programa de televisión de la BBC

«Monty Python’s Flying Circus» y no tiene nada que ver con reptiles. Hacer
referencias sobre Monty Python en la documentación no sólo esta permitido, ¡sino
que también está bien visto!

Ahora que estás emocionado con Python, querrás verlo en más detalle. Como la
mejor forma de aprender un lenguaje es usarlo, el tutorial te invita a que juegues
con el intérprete de Python a medida que vas leyendo.

En el próximo capítulo se explicará la mecánica de uso del intérprete. Esta es

información bastante mundana, pero es esencial para poder probar los ejemplos
que aparecerán más adelante.

El resto del tutorial introduce varias características del lenguaje y el sistema

Python a través de ejemplos, empezando con expresiones, instrucciones y tipos
de datos simples, pasando por funciones y módulos, y finalmente tocando
conceptos avanzados como excepciones y clases definidas por el usuario.

2. Usando el intérprete de Python

2.1. Invocando al intérprete
El intérprete de Python generalmente se instala
como /usr/local/bin/python3.10 en aquellas máquinas donde está
disponible; poner /usr/local/bin en la ruta de búsqueda de su shell de Unix
hace posible iniciarlo escribiendo el comando:
python3.10

en el terminal 1. Ya que la elección del directorio dónde vivirá el intérprete es una

opción del proceso de instalación, puede estar en otros lugares; consulta a tu
experto Python local o administrador de sistemas. (Por
ejemplo, /usr/local/python es una alternativa popular).

En máquinas con Windows en las que haya instalado Python desde Microsoft

Store, el comando python3.10 estará disponible. Si tiene el lanzador
py.exe instalado, puede usar el comando py. Consulte Excurso: configurar
variables de entorno para conocer otras formas de iniciar Python.

Se puede salir del intérprete con estado de salida cero ingresando el carácter de
fin de archivo (Control-D en Unix, Control-Z en Windows). Si eso no funciona,
puedes salir del intérprete escribiendo el comando: quit().

Las características para edición de líneas del intérprete incluyen edición

interactiva, sustitución de historial y completado de código en sistemas que
soportan GNU Readline librería. Quizás la forma más rápida para comprobar si las
características de edición se encuentran disponibles es escribir Control-P en el
primer prompt de Python que aparezca. Si se escucha un sonido, tienes edición de
línea de comandos; ver Apéndice Edición de entrada interactiva y sustitución de
historial para una introducción a las teclas. Si no parece que ocurra nada, o si se
muestra ^P, estas características no están disponibles; solo vas a poder usar la
tecla de retroceso (backspace) para borrar los caracteres de la línea actual.

El intérprete funciona de manera similar al shell de Unix: cuando se le llama con

una entrada estándar conectada a un terminal, lee y ejecuta comandos de manera
interactiva; cuando se le llama con un argumento de nombre de archivo o con un
archivo como entrada estándar, lee y ejecuta un script desde ese archivo.

Una segunda forma de iniciar el intérprete es python -c comando [arg] ...,

que ejecuta las sentencias en comando, similar a la opción de shell -c . Como las
sentencias de Python a menudo contienen espacios u otros caracteres que son
especiales para el shell, generalmente se recomienda citar comando con comillas
simples.

Algunos módulos de Python también son útiles como scripts. Estos pueden
invocarse utilizando python -m module [arg] ..., que ejecuta el archivo
fuente para module como si se hubiera escrito el nombre completo en la línea de
comandos.

Cuando se usa un script, a veces es útil poder ejecutar el script y luego ingresar al
modo interactivo. Esto se puede hacer pasando la -i antes del nombre del script.
Todas las opciones de la línea de comandos se describen en Línea de comandos
y entorno.

2.1.1. Paso de argumentos
Cuando son conocidos por el intérprete, el nombre del script y los argumentos
adicionales se convierten a una lista de cadenas de texto asignada a la
variable argv del módulo sys. Puedes acceder a esta lista haciendo import sys.
La longitud de la lista es al menos uno; cuando no se utiliza ningún script o
argumento, sys.argv[0] es una cadena vacía. Cuando se pasa el nombre del
script con '-' (lo que significa la entrada estándar), sys.argv[0] vale '-'.
Cuando se usa -c comando, sys.argv[0] vale '-c'. Cuando se usa -
m módulo, sys.argv[0] contiene el valor del nombre completo del módulo. Las
opciones encontradas después de -c comand o -m módulo no son consumidas
por el procesador de opciones de Python pero de todas formas se almacenan
en sys.argv para ser manejadas por el comando o módulo.

2.1.2. Modo interactivo
Cuando se leen los comandos desde un terminal, se dice que el intérprete está
en modo interactivo. En este modo, espera el siguiente comando con el prompt
primario, generalmente tres signos de mayor que (>>>); para las líneas de
continuación, aparece el prompt secundario, por defecto tres puntos (...). El
intérprete imprime un mensaje de bienvenida que indica su número de versión y
un aviso de copyright antes de imprimir el primer prompt primario:

$ python3.10
Python 3.10 (default, June 4 2019, 09:25:04)
[GCC 4.8.2] on linux
Type "help", "copyright", "credits" or "license" for more
information.
>>>

Las líneas de continuación son necesarias cuando se ingresa una construcción

multilínea. Como ejemplo, echa un vistazo a la sentencia if:

>>>

>>> the_world_is_flat = True

>>> if the_world_is_flat:
... print("Be careful not to fall off!")
...
Be careful not to fall off!
Para más información sobre el modo interactivo, ver Modo interactivo.

2.2. El intérprete y su entorno

2.2.1. Codificación del código fuente
De forma predeterminada, los archivos fuente de Python se tratan como
codificados en UTF-8. En esa codificación, los caracteres de la mayoría de los
idiomas del mundo se pueden usar simultáneamente en literales, identificadores y
comentarios, aunque la biblioteca estándar solo usa caracteres ASCII para los
identificadores, una convención que debería seguir cualquier código que sea
portable.Para mostrar todos estos caracteres correctamente, tu editor debe
reconocer que el archivo es UTF-8, y debe usar una fuente que admita todos los
caracteres del archivo.

Para declarar una codificación que no sea la predeterminada, se debe agregar una
línea de comentario especial como la primera línea del archivo. La sintaxis es la
siguiente:

# -*- coding: encoding -*-

donde codificación es uno de los codecs soportados por Python.

Por ejemplo, para declarar que se utilizará la codificación de Windows-1252, la

primera línea del archivo de código fuente debe ser:

# -*- coding: cp1252 -*-

Una excepción a la regla de primera línea es cuando el código fuente comienza

con una línea UNIX «shebang» line. En ese caso, la declaración de codificación
debe agregarse como la segunda línea del archivo. Por ejemplo:

#!/usr/bin/env python3
# -*- coding: cp1252 -*-

Notas al pie

En Unix, el intérprete de Python 3.x no está instalado por defecto con el

ejecutable llamado python, por lo que no entra en conflicto con un
ejecutable de Python 2.x instalado simultáneamente.
3. Una introducción informal a Python
En los siguientes ejemplos, la entrada y la salida se distinguen por la presencia o
ausencia de prompts (>>> y …): para repetir el ejemplo, escribe todo después del
prompt, cuando aparece; las líneas que no comienzan con un prompt son emitidas
desde el intérprete. Ten en cuenta que un prompt secundario solo en una linea de
ejemplo significa que debes escribir una línea en blanco. Esto se utiliza para
finalizar un comando multilínea.

You can toggle the display of prompts and output by clicking on >>> in the upper-
right corner of an example box. If you hide the prompts and output for an example,
then you can easily copy and paste the input lines into your interpreter.

Muchos de los ejemplos de este manual, incluso aquellos ingresados en el prompt

interactivo, incluyen comentarios. Los comentarios en Python comienzan con el
carácter numeral, #, y se extienden hasta el final visible de la línea. Un comentario
quizás aparezca al comienzo de la línea o seguido de espacios en blanco o
código, pero no dentro de una cadena de caracteres. Un carácter numeral dentro
de una cadena de caracteres es sólo un carácter numeral. Ya que los comentarios
son para aclarar código y no son interpretados por Python, pueden omitirse
cuando se escriben los ejemplos.

Algunos ejemplos:

# this is the first comment

spam = 1 # and this is the second comment
# ... and now a third!
text = "# This is not a comment because it's inside quotes."

3.1. Usando Python como una calculadora

Probemos algunos comandos simples de Python. Inicia el intérprete y espere el
prompt primario, >>>. (No debería tardar mucho.)

3.1.1. Números
El intérprete puede utilizarse como una simple calculadora; puedes introducir una
expresión y este escribirá los valores. La sintaxis es sencilla: los
operadores +, -, * y /``funcionan como en la mayoría de los lenguaje
s (por ejemplo, Pascal o C); los paréntesis (``()) pueden ser
usados para agrupar. Por ejemplo:

>>>
>>> 2 + 2
4
>>> 50 - 5*6
20
>>> (50 - 5*6) / 4
5.0
>>> 8 / 5 # division always returns a floating point number
1.6

Los números enteros (ej. 2, 4, 20) tienen tipo int, los que tienen una parte
fraccionaria (por ejemplo 5.0, 1.6) tiene el tipo float. Vamos a ver más acerca
de los tipos numéricos más adelante en el tutorial.

La división (/) siempre retorna un punto flotante. Para hacer floor division y

obtener un resultado entero (descartando cualquier resultado fraccionario) puede
usarse el operador //; para calcular el resto puedes usar %:

>>>

>>> 17 / 3 # classic division returns a float

5.666666666666667
>>>
>>> 17 // 3 # floor division discards the fractional part
5
>>> 17 % 3 # the % operator returns the remainder of the
division
2
>>> 5 * 3 + 2 # floored quotient * divisor + remainder
17

Con Python, es posible usar el operador ** para calcular potencias 1:

>>>

>>> 5 ** 2 # 5 squared
25
>>> 2 ** 7 # 2 to the power of 7
128

El signo igual (=) se usa para asignar un valor a una variable. Ningún resultado se
mostrará antes del siguiente prompt interactivo:

>>>
>>> width = 20
>>> height = 5 * 9
>>> width * height
900

Si una variable no está «definida» (no se le ha asignado un valor), al intentar

usarla dará un error:

>>>

>>> n # try to access an undefined variable

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

Hay soporte completo de punto flotante; operadores con operando mezclados

convertirán los enteros a punto flotante:

>>>

>>> 4 * 3.75 - 1
14.0

En el modo interactivo, la última expresión impresa se asigna a la variable _. Esto

significa que cuando se está utilizando Python como calculadora, es más fácil
seguir calculando, por ejemplo:

>>>

>>> tax = 12.5 / 100

>>> price = 100.50
>>> price * tax
12.5625
>>> price + _
113.0625
>>> round(_, 2)
113.06

Esta variable debe ser tratada como de sólo lectura por el usuario. No le asignes
explícitamente un valor; crearás una variable local independiente con el mismo
nombre enmascarando la variable con el comportamiento mágico.
Además de int y float, Python admite otros tipos de números,
como Decimal y Fraction. Python también tiene soporte incorporado
para complex numbers, y usa el sufijo j o J para indicar la parte imaginaria (por
ejemplo, 3+5j).

3.1.2. Cadenas de caracteres
Además de números, Python puede manipular cadenas de texto, las cuales
pueden ser expresadas de distintas formas. Pueden estar encerradas en comillas
simples ('...') o dobles ("...") con el mismo resultado 2. \ puede ser usado
para escapar comillas:

>>>

>>> 'spam eggs' # single quotes

'spam eggs'
>>> 'doesn\'t' # use \' to escape the single quote...
"doesn't"
>>> "doesn't" # ...or use double quotes instead
"doesn't"
>>> '"Yes," they said.'
'"Yes," they said.'
>>> "\"Yes,\" they said."
'"Yes," they said.'
>>> '"Isn\'t," they said.'
'"Isn\'t," they said.'

En el intérprete interactivo, la salida de caracteres está encerrada en comillas y los

caracteres especiales se escapan con barras invertidas. Aunque esto a veces se
vea diferente de la entrada (las comillas que encierran pueden cambiar), las dos
cadenas son equivalentes. La cadena se encierra en comillas dobles si la cadena
contiene una comilla simple y ninguna doble, de lo contrario es encerrada en
comillas simples. La función print() produce una salida más legible, omitiendo
las comillas que la encierran e imprimiendo caracteres especiales y escapados:

>>>

>>> '"Isn\'t," they said.'

'"Isn\'t," they said.'
>>> print('"Isn\'t," they said.')
"Isn't," they said.
>>> s = 'First line.\nSecond line.' # \n means newline
>>> s # without print(), \n is included in the output
'First line.\nSecond line.'
>>> print(s) # with print(), \n produces a new line
First line.
Second line.

Si no quieres que los caracteres precedidos por \ se interpreten como caracteres

especiales, puedes usar cadenas sin formato agregando una r antes de la primera
comilla:

>>>

>>> print('C:\some\name') # here \n means newline!

C:\some
ame
>>> print(r'C:\some\name') # note the r before the quote
C:\some\name

Las cadenas de texto literales pueden contener múltiples líneas. Una forma es
usar triples comillas: """...""" o '''...'''. Los fin de línea son incluidos
automáticamente, pero es posible prevenir esto agregando una \ al final de la
línea. Por ejemplo:

print("""\
Usage: thingy [OPTIONS]
-h Display this usage message
-H hostname Hostname to connect to
""")

produce la siguiente salida (tened en cuenta que la línea inicial no está incluida):

Usage: thingy [OPTIONS]

-h Display this usage message
-H hostname Hostname to connect to

Las cadenas se pueden concatenar (pegar juntas) con el operador + y se pueden

repetir con *:

>>>

>>> # 3 times 'un', followed by 'ium'

>>> 3 * 'un' + 'ium'
'unununium'
Dos o más cadenas literales (es decir, las encerradas entre comillas) una al lado
de la otra se concatenan automáticamente.

>>>

>>> 'Py' 'thon'

'Python'

Esta característica es particularmente útil cuando quieres dividir cadenas largas:

>>>

>>> text = ('Put several strings within parentheses '

... 'to have them joined together.')
>>> text
'Put several strings within parentheses to have them joined
together.'

Esto solo funciona con dos literales, no con variables ni expresiones:

>>>

>>> prefix = 'Py'

>>> prefix 'thon' # can't concatenate a variable and a string
literal
File "<stdin>", line 1
prefix 'thon'
^
SyntaxError: invalid syntax
>>> ('un' * 3) 'ium'
File "<stdin>", line 1
('un' * 3) 'ium'
^
SyntaxError: invalid syntax

Si quieres concatenar variables o una variable y un literal, usa +:

>>>

>>> prefix + 'thon'

'Python'
Las cadenas de texto se pueden indexar (subíndices), el primer carácter de la
cadena tiene el índice 0. No hay un tipo de dato diferente para los caracteres; un
carácter es simplemente una cadena de longitud uno:

>>>

>>> word = 'Python'

>>> word[0] # character in position 0
'P'
>>> word[5] # character in position 5
'n'

Los índices quizás sean números negativos, para empezar a contar desde la
derecha:

>>>

>>> word[-1] # last character

'n'
>>> word[-2] # second-last character
'o'
>>> word[-6]
'P'

Nota que -0 es lo mismo que 0, los índice negativos comienzan desde -1.

Además de los índices, las rebanadas también están soportadas. Mientras que los

índices se utilizar para obtener caracteres individuales, las rebanadas te permiten
obtener partes de las cadenas de texto:

>>>

>>> word[0:2] # characters from position 0 (included) to 2

(excluded)
'Py'
>>> word[2:5] # characters from position 2 (included) to 5
(excluded)
'tho'

Los índices de las rebanadas tienen valores por defecto útiles; el valor por defecto
para el primer índice es cero, el valor por defecto para el segundo índice es la
longitud de la cadena a rebanar.

>>>
>>> word[:2] # character from the beginning to position 2
(excluded)
'Py'
>>> word[4:] # characters from position 4 (included) to the
end
'on'
>>> word[-2:] # characters from the second-last (included) to
the end
'on'

Nota cómo el inicio siempre se incluye y el final siempre se excluye. Esto asegura
que s[:i] + s[i:] siempre sea igual a s:

>>>

>>> word[:2] + word[2:]

'Python'
>>> word[:4] + word[4:]
'Python'

Una forma de recordar cómo funcionan las rebanadas es pensar que los índices
apuntan entre caracteres, con el borde izquierdo del primer carácter numerado 0.
Luego, el punto derecho del último carácter de una cadena de n caracteres tiene
un índice n, por ejemplo

+---+---+---+---+---+---+
| P | y | t | h | o | n |
+---+---+---+---+---+---+
0 1 2 3 4 5 6
-6 -5 -4 -3 -2 -1

La primera fila de números da la posición de los índices 0…6 en la cadena; La

segunda fila da los correspondientes indices negativos. La rebanada
desde i hasta j consta de todos los caracteres entre los bordes etiquetados i y j,
respectivamente.

Para índices no negativos, la longitud de la rebanada es la diferencia de los

índices, si ambos están dentro de los límites. Por ejemplo, la longitud
de word[1:3] es 2.

Intentar usar un índice que es muy grande resultará en un error:

>>>
>>> word[42] # the word only has 6 characters
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
IndexError: string index out of range

Sin embargo, los índices de rebanadas fuera de rango se manejan

satisfactoriamente cuando se usan para rebanar:

>>>

>>> word[4:42]
'on'
>>> word[42:]
''

Las cadenas de Python no se pueden modificar, son immutable. Por eso, asignar

a una posición indexada de la cadena resulta en un error:

>>>

>>> word[0] = 'J'

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'str' object does not support item assignment
>>> word[2:] = 'py'
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'str' object does not support item assignment

Si necesitas una cadena diferente, deberías crear una nueva:

>>>

>>> 'J' + word[1:]

'Jython'
>>> word[:2] + 'py'
'Pypy'

La función incorporada len() retorna la longitud de una cadena:

>>>
>>> s = 'supercalifragilisticexpialidocious'
>>> len(s)
34
Ver también
Cadenas de caracteres — str

Las cadenas de texto son ejemplos de tipos secuencias y soportan las

operaciones comunes para esos tipos.
Métodos de las cadenas de caracteres

Las cadenas de texto soportan una gran cantidad de métodos para

transformaciones básicas y búsqueda.
Literales de cadena formateados

Literales de cadena que tienen expresiones embebidas.

Sintaxis de formateo de cadena

Aquí se da información sobre formateo de cadenas de texto

con str.format().
Formateo de cadenas al estilo *printf*

Aquí se describen con más detalle las antiguas operaciones para formateo
utilizadas cuando una cadena de texto está a la izquierda del operador %.
3.1.3. Listas
Python tiene varios tipos de datos compuestos, utilizados
para agrupar otros valores. El más versátil es la lista, la cual
puede ser escrita como una lista de valores separados por
coma (ítems) entre corchetes. Las listas pueden contener
ítems de diferentes tipos, pero usualmente los ítems son del
mismo tipo.

>>>

>>> squares = [1, 4, 9, 16, 25]

>>> squares
[1, 4, 9, 16, 25]

Al igual que las cadenas (y todas las demás tipos

integrados sequence), las listas se pueden indexar y
segmentar:

>>>
>>> squares[0] # indexing returns the item
1
>>> squares[-1]
25
>>> squares[-3:] # slicing returns a new list
[9, 16, 25]

Todas las operaciones de rebanado retornan una nueva lista

que contiene los elementos pedidos. Esto significa que la
siguiente rebanada retorna una shallow copy de la lista:

>>>

>>> squares[:]
[1, 4, 9, 16, 25]

Las listas también admiten operaciones como concatenación:

>>>

>>> squares + [36, 49, 64, 81, 100]

[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

A diferencia de las cadenas, que son immutable, las listas

son de tipo mutable, es decir, es posible cambiar su
contenido:

>>>

>>> cubes = [1, 8, 27, 65, 125] # something's

wrong here
>>> 4 ** 3 # the cube of 4 is 64, not 65!
64
>>> cubes[3] = 64 # replace the wrong value
>>> cubes
[1, 8, 27, 64, 125]

También puede agregar nuevos elementos al final de la lista,

utilizando el método append() (vamos a ver más sobre los
métodos luego):

>>>
>>> cubes.append(216) # add the cube of 6
>>> cubes.append(7 ** 3) # and the cube of 7
>>> cubes
[1, 8, 27, 64, 125, 216, 343]

También es posible asignar a una rebanada, y esto incluso

puede cambiar la longitud de la lista o vaciarla totalmente:

>>>

>>> letters = ['a', 'b', 'c', 'd', 'e', 'f',

'g']
>>> letters
['a', 'b', 'c', 'd', 'e', 'f', 'g']
>>> # replace some values
>>> letters[2:5] = ['C', 'D', 'E']
>>> letters
['a', 'b', 'C', 'D', 'E', 'f', 'g']
>>> # now remove them
>>> letters[2:5] = []
>>> letters
['a', 'b', 'f', 'g']
>>> # clear the list by replacing all the
elements with an empty list
>>> letters[:] = []
>>> letters
[]

La función predefinida len() también sirve para las listas

>>>

>>> letters = ['a', 'b', 'c', 'd']

>>> len(letters)
4

Es posible anidar listas (crear listas que contengan otras

listas), por ejemplo:

>>>

>>> a = ['a', 'b', 'c']

>>> n = [1, 2, 3]
 >>> x = [a, n]
>>> x
[['a', 'b', 'c'], [1, 2, 3]]
>>> x[0]
['a', 'b', 'c']
>>> x[0][1]
'b'

3.2. Primeros pasos hacia la programación

Por supuesto, podemos usar Python para tareas más complicadas que sumar dos
y dos. Por ejemplo, podemos escribir una parte inicial de la serie de Fibonacci
<https://en.wikipedia.org/wiki/Fibonacci_number>`_ así:

>>>

>>> # Fibonacci series:

... # the sum of two elements defines the next
... a, b = 0, 1
>>> while a < 10:
... print(a)
... a, b = b, a+b
...
0
1
1
2
3
5
8

Este ejemplo introduce varias características nuevas.

 La primera línea contiene una asignación múltiple: las

variables a y b obtienen simultáneamente los nuevos valores 0 y 1. En la
última línea esto se usa nuevamente, demostrando que las expresiones de
la derecha son evaluadas primero antes de que se realice cualquiera de las
asignaciones. Las expresiones del lado derecho se evalúan de izquierda a
derecha.

 El bucle while se ejecuta mientras la condición (aquí: a < 10) sea

verdadera. En Python, como en C, cualquier valor entero que no sea cero
es verdadero; cero es falso. La condición también puede ser una cadena de
texto o una lista, de hecho, cualquier secuencia; cualquier cosa con una
 longitud distinta de cero es verdadera, las secuencias vacías son falsas. La
prueba utilizada en el ejemplo es una comparación simple. Los operadores
de comparación estándar se escriben igual que en C: < (menor
que), > (mayor que), == (igual a), <= (menor que o igual a), >= (mayor que o
igual a) y != (distinto a).

 El cuerpo del bucle está indentado: la indentación es la forma que usa

Python para agrupar declaraciones. En el intérprete interactivo debes
teclear un tabulador o espacio(s) para cada línea indentada. En la práctica
vas a preparar entradas más complicadas para Python con un editor de
texto; todos los editores de texto modernos tienen la facilidad de agregar la
indentación automáticamente. Cuando se ingresa una instrucción
compuesta de forma interactiva, se debe finalizar con una línea en blanco
para indicar que está completa (ya que el analizador no puede adivinar
cuando tecleaste la última línea). Nota que cada línea de un bloque básico
debe estar sangrada de la misma forma.

 La función print() escribe el valor de los argumentos que se le dan.

Difiere de simplemente escribir la expresión que se quiere mostrar (como
hicimos antes en los ejemplos de la calculadora) en la forma en que maneja
múltiples argumentos, cantidades de punto flotante y cadenas. Las cadenas
de texto son impresas sin comillas y un espacio en blanco se inserta entre
los elementos, así puedes formatear cosas de una forma agradable:

>>>

>>> i = 256*256
>>> print('The value of i is', i)
The value of i is 65536

El parámetro nombrado end puede usarse para evitar el salto de linea al

final de la salida, o terminar la salida con una cadena diferente:

>>>

>>> a, b = 0, 1
>>> while a < 1000:
... print(a, end=',')
... a, b = b, a+b
...
0,1,1,2,3,5,8,13,21,34,55,89,144,233,377,610,987,

Notas al pie
1

Debido a que ** tiene una prioridad mayor que `-, -3**2 se interpretará

como -(3**2), por lo tanto dará como resultado -9. Para evitar esto y
obtener 9, puedes usar (-3)**2.

A diferencia de otros lenguajes, caracteres especiales como \n tienen el

mismo significado con simple('...') y dobles ("...") comillas. La única
diferencia entre las dos es que dentro de las comillas simples no existe la
necesidad de escapar " (pero tienes que escapar \') y viceversa.

4. Más herramientas para control de flujo

Además de la sentencia while que acabamos de introducir, Python soporta las
sentencias de control de flujo que podemos encontrar en otros lenguajes, con
algunos cambios.

4.1. La sentencia if
Tal vez el tipo más conocido de sentencia sea el if. Por ejemplo:

>>>

>>> x = int(input("Please enter an integer: "))

Please enter an integer: 42
>>> if x < 0:
... x = 0
... print('Negative changed to zero')
... elif x == 0:
... print('Zero')
... elif x == 1:
... print('Single')
... else:
... print('More')
...
More

Puede haber cero o más bloques elif, y el bloque else es opcional. La palabra

reservada “elif’es una abreviación de “else if”, y es útil para evitar un sangrado
excesivo. Una secuencia if … elif … elif … sustituye las
sentencias switch o case encontradas en otros lenguajes.
Si necesitas comparar un mismo valor con muchas constantes, o comprobar que
tenga un tipo o atributos específicos puede que encuentres útil la sentencia
keyword:!match. Para más detalles véase La sentencia match.

4.2. La sentencia for
La sentencia for en Python difiere un poco de lo que uno puede estar
acostumbrado en lenguajes como C o Pascal. En lugar de siempre iterar sobre
una progresión aritmética de números (como en Pascal) o darle al usuario la
posibilidad de definir tanto el paso de la iteración como la condición de fin (como
en C), la sentencia for de Python itera sobre los ítems de cualquier secuencia
(una lista o una cadena de texto), en el orden que aparecen en la secuencia. Por
ejemplo:

>>>

>>> # Measure some strings:

... words = ['cat', 'window', 'defenestrate']
>>> for w in words:
... print(w, len(w))
...
cat 3
window 6
defenestrate 12

Código que modifica una colección mientras se itera sobre la misma colección
puede ser complejo de hacer bien. Sin embargo, suele ser más directo iterar sobre
una copia de la colección o crear una nueva colección:

# Create a sample collection

users = {'Hans': 'active', 'Éléonore': 'inactive', '景太郎':
'active'}

# Strategy: Iterate over a copy

for user, status in users.copy().items():
if status == 'inactive':
del users[user]

# Strategy: Create a new collection

active_users = {}
for user, status in users.items():
if status == 'active':
active_users[user] = status
4.3. La función range()
Si se necesita iterar sobre una secuencia de números, es apropiado utilizar la
función integrada range(), la cual genera progresiones aritméticas:

>>>

>>> for i in range(5):

... print(i)
...
0
1
2
3
4

El valor final dado nunca es parte de la secuencia; range(10) genera 10 valores,

los índices correspondientes para los ítems de una secuencia de longitud 10. Es
posible hacer que el rango empiece con otro número, o especificar un incremento
diferente (incluso negativo; algunas veces se lo llama “paso”):

>>>

>>> list(range(5, 10))

[5, 6, 7, 8, 9]

>>> list(range(0, 10, 3))

[0, 3, 6, 9]

>>> list(range(-10, -100, -30))

[-10, -40, -70]

Para iterar sobre los índices de una secuencia, puedes

combinar range() y len() así:

>>>

>>> a = ['Mary', 'had', 'a', 'little', 'lamb']

>>> for i in range(len(a)):
... print(i, a[i])
...
0 Mary
1 had
2 a
3 little
4 lamb

En la mayoría de los casos, sin embargo, conviene usar la función enumerate(),

mira Técnicas de iteración.

Algo extraño sucede si muestras un ` range`:

>>>

>>> range(10)
range(0, 10)

De muchas maneras el objeto retornado por range() se comporta como si fuera

una lista, pero no lo es. Es un objeto que retorna los ítems sucesivos de la
secuencia deseada cuando iteras sobre él, pero realmente no construye la lista,
ahorrando entonces espacio.

Decimos que tal objeto es iterable; esto es, que se puede usar en funciones y
construcciones que esperan algo de lo cual obtener ítems sucesivos hasta que se
termine. Hemos visto que la declaración for es una de esas construcciones,
mientras que un ejemplo de función que toma un iterable es la función sum():

>>>

>>> sum(range(4)) # 0 + 1 + 2 + 3
6

Más adelante veremos otras funciones que aceptan iterables cómo argumentos o
retornan iterables. En el capítulo Estructuras de datos, discutiremos en más detalle
sobre la list().

4.4. Las sentencias break, continue, y else en

bucles
La sentencia break, como en C, termina el bucle for o while más anidado.

Las sentencias de bucle pueden tener una cláusula`!else` que es ejecutada

cuando el bucle termina, después de agotar el iterable (con for) o cuando la
condición se hace falsa (con while), pero no cuando el bucle se termina con la
sentencia break. Se puede ver el ejemplo en el siguiente bucle, que busca
números primos:

>>>

>>> for n in range(2, 10):

... for x in range(2, n):
... if n % x == 0:
... print(n, 'equals', x, '*', n//x)
... break
... else:
... # loop fell through without finding a factor
... print(n, 'is a prime number')
...
2 is a prime number
3 is a prime number
4 equals 2 * 2
5 is a prime number
6 equals 2 * 3
7 is a prime number
8 equals 2 * 4
9 equals 3 * 3

(Sí, este es el código correcto. Fíjate bien: el else pertenece al ciclo for, no

al if.)

Cuando se usa con un bucle, la cláusula else tiene más en común con el else de

una sentencia try que con el de un if: en una sentencia try la cláusula else se
ejecuta cuando no se genera ninguna excepción, y el else de un bucle se ejecuta
cuando no hay ningún break. Para más sobre la declaración try y excepciones,
mira Gestionando excepciones.

La declaración continue, también tomada de C, continua con la siguiente

iteración del ciclo:

>>>

>>> for num in range(2, 10):

... if num % 2 == 0:
... print("Found an even number", num)
... continue
... print("Found an odd number", num)
...
Found an even number 2
Found an odd number 3
Found an even number 4
Found an odd number 5
Found an even number 6
Found an odd number 7
Found an even number 8
Found an odd number 9

4.5. La sentencia pass
La sentencia pass no hace nada. Se puede usar cuando una sentencia es
requerida por la sintaxis pero el programa no requiere ninguna acción. Por
ejemplo:

>>>

>>> while True:

... pass # Busy-wait for keyboard interrupt (Ctrl+C)
...

Se usa normalmente para crear clases en su mínima expresión:

>>>

>>> class MyEmptyClass:

... pass
...

Otro lugar donde se puede usar pass es como una marca de lugar para una
función o un cuerpo condicional cuando estás trabajando en código nuevo, lo cual
te permite pensar a un nivel de abstracción mayor. El pass se ignora
silenciosamente:

>>>

>>> def initlog(*args):

... pass # Remember to implement this!
...

4.6. La sentencia match
Una sentencia match recibe una expresión y compara su valor a patrones
sucesivos que aparecen en uno o más bloques case. Esto es similar a grandes
rasgos con una sentencia switch en C, Java o JavaScript (y muchos otros
lenguajes), pero también es capaz de extraer componentes (elementos de una
secuencia o atributos de un objeto) de un valor y ponerlos en variables.

La forma más simple compara un valor, el «sujeto», con uno o más literales:

def http_error(status):
match status:
case 400:
return "Bad request"
case 404:
return "Not found"
case 418:
return "I'm a teapot"
case _:
return "Something's wrong with the internet"

Observa el último bloque: el «nombre de variable» _ funciona como un comodín y

nunca fracasa la coincidencia. Si ninguno de los casos case coincide, ninguna de
las ramas es ejecutada.

Se pueden combinar varios literales en un solo patrón usando | («ó»):

case 401 | 403 | 404:

return "Not allowed"

Los patrones pueden también verse como asignaciones que desempaquetan, y

pueden usarse para ligar variables:

# point is an (x, y) tuple

match point:
case (0, 0):
print("Origin")
case (0, y):
print(f"Y={y}")
case (x, 0):
print(f"X={x}")
case (x, y):
print(f"X={x}, Y={y}")
case _:
raise ValueError("Not a point")
¡Observa éste con cuidado! El primer patrón tiene dos literales y puede
considerarse una extensión del patrón literal que se mostró anteriormente. Pero
los siguientes dos patrones combinan un literal y una variable, y la
variable liga uno de los elementos del sujeto (point). El cuarto patrón captura
ambos elementos, lo que lo hace conceptualmente similar a la asignación que
desempaqueta (x, y) = point.

Si estás usando clases para estructurar tus datos, puedes usar el nombre de la
clase seguida de una lista de argumentos similar a la de un constructor, pero con
la capacidad de capturar atributos en variables:

class Point:
x: int
y: int

def where_is(point):
match point:
case Point(x=0, y=0):
print("Origin")
case Point(x=0, y=y):
print(f"Y={y}")
case Point(x=x, y=0):
print(f"X={x}")
case Point():
print("Somewhere else")
case _:
print("Not a point")

Puedes usar argumentos posicionales en algunas clases incorporadas que

proveen un orden para sus atributos (por ej. dataclasses). También puedes definir
una posición especifica para los atributos de los patrones si asignas en tu clase el
atributo especial __match_args__. Si le asignas («x», «y»), los siguientes
patrones son todos equivalentes entre sí (y todos ligan el atributo y a la
variable var):

Point(1, var)
Point(1, y=var)
Point(x=1, y=var)
Point(y=var, x=1)

Una recomendación para leer patrones es verlos como una forma extendida de lo
que pondrías en el lado izquierdo de una asignación, para así entender cuales
variables tomarían que valores. Sólo los nombres que aparecen por si solos
(cómo var arriba) son asignados por una sentencia match. Nunca se asigna a los
nombres con puntos (como foo.bar), nombres de atributos (los x= e y= arriba) o
nombres de clases (reconocidos por los «(…)» junto a ellos, como Point arriba).

Los patrones pueden anidarse arbitrariamente. Por ejemplo, si tuviéramos una

lista corta de puntos, podríamos aplicar match así:

match points:
case []:
print("No points")
case [Point(0, 0)]:
print("The origin")
case [Point(x, y)]:
print(f"Single point {x}, {y}")
case [Point(0, y1), Point(0, y2)]:
print(f"Two on the Y axis at {y1}, {y2}")
case _:
print("Something else")

Podemos añadir una clausula if a un patrón, conocida como «guarda». Si la

guarda es falsa, match pasa a intentar el siguiente bloque case. Obsérvese que la
captura de valores sucede antes de que la guarda sea evaluada:

match point:
case Point(x, y) if x == y:
print(f"Y=X at {x}")
case Point(x, y):
print(f"Not on the diagonal")

Algunas otras propiedades importantes de esta sentencia:

 Al igual que las asignaciones con desempaquetado, los patrones de lista o

tupla tienen el mismo significado y en realidad coinciden con cualquier
secuencia. Una excepción importante es que no coinciden ni con iteradores
ni con cadenas de caracteres.

 Los patrones de secuencia soportan desempaquetado

extendido: [x, y, *otros] and (x, y, *otros) funcionan de manera
similar a las asignaciones con desempaquetado. El nombre luego
de * también puede ser _, con lo cual (x, y, *_) coincide con cualquier
secuencia de al menos del elementos, sin ligar ninguno de los demás
elementos.

 Mapping patterns: {"bandwidth": b, "latency": l} captures
the "bandwidth" and "latency" values from a dictionary. Unlike
 sequence patterns, extra keys are ignored. An unpacking like **rest is
also supported. (But **_ would be redundant, so it is not allowed.)

 Pueden capturarse subpatrones usando la palabra clave as:

 case (Point(x1, y1), Point(x2, y2) as p2): ...

capturará el segundo elemento de la entrada en p2 (siempre y cuando la

entrada sea una secuencia de dos puntos)

 La mayoría de los literales se comparan por igualdad, pero los

singletons True, False y None se comparan por identidad.

 En un patrón pueden usarse constantes con nombres. Los nombres deben

tener puntos para impedir que sean interpretados como variables a
capturar:

 from enum import Enum

 class Color(Enum):
 RED = 'red'
 GREEN = 'green'
 BLUE = 'blue'

 color = Color(input("Enter your choice of 'red', 'blue' or
'green': "))

 match color:
 case Color.RED:
 print("I see red!")
 case Color.GREEN:
 print("Grass is green")
 case Color.BLUE:
 print("I'm feeling the blues :(")

Para una explicación más detallada y más ejemplos, puede leerse PEP 636 que
está escrita en un formato de tutorial.

4.7. Definiendo funciones
Podemos crear una función que escriba la serie de Fibonacci hasta un límite
determinado:

>>>
>>> def fib(n): # write Fibonacci series up to n
... """Print a Fibonacci series up to n."""
... a, b = 0, 1
... while a < n:
... print(a, end=' ')
... a, b = b, a+b
... print()
...
>>> # Now call the function we just defined:
... fib(2000)
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 1597

La palabra reservada def se usa para definir funciones. Debe seguirle el nombre

de la función y la lista de parámetros formales entre paréntesis. Las sentencias
que forman el cuerpo de la función empiezan en la línea siguiente, y deben estar
con sangría.

La primera sentencia del cuerpo de la función puede ser opcionalmente una

cadena de texto literal; esta es la cadena de texto de documentación de la función,
o docstring. (Puedes encontrar más acerca de docstrings en la sección Cadenas
de texto de documentación.). Existen herramientas que usan
las docstrings para producir documentación imprimible o disponible en línea, o
para dejar que los usuarios busquen interactivamente a través del código; es una
buena práctica incluir docstrings en el código que escribes, y hacerlo un buen
hábito.

La ejecución de una función introduce una nueva tabla de símbolos usada para las
variables locales de la función. Más precisamente, todas las asignaciones de
variables en la función almacenan el valor en la tabla de símbolos local; así mismo
la referencia a variables primero mira la tabla de símbolos local, luego en la tabla
de símbolos local de las funciones externas, luego la tabla de símbolos global, y
finalmente la tabla de nombres predefinidos. Así, a variables globales y a variables
de funciones que engloban a una función no se les puede asignar directamente un
valor dentro de una función (a menos que se las nombre en la sentencia global,
o mediante la sentencia nonlocal para variables de funciones que engloban la
función local), aunque si pueden ser referenciadas.

Los parámetros (argumentos) reales para una llamada de función se introducen en

la tabla de símbolos local de la función llamada cuando se llama; por lo tanto, los
argumentos se pasan usando llamada por valor (donde el valor es siempre un
objeto referencia, no el valor del objeto). 1 Cuando una función llama a otra
función, o se llama a sí misma de forma recursiva, se crea una nueva tabla de
símbolos locales para esa llamada.
Una definición de función asocia el nombre de la función con el objeto de función
en la tabla de símbolos actual. El intérprete reconoce el objeto al que apunta ese
nombre como una función definida por el usuario. Otros nombres también pueden
apuntar a ese mismo objeto de función y también se pueden usar para acceder a
la función:

>>>

>>> fib
<function fib at 10042ed0>
>>> f = fib
>>> f(100)
0 1 1 2 3 5 8 13 21 34 55 89

Viniendo de otros lenguajes, puedes objetar que fib no es una función, sino un

procedimiento, porque no retorna un valor. De hecho, técnicamente hablando, los
procedimientos sin return sí retornan un valor, aunque uno aburrido. Este valor
se llama None (es un nombre predefinido). El intérprete por lo general no escribe
el valor None si va a ser el único valor escrito. Si realmente se quiere, se puede
verlo usando la función print()

>>>

>>> fib(0)
>>> print(fib(0))
None

Es simple escribir una función que retorne una lista con los números de la serie de
Fibonacci en lugar de imprimirlos:

>>>

>>> def fib2(n): # return Fibonacci series up to n

... """Return a list containing the Fibonacci series up to
n."""
... result = []
... a, b = 0, 1
... while a < n:
... result.append(a) # see below
... a, b = b, a+b
... return result
...
>>> f100 = fib2(100) # call it
>>> f100 # write the result
[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89]

Este ejemplo, como es usual, demuestra algunas características más de Python:

 La sentencia return retorna un valor en una función. return sin una

expresión como argumento retorna None. Si se alcanza el final de una
función, también se retorna None.
 La sentencia result.append(a) llama a un método del objeto
lista result. Un método es una función que “pertenece” a un objeto y se
nombra obj.methodname, dónde obj es algún objeto (puede ser una
expresión), y methodname es el nombre del método que está definido por el
tipo del objeto. Distintos tipos definen distintos métodos. Métodos de
diferentes tipos pueden tener el mismo nombre sin causar ambigüedad. (Es
posible definir tipos de objetos propios, y métodos, usando clases,
mira Clases). El método append() mostrado en el ejemplo está definido
para objetos lista; añade un nuevo elemento al final de la lista. En este
ejemplo es equivalente a result = result + [a], pero más eficiente.
4.8. Más sobre definición de funciones
También es posible definir funciones con un número variable de argumentos. Hay
tres formas que pueden ser combinadas.

4.8.1. Argumentos con valores por omisión

La forma más útil es especificar un valor por omisión para uno o más argumentos.
Esto crea una función que puede ser llamada con menos argumentos que los que
permite. Por ejemplo:

def ask_ok(prompt, retries=4, reminder='Please try again!'):

while True:
ok = input(prompt)
if ok in ('y', 'ye', 'yes'):
return True
if ok in ('n', 'no', 'nop', 'nope'):
return False
retries = retries - 1
if retries < 0:
raise ValueError('invalid user response')
print(reminder)

Esta función puede ser llamada de distintas maneras:

  pasando sólo el argumento
obligatorio: ask_ok('Do you really want to quit?')
 pasando uno de los argumentos
opcionales: ask_ok('OK to overwrite the file?', 2)
 o pasando todos los
argumentos: ask_ok('OK to overwrite the file?', 2, 'Come on, 
only yes or no!')

Este ejemplo también introduce la palabra reservada in, la cual prueba si una

secuencia contiene o no un determinado valor.

Los valores por omisión son evaluados en el momento de la definición de la

función, en el ámbito de la definición, entonces:

i = 5

def f(arg=i):
print(arg)

i = 6
f()

…imprimirá `5.

Advertencia importante: El valor por omisión es evaluado solo una vez. Existe
una diferencia cuando el valor por omisión es un objeto mutable como una lista,
diccionario, o instancia de la mayoría de las clases. Por ejemplo, la siguiente
función acumula los argumentos que se le pasan en subsiguientes llamadas:

def f(a, L=[]):

L.append(a)
return L

print(f(1))
print(f(2))
print(f(3))

Imprimirá

[1]
[1, 2]
[1, 2, 3]
Si no se quiere que el valor por omisión sea compartido entre subsiguientes
llamadas, se pueden escribir la función así:

def f(a, L=None):

if L is None:
L = []
L.append(a)
return L

4.8.2. Palabras claves como argumentos

Las funciones también puede ser llamadas usando argumentos de palabras
clave (o argumentos nombrados) de la forma kwarg=value. Por ejemplo, la
siguiente función:

def parrot(voltage, state='a stiff', action='voom',

type='Norwegian Blue'):
print("-- This parrot wouldn't", action, end=' ')
print("if you put", voltage, "volts through it.")
print("-- Lovely plumage, the", type)
print("-- It's", state, "!")

…acepta un argumento obligatorio (voltage)) y tres argumentos opcionales

(state, action, y type). Esta función puede llamarse de cualquiera de las
siguientes maneras:

parrot(1000) # 1
positional argument
parrot(voltage=1000) # 1
keyword argument
parrot(voltage=1000000, action='VOOOOOM') # 2
keyword arguments
parrot(action='VOOOOOM', voltage=1000000) # 2
keyword arguments
parrot('a million', 'bereft of life', 'jump') # 3
positional arguments
parrot('a thousand', state='pushing up the daisies') # 1
positional, 1 keyword

…pero estas otras llamadas serían todas inválidas:

parrot() # required argument missing

parrot(voltage=5.0, 'dead') # non-keyword argument after a
keyword argument
parrot(110, voltage=220) # duplicate value for the same
argument
parrot(actor='John Cleese') # unknown keyword argument

En una llamada a una función, los argumentos nombrados deben seguir a los
argumentos posicionales. Cada uno de los argumentos nombrados pasados
deben coincidir con un argumento aceptado por la función (por ejemplo, actor no
es un argumento válido para la función parrot), y el orden de los mismos no es
importante. Esto también se aplica a los argumentos obligatorios (por
ejemplo, parrot(voltage=1000) también es válido). Ningún argumento puede
recibir más de un valor al mismo tiempo. Aquí hay un ejemplo que falla debido a
esta restricción:

>>>

>>> def function(a):

... pass
...
>>> function(0, a=0)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: function() got multiple values for argument 'a'

Cuando un parámetro formal de la forma **name está presente al final, recibe un

diccionario (ver Tipos Mapa — dict) conteniendo todos los argumentos nombrados
excepto aquellos correspondientes a un parámetro formal. Esto puede ser
combinado con un parámetro formal de la forma *name (descrito en la siguiente
sección) que recibe una tuple conteniendo los argumentos posicionales además
de la lista de parámetros formales. (*name debe ocurrir antes de **name). Por
ejemplo, si definimos una función así:

def cheeseshop(kind, *arguments, **keywords):

print("-- Do you have any", kind, "?")
print("-- I'm sorry, we're all out of", kind)
for arg in arguments:
print(arg)
print("-" * 40)
for kw in keywords:
print(kw, ":", keywords[kw])

Puede ser llamada así:

cheeseshop("Limburger", "It's very runny, sir.",
"It's really very, VERY runny, sir.",
shopkeeper="Michael Palin",
client="John Cleese",
sketch="Cheese Shop Sketch")

…y por supuesto imprimirá:

-- Do you have any Limburger ?

-- I'm sorry, we're all out of Limburger
It's very runny, sir.
It's really very, VERY runny, sir.
----------------------------------------
shopkeeper : Michael Palin
client : John Cleese
sketch : Cheese Shop Sketch

Se debe notar que el orden en el cual los argumentos nombrados son impresos
está garantizado para coincidir con el orden en el cual fueron provistos en la
llamada a la función.

4.8.3. Parámetros especiales
Por defecto, los argumentos pueden enviarse a una función Python o bien por
posición o explícitamente por clave. Para legibilidad y rendimiento tiene sentido
restringir como se pueden enviar los argumentos, así un desarrollador necesitará
mirar solamente la definición de la función para determinar si los argumentos se
deben enviar por posición, por posición o clave, o por clave.

La definición de una función puede ser como la siguiente:

def f(pos1, pos2, /, pos_or_kwd, *, kwd1, kwd2):

----------- ---------- ----------
| | |
| Positional or keyword |
| - Keyword only
-- Positional only

donde / y * son posicionales. Si se utilizan, esos símbolos indican el tipo de

parámetro por como los argumentos deben enviarse a la función: solo por posición
(positional-only), por posición o clave (positional-or-keyword) y solo por clave
(keyword-only). Parámetros por clave pueden también denominarse parámetros
por nombre o nombrados.
4.8.3.1. Argumentos posicionales o de palabras claves
Si / y * no están presentes en la definición de la función, los parámetros pueden
ser pasados a una función posicionalmente o por palabra clave.

4.8.3.2. Parámetros únicamente posicionales

En detalle, es posible señalar algunos parámetros como únicamente posicionales..
En ese caso el orden de los parámetros es importante, y los parámetros no
pueden ser indicados utilizando palabras claves. Parámetros únicamente
posicionales son ubicados antes de una / (barra). La / es utilizada para separar
lógicamente parámetros únicamente posicionales del resto. Si no existe una / en
la definición de la función, no existen parámetros únicamente posicionales.

Los parámetros luego de una / pueden ser únicamente posicionales o unicamente

de palabras claves.

4.8.3.3. Argumentos únicamente de palabras clave

Para señalar parámetros como unicamente de palabras clave, indicando que los
parámetros deben ser pasados con una palabra clave, indiqué un * en la lista de
argumentos antes del primer parámetro únicamente de palabras clave.

4.8.3.4. Ejemplos de Funciones
Considere el siguiente ejemplo de definiciones de funciones prestando especial
atención a los marcadores / y *:

>>>

>>> def standard_arg(arg):

... print(arg)
...
>>> def pos_only_arg(arg, /):
... print(arg)
...
>>> def kwd_only_arg(*, arg):
... print(arg)
...
>>> def combined_example(pos_only, /, standard, *, kwd_only):
... print(pos_only, standard, kwd_only)
La primer definición de función, standard_arg, la forma mas familiar, no indica
ninguna restricción en las condiciones para llamarla y los parámetros deben ser
pasados por posición o utilizando palabras clave:

>>>

>>> standard_arg(2)
2

>>> standard_arg(arg=2)
2

La segunda función pos_only_arg está restringida a utilizar únicamente

parámetros posicionales ya que existe una / en la definición de la función:

>>>

>>> pos_only_arg(1)
1

>>> pos_only_arg(arg=1)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: pos_only_arg() got some positional-only arguments
passed as keyword arguments: 'arg'

La tercer función kwd_only_args solo permite parámetros con palabras clave,

indicado por un * en la definición de la función:

>>>

>>> kwd_only_arg(3)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: kwd_only_arg() takes 0 positional arguments but 1 was
given

>>> kwd_only_arg(arg=3)
3

La última utiliza las tres convenciones en una misma definición de función:

>>>
>>> combined_example(1, 2, 3)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: combined_example() takes 2 positional arguments but 3
were given

>>> combined_example(1, 2, kwd_only=3)

1 2 3

>>> combined_example(1, standard=2, kwd_only=3)

1 2 3

>>> combined_example(pos_only=1, standard=2, kwd_only=3)

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: combined_example() got some positional-only arguments
passed as keyword arguments: 'pos_only'

Finalmente, considere esta definición de función que contiene una colisión

potencial entre los parámetros posicionales name y **kwds que
incluye name como una clave:

def foo(name, **kwds):

return 'name' in kwds

No hay una llamada posible que lo haga retornar True ya que la palabra

clave 'name' siempre se vinculará al primer parámetro. Por ejemplo:

>>>

>>> foo(1, **{'name': 2})

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: foo() got multiple values for argument 'name'
>>>

Pero utilizando / (parámetros únicamente posicionales), es posible ya que permite

utilizar name como un parámetro posicional y name como un parámetro de
palabras clave:

def foo(name, /, **kwds):

return 'name' in kwds
>>> foo(1, **{'name': 2})
True

En otras palabras, los nombres de parámetros únicamente posicionales pueden

ser utilizados en **kwds sin ambigüedad.

4.8.3.5. Resumen
El caso de uso determinará qué parámetros utilizar en una definición de función:

def f(pos1, pos2, /, pos_or_kwd, *, kwd1, kwd2):

A modo de guía:

 Utilice únicamente posicionales si quiere que el nombre del parámetro esté

disponible para el usuario. Esto es útil cuando el nombre del parámetro no
tiene un significado real, si se quiere imponer el orden de los parámetros
cuando una función es llamada o si necesita tomar algunos parámetros
posicionales y palabras claves arbitrarias.
 Utilice parámetros únicamente de palabras clave cuando los nombres de
los parámetros tienen un significado y la definición de la función será más
entendible usando nombres explícitos o cuando desea evitar que los
usuarios dependan de la posición de los parámetros que se pasan.
 En el caso de una API, use solo posicional para evitar que se rompan los
cambios de la API si el nombre del parámetro se modifica en el futuro.
4.8.4. Listas de argumentos arbitrarios
Finalmente, la opción menos frecuentemente usada es especificar que una función
puede ser llamada con un número arbitrario de argumentos. Estos argumentos
serán organizados en una tupla (mira Tuplas y secuencias). Antes del número
variable de argumentos, cero o más argumentos normales pueden estar
presentes.:

def write_multiple_items(file, separator, *args):

file.write(separator.join(args))

Normalmente estos argumentos de cantidad variables son los últimos en la lista de

parámetros formales, porque toman todo el remanente de argumentos que se
pasan a la función. Cualquier parámetro que suceda luego del *args será “sólo
nombrado”, o sea que sólo se pueden usar como argumentos nombrados y no
como posicionales.:

>>>
>>> def concat(*args, sep="/"):
... return sep.join(args)
...
>>> concat("earth", "mars", "venus")
'earth/mars/venus'
>>> concat("earth", "mars", "venus", sep=".")
'earth.mars.venus'

4.8.5. Desempaquetando una lista de argumentos

La situación inversa ocurre cuando los argumentos ya están en una lista o tupla
pero necesitan ser desempaquetados para llamar a una función que requiere
argumentos posicionales separados. Por ejemplo, la función
predefinida range() espera los parámetros inicio y fin. Si estos no están
disponibles en forma separada, se puede escribir la llamada a la función con el
operador * para desempaquetar argumentos desde una lista o una tupla:

>>>

>>> list(range(3, 6)) # normal call with separate

arguments
[3, 4, 5]
>>> args = [3, 6]
>>> list(range(*args)) # call with arguments unpacked
from a list
[3, 4, 5]

Del mismo modo, los diccionarios pueden entregar argumentos nombrados con el
operador **:

>>>

>>> def parrot(voltage, state='a stiff', action='voom'):

... print("-- This parrot wouldn't", action, end=' ')
... print("if you put", voltage, "volts through it.", end='
')
... print("E's", state, "!")
...
>>> d = {"voltage": "four million", "state": "bleedin' demised",
"action": "VOOM"}
>>> parrot(**d)
-- This parrot wouldn't VOOM if you put four million volts
through it. E's bleedin' demised !
4.8.6. Expresiones lambda
Pequeñas funciones anónimas pueden ser creadas con la palabra
reservada lambda. Esta función retorna la suma de sus dos
argumentos: lambda a, b: a+b Las funciones Lambda pueden ser usadas en
cualquier lugar donde sea requerido un objeto de tipo función. Están
sintácticamente restringidas a una sola expresión. Semánticamente, son solo
azúcar sintáctica para definiciones normales de funciones. Al igual que las
funciones anidadas, las funciones lambda pueden hacer referencia a variables
desde el ámbito que la contiene:

>>>

>>> def make_incrementor(n):

... return lambda x: x + n
...
>>> f = make_incrementor(42)
>>> f(0)
42
>>> f(1)
43

El ejemplo anterior muestra el uso de una expresión lambda para retornar una
función. Otro uso es para pasar pequeñas funciones como argumentos

>>>

>>> pairs = [(1, 'one'), (2, 'two'), (3, 'three'), (4, 'four')]
>>> pairs.sort(key=lambda pair: pair[1])
>>> pairs
[(4, 'four'), (1, 'one'), (3, 'three'), (2, 'two')]

4.8.7. Cadenas de texto de documentación

Acá hay algunas convenciones sobre el contenido y formato de las cadenas de
texto de documentación.

La primera línea debe ser siempre un resumen corto y conciso del propósito del
objeto. Para ser breve, no se debe mencionar explícitamente el nombre o tipo del
objeto, ya que estos están disponibles de otros modos (excepto si el nombre es un
verbo que describe el funcionamiento de la función). Esta línea debe empezar con
una letra mayúscula y terminar con un punto.
Si hay más líneas en la cadena de texto de documentación, la segunda línea debe
estar en blanco, separando visualmente el resumen del resto de la descripción.
Las líneas siguientes deben ser uno o más párrafos describiendo las
convenciones para llamar al objeto, efectos secundarios, etc.

El analizador de Python no quita el sangrado de las cadenas de texto literales

multi-líneas, entonces las herramientas que procesan documentación tienen que
quitarlo si así lo desean. Esto se hace mediante la siguiente convención. La
primera línea que no está en blanco siguiente a la primer línea de la cadena
determina la cantidad de sangría para toda la cadena de documentación. (No
podemos usar la primer línea ya que generalmente es adyacente a las comillas de
apertura de la cadena y el sangrado no se nota en la cadena de texto). Los
espacios en blanco «equivalentes» a este sangrado son luego quitados del
comienzo de cada línea en la cadena. No deberían haber líneas con una sangría
menor, pero si las hay todos los espacios en blanco del comienzo deben ser
quitados. La equivalencia de espacios en blanco debe ser verificada luego de la
expansión de tabuladores (a 8 espacios, normalmente).

Este es un ejemplo de un docstring multi-línea:

>>>

>>> def my_function():

... """Do nothing, but document it.
...
... No, really, it doesn't do anything.
... """
... pass
...
>>> print(my_function.__doc__)
Do nothing, but document it.

No, really, it doesn't do anything.

4.8.8. Anotación de funciones
Las anotaciones de funciones son información completamente opcional sobre los
tipos usadas en funciones definidas por el usuario (ver PEP 484 para más
información).

Las anotaciones se almacenan en el atributo __annotations__ de la función

como un diccionario y no tienen efecto en ninguna otra parte de la función. Las
anotaciones de los parámetros se definen luego de dos puntos después del
nombre del parámetro, seguido de una expresión que evalúa al valor de la
anotación. Las anotaciones de retorno son definidas por el literal ->, seguidas de
una expresión, entre la lista de parámetros y los dos puntos que marcan el final de
la declaración def. El siguiente ejemplo tiene un argumento posicional, uno
nombrado, y el valor de retorno anotado:

>>>

>>> def f(ham: str, eggs: str = 'eggs') -> str:

... print("Annotations:", f.__annotations__)
... print("Arguments:", ham, eggs)
... return ham + ' and ' + eggs
...
>>> f('spam')
Annotations: {'ham': <class 'str'>, 'return': <class 'str'>,
'eggs': <class 'str'>}
Arguments: spam eggs
'spam and eggs'

4.9. Intermezzo: Estilo de codificación

Ahora que estás a punto de escribir piezas de Python más largas y complejas, es
un buen momento para hablar sobre estilo de codificación. La mayoría de los
lenguajes pueden ser escritos (o mejor dicho, formateados) con diferentes estilos;
algunos son mas fáciles de leer que otros. Hacer que tu código sea más fácil de
leer por otros es siempre una buena idea, y adoptar un buen estilo de codificación
ayuda tremendamente a lograrlo.

Para Python, PEP 8 se erigió como la guía de estilo a la que más proyectos
adhirieron; promueve un estilo de codificación fácil de leer y visualmente
agradable. Todos los desarrolladores Python deben leerlo en algún momento; aquí
están extraídos los puntos más importantes:

 Usar sangrías de 4 espacios, no tabuladores.

4 espacios son un buen compromiso entre una sangría pequeña (permite

mayor nivel de sangrado)y una sangría grande (más fácil de leer). Los
tabuladores introducen confusión y es mejor dejarlos de lado.

 Recortar las líneas para que no superen los 79 caracteres.

Esto ayuda a los usuarios con pantallas pequeñas y hace posible tener
varios archivos de código abiertos, uno al lado del otro, en pantallas
grandes.

 Usar líneas en blanco para separar funciones y clases, y bloques grandes

de código dentro de funciones.
  Cuando sea posible, poner comentarios en una sola línea.

 Usar docstrings.

 Usar espacios alrededor de operadores y luego de las comas, pero no

directamente dentro de paréntesis: a = f(1, 2) + g(3, 4).

 Nombrar las clases y funciones consistentemente; la convención es

usar NotacionCamello para clases
y minusculas_con_guiones_bajos para funciones y métodos. Siempre
usa self como el nombre para el primer argumento en los métodos
(mirar Un primer vistazo a las clases para más información sobre clases y
métodos).

 No uses codificaciones estrafalarias si esperas usar el código en entornos

internacionales. El default de Python, UTF-8, o incluso ASCII plano
funcionan bien en la mayoría de los casos.

 De la misma manera, no uses caracteres no-ASCII en los identificadores si

hay incluso una pequeñísima chance de que gente que hable otro idioma
tenga que leer o mantener el código.

Notas al pie

En realidad, llamadas por referencia de objeto sería una mejor descripción,

ya que si se pasa un objeto mutable, quien realiza la llamada verá cualquier
cambio que se realice sobre el mismo (por ejemplo ítems insertados en una
lista).
4.9. Intermezzo: Estilo de codificación
Ahora que estás a punto de escribir piezas de Python más largas y complejas, es
un buen momento para hablar sobre estilo de codificación. La mayoría de los
lenguajes pueden ser escritos (o mejor dicho, formateados) con diferentes estilos;
algunos son mas fáciles de leer que otros. Hacer que tu código sea más fácil de
leer por otros es siempre una buena idea, y adoptar un buen estilo de codificación
ayuda tremendamente a lograrlo.

Para Python, PEP 8 se erigió como la guía de estilo a la que más proyectos
adhirieron; promueve un estilo de codificación fácil de leer y visualmente
agradable. Todos los desarrolladores Python deben leerlo en algún momento; aquí
están extraídos los puntos más importantes:

 Usar sangrías de 4 espacios, no tabuladores.

 4 espacios son un buen compromiso entre una sangría pequeña (permite
mayor nivel de sangrado)y una sangría grande (más fácil de leer). Los
tabuladores introducen confusión y es mejor dejarlos de lado.

 Recortar las líneas para que no superen los 79 caracteres.

Esto ayuda a los usuarios con pantallas pequeñas y hace posible tener
varios archivos de código abiertos, uno al lado del otro, en pantallas
grandes.

 Usar líneas en blanco para separar funciones y clases, y bloques grandes

de código dentro de funciones.

 Cuando sea posible, poner comentarios en una sola línea.

 Usar docstrings.

 Usar espacios alrededor de operadores y luego de las comas, pero no

directamente dentro de paréntesis: a = f(1, 2) + g(3, 4).

 Nombrar las clases y funciones consistentemente; la convención es

usar NotacionCamello para clases
y minusculas_con_guiones_bajos para funciones y métodos. Siempre
usa self como el nombre para el primer argumento en los métodos
(mirar Un primer vistazo a las clases para más información sobre clases y
métodos).

 No uses codificaciones estrafalarias si esperas usar el código en entornos

internacionales. El default de Python, UTF-8, o incluso ASCII plano
funcionan bien en la mayoría de los casos.

 De la misma manera, no uses caracteres no-ASCII en los identificadores si

hay incluso una pequeñísima chance de que gente que hable otro idioma
tenga que leer o mantener el código.

Notas al pie

En realidad, llamadas por referencia de objeto sería una mejor descripción,

ya que si se pasa un objeto mutable, quien realiza la llamada verá cualquier
cambio que se realice sobre el mismo (por ejemplo ítems insertados en una
lista).

5. Estructuras de datos
Este capítulo describe algunas cosas que ya has aprendido en más detalle y
agrega algunas cosas nuevas también.

5.1. Más sobre listas

El tipo de dato lista tiene algunos métodos más. Aquí están todos los métodos de
los objetos lista:

list.append(x)

Agrega un ítem al final de la lista. Equivale a a[len(a):] = [x].

list.extend(iterable)

Extiende la lista agregándole todos los ítems del iterable. Equivale

a a[len(a):] = iterable.
list.insert(i, x)

Inserta un ítem en una posición dada. El primer argumento es el índice del

ítem delante del cual se insertará, por lo tanto a.insert(0, x) inserta al
principio de la lista y a.insert(len(a), x) equivale a a.append(x).
list.remove(x)

Quita el primer ítem de la lista cuyo valor sea x. Lanza un ValueError si

no existe tal ítem.
list.pop([i])

Quita el ítem en la posición dada de la lista y lo retorna. Si no se especifica

un índice, a.pop() quita y retorna el último elemento de la lista. (Los
corchetes que encierran a i en la firma del método denotan que el
parámetro es opcional, no que deberías escribir corchetes en esa posición.
Verás esta notación con frecuencia en la Referencia de la Biblioteca de
Python.)
list.clear()

Elimina todos los elementos de la lista. Equivalente a del a[:].

list.index(x[, start[, end]])

Retorna el índice basado en cero del primer elemento cuyo valor sea igual
a x. Lanza una excepción ValueError si no existe tal elemento.

Los argumentos opcionales start y end son interpretados como la notación

de rebanadas y se usan para limitar la búsqueda a un segmento particular
de la lista. El índice retornado se calcula de manera relativa al inicio de la
secuencia completa en lugar de con respecto al argumento start.
 list.count(x)

Retorna el número de veces que x aparece en la lista.

list.sort(*, key=None, reverse=False)

Ordena los elementos de la lista in situ (los argumentos pueden ser usados
para personalizar el orden de la lista, ver sorted() para su explicación).
list.reverse()

Invierte los elementos de la lista in situ.

list.copy()

Retorna una copia superficial de la lista. Equivalente a a[:].

Un ejemplo que usa la mayoría de

los métodos de la lista:

>>>

>>> fruits = ['orange', 'apple', 'pear', 'banana', 'kiwi',

'apple', 'banana']
>>> fruits.count('apple')
2
>>> fruits.count('tangerine')
0
>>> fruits.index('banana')
3
>>> fruits.index('banana', 4) # Find next banana starting a
position 4
6
>>> fruits.reverse()
>>> fruits
['banana', 'apple', 'kiwi', 'banana', 'pear', 'apple', 'orange']
>>> fruits.append('grape')
>>> fruits
['banana', 'apple', 'kiwi', 'banana', 'pear', 'apple', 'orange',
'grape']
>>> fruits.sort()
>>> fruits
['apple', 'apple', 'banana', 'banana', 'grape', 'kiwi',
'orange', 'pear']
>>> fruits.pop()
'pear'
Quizás hayas notado que métodos como insert`, remove o sort que únicamente
modifican la lista no tienen impreso un valor de retorno – retornan el valor por
defecto None. 1 Esto es un principio de diseño para todas las estructuras de datos
mutables en Python.

Otra cosa que puedes observar es que no todos los datos se pueden ordenar o
comparar. Por ejemplo, [None, 'hello', 10] no se puede ordenar ya que los
enteros no se pueden comparar con strings y None no se puede comparar con los
otros tipos. También hay algunos tipos que no tienen una relación de orden
definida. Por ejemplo, 3+4j < 5+7j no es una comparación válida.

5.1.1. Usando listas como pilas

Los métodos de lista hacen que resulte muy fácil usar una lista como una pila,
donde el último elemento añadido es el primer elemento retirado («último en
entrar, primero en salir»). Para agregar un elemento a la cima de la pila,
utiliza append(). Para retirar un elemento de la cima de la pila, utiliza pop() sin
un índice explícito. Por ejemplo:

>>>

>>> stack = [3, 4, 5]

>>> stack.append(6)
>>> stack.append(7)
>>> stack
[3, 4, 5, 6, 7]
>>> stack.pop()
7
>>> stack
[3, 4, 5, 6]
>>> stack.pop()
6
>>> stack.pop()
5
>>> stack
[3, 4]

5.1.2. Usando listas como colas

También es posible usar una lista como una cola, donde el primer elemento
añadido es el primer elemento retirado («primero en entrar, primero en salir»); sin
embargo, las listas no son eficientes para este propósito. Agregar y sacar del final
de la lista es rápido, pero insertar o sacar del comienzo de una lista es lento
(porque todos los otros elementos tienen que ser desplazados por uno).
Para implementar una cola, utiliza collections.deque el cual fue diseñado para
añadir y quitar de ambas puntas de forma rápida. Por ejemplo:

>>>

>>> from collections import deque

>>> queue = deque(["Eric", "John", "Michael"])
>>> queue.append("Terry") # Terry arrives
>>> queue.append("Graham") # Graham arrives
>>> queue.popleft() # The first to arrive now
leaves
'Eric'
>>> queue.popleft() # The second to arrive now
leaves
'John'
>>> queue # Remaining queue in order
of arrival
deque(['Michael', 'Terry', 'Graham'])

5.1.3. Comprensión de listas
Las comprensiones de listas ofrecen una manera concisa de crear listas. Sus usos
comunes son para hacer nuevas listas donde cada elemento es el resultado de
algunas operaciones aplicadas a cada miembro de otra secuencia o iterable, o
para crear un segmento de la secuencia de esos elementos para satisfacer una
condición determinada.

Por ejemplo, asumamos que queremos crear una lista de cuadrados, como:

>>>

>>> squares = []
>>> for x in range(10):
... squares.append(x**2)
...
>>> squares
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

Nota que esto crea (o sobreescribe) una variable llamada x que sigue existiendo
luego de que el bucle haya terminado. Podemos calcular la lista de cuadrados sin
ningún efecto secundario haciendo:

squares = list(map(lambda x: x**2, range(10)))

o, un equivalente:

squares = [x**2 for x in range(10)]

que es más conciso y legible.

Una lista de comprensión consiste de corchetes rodeando una expresión seguida

de la declaración for y luego cero o más declaraciones for o if. El resultado
será una nueva lista que sale de evaluar la expresión en el contexto de
los for o if que le siguen. Por ejemplo, esta lista de comprensión combina los
elementos de dos listas si no son iguales:

>>>

>>> [(x, y) for x in [1,2,3] for y in [3,1,4] if x != y]

[(1, 3), (1, 4), (2, 3), (2, 1), (2, 4), (3, 1), (3, 4)]

y es equivalente a:

>>>

>>> combs = []
>>> for x in [1,2,3]:
... for y in [3,1,4]:
... if x != y:
... combs.append((x, y))
...
>>> combs
[(1, 3), (1, 4), (2, 3), (2, 1), (2, 4), (3, 1), (3, 4)]

Notá como el orden de los for y if es el mismo en ambos pedacitos de código.

Si la expresión es una tupla (como el (x, y) en el ejemplo anterior), debe estar

entre paréntesis.

>>>

>>> vec = [-4, -2, 0, 2, 4]

>>> # create a new list with the values doubled
>>> [x*2 for x in vec]
[-8, -4, 0, 4, 8]
>>> # filter the list to exclude negative numbers
>>> [x for x in vec if x >= 0]
[0, 2, 4]
>>> # apply a function to all the elements
>>> [abs(x) for x in vec]
[4, 2, 0, 2, 4]
>>> # call a method on each element
>>> freshfruit = [' banana', ' loganberry ', 'passion fruit
']
>>> [weapon.strip() for weapon in freshfruit]
['banana', 'loganberry', 'passion fruit']
>>> # create a list of 2-tuples like (number, square)
>>> [(x, x**2) for x in range(6)]
[(0, 0), (1, 1), (2, 4), (3, 9), (4, 16), (5, 25)]
>>> # the tuple must be parenthesized, otherwise an error is
raised
>>> [x, x**2 for x in range(6)]
File "<stdin>", line 1, in <module>
[x, x**2 for x in range(6)]
^
SyntaxError: invalid syntax
>>> # flatten a list using a listcomp with two 'for'
>>> vec = [[1,2,3], [4,5,6], [7,8,9]]
>>> [num for elem in vec for num in elem]
[1, 2, 3, 4, 5, 6, 7, 8, 9]

Las comprensiones de listas pueden contener expresiones complejas y funciones

anidadas:

>>>

>>> from math import pi

>>> [str(round(pi, i)) for i in range(1, 6)]
['3.1', '3.14', '3.142', '3.1416', '3.14159']

5.1.4. Listas por comprensión anidadas

La expresión inicial de una comprensión de listas puede ser cualquier expresión
arbitraria, incluyendo otra comprensión de listas.

Considerá el siguiente ejemplo de una matriz de 3x4 implementada como una lista
de tres listas de largo 4:

>>>

>>> matrix = [
... [1, 2, 3, 4],
... [5, 6, 7, 8],
... [9, 10, 11, 12],
... ]

La siguiente comprensión de lista transpondrá las filas y columnas:

>>>

>>> [[row[i] for row in matrix] for i in range(4)]

[[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]

Como vimos en la sección anterior, la lista de comprensión anidada se evalúa en

el contexto del for que lo sigue, por lo que este ejemplo equivale a:

>>>

>>> transposed = []
>>> for i in range(4):
... transposed.append([row[i] for row in matrix])
...
>>> transposed
[[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]

el cual, a la vez, es lo mismo que:

>>>

>>> transposed = []
>>> for i in range(4):
... # the following 3 lines implement the nested listcomp
... transposed_row = []
... for row in matrix:
... transposed_row.append(row[i])
... transposed.append(transposed_row)
...
>>> transposed
[[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]

En el mundo real, deberías preferir funciones predefinidas a declaraciones con

flujo complejo. La función zip() haría un buen trabajo para este caso de uso:

>>>
>>> list(zip(*matrix))
[(1, 5, 9), (2, 6, 10), (3, 7, 11), (4, 8, 12)]

Ver Desempaquetando una lista de argumentos para detalles en el asterisco de

esta línea.

5.2. La instrucción del
Hay una manera de quitar un ítem de una lista dado su índice en lugar de su valor:
la instrucción del. Esta es diferente del método pop(), el cual retorna un valor. La
instrucción del también puede usarse para quitar secciones de una lista o vaciar
la lista completa (lo que hacíamos antes asignando una lista vacía a la sección).
Por ejemplo:

>>>

>>> a = [-1, 1, 66.25, 333, 333, 1234.5]

>>> del a[0]
>>> a
[1, 66.25, 333, 333, 1234.5]
>>> del a[2:4]
>>> a
[1, 66.25, 1234.5]
>>> del a[:]
>>> a
[]

del puede usarse también para eliminar variables:

>>>

>>> del a

Hacer referencia al nombre a de aquí en más es un error (al menos hasta que se
le asigne otro valor). Veremos otros usos para del más adelante.

5.3. Tuplas y secuencias
Vimos que las listas y cadenas tienen propiedades en común, como el indizado y
las operaciones de seccionado. Estas son dos ejemplos de datos de
tipo secuencia (ver Tipos secuencia — list, tuple, range). Como Python es un
lenguaje en evolución, otros datos de tipo secuencia pueden agregarse. Existe
otro dato de tipo secuencia estándar: la tupla.

Una tupla consiste de un número de valores separados por comas, por ejemplo:

>>>

>>> t = 12345, 54321, 'hello!'

>>> t[0]
12345
>>> t
(12345, 54321, 'hello!')
>>> # Tuples may be nested:
... u = t, (1, 2, 3, 4, 5)
>>> u
((12345, 54321, 'hello!'), (1, 2, 3, 4, 5))
>>> # Tuples are immutable:
... t[0] = 88888
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'tuple' object does not support item assignment
>>> # but they can contain mutable objects:
... v = ([1, 2, 3], [3, 2, 1])
>>> v
([1, 2, 3], [3, 2, 1])

Como puedes ver, en la salida las tuplas siempre se encierran entre paréntesis,
para que las tuplas anidadas puedan interpretarse correctamente; pueden
ingresarse con o sin paréntesis, aunque a menudo los paréntesis son necesarios
de todas formas (si la tupla es parte de una expresión más grande). No es posible
asignar a los ítems individuales de una tupla, pero sin embargo sí se puede crear
tuplas que contengan objetos mutables, como las listas.

A pesar de que las tuplas puedan parecerse a las listas, frecuentemente se utilizan
en distintas situaciones y para distintos propósitos. Las tuplas son immutable y
normalmente contienen una secuencia heterogénea de elementos que son
accedidos al desempaquetar (ver más adelante en esta sección) o indizar (o
incluso acceder por atributo en el caso de las namedtuples). Las listas
son mutable, y sus elementos son normalmente homogéneos y se acceden
iterando a la lista.

Un problema particular es la construcción de tuplas que contengan 0 o 1 ítem: la

sintaxis presenta algunas peculiaridades para estos casos. Las tuplas vacías se
construyen mediante un par de paréntesis vacío; una tupla con un ítem se
construye poniendo una coma a continuación del valor (no alcanza con encerrar
un único valor entre paréntesis). Feo, pero efectivo. Por ejemplo:

>>>

>>> empty = ()
>>> singleton = 'hello', # <-- note trailing comma
>>> len(empty)
0
>>> len(singleton)
1
>>> singleton
('hello',)

La declaración t = 12345, 54321, 'hola!' es un ejemplo de empaquetado

de tuplas: los valores 12345, 54321 y 'hola!' se empaquetan juntos en una
tupla. La operación inversa también es posible:

>>>

>>> x, y, z = t

Esto se llama, apropiadamente, desempaquetado de secuencias, y funciona para

cualquier secuencia en el lado derecho del igual. El desempaquetado de
secuencias requiere que la cantidad de variables a la izquierda del signo igual sea
el tamaño de la secuencia. Notá que la asignación múltiple es en realidad sólo una
combinación de empaquetado de tuplas y desempaquetado de secuencias.

5.4. Conjuntos
Python también incluye un tipo de dato para conjuntos. Un conjunto es una
colección no ordenada y sin elementos repetidos. Los usos básicos de éstos
incluyen verificación de pertenencia y eliminación de entradas duplicadas. Los
conjuntos también soportan operaciones matemáticas como la unión, intersección,
diferencia, y diferencia simétrica.

Las llaves o la función set() pueden usarse para crear conjuntos. Notá que para
crear un conjunto vacío tenés que usar set(), no {}; esto último crea un
diccionario vacío, una estructura de datos que discutiremos en la sección
siguiente.

Una pequeña demostración:

>>>
>>> basket = {'apple', 'orange', 'apple', 'pear', 'orange',
'banana'}
>>> print(basket) # show that duplicates
have been removed
{'orange', 'banana', 'pear', 'apple'}
>>> 'orange' in basket # fast membership testing
True
>>> 'crabgrass' in basket
False

>>> # Demonstrate set operations on unique letters from two

words
...
>>> a = set('abracadabra')
>>> b = set('alacazam')
>>> a # unique letters in a
{'a', 'r', 'b', 'c', 'd'}
>>> a - b # letters in a but not in
b
{'r', 'd', 'b'}
>>> a | b # letters in a or b or
both
{'a', 'c', 'r', 'd', 'b', 'm', 'z', 'l'}
>>> a & b # letters in both a and b
{'a', 'c'}
>>> a ^ b # letters in a or b but
not both
{'r', 'd', 'b', 'm', 'z', 'l'}

De forma similar a las comprensiones de listas, está también soportada la

comprensión de conjuntos:

>>>

>>> a = {x for x in 'abracadabra' if x not in 'abc'}

>>> a
{'r', 'd'}

5.5. Diccionarios
Otro tipo de dato útil incluido en Python es el diccionario (ver Tipos Mapa — dict).
Los diccionarios se encuentran a veces en otros lenguajes como «memorias
asociativas» o «arreglos asociativos». A diferencia de las secuencias, que se
indexan mediante un rango numérico, los diccionarios se indexan con claves, que
pueden ser cualquier tipo inmutable; las cadenas y números siempre pueden ser
claves. Las tuplas pueden usarse como claves si solamente contienen cadenas,
números o tuplas; si una tupla contiene cualquier objeto mutable directa o
indirectamente, no puede usarse como clave. No podés usar listas como claves,
ya que las listas pueden modificarse usando asignación por índice, asignación por
sección, o métodos como append() y extend().

Es mejor pensar en un diccionario como un conjunto de pares clave:valor con el

requerimiento de que las claves sean únicas (dentro de un diccionario). Un par de
llaves crean un diccionario vacío: {}. Colocar una lista de pares clave:valor
separada por comas dentro de las llaves agrega, de inicio, pares clave:valor al
diccionario; esta es, también, la forma en que los diccionarios se muestran en la
salida.

Las operaciones principales sobre un diccionario son guardar un valor con una
clave y extraer ese valor dada la clave. También es posible borrar un par
clave:valor con del. Si usás una clave que ya está en uso para guardar un valor,
el valor que estaba asociado con esa clave se pierde. Es un error extraer un valor
usando una clave no existente.

Ejecutando list(d) en un diccionario retornará una lista con todas las claves

usadas en el diccionario, en el orden de inserción (si deseas que esté ordenada
simplemente usa sorted(d) en su lugar). Para comprobar si una clave está en el
diccionario usa la palabra clave in.

Un pequeño ejemplo de uso de un diccionario:

>>>

>>> tel = {'jack': 4098, 'sape': 4139}

>>> tel['guido'] = 4127
>>> tel
{'jack': 4098, 'sape': 4139, 'guido': 4127}
>>> tel['jack']
4098
>>> del tel['sape']
>>> tel['irv'] = 4127
>>> tel
{'jack': 4098, 'guido': 4127, 'irv': 4127}
>>> list(tel)
['jack', 'guido', 'irv']
>>> sorted(tel)
['guido', 'irv', 'jack']
>>> 'guido' in tel
True
>>> 'jack' not in tel
False

El constructor dict() crea un diccionario directamente desde secuencias de

pares clave-valor:

>>>

>>> dict([('sape', 4139), ('guido', 4127), ('jack', 4098)])

{'sape': 4139, 'guido': 4127, 'jack': 4098}

Además, las comprensiones de diccionarios se pueden usar para crear

diccionarios desde expresiones arbitrarias de clave y valor:

>>>

>>> {x: x**2 for x in (2, 4, 6)}

{2: 4, 4: 16, 6: 36}

Cuando las claves son cadenas simples, a veces resulta más fácil especificar los
pares usando argumentos por palabra clave:

>>>

>>> dict(sape=4139, guido=4127, jack=4098)

{'sape': 4139, 'guido': 4127, 'jack': 4098}

5.6. Técnicas de iteración
Cuando iteramos sobre diccionarios, se pueden obtener al mismo tiempo la clave
y su valor correspondiente usando el método items().

>>>

>>> knights = {'gallahad': 'the pure', 'robin': 'the brave'}

>>> for k, v in knights.items():
... print(k, v)
...
gallahad the pure
robin the brave

Cuando se itera sobre una secuencia, se puede obtener el índice de posición junto
a su valor correspondiente usando la función enumerate().
>>>

>>> for i, v in enumerate(['tic', 'tac', 'toe']):

... print(i, v)
...
0 tic
1 tac
2 toe

Para iterar sobre dos o más secuencias al mismo tiempo, los valores pueden
emparejarse con la función zip().

>>>

>>> questions = ['name', 'quest', 'favorite color']

>>> answers = ['lancelot', 'the holy grail', 'blue']
>>> for q, a in zip(questions, answers):
... print('What is your {0}? It is {1}.'.format(q, a))
...
What is your name? It is lancelot.
What is your quest? It is the holy grail.
What is your favorite color? It is blue.

Para iterar sobre una secuencia en orden inverso, se especifica primero la

secuencia al derecho y luego se llama a la función reversed().

>>>

>>> for i in reversed(range(1, 10, 2)):

... print(i)
...
9
7
5
3
1

Para iterar sobre una secuencia ordenada, se utiliza la función sorted() la cual

retorna una nueva lista ordenada dejando a la original intacta.

>>>
>>> basket = ['apple', 'orange', 'apple', 'pear', 'orange',
'banana']
>>> for i in sorted(basket):
... print(i)
...
apple
apple
banana
orange
orange
pear

El uso de set() en una secuencia elimina los elementos duplicados. El uso

de sorted() en combinación con set() sobre una secuencia es una forma
idiomática de recorrer elementos únicos de la secuencia en orden ordenado.

>>>

>>> basket = ['apple', 'orange', 'apple', 'pear', 'orange',

'banana']
>>> for f in sorted(set(basket)):
... print(f)
...
apple
banana
orange
pear

A veces uno intenta cambiar una lista mientras la está iterando; sin embargo, a
menudo es más simple y seguro crear una nueva lista:

>>>

>>> import math

>>> raw_data = [56.2, float('NaN'), 51.7, 55.3, 52.5,
float('NaN'), 47.8]
>>> filtered_data = []
>>> for value in raw_data:
... if not math.isnan(value):
... filtered_data.append(value)
...
>>> filtered_data
[56.2, 51.7, 55.3, 52.5, 47.8]
5.7. Más acerca de condiciones
Las condiciones usadas en las instrucciones while e if pueden contener
cualquier operador, no sólo comparaciones.

The comparison operators in and not in are membership tests that determine

whether a value is in (or not in) a container. The
operators is and is not compare whether two objects are really the same object.
All comparison operators have the same priority, which is lower than that of all
numerical operators.

Las comparaciones pueden encadenarse. Por ejemplo, a < b == c verifica

si a es menor que b y además si b es igual a c.

Las comparaciones pueden combinarse mediante los operadores

booleanos and y or, y el resultado de una comparación (o de cualquier otra
expresión booleana) puede negarse con not. Estos tienen prioridades menores
que los operadores de comparación; entre ellos not tiene la mayor prioridad
y or la menor, o sea que A and not B or C equivale
a (A and (not B)) or C. Como siempre, los paréntesis pueden usarse para
expresar la composición deseada.

Los operadores booleanos and y or son los llamados operadores cortocircuito:

sus argumentos se evalúan de izquierda a derecha, y la evaluación se detiene en
el momento en que se determina su resultado. Por ejemplo, si A y C son
verdaderas pero B es falsa, en A and B and C no se evalúa la expresión C.
Cuando se usa como un valor general y no como un booleano, el valor retornado
de un operador cortocircuito es el último argumento evaluado.

Es posible asignar el resultado de una comparación u otra expresión booleana a

una variable. Por ejemplo,

>>>

>>> string1, string2, string3 = '', 'Trondheim', 'Hammer Dance'

>>> non_null = string1 or string2 or string3
>>> non_null
'Trondheim'

Nota que en Python, a diferencia de C, asignaciones dentro de expresiones deben

realizarse explícitamente con walrus operator :=. Esto soluciona algunos
problemas comunes encontrados en C: escribiendo = en una expresión cuando se
intentaba escribir ==.
5.8. Comparando secuencias y otros tipos
Las secuencias pueden compararse con otros objetos del mismo tipo de
secuencia. La comparación usa orden lexicográfico: primero se comparan los dos
primeros ítems, si son diferentes esto ya determina el resultado de la
comparación; si son iguales, se comparan los siguientes dos ítems, y así
sucesivamente hasta llegar al final de alguna de las secuencias. Si dos ítems a
comparar son ambos secuencias del mismo tipo, la comparación lexicográfica es
recursiva. Si todos los ítems de dos secuencias resultan iguales, se considera que
las secuencias son iguales. Si una secuencia es la parte inicial de la otra, la
secuencia más corta es la más pequeña. El orden lexicográfico de los strings
utiliza el punto de código Unicode para ordenar caracteres individuales. Algunos
ejemplos de comparación entre secuencias del mismo tipo:

(1, 2, 3) < (1, 2, 4)

[1, 2, 3] < [1, 2, 4]
'ABC' < 'C' < 'Pascal' < 'Python'
(1, 2, 3, 4) < (1, 2, 4)
(1, 2) < (1, 2, -1)
(1, 2, 3) == (1.0, 2.0, 3.0)
(1, 2, ('aa', 'ab')) < (1, 2, ('abc', 'a'), 4)

Observá que comparar objetos de diferentes tipos con < o > es legal siempre y

cuando los objetas tenga los métodos de comparación apropiados. Por ejemplo,
los tipos de números mezclados son comparados de acuerdo a su valor numérico,
o sea 0 es igual a 0.0, etc. Si no es el caso, en lugar de proveer un ordenamiento
arbitrario, el intérprete generará una excepción TypeError.

Notas al pie

Otros lenguajes podrían retornar un objeto mutado, que permite

encadenamiento de métodos como d->insert("a")->remove("b")-
>sort();.

6. Módulos
Si sales del intérprete de Python y vuelves a entrar, las definiciones que habías
hecho (funciones y variables) se pierden. Por lo tanto, si quieres escribir un
programa más o menos largo, es mejor que utilices un editor de texto para
preparar la entrada para el intérprete y ejecutarlo con ese archivo como entrada.
Esto se conoce como crear un script. A medida que tu programa crezca, quizás
quieras separarlo en varios archivos para que el mantenimiento sea más sencillo.
Quizás también quieras usar una función útil que has escrito en distintos
programas sin copiar su definición en cada programa.

Para soportar esto, Python tiene una manera de poner definiciones en un archivo y
usarlos en un script o en una instancia del intérprete. Este tipo de ficheros se
llama módulo; las definiciones de un módulo pueden ser importadas a otros
módulos o al módulo principal (la colección de variables a las que tienes acceso
en un script ejecutado en el nivel superior y en el modo calculadora).

Un módulo es un fichero conteniendo definiciones y declaraciones de Python. El

nombre de archivo es el nombre del módulo con el sufijo .py agregado. Dentro de
un módulo, el nombre del mismo módulo (como cadena) está disponible en el
valor de la variable global __name__. Por ejemplo, utiliza tu editor de texto favorito
para crear un archivo llamado fibo.py en el directorio actual, con el siguiente
contenido:

# Fibonacci numbers module

def fib(n): # write Fibonacci series up to n

a, b = 0, 1
while a < n:
print(a, end=' ')
a, b = b, a+b
print()

def fib2(n): # return Fibonacci series up to n

result = []
a, b = 0, 1
while a < n:
result.append(a)
a, b = b, a+b
return result

Ahora entra en el intérprete de Python e importa este modulo con el siguiente

comando:

>>>

>>> import fibo

Esto no añade los nombres de las funciones definidas en fibo directamente en el

espacio de nombres actual; sólo añade el nombre del módulo fibo. Usando el
nombre del módulo puedes acceder a las funciones:
>>>

>>> fibo.fib(1000)
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987
>>> fibo.fib2(100)
[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89]
>>> fibo.__name__
'fibo'

Si pretendes utilizar una función frecuentemente puedes asignarla a un nombre

local:

>>>

>>> fib = fibo.fib

>>> fib(500)
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377

6.1. Más sobre los módulos

Un módulo puede contener tanto declaraciones ejecutables como definiciones de
funciones. Estas declaraciones están pensadas para inicializar el módulo. Se
ejecutan únicamente la primera vez que el módulo se encuentra en una
declaración import. 1 (También se ejecutan si el archivo se ejecuta como script.)

Cada módulo tiene su propio espacio de nombres, el cual es usado como espacio
de nombres global para todas las funciones definidas en el módulo. Por lo tanto, el
autor de un módulo puede usar variables globales en el módulo sin preocuparse
acerca de conflictos con una variable global del usuario. Por otro lado, si sabes lo
que estás haciendo puedes acceder a las variables globales de un módulo con la
misma notación usada para referirte a sus
funciones, nombremodulo.nombreitem.

Los módulos pueden importar otros módulos. Es costumbre pero no obligatorio

ubicar todas las declaraciones import al principio del módulo (o script, para el
caso). Los nombres de los módulos importados son ubicados en el espacio de
nombres global del módulo que hace la importación.

Hay una variante de la declaración import que importa nos nombres de un

módulo directamente al espacio de nombres del módulo que hace la importación.
Por ejemplo:

>>>
>>> from fibo import fib, fib2
>>> fib(500)
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377

Esto no introduce en el espacio de nombres local el nombre del módulo desde el

cual se está importando (por lo tanto, en el ejemplo, fibo no esta definido).

Hay incluso una variante para importar todos los nombres que un módulo define:

>>>

>>> from fibo import *

>>> fib(500)
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377

Esto importa todos los nombres excepto los que inician con un guión bajo ( _). La
mayoría de las veces los programadores de Python no usan esto ya que introduce
en el intérprete un conjunto de nombres desconocido, posiblemente escondiendo
algunas de las definiciones previas.

Nota que en general la práctica de importar * de un módulo o paquete está muy

mal vista, ya que frecuentemente genera código poco legible. Sin embargo, está
bien usarlo para ahorrar tecleo en sesiones interactivas.

Si el nombre del módulo es seguido por as, el nombre siguiendo as queda ligado

directamente al módulo importado.

>>>

>>> import fibo as fib

>>> fib.fib(500)
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377

Esto es básicamente importar el módulo de la misma forma que se haría

con import fibo, con la única diferencia en que se encuentra accesible
como fib.

También se puede utilizar cuando se utiliza from con efectos similares:

>>>

>>> from fibo import fib as fibonacci

>>> fibonacci(500)
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377
Nota
 

Por razones de eficiencia, cada módulo es importado solo una vez por sesión del
intérprete. Por lo tanto, si cambias tus módulos, debes reiniciar el interprete – ó, si
es un solo módulo que quieres probar de forma interactiva,
usa importlib.reload(), por
ejemplo: import importlib; importlib.reload(modulename).
6.1.1. Ejecutando módulos como scripts
Cuando ejecutes un módulo de Python con

python fibo.py <arguments>

el código en el módulo será ejecutado, tal como si lo hubieses importado, pero

con __name__ con el valor de "__main__". Eso significa que agregando este
código al final de tu módulo:

if __name__ == "__main__":
import sys
fib(int(sys.argv[1]))

puedes hacer que el archivo sea utilizable tanto como script, como módulo
importable, porque el código que analiza la línea de órdenes sólo se ejecuta si el
módulo es ejecutado como archivo principal:

$ python fibo.py 50
0 1 1 2 3 5 8 13 21 34

Si el módulo se importa, ese código no se ejecuta:

>>>

>>> import fibo

>>>

Esto es frecuentemente usado para proveer al módulo una interfaz de usuario

conveniente, o para propósitos de prueba (ejecutar el módulo como un script
ejecuta el juego de pruebas).
6.1.2. El camino de búsqueda de los módulos
Cuando se importa un módulo llamado spam, el intérprete busca primero por un
módulo con ese nombre que esté integrado en el intérprete. Si no lo encuentra,
entonces busca un archivo llamado spam.py en una lista de directorios
especificada por la variable sys.path. sys.path se inicializa con las siguientes
ubicaciones:

 El directorio que contiene el script de entrada (o el directorio actual cuando

no se especifica archivo).
 PYTHONPATH (una lista de nombres de directorios, con la misma sintaxis
que la variable de la terminal PATH).
 El valor predeterminado dependiente de la instalación (por convención que
incluye un directorio site-packages, manejado por el módulo site).
Nota
 

En los sistemas de archivo que soportan enlaces simbólicos, el directorio que

contiene el script de entrada es calculado luego de seguir el enlace simbólico. En
otras palabras, el directorio que contiene el enlace simbólico no es agregado al
camino de búsqueda del módulo.

Luego de la inicialización, los programas Python pueden modificar sys.path. El

directorio que contiene el script que se está ejecutando se ubica al principio de la
búsqueda, adelante de la biblioteca estándar. Esto significa que se cargarán
scripts en ese directorio en lugar de módulos de la biblioteca estándar con el
mismo nombre. Esto es un error a menos que se esté reemplazando
intencionalmente. Mirá la sección Módulos estándar para más información.

6.1.3. Archivos «compilados» de Python

Para acelerar la carga de módulos, Python cachea las versiones compiladas de
cada módulo en el directorio __pycache__ bajo el
nombre module.version.pyc, dónde la versión codifica el formato del archivo
compilado; generalmente contiene el número de versión de Python. Por ejemplo,
en CPython release 3.3 la versión compilada de spam.py sería cacheada
como __pycache__/spam.cpython-33.pyc. Este convención de nombre
permite compilar módulos desde diferentes releases y versiones de Python para
coexistir.

Python chequea la fecha de modificación de la fuente contra la versión compilada

para ver si esta es obsoleta y necesita ser recompilada. Esto es un proceso
completamente automático. También, los módulos compilados son independientes
de la plataforma, así que la misma biblioteca puede ser compartida a través de
sistemas con diferentes arquitecturas.

Python no chequea el caché en dos circunstancias. Primero, siempre recompila y

no graba el resultado del módulo que es cargado directamente desde la línea de
comando. Segundo, no chequea el caché si no hay módulo fuente. Para soportar
una distribución sin fuente (solo compilada), el módulo compilado debe estar en el
directorio origen, y no debe haber un módulo fuente.

Algunos consejos para expertos:

 Puedes usar los modificadores -O o -OO en el comando de Python para

reducir el tamaño del módulo compilado. El modificador -O remueve las
declaraciones assert, el modificador -OO remueve declaraciones assert y
cadenas __doc__. Dado que algunos programas pueden confiar en tenerlos
disponibles, solo deberías usar esta opción si conoces lo que estás
haciendo. Los módulos «optimizados» tienen una etiqueta opt- y
generalmente son mas pequeños. Releases futuras pueden cambiar los
efectos de la optimización.
 Un programa no se ejecuta mas rápido cuando es leído de un
archivo .pyc que cuando es leído de un archivo .py; la única cosa que es
mas rápida en los archivos .pyc es la velocidad con la cual son cargados.
 El módulo compileall puede crear archivos .pyc para todos los módulos
en un directorio.
 Hay mas detalle de este proceso, incluyendo un diagrama de flujo de
decisiones, en PEP 3147.
6.2. Módulos estándar
Python viene con una biblioteca de módulos estándar, descrita en un documento
separado, la Referencia de la Biblioteca de Python (de aquí en más, «Referencia
de la Biblioteca»). Algunos módulos se integran en el intérprete; estos proveen
acceso a operaciones que no son parte del núcleo del lenguaje pero que sin
embargo están integrados, tanto por eficiencia como para proveer acceso a
primitivas del sistema operativo, como llamadas al sistema. El conjunto de tales
módulos es una opción de configuración el cual también depende de la plataforma
subyacente. Por ejemplo, el módulo winreg sólo se provee en sistemas Windows.
Un módulo en particular merece algo de atención: sys, el que está integrado en
todos los intérpretes de Python. Las variables sys.ps1 y sys.ps2 definen las
cadenas usadas como cursores primarios y secundarios:

>>>

>>> import sys

>>> sys.ps1
'>>> '
>>> sys.ps2
'... '
>>> sys.ps1 = 'C> '
C> print('Yuck!')
Yuck!
C>

Estas dos variables están solamente definidas si el intérprete está en modo

interactivo.

La variable sys.path es una lista de cadenas que determinan el camino de

búsqueda del intérprete para los módulos. Se inicializa por omisión a un camino
tomado de la variable de entorno PYTHONPATH, o a un valor predefinido en el
intérprete si PYTHONPATH no está configurada. Lo puedes modificar usando las
operaciones estándar de listas:

>>>

>>> import sys

>>> sys.path.append('/ufs/guido/lib/python')

6.3. La función dir()
La función integrada dir() se usa para encontrar qué nombres define un módulo.
Retorna una lista ordenada de cadenas:

>>>

>>> import fibo, sys

>>> dir(fibo)
['__name__', 'fib', 'fib2']
>>> dir(sys)
['__breakpointhook__', '__displayhook__', '__doc__',
'__excepthook__',
'__interactivehook__', '__loader__', '__name__', '__package__',
'__spec__',
'__stderr__', '__stdin__', '__stdout__', '__unraisablehook__',
'_clear_type_cache', '_current_frames', '_debugmallocstats',
'_framework',
'_getframe', '_git', '_home', '_xoptions', 'abiflags',
'addaudithook',
 'api_version', 'argv', 'audit', 'base_exec_prefix',
'base_prefix',
'breakpointhook', 'builtin_module_names', 'byteorder',
'call_tracing',
'callstats', 'copyright', 'displayhook', 'dont_write_bytecode',
'exc_info',
'excepthook', 'exec_prefix', 'executable', 'exit', 'flags',
'float_info',
'float_repr_style', 'get_asyncgen_hooks',
'get_coroutine_origin_tracking_depth',
'getallocatedblocks', 'getdefaultencoding', 'getdlopenflags',
'getfilesystemencodeerrors', 'getfilesystemencoding',
'getprofile',
'getrecursionlimit', 'getrefcount', 'getsizeof',
'getswitchinterval',
'gettrace', 'hash_info', 'hexversion', 'implementation',
'int_info',
'intern', 'is_finalizing', 'last_traceback', 'last_type',
'last_value',
'maxsize', 'maxunicode', 'meta_path', 'modules', 'path',
'path_hooks',
'path_importer_cache', 'platform', 'prefix', 'ps1', 'ps2',
'pycache_prefix',
'set_asyncgen_hooks', 'set_coroutine_origin_tracking_depth',
'setdlopenflags',
'setprofile', 'setrecursionlimit', 'setswitchinterval',
'settrace', 'stderr',
'stdin', 'stdout', 'thread_info', 'unraisablehook', 'version',
'version_info',
'warnoptions']

Sin argumentos, dir() lista los nombres que tienes actualmente definidos:

>>>

>>> a = [1, 2, 3, 4, 5]
>>> import fibo
>>> fib = fibo.fib
>>> dir()
['__builtins__', '__name__', 'a', 'fib', 'fibo', 'sys']

Note que lista todos los tipos de nombres: variables, módulos, funciones, etc.
dir() no lista los nombres de las funciones y variables integradas. Si quieres una
lista de esos, están definidos en el módulo estándar builtins:

>>>

>>> import builtins

>>> dir(builtins)
['ArithmeticError', 'AssertionError', 'AttributeError',
'BaseException',
'BlockingIOError', 'BrokenPipeError', 'BufferError',
'BytesWarning',
'ChildProcessError', 'ConnectionAbortedError',
'ConnectionError',
'ConnectionRefusedError', 'ConnectionResetError',
'DeprecationWarning',
'EOFError', 'Ellipsis', 'EnvironmentError', 'Exception',
'False',
'FileExistsError', 'FileNotFoundError', 'FloatingPointError',
'FutureWarning', 'GeneratorExit', 'IOError', 'ImportError',
'ImportWarning', 'IndentationError', 'IndexError',
'InterruptedError',
'IsADirectoryError', 'KeyError', 'KeyboardInterrupt',
'LookupError',
'MemoryError', 'NameError', 'None', 'NotADirectoryError',
'NotImplemented',
'NotImplementedError', 'OSError', 'OverflowError',
'PendingDeprecationWarning', 'PermissionError',
'ProcessLookupError',
'ReferenceError', 'ResourceWarning', 'RuntimeError',
'RuntimeWarning',
'StopIteration', 'SyntaxError', 'SyntaxWarning', 'SystemError',
'SystemExit', 'TabError', 'TimeoutError', 'True', 'TypeError',
'UnboundLocalError', 'UnicodeDecodeError',
'UnicodeEncodeError',
'UnicodeError', 'UnicodeTranslateError', 'UnicodeWarning',
'UserWarning',
'ValueError', 'Warning', 'ZeroDivisionError', '_',
'__build_class__',
'__debug__', '__doc__', '__import__', '__name__',
'__package__', 'abs',
'all', 'any', 'ascii', 'bin', 'bool', 'bytearray', 'bytes',
'callable',
'chr', 'classmethod', 'compile', 'complex', 'copyright',
'credits',
 'delattr', 'dict', 'dir', 'divmod', 'enumerate', 'eval',
'exec', 'exit',
'filter', 'float', 'format', 'frozenset', 'getattr', 'globals',
'hasattr',
'hash', 'help', 'hex', 'id', 'input', 'int', 'isinstance',
'issubclass',
'iter', 'len', 'license', 'list', 'locals', 'map', 'max',
'memoryview',
'min', 'next', 'object', 'oct', 'open', 'ord', 'pow', 'print',
'property',
'quit', 'range', 'repr', 'reversed', 'round', 'set', 'setattr',
'slice',
'sorted', 'staticmethod', 'str', 'sum', 'super', 'tuple',
'type', 'vars',
'zip']

6.4. Paquetes
Los Paquetes son una forma de estructurar el espacio de nombres de módulos de
Python usando «nombres de módulo con puntos». Por ejemplo, el nombre del
módulo A.B designa un submódulo B en un paquete llamado A. Así como el uso
de módulos salva a los autores de diferentes módulos de tener que preocuparse
por los nombres de las variables globales de cada uno, el uso de nombres de
módulo con puntos salva a los autores de paquetes con múltiples módulos, como
NumPy o Pillow de preocupaciones por los nombres de los módulos de cada uno.

Supongamos que quieres designar una colección de módulos (un «paquete») para
el manejo uniforme de archivos y datos de sonidos. Hay diferentes formatos de
archivos de sonido (normalmente reconocidos por su extensión, por
ejemplo: .wav, .aiff, .au), por lo que tienes que crear y mantener una colección
siempre creciente de módulos para la conversión entre los distintos formatos de
archivos. Hay muchas operaciones diferentes que quizás quieras ejecutar en los
datos de sonido (como mezclarlos, añadir eco, aplicar una función ecualizadora,
crear un efecto estéreo artificial), por lo que además estarás escribiendo una lista
sin fin de módulos para realizar estas operaciones. Aquí hay una posible
estructura para tu paquete (expresados en términos de un sistema jerárquico de
archivos):

sound/ Top-level package

__init__.py Initialize the sound package
formats/ Subpackage for file format
conversions
__init__.py
wavread.py
 wavwrite.py
aiffread.py
aiffwrite.py
auread.py
auwrite.py
...
effects/ Subpackage for sound effects
__init__.py
echo.py
surround.py
reverse.py
...
filters/ Subpackage for filters
__init__.py
equalizer.py
vocoder.py
karaoke.py
...

Al importar el paquete, Python busca a través de los directorios en sys.path,

buscando el sub-directorio del paquete.

Los archivos __init__.py son obligatorios para que Python trate los directorios

que contienen los archivos como paquetes. Esto evita que los directorios con un
nombre común, como string, oculten involuntariamente módulos válidos que se
producen luego en el camino de búsqueda del módulo. En el caso mas
simple, __init__.py puede ser solo un archivo vacío, pero también puede
ejecutar código de inicialización para el paquete o el conjunto de
variables __all__, descriptas luego.

Los usuarios del paquete pueden importar módulos individuales del mismo, por
ejemplo:

import sound.effects.echo

Esto carga el submódulo sound.effects.echo. Debe hacerse referencia al

mismo con el nombre completo.

sound.effects.echo.echofilter(input, output, delay=0.7, atten=4)

Otra alternativa para importar el submódulo es:

from sound.effects import echo

Esto también carga el submódulo echo, y lo deja disponible sin su prefijo de

paquete, por lo que puede usarse así:

echo.echofilter(input, output, delay=0.7, atten=4)

Otra variación más es importar la función o variable deseadas directamente:

from sound.effects.echo import echofilter

De nuevo, esto carga el submódulo echo, pero deja directamente disponible a la

función echofilter():

echofilter(input, output, delay=0.7, atten=4)

Note que al usar from package import item, el ítem puede ser tanto un

submódulo (o subpaquete) del paquete, o algún otro nombre definido en el
paquete, como una función, clase, o variable. La declaración import primero
verifica si el ítem está definido en el paquete; si no, asume que es un módulo y
trata de cargarlo. Si no lo puede encontrar, se genera una
excepción ImportError.

Por otro lado, cuando se usa la sintaxis

como import item.subitem.subsubitem, cada ítem excepto el último debe
ser un paquete; el mismo puede ser un módulo o un paquete pero no puede ser
una clase, función o variable definida en el ítem previo.

6.4.1. Importando * desde un paquete

Ahora, ¿qué sucede cuando el usuario
escribe from sound.effects import *? Idealmente, uno esperaría que esto
de alguna manera vaya al sistema de archivos, encuentre cuales submódulos
están presentes en el paquete, y los importe a todos. Esto puede tardar mucho y
el importar sub-módulos puede tener efectos secundarios no deseados que sólo
deberían ocurrir cuando se importe explícitamente el sub-módulo.

La única solución es que el autor del paquete provea un índice explícito del
paquete. La declaración import usa la siguiente convención: si el código
del __init__.py de un paquete define una lista llamada __all__, se toma como
la lista de los nombres de módulos que deberían ser importados cuando se
hace from package import *. Es tarea del autor del paquete mantener
actualizada esta lista cuando se libera una nueva versión del paquete. Los autores
de paquetes podrían decidir no soportarlo, si no ven un uso para importar * en sus
paquetes. Por ejemplo, el archivo sound/effects/__init__.py podría contener
el siguiente código:

__all__ = ["echo", "surround", "reverse"]

Esto significaría que from sound.effects import * importaría esos tres

submódulos del paquete sound.

Si no se define __all__, la
declaración from sound.effects import * no importa todos los submódulos
del paquete sound.effects al espacio de nombres actual; sólo se asegura que
se haya importado el paquete sound.effects (posiblemente ejecutando algún
código de inicialización que haya en __init__.py) y luego importa aquellos
nombres que estén definidos en el paquete. Esto incluye cualquier nombre
definido (y submódulos explícitamente cargados) por __init__.py. También
incluye cualquier submódulo del paquete que pudiera haber sido explícitamente
cargado por declaraciones import previas. Considere este código:

import sound.effects.echo
import sound.effects.surround
from sound.effects import *

En este ejemplo, los módulos echo y surround se importan en el espacio de

nombre actual porque están definidos en el paquete sound.effects cuando se
ejecuta la declaración from...import. (Esto también funciona cuando se
define __all__).

A pesar de que ciertos módulos están diseñados para exportar solo nombres que
siguen ciertos patrones cuando uses import *, también se considera una mala
práctica en código de producción.

Recuerda, ¡no hay nada malo al

usar from package import specific_submodule! De hecho, esta es la
notación recomendada a menos que el módulo que importamos necesite usar
submódulos con el mismo nombre desde un paquete diferente.

6.4.2. Referencias internas en paquetes

Cuando se estructuran los paquetes en sub-paquetes (como en el
ejemplo sound), puedes usar import absolutos para referirte a submódulos de
paquetes hermanos. Por ejemplo, si el
módulo sound.filters.vocoder necesita usar el módulo echo en el
paquete sound.effects, puede hacer from sound.effects import echo.

También puedes escribir import relativos con la

forma from module import name. Estos imports usan puntos adelante para
indicar los paquetes actuales o paquetes padres involucrados en el import relativo.
En el ejemplo surround, podrías hacer:

from . import echo

from .. import formats
from ..filters import equalizer

Note que los imports relativos se basan en el nombre del módulo actual. Ya que el
nombre del módulo principal es siempre "__main__", los módulos pensados para
usarse como módulo principal de una aplicación Python siempre deberían
usar import absolutos.

6.4.3. Paquetes en múltiples directorios

Los paquetes soportan un atributo especial más, __path__. Este se inicializa a
una lista que contiene el nombre del directorio donde está el
archivo __init__.py del paquete, antes de que el código en ese archivo se
ejecute. Esta variable puede modificarse, afectando búsquedas futuras de
módulos y subpaquetes contenidos en el paquete.

Aunque esta característica no se necesita frecuentemente, puede usarse para

extender el conjunto de módulos que se encuentran en el paquete.

Notas al pie

De hecho, las definiciones de funciones también son «declaraciones» que

se «ejecutan»; la ejecución de una definición de función a nivel de módulo,
ingresa el nombre de la función en el espacio de nombres global del
módulo.

7. Entrada y salida
Hay diferentes métodos de presentar la salida de un programa; los datos pueden
ser impresos de una forma legible por humanos, o escritos a un archivo para uso
futuro. Este capítulo discutirá algunas de las posibilidades.
7.1. Formateo elegante de la salida
Hasta ahora encontramos dos maneras de escribir valores: declaraciones de
expresión y la función print(). (Una tercera manera es usando el
método write() de los objetos tipo archivo; el archivo de salida estándar puede
referenciarse como sys.stdout. Mirá la Referencia de la Biblioteca para más
información sobre esto).

A menudo se querrá tener más control sobre el formato de la salida, y no

simplemente imprimir valores separados por espacios. Para ello, hay varias
maneras de dar formato a la salida.

 Para usar formatted string literals, comience una cadena con f o F antes de

la comilla de apertura o comillas triples. Dentro de esta cadena, se puede
escribir una expresión de Python entre los caracteres { y } que pueden
hacer referencia a variables o valores literales.

>>>

>>> year = 2016

>>> event = 'Referendum'
>>> f'Results of the {year} {event}'
'Results of the 2016 Referendum'

 El método str.format() requiere más esfuerzo manual. Se seguirá

usando { y } para marcar dónde se sustituirá una variable y puede
proporcionar directivas de formato detalladas, pero también se debe
proporcionar la información de lo que se va a formatear.

>>>

>>> yes_votes = 42_572_654

>>> no_votes = 43_132_495
>>> percentage = yes_votes / (yes_votes + no_votes)
>>> '{:-9} YES votes {:2.2%}'.format(yes_votes,
percentage)
' 42572654 YES votes 49.67%'

 Por último, puede realizar todo el control de cadenas usted mismo mediante
operaciones de concatenación y segmentación de cadenas para crear
cualquier diseño que se pueda imaginar. El tipo de cadena tiene algunos
métodos que realizan operaciones útiles para rellenar cadenas a un ancho
de columna determinado.
Cuando no necesita una salida elegante, pero solo desea una visualización rápida
de algunas variables con fines de depuración, puede convertir cualquier valor en
una cadena con las funciones repr() o str().

La función str() retorna representaciones de los valores que son bastante

legibles por humanos, mientras que repr() genera representaciones que pueden
ser leídas por el intérprete (o forzarían un SyntaxError si no hay sintaxis
equivalente). Para objetos que no tienen una representación en particular para
consumo humano, str() retornará el mismo valor que repr(). Muchos valores,
como números o estructuras como listas y diccionarios, tienen la misma
representación usando cualquiera de las dos funciones. Las cadenas, en
particular, tienen dos representaciones distintas.

Algunos ejemplos:

>>>

>>> s = 'Hello, world.'

>>> str(s)
'Hello, world.'
>>> repr(s)
"'Hello, world.'"
>>> str(1/7)
'0.14285714285714285'
>>> x = 10 * 3.25
>>> y = 200 * 200
>>> s = 'The value of x is ' + repr(x) + ', and y is ' + repr(y)
+ '...'
>>> print(s)
The value of x is 32.5, and y is 40000...
>>> # The repr() of a string adds string quotes and backslashes:
... hello = 'hello, world\n'
>>> hellos = repr(hello)
>>> print(hellos)
'hello, world\n'
>>> # The argument to repr() may be any Python object:
... repr((x, y, ('spam', 'eggs')))
"(32.5, 40000, ('spam', 'eggs'))"

El módulo string contiene una clase Template que ofrece otra forma de sustituir

valores en cadenas, utilizando marcadores de posición como $x` y reemplazarlos
con valores desde un diccionario, pero esto ofrece mucho menos control en el
formato.
7.1.1. Formatear cadenas literales
Formatted string literals (también llamados f-strings para abreviar) le permiten
incluir el valor de las expresiones de Python dentro de una cadena prefijando la
cadena con f o F y escribiendo expresiones como {expresion}.

La expresión puede ir seguida de un especificador de formato opcional . Esto

permite un mayor control sobre cómo se formatea el valor. En el ejemplo siguiente
se redondea pi a tres lugares después del decimal:

>>>

>>> import math

>>> print(f'The value of pi is approximately {math.pi:.3f}.')
The value of pi is approximately 3.142.

Pasar un entero después de ':' hará que ese campo sea un número mínimo de
caracteres de ancho. Esto es útil para hacer que las columnas se alineen.

>>>

>>> table = {'Sjoerd': 4127, 'Jack': 4098, 'Dcab': 7678}

>>> for name, phone in table.items():
... print(f'{name:10} ==> {phone:10d}')
...
Sjoerd ==> 4127
Jack ==> 4098
Dcab ==> 7678

Se pueden utilizar otros modificadores para convertir el valor antes de

formatearlo. '!a' se aplica ascii(), '!s' se aplica str(), y '!r' se
aplica repr():

>>>

>>> animals = 'eels'

>>> print(f'My hovercraft is full of {animals}.')
My hovercraft is full of eels.
>>> print(f'My hovercraft is full of {animals!r}.')
My hovercraft is full of 'eels'.

Para obtener una referencia sobre estas especificaciones de formato, consulte la

guía de referencia para Especificación de formato Mini-Lenguaje.
7.1.2. El método format() de cadenas
El uso básico del método str.format() es como esto:

>>>

>>> print('We are the {} who say "{}!"'.format('knights', 'Ni'))

We are the knights who say "Ni!"

Las llaves y caracteres dentro de las mismas (llamados campos de formato) son
reemplazadas con los objetos pasados en el método str.format(). Un número
en las llaves se refiere a la posición del objeto pasado en el
método str.format().

>>>

>>> print('{0} and {1}'.format('spam', 'eggs'))

spam and eggs
>>> print('{1} and {0}'.format('spam', 'eggs'))
eggs and spam

Si se usan argumentos nombrados en el método str.format(), sus valores se

referencian usando el nombre del argumento.

>>>

>>> print('This {food} is {adjective}.'.format(

... food='spam', adjective='absolutely horrible'))
This spam is absolutely horrible.

Se pueden combinar arbitrariamente argumentos posicionales y nombrados:

>>>

>>> print('The story of {0}, {1}, and {other}.'.format('Bill',

'Manfred',

other='Georg'))
The story of Bill, Manfred, and Georg.

Si tiene una cadena de caracteres de formato realmente larga que no desea

dividir, sería bueno si pudiera hacer referencia a las variables que se formatearán
por nombre en lugar de por posición. Esto se puede hacer simplemente pasando
el dict y usando corchetes '[]' para acceder a las claves.

>>>

>>> table = {'Sjoerd': 4127, 'Jack': 4098, 'Dcab': 8637678}

>>> print('Jack: {0[Jack]:d}; Sjoerd: {0[Sjoerd]:d}; '
... 'Dcab: {0[Dcab]:d}'.format(table))
Jack: 4098; Sjoerd: 4127; Dcab: 8637678

Esto se podría hacer, también, pasando la tabla como argumentos nombrados con
la notación “**”.

>>>

>>> table = {'Sjoerd': 4127, 'Jack': 4098, 'Dcab': 8637678}

>>> print('Jack: {Jack:d}; Sjoerd: {Sjoerd:d}; Dcab:
{Dcab:d}'.format(**table))
Jack: 4098; Sjoerd: 4127; Dcab: 8637678

Esto es particularmente útil en combinación con la función integrada vars(), que

retorna un diccionario conteniendo todas las variables locales.

Como ejemplo, las siguientes lineas producen un conjunto de columnas alineadas

ordenadamente que dan enteros y sus cuadrados y cubos:

>>>

>>> for x in range(1, 11):

... print('{0:2d} {1:3d} {2:4d}'.format(x, x*x, x*x*x))
...
1 1 1
2 4 8
3 9 27
4 16 64
5 25 125
6 36 216
7 49 343
8 64 512
9 81 729
10 100 1000

Para una completa descripción del formateo de cadenas con str.format(), mirá

en Formato de cadena de caracteres personalizado.
7.1.3. Formateo manual de cadenas
Aquí está la misma tabla de cuadrados y cubos, formateados manualmente:

>>>

>>> for x in range(1, 11):

... print(repr(x).rjust(2), repr(x*x).rjust(3), end=' ')
... # Note use of 'end' on previous line
... print(repr(x*x*x).rjust(4))
...
1 1 1
2 4 8
3 9 27
4 16 64
5 25 125
6 36 216
7 49 343
8 64 512
9 81 729
10 100 1000

(Resaltar que el espacio existente entre cada columna es añadido debido a como
funciona print(): siempre añade espacios entre sus argumentos.)

El método str.rjust() de los objetos cadena justifica a la derecha en un campo

de anchura predeterminada rellenando con espacios a la izquierda. Métodos
similares a este son str.ljust() y str.center(). Estos métodos no escriben
nada, simplemente retornan una nueva cadena. Si la cadena de entrada es
demasiado larga no la truncarán sino que la retornarán sin cambios; esto
desordenará la disposición de la columna que es, normalmente, mejor que la
alternativa, la cual podría dejar sin usar un valor. (Si realmente deseas truncado
siempre puedes añadir una operación de rebanado, como en x.ljust(n)[:n].)

Hay otro método, str.zfill(), el cual rellena una cadena numérica a la

izquierda con ceros. Entiende signos positivos y negativos:

>>>

>>> '12'.zfill(5)
'00012'
>>> '-3.14'.zfill(7)
'-003.14'
>>> '3.14159265359'.zfill(5)
'3.14159265359'

7.1.4. Viejo formateo de cadenas

El operador % (módulo) también se puede utilizar para formatear cadenas de
caracteres. Dados los 'cadena de caracteres' % valores, las instancias
de % en cadena de caracteres se reemplazan con cero o más elementos
de valores. Esta operación se conoce comúnmente como interpolación de
cadenas. Por ejemplo:

>>>

>>> import math

>>> print('The value of pi is approximately %5.3f.' % math.pi)
The value of pi is approximately 3.142.

Podés encontrar más información en la sección Formateo de cadenas al estilo

*printf*.

7.2. Leyendo y escribiendo archivos

La función open() retorna un file object, y se usa normalmente con dos
argumentos: open(nombre_de_archivo, modo).

>>>

>>> f = open('workfile', 'w')

El primer argumento es una cadena que contiene el nombre del fichero. El

segundo argumento es otra cadena que contiene unos pocos caracteres
describiendo la forma en que el fichero será usado. mode puede ser 'r' cuando
el fichero solo se leerá, 'w' para solo escritura (un fichero existente con el mismo
nombre se borrará) y 'a' abre el fichero para agregar.; cualquier dato que se
escribe en el fichero se añade automáticamente al final. 'r+' abre el fichero tanto
para lectura como para escritura. El argumento mode es opcional; se asume que
se usará 'r' si se omite.

Normalmente, los ficheros se abren en modo texto, significa que lees y escribes
caracteres desde y hacia el fichero, el cual se codifica con una codificación
específica. Si no se especifica la codificación el valor por defecto depende de la
plataforma (ver open()). 'b' agregado al modo abre el fichero en modo binario: y
los datos se leerán y escribirán en forma de objetos de bytes. Este modo debería
usarse en todos los ficheros que no contienen texto.

Cuando se lee en modo texto, por defecto se convierten los fines de lineas que
son específicos a las plataformas (\n en Unix, \r\n en Windows) a solamente \n.
Cuando se escribe en modo texto, por defecto se convierten los \n a los finales de
linea específicos de la plataforma. Este cambio automático está bien para archivos
de texto, pero corrompería datos binarios como los de archivos JPEG o EXE.
Asegurate de usar modo binario cuando leas y escribas tales archivos.

Es una buena práctica usar la declaración with cuando manejamos objetos

archivo. Tiene la ventaja que el archivo es cerrado apropiadamente luego de que
el bloque termina, incluso si se generó una excepción. También es mucho más
corto que escribir los equivalentes bloques try-finally

>>>

>>> with open('workfile') as f:

... read_data = f.read()

>>> # We can check that the file has been automatically closed.
>>> f.closed
True

Si no está utilizando la palabra clave with, entonces debe llamar

a f.close() para cerrar el archivo y liberar inmediatamente los recursos del
sistema utilizados por él.

Advertencia
 

Al llamar a f.write() sin usar la palabra clave :keyword::!with o llamar

a f.close() podría dar como resultado los argumentos de f.write() no se
escribe completamente en el disco, incluso si el programa se cierra correctamente.

Después de que un objeto de archivo es cerrado, ya sea por with o llamando

a f.close(), intentar volver a utilizarlo fallará automáticamente:

>>>

>>> f.close()
>>> f.read()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ValueError: I/O operation on closed file.

7.2.1. Métodos de los objetos Archivo

El resto de los ejemplos en esta sección asumirán que ya se creó un objeto
archivo llamado f.

Para leer el contenido de una archivo utiliza f.read(size), el cual lee alguna

cantidad de datos y los retorna como una cadena de (en modo texto) o un objeto
de bytes (en modo binario). size es un argumento numérico opcional. Cuando se
omite size o es negativo, el contenido entero del archivo será leído y retornado; es
tu problema si el archivo es el doble de grande que la memoria de tu máquina. De
otra manera, como máximo size caracteres (en modo texto) o size bytes (en modo
binario) son leídos y retornados. Si se alcanzó el fin del
archivo, f.read() retornará una cadena vacía ('').

>>>

>>> f.read()
'This is the entire file.\n'
>>> f.read()
''

f.readline() lee una sola linea del archivo; el carácter de fin de linea ( \n) se
deja al final de la cadena, y sólo se omite en la última linea del archivo si el mismo
no termina en un fin de linea. Esto hace que el valor de retorno no sea ambiguo;
si f.readline() retorna una cadena vacía, es que se alcanzó el fin del archivo,
mientras que una linea en blanco es representada por '\n', una cadena
conteniendo sólo un único fin de linea.

>>>

>>> f.readline()
'This is the first line of the file.\n'
>>> f.readline()
'Second line of the file\n'
>>> f.readline()
''

Para leer líneas de un archivo, podés iterar sobre el objeto archivo. Esto es
eficiente en memoria, rápido, y conduce a un código más simple:

>>>
>>> for line in f:
... print(line, end='')
...
This is the first line of the file.
Second line of the file

Si querés leer todas las líneas de un archivo en una lista también podés
usar list(f) o f.readlines().

f.write(cadena) escribe el contenido de la cadena al archivo, retornando la

cantidad de caracteres escritos.

>>>

>>> f.write('This is a test\n')

15

Otros tipos de objetos necesitan ser convertidos – tanto a una cadena (en modo
texto) o a un objeto de bytes (en modo binario) – antes de escribirlos:

>>>

>>> value = ('the answer', 42)

>>> s = str(value) # convert the tuple to string
>>> f.write(s)
18

f.tell() retorna un entero que indica la posición actual en el archivo

representada como número de bytes desde el comienzo del archivo en modo
binario y un número opaco en modo texto.

Para cambiar la posición del objeto archivo, utiliza f.seek(offset, whence). La

posición es calculada agregando el offset a un punto de referencia; el punto de
referencia se selecciona del argumento whence. Un valor whence de 0 mide
desde el comienzo del archivo, 1 usa la posición actual del archivo, y 2 usa el fin
del archivo como punto de referencia. whence puede omitirse, el valor por defecto
es 0, usando el comienzo del archivo como punto de referencia.

>>>

>>> f = open('workfile', 'rb+')

>>> f.write(b'0123456789abcdef')
16
>>> f.seek(5) # Go to the 6th byte in the file
5
>>> f.read(1)
b'5'
>>> f.seek(-3, 2) # Go to the 3rd byte before the end
13
>>> f.read(1)
b'd'

En los archivos de texto (aquellos que se abrieron sin una b en el modo), se

permiten solamente desplazamientos con seek relativos al comienzo (con la
excepción de ir justo al final con seek(0, 2)) y los únicos valores
de desplazamiento válidos son aquellos retornados por f.tell(), o cero.
Cualquier otro valor de desplazamiento produce un comportamiento indefinido.

Los objetos archivo tienen algunos métodos más,

como isatty() y truncate() que son usados menos frecuentemente; consultá
la Referencia de la Biblioteca para una guía completa sobre los objetos archivo.

7.2.2. Guardar datos estructurados con json

Las cadenas pueden fácilmente escribirse y leerse de un archivo. Los números
toman algo más de esfuerzo, ya que el método read() sólo retorna cadenas, que
tendrán que ser pasadas a una función como int(), que toma una cadena
como '123' y retorna su valor numérico 123. Sin embargo, cuando querés grabar
tipos de datos más complejos como listas, diccionarios, o instancias de clases, las
cosas se ponen más complicadas.

En lugar de tener a los usuarios constantemente escribiendo y debugueando

código para grabar tipos de datos complicados, Python te permite usar formato
intercambiable de datos popular llamado JSON (JavaScript Object Notation). El
módulo estándar llamado json puede tomar datos de Python con una jerarquía, y
convertirlo a representaciones de cadena de caracteres; este proceso es
llamado serializing. Reconstruir los datos desde la representación de cadena de
caracteres es llamado deserializing. Entre serialización y deserialización, la
cadena de caracteres representando el objeto quizás haya sido guardado en un
archivo o datos, o enviado a una máquina distante por una conexión de red.

Nota
 

El formato JSON es comúnmente usando por aplicaciones modernas para permitir

el intercambio de datos. Muchos programadores ya están familiarizados con él, lo
cual lo convierte en una buena opción para la interoperabilidad.
Si tienes un objeto x, puedes ver su representación JSON con una simple línea de
código:

>>>

>>> import json

>>> x = [1, 'simple', 'list']
>>> json.dumps(x)
'[1, "simple", "list"]'

Otra variante de la función dumps(), llamada dump(), simplemente serializa el

objeto a un archivo de texto. Así que, si f es un objeto archivo de texto abierto
para escritura, podemos hacer:

json.dump(x, f)

Para decodificar un objeto nuevamente, si f es un objeto archivo de texto que fue

abierto para lectura:

x = json.load(f)

La simple técnica de serialización puede manejar listas y diccionarios, pero

serializar instancias de clases arbitrarias en JSON requiere un poco de esfuerzo
extra. La referencia del módulo json contiene una explicación de esto.

Ver también
 

pickle - El módulo pickle

Contrariamente a JSON, pickle es un protocolo que permite la serialización de

objetos Python arbitrariamente complejos. Como tal, es específico de Python y no
se puede utilizar para comunicarse con aplicaciones escritas en otros idiomas.
También es inseguro de forma predeterminada: deserializar los datos
de pickle procedentes de un origen que no es de confianza puede ejecutar código
arbitrario, si los datos fueron creados por un atacante experto.

8. Errores y excepciones
Hasta ahora los mensajes de error apenas habían sido mencionados, pero si has
probado los ejemplos anteriores probablemente hayas visto algunos. Hay (al
menos) dos tipos diferentes de errores: errores de sintaxis y excepciones.
8.1. Errores de sintaxis
Los errores de sintaxis, también conocidos como errores de interpretación, son
quizás el tipo de queja más común que tenés cuando todavía estás aprendiendo
Python:

>>>

>>> while True print('Hello world')

File "<stdin>", line 1
while True print('Hello world')
^
SyntaxError: invalid syntax

El intérprete reproduce la línea responsable del error y muestra una pequeña

“flecha” que apunta al primer lugar donde se detectó el error. El error ha sido
provocado (o al menos detectado) en el elemento que precede a la flecha: en el
ejemplo, el error se detecta en la función print(), ya que faltan dos puntos (':')
antes del mismo. Se muestran el nombre del archivo y el número de línea para
que sepas dónde mirar en caso de que la entrada venga de un programa.

8.2. Excepciones
Incluso si una declaración o expresión es sintácticamente correcta, puede generar
un error cuando se intenta ejecutar. Los errores detectados durante la ejecución
se llaman excepciones, y no son incondicionalmente fatales: pronto aprenderás a
gestionarlos en programas Python. Sin embargo, la mayoría de las excepciones
no son gestionadas por el código, y resultan en mensajes de error como los
mostrados aquí:

>>>

>>> 10 * (1/0)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ZeroDivisionError: division by zero
>>> 4 + spam*3
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
NameError: name 'spam' is not defined
>>> '2' + 2
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: can only concatenate str (not "int") to str

La última línea de los mensajes de error indica qué ha sucedido. Hay excepciones
de diferentes tipos, y el tipo se imprime como parte del mensaje: los tipos en el
ejemplo son: ZeroDivisionError, NameError y TypeError. La cadena
mostrada como tipo de la excepción es el nombre de la excepción predefinida que
ha ocurrido. Esto es válido para todas las excepciones predefinidas del intérprete,
pero no tiene por que ser así para excepciones definidas por el usuario (aunque es
una convención útil). Los nombres de las excepciones estándar son identificadores
incorporados al intérprete (no son palabras clave reservadas).

El resto de la línea provee información basado en el tipo de la excepción y qué la

causó.

La parte anterior del mensaje de error muestra el contexto donde ocurrió la

excepción, en forma de seguimiento de pila. En general, contiene un seguimiento
de pila que enumera las líneas de origen; sin embargo, no mostrará las líneas
leídas desde la entrada estándar.

Excepciones incorporadas lista las excepciones predefinidas y sus significados.

8.3. Gestionando excepciones
Es posible escribir programas que gestionen determinadas excepciones. Véase el
siguiente ejemplo, que le pide al usuario una entrada hasta que ingrese un entero
válido, pero permite al usuario interrumpir el programa (usando Control-C o lo que
soporte el sistema operativo); nótese que una interrupción generada por el usuario
es señalizada generando la excepción KeyboardInterrupt.

>>>

>>> while True:

... try:
... x = int(input("Please enter a number: "))
... break
... except ValueError:
... print("Oops! That was no valid number. Try
again...")
...

La sentencia try funciona de la siguiente manera.

 Primero, se ejecuta la cláusula try (la(s) linea(s) entre las palabras

reservadas try y la except).
  Si no ocurre ninguna excepción, la cláusula except se omite y la ejecución
de la cláusula try finaliza.
 Si ocurre una excepción durante la ejecución de la cláusula try, se omite el
resto de la cláusula. Luego, si su tipo coincide con la excepción nombrada
después de la palabra clave except, se ejecuta la cláusula except, y luego
la ejecución continúa después del bloque try/except.
 Si ocurre una excepción que no coincide con la indicada en la cláusula
except se pasa a los try más externos; si no se encuentra un gestor, se
genera una unhandled exception (excepción no gestionada) y la ejecución
se interrumpe con un mensaje como el que se muestra arriba.

Una declaración try puede tener más de una cláusula except, para especificar

gestores para diferentes excepciones. Como máximo, se ejecutará un gestor. Los
gestores solo manejan las excepciones que ocurren en la cláusula
try correspondiente, no en otros gestores de la misma declaración try.
Una cláusula except puede nombrar múltiples excepciones como una tupla entre
paréntesis, por ejemplo:

... except (RuntimeError, TypeError, NameError):

... pass

Una clase en una cláusula except es compatible con una excepción si es de la

misma clase o de una clase derivada de la misma (pero no de la otra manera —
una cláusula except listando una clase derivada no es compatible con una clase
base). Por ejemplo, el siguiente código imprimirá B, C y D, en ese orden:

class B(Exception):
pass

class C(B):
pass

class D(C):
pass

for cls in [B, C, D]:

try:
raise cls()
except D:
print("D")
except C:
print("C")
except B:
print("B")
Nótese que si las cláusulas except estuvieran invertidas (con except B primero),
habría impreso B, B, B — se usa la primera cláusula except coincidente.

Todas las excepciones heredan de BaseException, por lo que se puede utilizar

como comodín. ¡Use esto con extrema precaución, ya que es fácil enmascarar un
error de programación real de esta manera! También se puede usar para imprimir
un mensaje de error y luego volver a generar la excepción (permitiendo que la
función que llama también maneje la excepción):

import sys

try:
f = open('myfile.txt')
s = f.readline()
i = int(s.strip())
except OSError as err:
print("OS error: {0}".format(err))
except ValueError:
print("Could not convert data to an integer.")
except BaseException as err:
print(f"Unexpected {err=}, {type(err)=}")
raise

Alternativamente, la última cláusula except puede omitir el(los) nombre(s) de

excepción, sin embargo, el valor de la excepción debe recuperarse
de sys.exc_info()[1].

La declaración try … except tiene una cláusula else opcional, que, cuando está

presente, debe seguir todas las cláusulas except. Es útil para el código que debe
ejecutarse si la cláusula try no lanza una excepción. Por ejemplo:

for arg in sys.argv[1:]:

try:
f = open(arg, 'r')
except OSError:
print('cannot open', arg)
else:
print(arg, 'has', len(f.readlines()), 'lines')
f.close()

El uso de la cláusula else es mejor que agregar código adicional en la

cláusula try porque evita capturar accidentalmente una excepción que no fue
generada por el código que está protegido por la declaración try … except.
Cuando ocurre una excepción, puede tener un valor asociado, también conocido
como el argumento de la excepción. La presencia y el tipo de argumento depende
del tipo de excepción.

La cláusula except puede especificar una variable después del nombre de la

excepción. La variable está vinculada a una instancia de excepción con los
argumentos almacenados en instance.args. Por conveniencia, la instancia de
excepción define __str__() para que los argumentos se puedan imprimir
directamente sin tener que hacer referencia a .args. También se puede crear una
instancia de una excepción antes de generarla y agregarle los atributos que
desee.

>>>

>>> try:
... raise Exception('spam', 'eggs')
... except Exception as inst:
... print(type(inst)) # the exception instance
... print(inst.args) # arguments stored in .args
... print(inst) # __str__ allows args to be printed
directly,
... # but may be overridden in
exception subclasses
... x, y = inst.args # unpack args
... print('x =', x)
... print('y =', y)
...
<class 'Exception'>
('spam', 'eggs')
('spam', 'eggs')
x = spam
y = eggs

Si una excepción tiene argumentos, estos se imprimen como en la parte final (el
“detalle”) del mensaje para las excepciones no gestionadas (“Unhandled
exception”).

Los gestores de excepciones no solo gestionan las excepciones si ocurren

inmediatamente en la cláusula try, sino también si ocurren dentro de funciones que
son llamadas (incluso indirectamente) en la cláusula try. Por ejemplo:

>>>

>>> def this_fails():

... x = 1/0
...
>>> try:
... this_fails()
... except ZeroDivisionError as err:
... print('Handling run-time error:', err)
...
Handling run-time error: division by zero

8.4. Lanzando excepciones
La declaración raise permite al programador forzar a que ocurra una excepción
específica. Por ejemplo:

>>>

>>> raise NameError('HiThere')

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
NameError: HiThere

El único argumento de raise indica la excepción a generarse. Tiene que ser o

una instancia de excepción, o una clase de excepción (una clase que hereda
de Exception). Si se pasa una clase de excepción, la misma será instanciada
implícitamente llamando a su constructor sin argumentos:

raise ValueError # shorthand for 'raise ValueError()'

Si es necesario determinar si una excepción fue lanzada pero sin intención de

gestionarla, una versión simplificada de la instrucción raise te permite relanzarla:

>>>

>>> try:
... raise NameError('HiThere')
... except NameError:
... print('An exception flew by!')
... raise
...
An exception flew by!
Traceback (most recent call last):
File "<stdin>", line 2, in <module>
NameError: HiThere
8.5. Encadenamiento de excepciones
La declaración raise permite una palabra clave opcional from que habilita el
encadenamiento de excepciones. Por ejemplo:

# exc must be exception instance or None.

raise RuntimeError from exc

Esto puede resultar útil cuando está transformando excepciones. Por ejemplo:

>>>

>>> def func():

... raise ConnectionError
...
>>> try:
... func()
... except ConnectionError as exc:
... raise RuntimeError('Failed to open database') from exc
...
Traceback (most recent call last):
File "<stdin>", line 2, in <module>
File "<stdin>", line 2, in func
ConnectionError

The above exception was the direct cause of the following

exception:

Traceback (most recent call last):

File "<stdin>", line 4, in <module>
RuntimeError: Failed to open database

El encadenamiento de excepciones ocurre automáticamente cuando se lanza una

excepción dentro de una sección except o finally. Esto se puede desactivar
usando el modismo from None:

>>>

>>> try:
... open('database.sqlite')
... except OSError:
... raise RuntimeError from None
...
Traceback (most recent call last):
File "<stdin>", line 4, in <module>
RuntimeError

Para obtener más información sobre la mecánica del encadenamiento,

consulte Excepciones incorporadas.

8.6. Excepciones definidas por el usuario

Los programas pueden nombrar sus propias excepciones creando una nueva
clase excepción (mirá Clases para más información sobre las clases de Python).
Las excepciones, típicamente, deberán derivar de la clase Exception, directa o
indirectamente.

Exception classes can be defined which do anything any other class can do, but
are usually kept simple, often only offering a number of attributes that allow
information about the error to be extracted by handlers for the exception.

La mayoría de las excepciones se definen con nombres acabados en «Error», de

manera similar a la nomenclatura de las excepciones estándar.

Muchos módulos estándar definen sus propias excepciones para reportar errores
que pueden ocurrir en funciones propias. Se puede encontrar más información
sobre clases en el capítulo Clases.

8.7. Definiendo acciones de limpieza

La declaración try tiene otra cláusula opcional cuyo propósito es definir acciones
de limpieza que serán ejecutadas bajo ciertas circunstancias. Por ejemplo:

>>>

>>> try:
... raise KeyboardInterrupt
... finally:
... print('Goodbye, world!')
...
Goodbye, world!
KeyboardInterrupt
Traceback (most recent call last):
File "<stdin>", line 2, in <module>
Si una cláusula finally está presente, el bloque finally se ejecutará al final
antes de que todo el bloque try se complete. La cláusula finally se ejecuta
independientemente de que la cláusula try produzca o no una excepción. Los
siguientes puntos explican casos más complejos en los que se produce una
excepción:

 Si ocurre una excepción durante la ejecución de la cláusula try, la

excepción podría ser gestionada por una cláusula except. Si la excepción
no es gestionada por una cláusula except, la excepción es relanzada
después de que se ejecute el bloque de la cláusula finally.
 Podría aparecer una excepción durante la ejecución de una
cláusula except o else. De nuevo, la excepción será relanzada después
de que el bloque de la cláusula finally se ejecute.
 Si la cláusula finally ejecuta una
declaración break, continue o return, las excepciones no se vuelven a
lanzar.
 Si el bloque try llega a una sentencia break, continue o return, la
cláusula finally se ejecutará justo antes de la ejecución de dicha
sentencia.
 Si una cláusula finally incluye una sentencia return, el valor retornado
será el de la cláusula finally, no la del de la sentencia return de la
cláusula try.

Por ejemplo:

>>>

>>> def bool_return():

... try:
... return True
... finally:
... return False
...
>>> bool_return()
False

Un ejemplo más complicado:

>>>

>>> def divide(x, y):

... try:
... result = x / y
... except ZeroDivisionError:
... print("division by zero!")
... else:
... print("result is", result)
... finally:
... print("executing finally clause")
...
>>> divide(2, 1)
result is 2.0
executing finally clause
>>> divide(2, 0)
division by zero!
executing finally clause
>>> divide("2", "1")
executing finally clause
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 3, in divide
TypeError: unsupported operand type(s) for /: 'str' and 'str'

Como se puede ver, la cláusula finally siempre se ejecuta. La

excepción TypeError lanzada al dividir dos cadenas de texto no es gestionado
por la cláusula except y por lo tanto es relanzada luego de que se ejecuta la
cláusula finally.

En aplicaciones reales, la cláusula finally es útil para liberar recursos externos

(como archivos o conexiones de red), sin importar si el uso del recurso fue exitoso.

8.8. Acciones predefinidas de limpieza

Algunos objetos definen acciones de limpieza estándar para llevar a cabo cuando
el objeto ya no necesario, independientemente de que las operaciones sobre el
objeto hayan sido exitosas o no. Véase el siguiente ejemplo, que intenta abrir un
archivo e imprimir su contenido en la pantalla.

for line in open("myfile.txt"):

print(line, end="")

El problema con este código es que deja el archivo abierto por un periodo de
tiempo indeterminado luego de que esta parte termine de ejecutarse. Esto no es
un problema en scripts simples, pero puede ser un problema en aplicaciones más
grandes. La declaración with permite que los objetos como archivos sean usados
de una forma que asegure que siempre se los libera rápido y en forma correcta.:
with open("myfile.txt") as f:
for line in f:
print(line, end="")

Una vez que la declaración se ejecuta,

el fichero f siempre se cierra, incluso
si aparece algún error durante el
procesado de las líneas. Los objetos
que, como los ficheros, posean
acciones predefinidas de limpieza lo
indicarán en su documentación.
9. Clases
Las clases proveen una forma de empaquetar datos y funcionalidad juntos. Al
crear una nueva clase, se crea un nuevo tipo de objeto, permitiendo crear
nuevas instancias de ese tipo. Cada instancia de clase puede tener atributos
adjuntos para mantener su estado. Las instancias de clase también pueden tener
métodos (definidos por su clase) para modificar su estado.

Comparado con otros lenguajes de programación, el mecanismo de clases de

Python agrega clases con un mínimo de nuevas sintaxis y semánticas. Es una
mezcla de los mecanismos de clases encontrados en C++ y Modula-3. Las clases
de Python proveen todas las características normales de la Programación
Orientada a Objetos: el mecanismo de la herencia de clases permite múltiples
clases base, una clase derivada puede sobre escribir cualquier método de su(s)
clase(s) base, y un método puede llamar al método de la clase base con el mismo
nombre. Los objetos pueden tener una cantidad arbitraria de datos de cualquier
tipo. Igual que con los módulos, las clases participan de la naturaleza dinámica de
Python: se crean en tiempo de ejecución, y pueden modificarse luego de la
creación.

En terminología de C++, normalmente los miembros de las clases (incluyendo los

miembros de datos), son públicos (excepto ver abajo Variables privadas), y todas
las funciones miembro son virtuales. Como en Modula-3, no hay atajos para hacer
referencia a los miembros del objeto desde sus métodos: la función método se
declara con un primer argumento explícito que representa al objeto, el cual se
provee implícitamente por la llamada. Como en Smalltalk, las clases mismas son
objetos. Esto provee una semántica para importar y renombrar. A diferencia de C+
+ y Modula-3, los tipos de datos integrados pueden usarse como clases base para
que el usuario los extienda. También, como en C++ pero a diferencia de Modula-3,
la mayoría de los operadores integrados con sintaxis especial (operadores
aritméticos, de sub-índice, etc.) pueden volver a ser definidos por instancias de la
clase.

(Sin haber una terminología universalmente aceptada sobre clases, haré uso
ocasional de términos de Smalltalk y C++. Usaría términos de Modula-3, ya que su
semántica orientada a objetos es más cercana a Python que C++, pero no espero
que muchos lectores hayan escuchado hablar de él.)

9.1. Unas palabras sobre nombres y objetos

Los objetos tienen individualidad, y múltiples nombres (en muchos ámbitos)
pueden vincularse al mismo objeto. Esto se conoce como aliasing en otros
lenguajes. Normalmente no se aprecia esto a primera vista en Python, y puede
ignorarse sin problemas cuando se maneja tipos básicos inmutables (números,
cadenas, tuplas). Sin embargo, el aliasing, o renombrado, tiene un efecto
posiblemente sorpresivo sobre la semántica de código Python que involucra
objetos mutables como listas, diccionarios, y la mayoría de otros tipos. Esto se usa
normalmente para beneficio del programa, ya que los renombres funcionan como
punteros en algunos aspectos. Por ejemplo, pasar un objeto es barato ya que la
implementación solamente pasa el puntero; y si una función modifica el objeto que
fue pasado, el que la llama verá el cambio; esto elimina la necesidad de tener dos
formas diferentes de pasar argumentos, como en Pascal.

9.2. Ámbitos y espacios de nombres en Python

Antes de ver clases, primero debo decirte algo acerca de las reglas de ámbito de
Python. Las definiciones de clases hacen unos lindos trucos con los espacios de
nombres, y necesitás saber cómo funcionan los alcances y espacios de nombres
para entender por completo cómo es la cosa. De paso, los conocimientos en este
tema son útiles para cualquier programador Python avanzado.

Comencemos con unas definiciones.

Un espacio de nombres es una relación de nombres a objetos. Muchos espacios

de nombres están implementados en este momento como diccionarios de Python,
pero eso no se nota para nada (excepto por el desempeño), y puede cambiar en el
futuro. Como ejemplos de espacios de nombres tenés: el conjunto de nombres
incluidos (conteniendo funciones como abs(), y los nombres de excepciones
integradas); los nombres globales en un módulo; y los nombres locales en la
invocación a una función. Lo que es importante saber de los espacios de nombres
es que no hay relación en absoluto entre los nombres de espacios de nombres
distintos; por ejemplo, dos módulos diferentes pueden tener definidos los dos una
función maximizar sin confusión; los usuarios de los módulos deben usar el nombre
del módulo como prefijo.

Por cierto, yo uso la palabra atributo para cualquier cosa después de un punto; por

ejemplo, en la expresión z.real, real es un atributo del objeto z. Estrictamente
hablando, las referencias a nombres en módulos son referencias a atributos: en la
expresión modulo.funcion, modulo es un objeto módulo y funcion es un atributo de
éste. En este caso hay una relación directa entre los atributos del módulo y los
nombres globales definidos en el módulo: ¡están compartiendo el mismo espacio
de nombres! 1

Los atributos pueden ser de sólo lectura, o de escritura. En el último caso es

posible la asignación a atributos. Los atributos de módulo pueden
escribirse: modulo.la_respuesta = 42. Los atributos de escritura se pueden borrar
también con la declaración del. Por ejemplo, del modulo.la_respuesta va a eliminar el
atributo la_respuesta del objeto con nombre modulo.

Los espacios de nombres se crean en diferentes momentos y con diferentes

tiempos de vida. El espacio de nombres que contiene los nombres incluidos se
crea cuando se inicia el intérprete, y nunca se borra. El espacio de nombres global
de un módulo se crea cuando se lee la definición de un módulo; normalmente, los
espacios de nombres de módulos también duran hasta que el intérprete finaliza.
Las instrucciones ejecutadas en el nivel de llamadas superior del intérprete, ya sea
desde un script o interactivamente, se consideran parte del módulo
llamado __main__, por lo tanto tienen su propio espacio de nombres global. (Los
nombres incluidos en realidad también viven en un módulo; este se llama builtins.)

El espacio de nombres local a una función se crea cuando la función es llamada, y

se elimina cuando la función retorna o lanza una excepción que no se maneje
dentro de la función. (Podríamos decir que lo que pasa en realidad es que ese
espacio de nombres se «olvida».) Por supuesto, las llamadas recursivas tienen
cada una su propio espacio de nombres local.

Un ámbito es una región textual de un programa en Python donde un espacio de

nombres es accesible directamente. «Accesible directamente» significa que una
referencia sin calificar a un nombre intenta encontrar dicho nombre dentro del
espacio de nombres.

Aunque los alcances se determinan de forma estática, se utilizan de forma

dinámica. En cualquier momento durante la ejecución, hay 3 o 4 ámbitos anidados
cuyos espacios de nombres son directamente accesibles:

 el alcance más interno, que es inspeccionado primero, contiene los

nombres locales
  los alcances de las funciones que encierran a la función actual, que son
inspeccionados a partir del alcance más cercano, contienen nombres no
locales, pero también no globales
 el penúltimo alcance contiene nombres globales del módulo actual
 el alcance más externo (el último inspeccionado) es el espacio de nombres
que contiene los nombres integrados

Si un nombre se declara como global, entonces todas las referencias y

asignaciones al mismo van directo al ámbito intermedio que contiene los nombres
globales del módulo. Para reasignar nombres encontrados afuera del ámbito más
interno, se puede usar la declaración nonlocal; si no se declara nonlocal, esas
variables serán de sólo lectura (un intento de escribir a esas variables
simplemente crea una nueva variable local en el ámbito interno, dejando intacta la
variable externa del mismo nombre).

Habitualmente, el ámbito local referencia los nombres locales de la función actual.

Fuera de una función, el ámbito local referencia al mismo espacio de nombres que
el ámbito global: el espacio de nombres del módulo. Las definiciones de clases
crean un espacio de nombres más en el ámbito local.

Es importante notar que los alcances se determinan textualmente: el ámbito global

de una función definida en un módulo es el espacio de nombres de ese módulo,
no importa desde dónde o con qué alias se llame a la función. Por otro lado, la
búsqueda de nombres se hace dinámicamente, en tiempo de ejecución; sin
embargo, la definición del lenguaje está evolucionando a hacer resolución de
nombres estáticamente, en tiempo de «compilación», ¡así que no te confíes de la
resolución de nombres dinámica! (De hecho, las variables locales ya se
determinan estáticamente.)

Una peculiaridad especial de Python es que, si no hay una

declaración global o nonlocal en efecto, las asignaciones a nombres siempre van al
ámbito interno. Las asignaciones no copian datos, solamente asocian nombres a
objetos. Lo mismo cuando se borra: la declaración del x quita la asociación
de x del espacio de nombres referenciado por el ámbito local. De hecho, todas las
operaciones que introducen nuevos nombres usan el ámbito local: en particular,
las instrucciones import y las definiciones de funciones asocian el módulo o
nombre de la función al espacio de nombres en el ámbito local.

La declaración global puede usarse para indicar que ciertas variables viven en el

ámbito global y deberían reasignarse allí; la declaración nonlocal indica que ciertas
variables viven en un ámbito encerrado y deberían reasignarse allí.
9.2.1. Ejemplo de ámbitos y espacios de nombre
Este es un ejemplo que muestra como hacer referencia a distintos ámbitos y
espacios de nombres, y cómo las declaraciones global y nonlocal afectan la
asignación de variables:

def scope_test():
def do_local():
spam = "local spam"

def do_nonlocal():
nonlocal spam
spam = "nonlocal spam"

def do_global():
global spam
spam = "global spam"

spam = "test spam"

do_local()
print("After local assignment:", spam)
do_nonlocal()
print("After nonlocal assignment:", spam)
do_global()
print("After global assignment:", spam)

scope_test()
print("In global scope:", spam)

El resultado del código ejemplo es:

After local assignment: test spam

After nonlocal assignment: nonlocal spam
After global assignment: nonlocal spam
In global scope: global spam

Notá como la asignación local (que es el comportamiento normal) no cambió la

vinculación de algo de prueba_ambitos. La asignación nonlocal cambió la
vinculación de algo de prueba_ambitos, y la asignación global cambió la
vinculación a nivel de módulo.

También podés ver que no había vinculación para algo antes de la

asignación global.
9.3. Un primer vistazo a las clases
Las clases introducen un poquito de sintaxis nueva, tres nuevos tipos de objetos y
algo de semántica nueva.

9.3.1. Sintaxis de definición de clases

La forma más sencilla de definición de una clase se ve así:

class ClassName:
<statement-1>
.
.
.
<statement-N>

Las definiciones de clases, al igual que las definiciones de funciones

(instrucciones def) deben ejecutarse antes de que tengan efecto alguno. (Es
concebible poner una definición de clase dentro de una rama de un if, o dentro de
una función.)

En la práctica, las declaraciones dentro de una clase son definiciones de

funciones, pero otras declaraciones son permitidas, y a veces resultan útiles;
veremos esto más adelante. Las definiciones de funciones dentro de una clase
normalmente tienen una lista de argumentos peculiar, dictada por las
convenciones de invocación de métodos; a esto también lo veremos más
adelante.

Cuando se ingresa una definición de clase, se crea un nuevo espacio de nombres,

el cual se usa como ámbito local; por lo tanto, todas las asignaciones a variables
locales van a este nuevo espacio de nombres. En particular, las definiciones de
funciones asocian el nombre de las funciones nuevas allí.

Cuando una definición de clase se finaliza normalmente se crea un objeto clase.

Básicamente, este objeto envuelve los contenidos del espacio de nombres creado
por la definición de la clase; aprenderemos más acerca de los objetos clase en la
sección siguiente. El ámbito local original (el que tenía efecto justo antes de que
ingrese la definición de la clase) es restablecido, y el objeto clase se asocia allí al
nombre que se le puso a la clase en el encabezado de su definición ( Clase en el
ejemplo).
9.3.2. Objetos clase
Los objetos clase soportan dos tipos de operaciones: hacer referencia a atributos
e instanciación.

Para hacer referencia a atributos se usa la sintaxis estándar de todas las

referencias a atributos en Python: objeto.nombre. Los nombres de atributo válidos
son todos los nombres que estaban en el espacio de nombres de la clase cuando
ésta se creó. Por lo tanto, si la definición de la clase es así:

class MyClass:
"""A simple example class"""
i = 12345

def f(self):
return 'hello world'

…entonces MiClase.i y MiClase.f son referencias de atributos válidas, que retornan

un entero y un objeto función respectivamente. Los atributos de clase también
pueden ser asignados, o sea que podés cambiar el valor de MiClase.i mediante
asignación. __doc__ también es un atributo válido, que retorna la documentación
asociada a la clase: "Simple clase de ejemplo".

La instanciación de clases usa la notación de funciones. Hacé de cuenta que el

objeto de clase es una función sin parámetros que retorna una nueva instancia de
la clase. Por ejemplo (para la clase de más arriba):

x = MyClass()

…crea una nueva instancia de la clase y asigna este objeto a la variable local x.

La operación de instanciación («llamar» a un objeto clase) crea un objeto vacío.

Muchas clases necesitan crear objetos con instancias en un estado inicial
particular. Por lo tanto una clase puede definir un método especial
llamado __init__(), de esta forma:

def __init__(self):
self.data = []

Cuando una clase define un método __init__(), la instanciación de la clase

automáticamente invoca a __init__() para la instancia recién creada. Entonces, en
este ejemplo, una instancia nueva e inicializada se puede obtener haciendo:
x = MyClass()

Por supuesto, el método __init__() puede tener argumentos para mayor flexibilidad.

En ese caso, los argumentos que se pasen al operador de instanciación de la
clase van a parar al método __init__(). Por ejemplo,

>>>

>>> class Complex:

... def __init__(self, realpart, imagpart):
... self.r = realpart
... self.i = imagpart
...
>>> x = Complex(3.0, -4.5)
>>> x.r, x.i
(3.0, -4.5)

9.3.3. Objetos instancia
Ahora, ¿Qué podemos hacer con los objetos instancia? La única operación que es
entendida por los objetos instancia es la referencia de atributos. Hay dos tipos de
nombres de atributos válidos, atributos de datos y métodos.

Los atributos de datos se corresponden con las «variables de instancia» en

Smalltalk, y con las «variables miembro» en C++. Los atributos de datos no
necesitan ser declarados; tal como las variables locales son creados la primera
vez que se les asigna algo. Por ejemplo, si x es la instancia de MiClase creada más
arriba, el siguiente pedazo de código va a imprimir el valor 16, sin dejar ningún
rastro:

x.counter = 1
while x.counter < 10:
x.counter = x.counter * 2
print(x.counter)
del x.counter

El otro tipo de atributo de instancia es el método. Un método es una función que

«pertenece a» un objeto. En Python, el término método no está limitado a
instancias de clase: otros tipos de objetos pueden tener métodos también. Por
ejemplo, los objetos lista tienen métodos llamados append, insert, remove, sort, y
así sucesivamente. Pero, en la siguiente explicación, usaremos el término método
para referirnos exclusivamente a métodos de objetos instancia de clase, a menos
que se especifique explícitamente lo contrario.
Los nombres válidos de métodos de un objeto instancia dependen de su clase.
Por definición, todos los atributos de clase que son objetos funciones definen
métodos correspondientes de sus instancias. Entonces, en nuestro ejemplo, x.f es
una referencia a un método válido, dado que MiClase.f es una función, pero x.i no
lo es, dado que MiClase.i no lo es. Pero x.f no es la misma cosa que MiClase.f; es
un objeto método, no un objeto función.

9.3.4. Objetos método
Generalmente, un método es llamado luego de ser vinculado:

x.f()

En el ejemplo MiClase, esto retorna la cadena 'hola mundo'. Pero no es necesario

llamar al método justo en ese momento: x.f es un objeto método, y puede ser
guardado y llamado más tarde. Por ejemplo:

xf = x.f
while True:
print(xf())

…continuará imprimiendo hola mundo hasta el fin de los días.

¿Qué sucede exactamente cuando un método es llamado? Debés haber notado

que x.f() fue llamado más arriba sin ningún argumento, a pesar de que la definición
de función de f() especificaba un argumento. ¿Qué pasó con ese argumento?
Seguramente Python levanta una excepción cuando una función que requiere un
argumento es llamada sin ninguno, aún si el argumento no es utilizado…

De hecho, tal vez hayas adivinado la respuesta: lo que tienen de especial los
métodos es que el objeto es pasado como el primer argumento de la función. En
nuestro ejemplo, la llamada x.f() es exactamente equivalente a MiClase.f(x). En
general, llamar a un método con una lista de n argumentos es equivalente a llamar
a la función correspondiente con una lista de argumentos que es creada
insertando el objeto del método antes del primer argumento.

Si todavía no entiendes como funcionan los métodos, una mirada a su

implementación quizás pueda aclarar dudas. Cuando un atributo sin datos de una
instancia es referenciado, la clase de la instancia es accedida. Si el nombre indica
un atributo de clase válido que sea un objeto función, se crea un objeto método
empaquetando (apunta a) la instancia y al objeto función, juntados en un objeto
abstracto: este es el objeto método. Cuando el objeto método es llamado con una
lista de argumentos, se crea una nueva lista de argumentos a partir del objeto
instancia y la lista de argumentos. Finalmente el objeto función es llamado con
esta nueva lista de argumentos.

9.3.5. Variables de clase y de instancia

En general, las variables de instancia son para datos únicos de cada instancia y
las variables de clase son para atributos y métodos compartidos por todas las
instancias de la clase:

class Dog:

kind = 'canine' # class variable shared by all

instances

def __init__(self, name):

self.name = name # instance variable unique to each
instance

>>> d = Dog('Fido')
>>> e = Dog('Buddy')
>>> d.kind # shared by all dogs
'canine'
>>> e.kind # shared by all dogs
'canine'
>>> d.name # unique to d
'Fido'
>>> e.name # unique to e
'Buddy'

Como se vio en Unas palabras sobre nombres y objetos, los datos compartidos
pueden tener efectos inesperados que involucren objetos mutable como ser listas
y diccionarios. Por ejemplo, la lista trucos en el siguiente código no debería ser
usada como variable de clase porque una sola lista sería compartida por todos las
instancias de Perro:

class Dog:

tricks = [] # mistaken use of a class variable

def __init__(self, name):

self.name = name

def add_trick(self, trick):

 self.tricks.append(trick)

>>> d = Dog('Fido')
>>> e = Dog('Buddy')
>>> d.add_trick('roll over')
>>> e.add_trick('play dead')
>>> d.tricks # unexpectedly shared by all dogs
['roll over', 'play dead']

El diseño correcto de esta clase sería usando una variable de instancia:

class Dog:

def __init__(self, name):

self.name = name
self.tricks = [] # creates a new empty list for each
dog

def add_trick(self, trick):

self.tricks.append(trick)

>>> d = Dog('Fido')
>>> e = Dog('Buddy')
>>> d.add_trick('roll over')
>>> e.add_trick('play dead')
>>> d.tricks
['roll over']
>>> e.tricks
['play dead']

9.4. Algunas observaciones
Si el mismo nombre de atributo aparece tanto en la instancia como en la clase, la
búsqueda del atributo prioriza la instancia:

>>>

>>> class Warehouse:

purpose = 'storage'
region = 'west'

>>> w1 = Warehouse()
>>> print(w1.purpose, w1.region)
storage west
>>> w2 = Warehouse()
>>> w2.region = 'east'
>>> print(w2.purpose, w2.region)
storage east

A los atributos de datos los pueden hacer referencia tanto los métodos como los
usuarios («clientes») ordinarios de un objeto. En otras palabras, las clases no se
usan para implementar tipos de datos abstractos puros. De hecho, en Python no
hay nada que haga cumplir el ocultar datos; todo se basa en convención. (Por otro
lado, la implementación de Python, escrita en C, puede ocultar por completo
detalles de implementación y el control de acceso a un objeto si es necesario; esto
se puede usar en extensiones a Python escritas en C.)

Los clientes deben usar los atributos de datos con cuidado; éstos pueden romper
invariantes que mantienen los métodos si pisan los atributos de datos. Observá
que los clientes pueden añadir sus propios atributos de datos a una instancia sin
afectar la validez de sus métodos, siempre y cuando se eviten conflictos de
nombres; de nuevo, una convención de nombres puede ahorrar un montón de
dolores de cabeza.

No hay un atajo para hacer referencia a atributos de datos (¡u otros métodos!)
desde dentro de un método. A mi parecer, esto en realidad aumenta la legibilidad
de los métodos: no existe posibilidad alguna de confundir variables locales con
variables de instancia cuando repasamos un método.

A menudo, el primer argumento de un método se llama self (uno mismo). Esto no

es nada más que una convención: el nombre self no significa nada en especial
para Python. Observá que, sin embargo, si no seguís la convención tu código
puede resultar menos legible a otros programadores de Python, y puede llegar a
pasar que un programa navegador de clases pueda escribirse de una manera que
dependa de dicha convención.

Cualquier objeto función que es un atributo de clase define un método para

instancias de esa clase. No es necesario que el la definición de la función esté
textualmente dentro de la definición de la clase: asignando un objeto función a una
variable local en la clase también está bien. Por ejemplo:

# Function defined outside the class

def f1(self, x, y):
return min(x, x+y)

class C:
f = f1
 def g(self):
return 'hello world'

h = g

Ahora f, g y h son todos atributos de la clase C que hacen referencia a objetos

función, y consecuentemente son todos métodos de las instancias de C; h siendo
exactamente equivalente a g. Fijate que esta práctica normalmente sólo sirve para
confundir al que lea un programa.

Los métodos pueden llamar a otros métodos de la instancia usando el

argumento self:

class Bag:
def __init__(self):
self.data = []

def add(self, x):

self.data.append(x)

def addtwice(self, x):

self.add(x)
self.add(x)

Los métodos pueden hacer referencia a nombres globales de la misma manera

que lo hacen las funciones comunes. El ámbito global asociado a un método es el
módulo que contiene su definición. (Una clase nunca se usa como un ámbito
global.) Si bien es raro encontrar una buena razón para usar datos globales en un
método, hay muchos usos legítimos del ámbito global: por lo menos, las funciones
y módulos importados en el ámbito global pueden usarse por los métodos, al igual
que las funciones y clases definidas en él. Habitualmente, la clase que contiene el
método está definida en este ámbito global, y en la siguiente sección veremos
algunas buenas razones por las que un método querría hacer referencia a su
propia clase.

Todo valor es un objeto, y por lo tanto tiene una clase (también llamado su tipo).

Ésta se almacena como objeto.__class__.

9.5. Herencia
Por supuesto, una característica del lenguaje no sería digna del nombre «clase» si
no soportara herencia. La sintaxis para una definición de clase derivada se ve así:
class DerivedClassName(BaseClassName):
<statement-1>
.
.
.
<statement-N>

El nombre ClaseBase debe estar definido en un ámbito que contenga a la definición

de la clase derivada. En el lugar del nombre de la clase base se permiten otras
expresiones arbitrarias. Esto puede ser útil, por ejemplo, cuando la clase base
está definida en otro módulo:

class DerivedClassName(modname.BaseClassName):

La ejecución de una definición de clase derivada procede de la misma forma que

una clase base. Cuando el objeto clase se construye, se tiene en cuenta a la clase
base. Esto se usa para resolver referencias a atributos: si un atributo solicitado no
se encuentra en la clase, la búsqueda continúa por la clase base. Esta regla se
aplica recursivamente si la clase base misma deriva de alguna otra clase.

No hay nada en especial en la instanciación de clases

derivadas: ClaseDerivada() crea una nueva instancia de la clase. Las referencias a
métodos se resuelven de la siguiente manera: se busca el atributo de clase
correspondiente, descendiendo por la cadena de clases base si es necesario, y la
referencia al método es válida si se entrega un objeto función.

Las clases derivadas pueden redefinir métodos de su clase base. Como los
métodos no tienen privilegios especiales cuando llaman a otros métodos del
mismo objeto, un método de la clase base que llame a otro método definido en la
misma clase base puede terminar llamando a un método de la clase derivada que
lo haya redefinido. (Para los programadores de C++: en Python todos los métodos
son en efecto virtuales.)

Un método redefinido en una clase derivada puede de hecho querer extender en

vez de simplemente reemplazar al método de la clase base con el mismo nombre.
Hay una manera simple de llamar al método de la clase base directamente:
simplemente llamás a ClaseBase.metodo(self, argumentos). En ocasiones esto es útil
para los clientes también. (Observá que esto sólo funciona si la clase base es
accesible como ClaseBase en el ámbito global.)

Python tiene dos funciones integradas que funcionan con herencia:

 Usar isinstance() para verificar el tipo de una

instancia: isinstance(obj, int) será True sólo si obj.__class__ es int o alguna
clase derivada de int.
  Usar issubclass() para verificar la herencia de
clases: issubclass(bool, int) es True ya que bool es una subclase de int. Sin
embargo, issubclass(float, int) es False ya que float no es una subclase de int.
9.5.1. Herencia múltiple
Python también soporta una forma de herencia múltiple. Una definición de clase
con múltiples clases base se ve así:

class DerivedClassName(Base1, Base2, Base3):

<statement-1>
.
.
.
<statement-N>

Para la mayoría de los propósitos, en los casos más simples, podés pensar en la
búsqueda de los atributos heredados de clases padres como primero en
profundidad, de izquierda a derecha, sin repetir la misma clase cuando está dos
veces en la jerarquía. Por lo tanto, si un atributo no se encuentra en ClaseDerivada,
se busca en Base1, luego (recursivamente) en las clases base de Base1, y sólo si
no se encuentra allí se lo busca en Base2, y así sucesivamente.

En realidad es un poco más complejo que eso; el orden de resolución de métodos

cambia dinámicamente para soportar las llamadas cooperativas a super(). Este
enfoque es conocido en otros lenguajes con herencia múltiple como «llámese al
siguiente método» y es más poderoso que la llamada al superior que se encuentra
en lenguajes con sólo herencia simple.

El ordenamiento dinámico es necesario porque todos los casos de herencia

múltiple exhiben una o más relaciones en diamante (cuando se puede llegar al
menos a una de las clases base por distintos caminos desde la clase de más
abajo). Por ejemplo, todas las clases heredan de object, por lo tanto cualquier caso
de herencia múltiple provee más de un camino para llegar a object. Para que las
clases base no sean accedidas más de una vez, el algoritmo dinámico hace lineal
el orden de búsqueda de manera que se preserve el orden de izquierda a derecha
especificado en cada clase, que se llame a cada clase base sólo una vez, y que
sea monótona (lo cual significa que una clase puede tener clases derivadas sin
afectar el orden de precedencia de sus clases bases). En conjunto, estas
propiedades hacen posible diseñar clases confiables y extensibles con herencia
múltiple. Para más detalles
mirá https://www.python.org/download/releases/2.3/mro/.
9.6. Variables privadas
Las variables «privadas» de instancia, que no pueden accederse excepto desde
dentro de un objeto, no existen en Python. Sin embargo, hay una convención que
se sigue en la mayoría del código Python: un nombre prefijado con un guión bajo
(por ejemplo, _spam) debería tratarse como una parte no pública de la API (más
allá de que sea una función, un método, o un dato). Debería considerarse un
detalle de implementación y que está sujeto a cambios sin aviso.

Ya que hay un caso de uso válido para los identificadores privados de clase (a
saber: colisión de nombres con nombres definidos en las subclases), hay un
soporte limitado para este mecanismo. Cualquier identificador con la
forma __spam (al menos dos guiones bajos al principio, como mucho un guión bajo
al final) es textualmente reemplazado por _nombredeclase__spam,
donde nombredeclase es el nombre de clase actual al que se le sacan guiones bajos
del comienzo (si los tuviera). Se modifica el nombre del identificador sin importar
su posición sintáctica, siempre y cuando ocurra dentro de la definición de una
clase.

La modificación de nombres es útil para dejar que las subclases sobreescriban los
métodos sin romper las llamadas a los métodos desde la misma clase. Por
ejemplo:

class Mapping:
def __init__(self, iterable):
self.items_list = []
self.__update(iterable)

def update(self, iterable):

for item in iterable:
self.items_list.append(item)

__update = update # private copy of original update()

method

class MappingSubclass(Mapping):

def update(self, keys, values):

# provides new signature for update()
# but does not break __init__()
for item in zip(keys, values):
self.items_list.append(item)
El ejemplo de arriba funcionaría incluso si MappingSubclass introdujera un
identificador __update ya que se reemplaza con _Mapping__update en la
clase Mapping y _MappingSubclass__update en la
clase MappingSubclass respectivamente.

Hay que aclarar que las reglas de modificación de nombres están diseñadas
principalmente para evitar accidentes; es posible acceder o modificar una variable
que es considerada como privada. Esto hasta puede resultar útil en circunstancias
especiales, tales como en el depurador.

Notar que el código pasado a exec o eval() no considera que el nombre de clase de

la clase que invoca sea la clase actual; esto es similar al efecto de la
sentencia global, efecto que es de similar manera restringido a código que es
compilado en conjunto. La misma restricción aplica a getattr(), setattr() y delattr(), así
como cuando se referencia a __dict__ directamente.

9.7. Cambalache
A veces es útil tener un tipo de datos similar al «registro» de Pascal o la
«estructura» de C, que sirva para juntar algunos pocos ítems con nombre. Una
definición de clase vacía funcionará perfecto:

class Employee:
pass

john = Employee() # Create an empty employee record

# Fill the fields of the record

john.name = 'John Doe'
john.dept = 'computer lab'
john.salary = 1000

Algún código Python que espera un tipo abstracto de datos en particular puede
frecuentemente recibir en cambio una clase que emula los métodos de aquel tipo
de datos. Por ejemplo, si tenés una función que formatea algunos datos a partir de
un objeto archivo, podés definir una clase con métodos read() y readline() que
obtengan los datos de alguna cadena en memoria intermedia, y pasarlo como
argumento.

Los objetos método de instancia tienen atributos también: m.__self__ es el objeto

instancia con el método m(), y m.__func__ es el objeto función correspondiente al
método.
9.8. Iteradores
Es probable que hayas notado que la mayoría de los objetos contenedores
pueden ser recorridos usando una sentencia for:

for element in [1, 2, 3]:

print(element)
for element in (1, 2, 3):
print(element)
for key in {'one':1, 'two':2}:
print(key)
for char in "123":
print(char)
for line in open("myfile.txt"):
print(line, end='')

Este estilo de acceso es limpio, conciso y conveniente. El uso de iteradores está

impregnado y unifica a Python. En bambalinas, la sentencia for llama a iter() en el
objeto contenedor. La función retorna un objeto iterador que define el
método __next__() que accede elementos en el contenedor de a uno por vez.
Cuando no hay más elementos, __next__() levanta una excepción StopIteration que
le avisa al bucle del for que hay que terminar. Podés llamar al
método __next__() usando la función integrada next(); este ejemplo muestra como
funciona todo esto:

>>>

>>> s = 'abc'
>>> it = iter(s)
>>> it
<str_iterator object at 0x10c90e650>
>>> next(it)
'a'
>>> next(it)
'b'
>>> next(it)
'c'
>>> next(it)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
next(it)
StopIteration
Habiendo visto la mecánica del protocolo de iteración, es fácil agregar
comportamiento de iterador a tus clases. Definí un método __iter__() que retorne
un objeto con un método __next__(). Si la clase define __next__(), entonces alcanza
con que __iter__() retorne self:

class Reverse:
"""Iterator for looping over a sequence backwards."""
def __init__(self, data):
self.data = data
self.index = len(data)

def __iter__(self):
return self

def __next__(self):
if self.index == 0:
raise StopIteration
self.index = self.index - 1
return self.data[self.index]
>>>

>>> rev = Reverse('spam')

>>> iter(rev)
<__main__.Reverse object at 0x00A1DB50>
>>> for char in rev:
... print(char)
...
m
a
p
s

9.9. Generadores
Generators son una herramienta simple y poderosa para crear iteradores. Están
escritas como funciones regulares pero usan la palabra clave yield siempre que
quieran retornar datos. Cada vez que se llama a next(), el generador se reanuda
donde lo dejó (recuerda todos los valores de datos y qué instrucción se ejecutó por
última vez). Un ejemplo muestra que los generadores pueden ser trivialmente
fáciles de crear:

def reverse(data):
for index in range(len(data)-1, -1, -1):
 yield data[index]
>>>

>>> for char in reverse('golf'):

... print(char)
...
f
l
o
g

Todo lo que puede ser hecho con generadores también puede ser hecho con
iteradores basados en clases, como se describe en la sección anterior. Lo que
hace que los generadores sean tan compactos es que los
métodos __iter__() y __next__() son creados automáticamente.

Otra característica clave es que las variables locales y el estado de la ejecución

son guardados automáticamente entre llamadas. Esto hace que la función sea
más fácil de escribir y quede mucho más claro que hacerlo usando variables de
instancia tales como self.indice y self.datos.

Además de la creación automática de métodos y el guardar el estado del

programa, cuando los generadores terminan automáticamente
levantan StopIteration. Combinadas, estas características facilitan la creación de
iteradores, y hacen que no sea más esfuerzo que escribir una función regular.

9.10. Expresiones generadoras
Algunos generadores simples pueden ser escritos de manera concisa como
expresiones usando una sintaxis similar a las comprensiones de listas pero con
paréntesis en lugar de corchetes. Estas expresiones están hechas para
situaciones donde el generador es utilizado de inmediato por la función que lo
encierra. Las expresiones generadoras son más compactas pero menos versátiles
que las definiciones completas de generadores y tienden a ser más amigables con
la memoria que sus comprensiones de listas equivalentes.

Ejemplos:

>>>

>>> sum(i*i for i in range(10)) # sum of squares

285
>>> xvec = [10, 20, 30]
>>> yvec = [7, 5, 3]
>>> sum(x*y for x,y in zip(xvec, yvec)) # dot product
260

>>> unique_words = set(word for line in page for word in

line.split())

>>> valedictorian = max((student.gpa, student.name) for student

in graduates)

>>> data = 'golf'

>>> list(data[i] for i in range(len(data)-1, -1, -1))
['f', 'l', 'o', 'g']

Notas al pie

Excepto por una cosa. Los objetos módulo tienen un atributo de sólo lectura
secreto llamado __dict__ que retorna el diccionario usado para implementar
el espacio de nombres del módulo; el nombre __dict__ es un atributo pero
no un nombre global. Obviamente, usar esto viola la abstracción de la
implementación del espacio de nombres, y debería ser restringido a cosas
como depuradores post-mortem.

10. Pequeño paseo por la Biblioteca

Estándar
10.1. Interfaz al sistema operativo
El módulo os provee docenas de funciones para interactuar con el sistema
operativo:

>>>

>>> import os
>>> os.getcwd() # Return the current working directory
'C:\\Python310'
>>> os.chdir('/server/accesslogs') # Change current working
directory
>>> os.system('mkdir today') # Run the command mkdir in the
system shell
0

Asegúrate de usar el estilo import os en lugar de from os import *. Esto

evitará que os.open() oculte a la función integrada open(), que trabaja bastante
diferente.

Las funciones integradas dir() y help() son útiles como ayudas interactivas

para trabajar con módulos grandes como os:

>>>

>>> import os
>>> dir(os)
<returns a list of all module functions>
>>> help(os)
<returns an extensive manual page created from the module's
docstrings>

Para tareas diarias de administración de archivos y directorios, el

módulo shutil provee una interfaz de más alto nivel que es más fácil de usar:

>>>

>>> import shutil

>>> shutil.copyfile('data.db', 'archive.db')
'archive.db'
>>> shutil.move('/build/executables', 'installdir')
'installdir'

10.2. Comodines de archivos
El módulo glob provee una función para hacer listas de archivos a partir de
búsquedas con comodines en directorios:

>>>

>>> import glob

>>> glob.glob('*.py')
['primes.py', 'random.py', 'quote.py']
10.3. Argumentos de linea de órdenes
Los programas frecuentemente necesitan procesar argumentos de linea de
órdenes. Estos argumentos se almacenan en el atributo argv del
módulo sys como una lista. Por ejemplo, la siguiente salida resulta de
ejecutar python demo.py uno dos tres en la línea de órdenes:

>>>

>>> import sys

>>> print(sys.argv)
['demo.py', 'one', 'two', 'three']

El modulo argparse provee un mecanismo más sofisticado para procesar

argumentos recibidos vía línea de comandos. El siguiente script extrae uno o más
nombres de archivos y un número opcional de líneas para mostrar:

import argparse

parser = argparse.ArgumentParser(prog = 'top',

description = 'Show top lines from each file')
parser.add_argument('filenames', nargs='+')
parser.add_argument('-l', '--lines', type=int, default=10)
args = parser.parse_args()
print(args)

Cuando se ejecuta por línea de comandos haciendo python top.py --

lines=5 alpha.txt beta.txt,
el script establece args.lines a 5 y args.filenames a ['alpha.txt', 'bet
a.txt'].

10.4. Redirigir la salida de error y finalización del

programa
El módulo sys también tiene atributos para stdin, stdout, y stderr. Este último es
útil para emitir mensajes de alerta y error para que se vean incluso cuando se
haya redirigido stdout:

>>>
>>> sys.stderr.write('Warning, log file not found starting a new
one\n')
Warning, log file not found starting a new one

La forma más directa de terminar un programa es usar sys.exit().

10.5. Coincidencia en patrones de cadenas

El módulo re provee herramientas de expresiones regulares para un
procesamiento avanzado de cadenas. Para manipulación y coincidencias
complejas, las expresiones regulares ofrecen soluciones concisas y optimizadas:

>>>

>>> import re
>>> re.findall(r'\bf[a-z]*', 'which foot or hand fell fastest')
['foot', 'fell', 'fastest']
>>> re.sub(r'(\b[a-z]+) \1', r'\1', 'cat in the the hat')
'cat in the hat'

Cuando se necesita algo más sencillo solamente, se prefieren los métodos de las
cadenas porque son más fáciles de leer y depurar:

>>>

>>> 'tea for too'.replace('too', 'two')

'tea for two'

10.6. Matemática
El módulo math permite el acceso a las funciones de la biblioteca C subyacente
para la matemática de punto flotante:

>>>

>>> import math

>>> math.cos(math.pi / 4)
0.70710678118654757
>>> math.log(1024, 2)
10.0

El módulo random provee herramientas para realizar selecciones al azar:

>>>

>>> import random

>>> random.choice(['apple', 'pear', 'banana'])
'apple'
>>> random.sample(range(100), 10) # sampling without
replacement
[30, 83, 16, 4, 8, 81, 41, 50, 18, 33]
>>> random.random() # random float
0.17970987693706186
>>> random.randrange(6) # random integer chosen from range(6)
4

El módulo statistics calcula propiedades de estadística básica (la media,

mediana, varianza, etc) de datos numéricos:

>>>

>>> import statistics

>>> data = [2.75, 1.75, 1.25, 0.25, 0.5, 1.25, 3.5]
>>> statistics.mean(data)
1.6071428571428572
>>> statistics.median(data)
1.25
>>> statistics.variance(data)
1.3720238095238095

El proyecto SciPy <https://scipy.org> tiene muchos otros módulos para cálculos

numéricos.

10.7. Acceso a Internet
Hay varios módulos para acceder a Internet y procesar sus protocolos. Dos de los
más simples son urllib.request para traer data de URLs y smtplib para
mandar correos:

>>>

>>> from urllib.request import urlopen

>>> with
urlopen('http://worldtimeapi.org/api/timezone/etc/UTC.txt') as
response:
... for line in response:
... line = line.decode() # Convert bytes to
a str
... if line.startswith('datetime'):
... print(line.rstrip()) # Remove trailing
newline
...
datetime: 2022-01-01T01:36:47.689215+00:00

>>> import smtplib

>>> server = smtplib.SMTP('localhost')
>>> server.sendmail('[email protected]',
'[email protected]',
... """To: [email protected]
... From: [email protected]
...
... Beware the Ides of March.
... """)
>>> server.quit()

(Notá que el segundo ejemplo necesita un servidor de correo corriendo en la

máquina local)

10.8. Fechas y tiempos
El módulo datetime ofrece clases para gestionar fechas y tiempos tanto de
manera simple como compleja. Aunque soporta aritmética sobre fechas y tiempos,
el foco de la implementación es en la extracción eficiente de partes para
gestionarlas o formatear la salida. El módulo también soporta objetos que son
conscientes de la zona horaria.

>>>

>>> # dates are easily constructed and formatted

>>> from datetime import date
>>> now = date.today()
>>> now
datetime.date(2003, 12, 2)
>>> now.strftime("%m-%d-%y. %d %b %Y is a %A on the %d day of
%B.")
'12-02-03. 02 Dec 2003 is a Tuesday on the 02 day of December.'

>>> # dates support calendar arithmetic

>>> birthday = date(1964, 7, 31)
>>> age = now - birthday
>>> age.days
14368

10.9. Compresión de datos
Los formatos para archivar y comprimir datos se soportan directamente con los
módulos: zlib, gzip, bz2, lzma, zipfile y tarfile.

>>>

>>> import zlib

>>> s = b'witch which has which witches wrist watch'
>>> len(s)
41
>>> t = zlib.compress(s)
>>> len(t)
37
>>> zlib.decompress(t)
b'witch which has which witches wrist watch'
>>> zlib.crc32(s)
226805979

10.10. Medición de rendimiento
Algunos usuarios de Python desarrollan un profundo interés en saber el
rendimiento relativo de las diferentes soluciones al mismo problema. Python
provee una herramienta de medición que responde esas preguntas
inmediatamente.

Por ejemplo, puede ser tentador usar la característica de empaquetado y

desempaquetado de las tuplas en lugar de la solución tradicional para intercambiar
argumentos. El módulo timeit muestra rápidamente una modesta ventaja de
rendimiento:

>>>

>>> from timeit import Timer

>>> Timer('t=a; a=b; b=t', 'a=1; b=2').timeit()
0.57535828626024577
>>> Timer('a,b = b,a', 'a=1; b=2').timeit()
0.54962537085770791
En contraste con el fino nivel de medición del módulo timeit, los
módulos profile y pstats proveen herramientas para identificar secciones
críticas de tiempo en bloques de código más grandes.

10.11. Control de calidad
Una forma para desarrollar software de alta calidad es escribir pruebas para cada
función mientras se la desarrolla, y correr esas pruebas frecuentemente durante el
proceso de desarrollo.

El módulo doctest provee una herramienta para revisar un módulo y validar las

pruebas integradas en las cadenas de documentación (o docstring) del programa.
La construcción de las pruebas es tan sencillo como cortar y pegar una ejecución
típica junto con sus resultados en los docstrings. Esto mejora la documentación al
proveer al usuario un ejemplo y permite que el módulo doctest se asegure que el
código permanece fiel a la documentación:

def average(values):
"""Computes the arithmetic mean of a list of numbers.

>>> print(average([20, 30, 70]))

40.0
"""
return sum(values) / len(values)

import doctest
doctest.testmod() # automatically validate the embedded tests

El módulo unittest necesita más esfuerzo que el módulo doctest, pero permite

que se mantenga en un archivo separado un conjunto más comprensivo de
pruebas:

import unittest

class TestStatisticalFunctions(unittest.TestCase):

def test_average(self):
self.assertEqual(average([20, 30, 70]), 40.0)
self.assertEqual(round(average([1, 5, 7]), 1), 4.3)
with self.assertRaises(ZeroDivisionError):
average([])
with self.assertRaises(TypeError):
average(20, 30, 70)
unittest.main() # Calling from the command line invokes all
tests

10.12. Las pilas incluidas

Python tiene una filosofía de «pilas incluidas». Esto se ve mejor en las
capacidades robustas y sofisticadas de sus paquetes más grandes. Por ejemplo:

 Los módulo xmlrpc.client y xmlrpc.server convierten una

implementación de la llamada a un procedimiento en una tarea casi trivial. A
pesar de los nombres de los nombres, no se necesita ningún conocimiento
o manejo de archivos XML.
 El paquete email es una biblioteca para administrar mensajes de correo
electrónico, incluidos MIME y otros documentos de mensajes basados
en RFC 2822. A diferencia de smtplib y poplib que realmente envían y
reciben mensajes, el paquete de correo electrónico tiene un conjunto de
herramientas completo para crear o decodificar estructuras de mensajes
complejas (incluidos los archivos adjuntos) y para implementar protocolos
de codificación y encabezado de Internet.
 El paquete json proporciona un sólido soporte para analizar este popular
formato de intercambio de datos. El módulo csv admite la lectura y
escritura directa de archivos en formato de valor separado por comas,
comúnmente compatible con bases de datos y hojas de cálculo. El
procesamiento XML es compatible con los
paquetes xml.etree.ElementTree, xml.dom y xml.sax. Juntos, estos
módulos y paquetes simplifican en gran medida el intercambio de datos
entre aplicaciones de Python y otras herramientas.
 El módulo sqlite3 es un wrapper para la biblioteca de bases de datos
SQLite, proporcionando una base de datos persistente que se puede
actualizar y acceder mediante una sintaxis SQL ligeramente no estándar.
 La internacionalización es compatible con una serie de módulos,
incluyendo gettext, locale, y el paquete codecs.

11. Pequeño paseo por la Biblioteca

Estándar— Parte II
Este segundo paseo cubre módulos más avanzados que facilitan necesidades de
programación complejas. Estos módulos raramente se usan en scripts cortos.
11.1. Formato de salida
El módulo reprlib provee una versión de repr() ajustada para mostrar
contenedores grandes o profundamente anidados, en forma abreviada:

>>>

>>> import reprlib

>>> reprlib.repr(set('supercalifragilisticexpialidocious'))
"{'a', 'c', 'd', 'e', 'f', 'g', ...}"

El módulo pprint ofrece un control más sofisticado de la forma en que se

imprimen tanto los objetos predefinidos como los objetos definidos por el usuario,
de manera que sean legibles por el intérprete. Cuando el resultado ocupa más de
una línea, el generador de «impresiones lindas» agrega saltos de línea y sangrías
para mostrar la estructura de los datos más claramente:

>>>

>>> import pprint

>>> t = [[[['black', 'cyan'], 'white', ['green', 'red']],
[['magenta',
... 'yellow'], 'blue']]]
...
>>> pprint.pprint(t, width=30)
[[[['black', 'cyan'],
'white',
['green', 'red']],
[['magenta', 'yellow'],
'blue']]]

El módulo textwrap formatea párrafos de texto para que quepan dentro de cierto

ancho de pantalla:

>>>

>>> import textwrap

>>> doc = """The wrap() method is just like fill() except that
it returns
... a list of strings instead of one big string with newlines to
separate
... the wrapped lines."""
...
>>> print(textwrap.fill(doc, width=40))
The wrap() method is just like fill()
except that it returns a list of strings
instead of one big string with newlines
to separate the wrapped lines.

El módulo locale accede a una base de datos de formatos específicos a una

cultura. El atributo grouping de la función format permite una forma directa de
formatear números con separadores de grupo:

>>>

>>> import locale

>>> locale.setlocale(locale.LC_ALL, 'English_United
States.1252')
'English_United States.1252'
>>> conv = locale.localeconv() # get a mapping of
conventions
>>> x = 1234567.8
>>> locale.format("%d", x, grouping=True)
'1,234,567'
>>> locale.format_string("%s%.*f", (conv['currency_symbol'],
... conv['frac_digits'], x), grouping=True)
'$1,234,567.80'

11.2. Plantillas
El módulo string incluye una clase versátil Template (plantilla) con una sintaxis
simplificada apta para ser editada por usuarios finales. Esto permite que los
usuarios personalicen sus aplicaciones sin necesidad de modificar la aplicación en
sí.

El formato usa marcadores cuyos nombres se forman con $ seguido de

identificadores Python válidos (caracteres alfanuméricos y guión de subrayado). Si
se los encierra entre llaves, pueden seguir más caracteres alfanuméricos sin
necesidad de dejar espacios en blanco. $$ genera un $:

>>>

>>> from string import Template

>>> t = Template('${village}folk send $$10 to $cause.')
>>> t.substitute(village='Nottingham', cause='the ditch fund')
'Nottinghamfolk send $10 to the ditch fund.'
El método substitute() lanza KeyError cuando no se suministra ningún valor
para un marcador mediante un diccionario o argumento por nombre. Para algunas
aplicaciones los datos suministrados por el usuario puede ser incompletos, y el
método safe_substitute() puede ser más apropiado: deja los marcadores
inalterados cuando falten datos:

>>>

>>> t = Template('Return the $item to $owner.')

>>> d = dict(item='unladen swallow')
>>> t.substitute(d)
Traceback (most recent call last):
...
KeyError: 'owner'
>>> t.safe_substitute(d)
'Return the unladen swallow to $owner.'

Las subclases de Template pueden especificar un delimitador propio. Por ejemplo,

una utilidad de renombrado por lotes para una galería de fotos puede escoger usar
signos de porcentaje para los marcadores tales como la fecha actual, el número
de secuencia de la imagen, o el formato de archivo:

>>>

>>> import time, os.path

>>> photofiles = ['img_1074.jpg', 'img_1076.jpg',
'img_1077.jpg']
>>> class BatchRename(Template):
... delimiter = '%'
>>> fmt = input('Enter rename style (%d-date %n-seqnum %f-
format): ')
Enter rename style (%d-date %n-seqnum %f-format): Ashley_%n%f

>>> t = BatchRename(fmt)
>>> date = time.strftime('%d%b%y')
>>> for i, filename in enumerate(photofiles):
... base, ext = os.path.splitext(filename)
... newname = t.substitute(d=date, n=i, f=ext)
... print('{0} --> {1}'.format(filename, newname))

img_1074.jpg --> Ashley_0.jpg

img_1076.jpg --> Ashley_1.jpg
img_1077.jpg --> Ashley_2.jpg
Las plantillas también pueden ser usadas para separar la lógica del programa de
los detalles de múltiples formatos de salida. Esto permite sustituir plantillas
específicas para archivos XML, reportes en texto plano, y reportes web en HTML.

11.3. Trabajar con registros estructurados

conteniendo datos binarios
El módulo struct provee las funciones pack() y unpack() para trabajar con
formatos de registros binarios de longitud variable. El siguiente ejemplo muestra
cómo recorrer la información de encabezado en un archivo ZIP sin usar el
módulo zipfile. Los códigos "H" e "I" representan números sin signo de dos y
cuatro bytes respectivamente. El "<" indica que son de tamaño estándar y los
bytes tienen ordenamiento little-endian:

import struct

with open('myfile.zip', 'rb') as f:

data = f.read()

start = 0
for i in range(3): # show the first 3 file
headers
start += 14
fields = struct.unpack('<IIIHH', data[start:start+16])
crc32, comp_size, uncomp_size, filenamesize, extra_size =
fields

start += 16
filename = data[start:start+filenamesize]
start += filenamesize
extra = data[start:start+extra_size]
print(filename, hex(crc32), comp_size, uncomp_size)

start += extra_size + comp_size # skip to the next

header

11.4. Multi-hilos
La técnica de multi-hilos (o multi-threading) permite desacoplar tareas que no
tienen dependencia secuencial. Los hilos se pueden usar para mejorar el grado de
reacción de las aplicaciones que aceptan entradas del usuario mientras otras
tareas se ejecutan en segundo plano. Un caso de uso relacionado es ejecutar E/S
en paralelo con cálculos en otro hilo.
El código siguiente muestra cómo el módulo de alto nivel threading puede
ejecutar tareas en segundo plano mientras el programa principal continúa su
ejecución:

import threading, zipfile

class AsyncZip(threading.Thread):
def __init__(self, infile, outfile):
threading.Thread.__init__(self)
self.infile = infile
self.outfile = outfile

def run(self):
f = zipfile.ZipFile(self.outfile, 'w',
zipfile.ZIP_DEFLATED)
f.write(self.infile)
f.close()
print('Finished background zip of:', self.infile)

background = AsyncZip('mydata.txt', 'myarchive.zip')

background.start()
print('The main program continues to run in foreground.')

background.join() # Wait for the background task to finish

print('Main program waited until background was done.')

El desafío principal de las aplicaciones multi-hilo es la coordinación entre los hilos

que comparten datos u otros recursos. A ese fin, el módulo threading provee una
serie de primitivas de sincronización que incluyen bloqueos, eventos, variables de
condición, y semáforos.

Aún cuando esas herramientas son poderosas, pequeños errores de diseño

pueden resultar en problemas difíciles de reproducir. La forma preferida de
coordinar tareas es concentrar todos los accesos a un recurso en un único hilo y
después usar el módulo queue para alimentar dicho hilo con pedidos desde otros
hilos. Las aplicaciones que usan objetos Queue para comunicación y coordinación
entre hilos son más fáciles de diseñar, más legibles, y más confiables.

11.5. Registrando
El módulo logging ofrece un sistema de registros (logs) completo y flexible. En su
forma más simple, los mensajes de registro se envían a un archivo o
a sys.stderr:
import logging
logging.debug('Debugging information')
logging.info('Informational message')
logging.warning('Warning:config file %s not found',
'server.conf')
logging.error('Error occurred')
logging.critical('Critical error -- shutting down')

Ésta es la salida obtenida:

WARNING:root:Warning:config file server.conf not found

ERROR:root:Error occurred
CRITICAL:root:Critical error -- shutting down

De forma predeterminada, los mensajes de depuración e informativos se

suprimen, y la salida se envía al error estándar. Otras opciones de salida incluyen
mensajes de enrutamiento a través de correo electrónico, datagramas, sockets, o
un servidor HTTP. Nuevos filtros pueden seleccionar diferentes rutas basadas en
la prioridad del mensaje: DEBUG, INFO, WARNING, ERROR,
y CRITICAL (Depuración, Informativo, Atención, Error y Crítico respectivamente)

El sistema de registro puede configurarse directamente desde Python o puede

cargarse la configuración desde un archivo modificable por el usuario para
personalizar el registro sin alterar la aplicación.

11.6. Referencias débiles
Python realiza administración de memoria automática (cuenta de referencias para
la mayoría de los objetos, y garbage collection para eliminar ciclos). La memoria
se libera poco después de que la última referencia a la misma haya sido
eliminada.

Este enfoque funciona bien para la mayoría de las aplicaciones pero de vez en
cuando existe la necesidad de controlar objetos sólo mientras estén siendo
utilizados por otra cosa. Desafortunadamente, el sólo hecho de controlarlos crea
una referencia que los convierte en permanentes. El módulo weakref provee
herramientas para controlar objetos sin crear una referencia. Cuando el objeto no
se necesita mas, es removido automáticamente de una tabla de referencias
débiles y se dispara una callback para objetos weakref. Comúnmente las
aplicaciones incluyen cacheo de objetos que son costosos de crear:

>>>
>>> import weakref, gc
>>> class A:
... def __init__(self, value):
... self.value = value
... def __repr__(self):
... return str(self.value)
...
>>> a = A(10) # create a reference
>>> d = weakref.WeakValueDictionary()
>>> d['primary'] = a # does not create a reference
>>> d['primary'] # fetch the object if it is
still alive
10
>>> del a # remove the one reference
>>> gc.collect() # run garbage collection right
away
0
>>> d['primary'] # entry was automatically
removed
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
d['primary'] # entry was automatically
removed
File "C:/python310/lib/weakref.py", line 46, in __getitem__
o = self.data[key]()
KeyError: 'primary'

11.7. Herramientas para trabajar con listas

Muchas necesidades de estructuras de datos pueden ser satisfechas con el tipo
integrado lista. Sin embargo, a veces se hacen necesarias implementaciones
alternativas con rendimientos distintos.

El módulo array provee un objeto array() (vector) que es como una lista que

almacena sólo datos homogéneos y de una manera más compacta. Los ejemplos
a continuación muestran un vector de números guardados como dos números
binarios sin signo de dos bytes (código de tipo "H") en lugar de los 16 bytes por
elemento habituales en listas de objetos int de Python:

>>>

>>> from array import array

>>> a = array('H', [4000, 10, 700, 22222])
>>> sum(a)
26932
>>> a[1:3]
array('H', [10, 700])

El módulo collections provee un objeto deque() que es como una lista más

rápida para agregar y quitar elementos por el lado izquierdo pero con búsquedas
más lentas por el medio. Estos objetos son adecuados para implementar colas y
árboles de búsqueda a lo ancho:

>>>

>>> from collections import deque

>>> d = deque(["task1", "task2", "task3"])
>>> d.append("task4")
>>> print("Handling", d.popleft())
Handling task1
unsearched = deque([starting_node])
def breadth_first_search(unsearched):
node = unsearched.popleft()
for m in gen_moves(node):
if is_goal(m):
return m
unsearched.append(m)

Además de las implementaciones alternativas de listas, la biblioteca ofrece otras

herramientas como el módulo bisect con funciones para manipular listas
ordenadas:

>>>

>>> import bisect

>>> scores = [(100, 'perl'), (200, 'tcl'), (400, 'lua'), (500,
'python')]
>>> bisect.insort(scores, (300, 'ruby'))
>>> scores
[(100, 'perl'), (200, 'tcl'), (300, 'ruby'), (400, 'lua'), (500,
'python')]

El módulo heapq provee funciones para implementar pilas (heaps) basados en

listas comunes. El menor valor ingresado se mantiene en la posición cero. Esto es
útil para aplicaciones que acceden a menudo al elemento más chico pero no
quieren hacer un orden completo de la lista:
>>>

>>> from heapq import heapify, heappop, heappush

>>> data = [1, 3, 5, 7, 9, 2, 4, 6, 8, 0]
>>> heapify(data) # rearrange the list into
heap order
>>> heappush(data, -5) # add a new entry
>>> [heappop(data) for i in range(3)] # fetch the three
smallest entries
[-5, 0, 1]

11.8. Aritmética de punto flotante decimal

El módulo decimal provee un tipo de dato Decimal para soportar aritmética de
punto flotante decimal. Comparado con float, la implementación de punto
flotante binario incluida, la clase es muy útil especialmente para

 aplicaciones financieras y otros usos que requieren representación decimal

exacta,
 control sobre la precisión,
 control sobre el redondeo para cumplir requisitos legales,
 seguimiento de dígitos decimales significativos, o
 aplicaciones donde el usuario espera que los resultados coincidan con
cálculos hecho a mano.

Por ejemplo, calcular un impuesto del 5% de una tarifa telefónica de 70 centavos

da resultados distintos con punto flotante decimal y punto flotante binario. La
diferencia se vuelve significativa si los resultados se redondean al centavo más
próximo:

>>>

>>> from decimal import *

>>> round(Decimal('0.70') * Decimal('1.05'), 2)
Decimal('0.74')
>>> round(.70 * 1.05, 2)
0.73

El resultado con Decimal conserva un cero al final, calculando automáticamente

cuatro cifras significativas a partir de los multiplicandos con dos cifras
significativas. Decimal reproduce la matemática como se la hace a mano, y evita
problemas que pueden surgir cuando el punto flotante binario no puede
representar exactamente cantidades decimales.
La representación exacta permite a la clase Decimal hacer cálculos de modulo y
pruebas de igualdad que son inadecuadas para punto flotante binario:

>>>

>>> Decimal('1.00') % Decimal('.10')

Decimal('0.00')
>>> 1.00 % 0.10
0.09999999999999995

>>> sum([Decimal('0.1')]*10) == Decimal('1.0')

True
>>> sum([0.1]*10) == 1.0
False

El módulo decimal provee aritmética con tanta precisión como haga falta:

>>>

>>> getcontext().prec = 36
>>> Decimal(1) / Decimal(7)
Decimal('0.142857142857142857142857142857142857')

12. Entornos Virtuales y Paquetes

12.1. Introducción
Las aplicaciones en Python usualmente hacen uso de paquetes y módulos que no
forman parte de la librería estándar. Las aplicaciones a veces necesitan una
versión específica de una librería, debido a que dicha aplicación requiere que un
bug particular haya sido solucionado o bien la aplicación ha sido escrita usando
una versión obsoleta de la interfaz de la librería.

Esto significa que tal vez no sea posible para una instalación de Python cumplir los
requerimientos de todas las aplicaciones. Si la aplicación A necesita la versión 1.0
de un módulo particular y la aplicación B necesita la versión 2.0, entonces los
requerimientos entran en conflicto e instalar la versión 1.0 o 2.0 dejará una de las
aplicaciones sin funcionar.

La solución a este problema es crear un entorno virtual, un directorio que contiene

una instalación de Python de una versión en particular, además de unos cuantos
paquetes adicionales.

Diferentes aplicaciones pueden entonces usar entornos virtuales diferentes. Para

resolver el ejemplo de requerimientos en conflicto citado anteriormente, la
aplicación A puede tener su propio entorno virtual con la versión 1.0 instalada
mientras que la aplicación B tiene otro entorno virtual con la versión 2.0. Si la
aplicación B requiere que actualizar la librería a la versión 3.0, ésto no afectará el
entorno virtual de la aplicación A.

12.2. Creando Entornos Virtuales

El script usado para crear y manejar entornos virtuales
es pyvenv. pyvenv normalmente instalará la versión mas reciente de Python que
tengas disponible; el script también es instalado con un número de versión, con lo
que si tienes múltiples versiones de Python en tu sistema puedes seleccionar una
versión de Python específica ejecutando python3 o la versión que desees.

Para crear un entorno virtual, decide en que carpeta quieres crearlo y ejecuta el
módulo venv como script con la ruta a la carpeta:

python3 -m venv tutorial-env

Esto creará el directorio tutorial-env si no existe, y también creará directorios

dentro de él que contienen una copia del intérprete de Python y varios archivos de
soporte.

Una ruta común para el directorio de un entorno virtual es .venv. Ese nombre
mantiene el directorio típicamente escondido en la consola y fuera de vista
mientras le da un nombre que explica cuál es el motivo de su existencia. También
permite que no colisione con los ficheros de definición de variables de
entorno .env que algunas herramientas soportan.

Una vez creado el entorno virtual, podrás activarlo.

En Windows, ejecuta:

tutorial-env\Scripts\activate.bat

En Unix o MacOS, ejecuta:

source tutorial-env/bin/activate

(Este script está escrito para la consola bash. Si usas las consolas csh or fish,
hay scripts alternativos activate.csh y activate.fish que deberá usar en su
lugar.)
Activar el entorno virtual cambiará el prompt de tu consola para mostrar que
entorno virtual está usando, y modificará el entorno para que al
ejecutar python sea con esa versión e instalación en particular. Por ejemplo:

$ source ~/envs/tutorial-env/bin/activate
(tutorial-env) $ python
Python 3.5.1 (default, May 6 2016, 10:59:36)
...
>>> import sys
>>> sys.path
['', '/usr/local/lib/python35.zip', ...,
'~/envs/tutorial-env/lib/python3.5/site-packages']
>>>

12.3. Manejando paquetes con pip

Puede instalar, actualizar y eliminar paquetes usando un programa llamado pip.
De forma predeterminada, pip instalará paquetes del índice de paquetes de
Python, <https://pypi.org>. Puede navegar por el índice de paquetes de Python
yendo a él en su navegador web.

pip tiene varios subcomandos: «install», «uninstall», «freeze», etc. (Consulte la

guía Instalando módulos de Python para obtener la documentación completa
de pip).

Se puede instalar la última versión de un paquete especificando el nombre del

paquete:

(tutorial-env) $ python -m pip install novas

Collecting novas
Downloading novas-3.1.1.3.tar.gz (136kB)
Installing collected packages: novas
Running setup.py install for novas
Successfully installed novas-3.1.1.3

También se puede instalar una versión específica de un paquete ingresando el

nombre del paquete seguido de == y el número de versión:

(tutorial-env) $ python -m pip install requests==2.6.0

Collecting requests==2.6.0
Using cached requests-2.6.0-py2.py3-none-any.whl
Installing collected packages: requests
Successfully installed requests-2.6.0
Si se re-ejecuta el comando, pip detectará que la versión ya está instalada y no
hará nada. Se puede ingresar un número de versión diferente para instalarlo, o se
puede ejecutar pip install --upgrade para actualizar el paquete a la última
versión:

(tutorial-env) $ python -m pip install --upgrade requests

Collecting requests
Installing collected packages: requests
Found existing installation: requests 2.6.0
Uninstalling requests-2.6.0:
Successfully uninstalled requests-2.6.0
Successfully installed requests-2.7.0

pip uninstall seguido de uno o varios nombres de paquetes eliminará los

paquetes del entorno virtual.

pip show mostrará información de un paquete en particular:

(tutorial-env) $ pip show requests

---
Metadata-Version: 2.0
Name: requests
Version: 2.7.0
Summary: Python HTTP for Humans.
Home-page: http://python-requests.org
Author: Kenneth Reitz
Author-email: [email protected]
License: Apache 2.0
Location: /Users/akuchling/envs/tutorial-env/lib/python3.4/site-
packages
Requires:

pip list mostrará todos los paquetes instalados en el entorno virtual:

(tutorial-env) $ pip list

novas (3.1.1.3)
numpy (1.9.2)
pip (7.0.3)
requests (2.7.0)
setuptools (16.0)
pip freeze retorna una lista de paquetes instalados similar, pero el formato de
salida es el requerido por pip install. Una convención común es poner esta
lista en un archivo requirements.txt:

(tutorial-env) $ pip freeze > requirements.txt

(tutorial-env) $ cat requirements.txt
novas==3.1.1.3
numpy==1.9.2
requests==2.7.0

El archivo requirements.txt entonces puede ser agregado a nuestro control de

versiones y distribuido como parte de la aplicación. Los usuarios pueden entonces
instalar todos los paquetes necesarios con install -r:

(tutorial-env) $ python -m pip install -r requirements.txt

Collecting novas==3.1.1.3 (from -r requirements.txt (line 1))
...
Collecting numpy==1.9.2 (from -r requirements.txt (line 2))
...
Collecting requests==2.7.0 (from -r requirements.txt (line 3))
...
Installing collected packages: novas, numpy, requests
Running setup.py install for novas
Successfully installed novas-3.1.1.3 numpy-1.9.2 requests-2.7.0

pip tiene muchas más opciones. Consulte la guía Instalando módulos de

Python para obtener documentación completa de pip. Cuando haya escrito un
paquete y desee que esté disponible en el índice de paquetes de Python, consulte
la guía Distribuir módulos de Python.

13. ¿Y ahora qué?

Leer este tutorial probablemente reforzó tu interés por usar Python, deberías estar
ansioso por aplicar Python a la resolución de tus problemas reales. ¿A dónde
deberías ir para aprender más?

Este tutorial forma parte del conjunto de documentación de Python. Algunos otros
documentos que encontrarás en este conjunto son:

 La Biblioteca Estándar de Python:

Deberías navegar a través de este manual, que da una completa pero

breve referencia sobre los tipos, funciones y módulos en la librería
 estándar. La distribución estándar de Python incluye mucho más código
adicional. Hay módulos para leer buzones Unix, obtener documentos vía
HTTP, generar números aleatorios, analizar opciones de línea de
comandos, escribir programas CGI, comprimir datos y muchas más tareas.
Echar una ojeada a la Librería de Referencia te dará una idea de lo que
está disponible.

 Instalando módulos de Python explica como instalar módulos adicionales

escritos por otros usuarios de Python.
 Referencia del Lenguaje Python: Una explicación detallada de la sintaxis y
la semántica de Python. Es una lectura pesada, pero es muy útil como guía
complete del lenguaje.

Más recursos sobre Python:

 https://www.python.org: el principal sitio web de Python. Contiene código,

documentación y referencias a páginas relacionadas con Python en la web.
Este sitio web se refleja en varios lugares del mundo, como Europa, Japón
y Australia; un espejo puede ser más rápido que el sitio principal,
dependiendo de su ubicación geográfica.
 https://docs.python.org: Acceso rápido a la documentación de Python.
 https://pypi.org: El Python Package Index, apodado previamente la Tienda
de Queso 1, es un índice de módulos de Python creados por usuarios que
están disponibles para su descarga. Cuando empiezas a distribuir código, lo
puedes registrar allí para que otros lo encuentren.
 https://code.activestate.com/recipes/langs/python/: El Python Cookbook es
una gran colección de ejemplos de código, módulos grandes y scripts útiles.
Las contribuciones más notables también están recogidas en un libro
titulado Python Cookbook (O’Reilly & Associates, ISBN 0-596-00797-3.)
 http://www.pyvideo.org recoge enlaces a vídeos relacionados con Python
provenientes de conferencias y de reuniones de grupos de usuarios.
 https://scipy.org: El proyecto de Python científico incluye módulos para el
cálculo rápido de operaciones y manipulaciones sobre arrays además de
muchos paquetes para cosas como Álgebra Lineal, Transformadas de
Fourier, solucionadores de sistemas no-lineales, distribuciones de números
aleatorios, análisis estadísticos y otras herramientas.

Para preguntas relacionadas con Python y reportes de problemas puedes escribir

al grupo de noticias comp.lang.python, o enviarlas a la lista de correo que hay
en [email protected]. El grupo de noticias y la lista de correo están
conectados, por lo que los mensajes enviados a uno serán retransmitidos al otro.
Hay alrededor de cientos de mensajes diarios (con picos de hasta varios cientos),
haciendo (y respondiendo) preguntas, sugiriendo nuevas características, y
anunciando nuevos módulos. Los archivos de la lista de correos están disponibles
en https://mail.python.org/pipermail/.
Antes de escribir, asegúrate de haber revisado la lista de Frequently Asked
Questions (también llamado el FAQ). Muchas veces responde las preguntas que
se hacen una y otra vez, y quizás contenga la solución a tu problema.

Notas al pie

1
La tienda de queso, Cheese Shop, es un chiste de Monty Python: un cliente
entra a una tienda de queso pero para cualquier queso que pide, el
vendedor le dice que no lo tienen.

14. Edición de entrada interactiva y

sustitución de historial
Algunas versiones del intérprete de Python permiten editar la línea de entrada
actual, y sustituir en base al historial, de forma similar a las capacidades del
intérprete de comandos Korn y el GNU bash. Esto se implementa con la
biblioteca GNU Readline, que soporta varios estilos de edición. Esta biblioteca
tiene su propia documentación la cuál no vamos a duplicar aquí.

14.1. Autocompletado con tab e historial de edición

El autocompletado de variables y nombres de módulos es automatically enabled al
iniciar el intérprete, por lo tanto la tecla Tab invoca la función de autocompletado;
ésta mira en los nombres de sentencia, las variables locales y los nombres de
módulos disponibles. Para expresiones con puntos como string.a, va a evaluar
la expresión hasta el '.' final y entonces sugerir autocompletado para los
atributos del objeto resultante. Nota que esto quizás ejecute código de
aplicaciones definidas si un objeto con un método __getattr__() es parte de la
expresión. La configuración por omisión también guarda tu historial en un archivo
llamado .python_history en tu directorio de usuario. El historial estará
disponible durante la próxima sesión interactiva del intérprete.

14.2. Alternativas al intérprete interactivo

Esta funcionalidad es un paso enorme hacia adelante comparado con versiones
anteriores del interprete; de todos modos, quedan pendientes algunos deseos:
sería bueno que el sangrado correcto se sugiriera en las lineas de continuación
(el parser sabe si se requiere un sangrado a continuación). El mecanismo de
completado podría usar la tabla de símbolos del intérprete. Un comando para
verificar (o incluso sugerir) coincidencia de paréntesis, comillas, etc. también sería
útil.
Un intérprete interactivo mejorado alternativo que está dando vueltas desde hace
rato es IPython, que ofrece completado por tab, exploración de objetos, y
administración avanzada del historial. También puede ser configurado en
profundidad, e integrarse en otras aplicaciones. Otro entorno interactivo mejorado
similar es bpython.

15. Aritmética de Punto Flotante:

Problemas y Limitaciones
Los números de punto flotante se representan en el hardware de la computadora
en fracciones en base 2 (binario). Por ejemplo, la fracción decimal

0.125

…tiene el valor 1/10 + 2/100 + 5/1000, y de la misma manera la fracción binaria

0.001

…tiene el valor 0/2 + 0/4 + 1/8. Estas dos fracciones tienen valores idénticos, la
única diferencia real es que la primera está escrita en notación fraccional en base
10 y la segunda en base 2.

Desafortunadamente, la mayoría de las fracciones decimales no pueden

representarse exactamente como fracciones binarias. Como consecuencia, en
general los números de punto flotante decimal que ingresás en la computadora
son sólo aproximados por los números de punto flotante binario que realmente se
guardan en la máquina.

El problema es más fácil de entender primero en base 10. Considerá la fracción

1/3. Podés aproximarla como una fracción de base 10

0.3

…o, mejor,

0.33

…o, mejor,

0.333
…y así. No importa cuantos dígitos desees escribir, el resultado nunca será
exactamente 1/3, pero será una aproximación cada vez mejor de 1/3.

De la misma manera, no importa cuantos dígitos en base 2 quieras usar, el valor

decimal 0.1 no puede representarse exactamente como una fracción en base 2.
En base 2, 1/10 es la siguiente fracción que se repite infinitamente:

0.0001100110011001100110011001100110011001100110011...

Frená en cualquier número finito de bits, y tendrás una aproximación. En la

mayoría de las máquinas hoy en día, los float se aproximan usando una fracción
binaria con el numerador usando los primeros 53 bits con el bit más significativos y
el denominador como una potencia de dos. En el caso de 1/10, la fracción binaria
es 3602879701896397 / 2 ** 55 que está cerca pero no es exactamente el
valor verdadero de 1/10.

La mayoría de los usuarios no son conscientes de esta aproximación por la forma

en que se muestran los valores. Python solamente muestra una aproximación
decimal al valor verdadero decimal de la aproximación binaria almacenada por la
máquina. En la mayoría de las máquinas, si Python fuera a imprimir el verdadero
valor decimal de la aproximación binaria almacenada para 0.1, debería mostrar

>>>

>>> 0.1
0.1000000000000000055511151231257827021181583404541015625

Esos son más dígitos que lo que la mayoría de la gente encuentra útil, por lo que
Python mantiene manejable la cantidad de dígitos al mostrar en su lugar un valor
redondeado

>>>

>>> 1 / 10
0.1

Sólo recordá que, a pesar de que el valor mostrado resulta ser exactamente 1/10,
el valor almacenado realmente es la fracción binaria más cercana posible.

Interesantemente, hay varios números decimales que comparten la misma

fracción binaria más aproximada. Por ejemplo, los
números 0.1, 0.10000000000000001 y 0.10000000000000000555111512312
57827021181583404541015625 son todos aproximados
por 3602879701896397 / 2 ** 55. Ya que todos estos valores decimales
comparten la misma aproximación, se podría mostrar cualquiera de ellos para
preservar el invariante eval(repr(x)) == x.

Históricamente, el prompt de Python y la función integrada repr() eligieron el

valor con los 17 dígitos, 0.10000000000000001. Desde Python 3.1, en la
mayoría de los sistemas Python ahora es capaz de elegir la forma más corta de
ellos y mostrar 0.1.

Notá que esta es la verdadera naturaleza del punto flotante binario: no es un error
de Python, y tampoco es un error en tu código. Verás lo mismo en todos los
lenguajes que soportan la aritmética de punto flotante de tu hardware (a pesar de
que en algunos lenguajes por omisión no muestren la diferencia, o no lo hagan en
todos los modos de salida).

Para una salida más elegante, quizás quieras usar el formateo de cadenas de
texto para generar un número limitado de dígitos significativos:

>>>

>>> format(math.pi, '.12g') # give 12 significant digits

'3.14159265359'

>>> format(math.pi, '.2f') # give 2 digits after the point

'3.14'

>>> repr(math.pi)
'3.141592653589793'

Es importante darse cuenta que esto es, realmente, una ilusión: estás
simplemente redondeando al mostrar el valor verdadero de la máquina.

Una ilusión puede generar otra. Por ejemplo, ya que 0.1 no es exactamente 1/10,
sumar tres veces 0.1 podría también no generar exactamente 0.3:

>>>

>>> .1 + .1 + .1 == .3
False

También, ya que 0.1 no puede acercarse más al valor exacto de 1/10 y 0.3 no
puede acercarse más al valor exacto de 3/10, redondear primero con la
función round() no puede ayudar:

>>>
>>> round(.1, 1) + round(.1, 1) + round(.1, 1) == round(.3, 1)
False

A pesar que los números no pueden acercarse a los valores exactos que
pretendemos, la función round() puede ser útil para redondear a posteriori, para
que los resultados con valores inexactos se puedan comparar entre sí:

>>>

>>> round(.1 + .1 + .1, 10) == round(.3, 10)

True

Binary floating-point arithmetic holds many surprises like this. The problem with
«0.1» is explained in precise detail below, in the «Representation Error» section.
See The Perils of Floating Point for a more complete account of other common
surprises.

Como dice cerca del final, «no hay respuestas fáciles». A pesar de eso, ¡no le
tengas mucho miedo al punto flotante! Los errores en las operaciones flotantes de
Python se heredan del hardware de punto flotante, y en la mayoría de las
máquinas están en el orden de no más de una 1 parte en 2**53 por operación. Eso
es más que adecuado para la mayoría de las tareas, pero necesitás tener en
cuenta que no es aritmética decimal, y que cada operación de punto flotante sufre
un nuevo error de redondeo.

A pesar de que existen casos patológicos, para la mayoría de usos casuales de la

aritmética de punto flotante al final verás el resultado que esperás si simplemente
redondeás lo que mostrás de tus resultados finales al número de dígitos decimales
que esperás. str() es normalmente suficiente, y para un control más fino mirá los
parámetros del método de formateo str.format() en Formato de cadena de
caracteres personalizado.

Para los casos de uso que necesitan una representación decimal exacta, probá el
módulo decimal, que implementa aritmética decimal útil para aplicaciones de
contabilidad y de alta precisión.

El módulo fractions soporta otra forma de aritmética exacta, ya que implementa

aritmética basada en números racionales (por lo que números como 1/3 pueden
ser representados exactamente).

Si es un gran usuario de operaciones de coma flotante, debería echar un vistazo al

paquete NumPy y muchos otros paquetes para operaciones matemáticas y
estadísticas suministrados por el proyecto SciPy. Consulte <https://scipy.org>.
Python provee herramientas que pueden ayudar en esas raras ocasiones cuando
realmente querés saber el valor exacto de un float. El
método float.as_integer_ratio() expresa el valor del float como una
fracción:

>>>

>>> x = 3.14159
>>> x.as_integer_ratio()
(3537115888337719, 1125899906842624)

Ya que la fracción es exacta, se puede usar para recrear sin pérdidas el valor
original:

>>>

>>> x == 3537115888337719 / 1125899906842624

True

El método float.hex() expresa un float en hexadecimal (base 16), nuevamente

retornando el valor exacto almacenado por tu computadora:

>>>

>>> x.hex()
'0x1.921f9f01b866ep+1'

Esta representación hexadecimal precisa se puede usar para reconstruir el valor

exacto del float:

>>>

>>> x == float.fromhex('0x1.921f9f01b866ep+1')
True

Ya que la representación es exacta, es útil para portar valores a través de

diferentes versiones de Python de manera confiable (independencia de
plataformas) e intercambiar datos con otros lenguajes que soportan el mismo
formato (como Java y C99).

Otra herramienta útil es la función math.fsum() que ayuda a mitigar la pérdida de

precisión durante la suma. Esta función lleva la cuenta de «dígitos perdidos»
mientras se suman los valores en un total. Eso puede hacer una diferencia en la
exactitud de lo que se va sumando para que los errores no se acumulen al punto
en que afecten el total final:

>>>

>>> sum([0.1] * 10) == 1.0

False
>>> math.fsum([0.1] * 10) == 1.0
True

15.1. Error de Representación
Esta sección explica el ejemplo «0.1» en detalle, y muestra como en la mayoría de
los casos vos mismo podés realizar un análisis exacto como este. Se asume un
conocimiento básico de la representación de punto flotante binario.

Error de representación se refiere al hecho de que algunas (la mayoría) de las

fracciones decimales no pueden representarse exactamente como fracciones
binarias (en base 2). Esta es la razón principal de por qué Python (o Perl, C, C++,
Java, Fortran, y tantos otros) frecuentemente no mostrarán el número decimal
exacto que esperás.

¿Por qué es eso? 1/10 no es representable exactamente como una fracción

binaria. Casi todas las máquinas de hoy en día (Noviembre del 2000) usan
aritmética de punto flotante IEEE-754, y casi todas las plataformas mapean los
flotantes de Python al «doble precisión» de IEEE-754. Estos «dobles» tienen 53
bits de precisión, por lo tanto en la entrada la computadora intenta convertir 0.1 a
la fracción más cercana que puede de la forma J/2***N* donde J es un entero que
contiene exactamente 53 bits. Reescribiendo

1 / 10 ~= J / (2**N)

…como

J ~= 2**N / 10

…y recordando que J tiene exactamente 53 bits (es >= 2**52 pero < 2**53), el

mejor valor para N es 56:

>>>

>>> 2**52 <= 2**56 // 10 < 2**53

True
O sea, 56 es el único valor para N que deja J con exactamente 53 bits. El mejor
valor posible para J es entonces el cociente redondeado:

>>>

>>> q, r = divmod(2**56, 10)

>>> r
6

Ya que el resto es más que la mitad de 10, la mejor aproximación se obtiene

redondeándolo:

>>>

>>> q+1
7205759403792794

Por lo tanto la mejor aproximación a 1/10 en doble precisión 754 es:

7205759403792794 / 2 ** 56

El dividir tanto el numerador como el denominador reduce la fracción a:

3602879701896397 / 2 ** 55

Notá que como lo redondeamos, esto es un poquito más grande que 1/10; si no lo
hubiéramos redondeado, el cociente hubiese sido un poquito menor que 1/10.
¡Pero no hay caso en que sea exactamente 1/10!

Entonces la computadora nunca «ve» 1/10: lo que ve es la fracción exacta de

arriba, la mejor aproximación al flotante doble de 754 que puede obtener:

>>>

>>> 0.1 * 2 ** 55
3602879701896397.0

Si multiplicamos esa fracción por 10**55, podemos ver el valor hasta los 55 dígitos
decimales:

>>>
>>> 3602879701896397 * 10 ** 55 // 2 ** 55
1000000000000000055511151231257827021181583404541015625

…lo que significa que el valor exacto almacenado en la computadora es igual al

valor decimal
0.1000000000000000055511151231257827021181583404541015625. En lugar
de mostrar el valor decimal completo, muchos lenguajes (incluyendo versiones
más viejas de Python), redondean el resultado a 17 dígitos significativos:

>>>

>>> format(0.1, '.17f')

'0.10000000000000001'

Los módulos fractions y decimal hacen fácil estos cálculos:

>>>

>>> from decimal import Decimal

>>> from fractions import Fraction

>>> Fraction.from_float(0.1)
Fraction(3602879701896397, 36028797018963968)

>>> (0.1).as_integer_ratio()
(3602879701896397, 36028797018963968)

>>> Decimal.from_float(0.1)
Decimal('0.10000000000000000555111512312578270211815834045410156
25')

>>> format(Decimal.from_float(0.1), '.17')

'0.10000000000000001'

16. Apéndice
16.1. Modo interactivo
16.1.1. Manejo de errores
Cuando ocurre un error, el intérprete imprime un mensaje de error y la traza del
error. En el modo interactivo, luego retorna al prompt primario; cuando la entrada
viene de un archivo, el programa termina con código de salida distinto a cero luego
de imprimir la traza del error. (Las excepciones manejadas por una
clausula except en una sentencia try no son errores en este contexto). Algunos
errores son incondicionalmente fatales y causan una terminación con código de
salida distinto de cero; esto se debe a inconsistencias internas o a que el
intérprete se queda sin memoria. Todos los mensajes de error se escriben en el
flujo de errores estándar; las salidas normales de comandos ejecutados se
escriben en la salida estándar.

Al ingresar el carácter de interrupción (por lo general Control-C o Supr) en el

prompt primario o secundario, se cancela la entrada y retorna al prompt
primario. 1 Tipear una interrupción mientras un comando se están ejecutando
lanza la excepción KeyboardInterrupt, que puede ser manejada con una
sentencia try.

16.1.2. Programas ejecutables de Python

En los sistemas Unix y tipo BSD, los programas Python pueden convertirse
directamente en ejecutables, como programas del intérprete de comandos,
poniendo la linea:

#!/usr/bin/env python3.5

…al principio del script y dándole al archivo permisos de ejecución (asumiendo

que el intérprete están en la variable de entorno PATH del usuario). #! deben ser
los primeros dos caracteres del archivo. En algunas plataformas, la primera línea
debe terminar al estilo Unix ('\n'), no como en Windows ('\r\n'). Notá que el
carácter numeral '#' se usa en Python para comenzar un comentario.

Se le puede dar permisos de ejecución al script usando el comando chmod.

$ chmod +x myscript.py

En sistemas Windows, no existe la noción de «modo ejecutable». El instalador de

Python asocia automáticamente la extensión .py con python.exe para que al
hacerle doble clic a un archivo Python se corra el script. La extensión también
puede ser .pyw, en este caso se omite la ventana con la consola que
normalmente aparece.

16.1.3. El archivo de inicio interactivo

Cuando usas Python en forma interactiva, suele ser útil que algunos comandos
estándar se ejecuten cada vez que el intérprete se inicia. Puedes hacer esto
configurando la variable de entorno PYTHONSTARTUP con el nombre de un archivo
que contenga tus comandos de inicio. Esto es similar al archivo .profile en los
intérpretes de comandos de Unix.

Este archivo es solo leído en las sesiones interactivas del intérprete, no cuando
Python lee comandos de un script ni cuando /dev/tty se explicita como una
fuente de comandos (que de otro modo se comporta como una sesión interactiva).
Se ejecuta en el mismo espacio de nombres en el que los comandos interactivos
se ejecutan, entonces los objetos que define o importa pueden ser usados sin
cualificaciones en la sesión interactiva. En este archivo también puedes cambiar
los prompts sys.ps1 y sys.ps2.

Si quieres leer un archivo de inicio adicional desde el directorio actual, puedes

programarlo en el archivo de inicio global usando algo
como if os.path.isfile('.pythonrc.py'): exec(open('.pythonrc.py'
).read()). Si quieres usar el archivo de inicio en un script, tienes que hacer lo
siguiente de forma explícita en el script:

import os
filename = os.environ.get('PYTHONSTARTUP')
if filename and os.path.isfile(filename):
with open(filename) as fobj:
startup_file = fobj.read()
exec(startup_file)

16.1.4. Los módulos de customización

Python provee dos formas para customizarlo: sitecustomize y usercustomize.
Para ver cómo funciona, necesitas primero encontrar dónde está tu directorio para
tu usuario de paquetes del sistema. Inicia Python y ejecuta el siguiente código:

>>>

>>> import site

>>> site.getusersitepackages()
'/home/user/.local/lib/python3.5/site-packages'

Ahora puedes crear un archivo llamado usercustomize.py en ese directorio y

poner lo que quieras en él. Eso afectará cada ejecución de Python, a menos que
se inicie con la opción -s para deshabilitar esta importación automática.

sitecustomize funciona de la misma manera, pero normalmente lo crea el

administrador de la computadora en el directorio global de paquetes para el
sistema, y se importa antes que usercustomize. Para más detalles, mira la
documentación del módulo site.
Notas al pie

Un problema con el paquete GNU Readline puede prevenir esto.