Python Tutorial

Versión 3.11.3

Guido van Rossum and the Python development team

abril 12, 2023

Python Software Foundation

Email: [email protected]
 Índice general

1 Abriendo el apetito 3

2 Usando el intérprete de Python 5

2.1 Invocar el intérprete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.1 Paso de argumentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.2 Modo interactivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 El intérprete y su entorno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.1 Codificación del código fuente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

3 Una introducción informal a Python 9

3.1 Usando Python como una calculadora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.1.1 Números . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.1.2 Cadenas de caracteres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.1.3 Listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2 Primeros pasos hacia la programación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

4 Más herramientas para control de flujo 19

4.1 La sentencia if . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2 La sentencia for . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.3 La función range() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.4 Las sentencias break, continue, y else en bucles . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.5 La sentencia pass . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.6 La sentencia match . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.7 Definir funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.8 Más sobre definición de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.8.1 Argumentos con valores por omisión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.8.2 Palabras claves como argumentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.8.3 Parámetros especiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.8.4 Listas de argumentos arbitrarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.8.5 Desempaquetando una lista de argumentos . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.8.6 Expresiones lambda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.8.7 Cadenas de texto de documentación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.8.8 Anotación de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.9 Intermezzo: Estilo de programación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

5 Estructuras de datos 37
5.1 Más sobre listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

i
 5.1.1 Usar listas como pilas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.1.2 Usar listas como colas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.1.3 Comprensión de listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.1.4 Listas por comprensión anidadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.2 La instrucción del . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.3 Tuplas y secuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.4 Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.5 Diccionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.6 Técnicas de iteración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.7 Más acerca de condiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.8 Comparando secuencias y otros tipos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

6 Módulos 49
6.1 Más sobre los módulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.1.1 Ejecutar módulos como scripts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.1.2 El camino de búsqueda de los módulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6.1.3 Archivos «compilados» de Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6.2 Módulos estándar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.3 La función dir() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.4 Paquetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6.4.1 Importar * desde un paquete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6.4.2 Referencias internas en paquetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
6.4.3 Paquetes en múltiples directorios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

7 Entrada y salida 59
7.1 Formateo elegante de la salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
7.1.1 Formatear cadenas literales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
7.1.2 El método format() de cadenas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
7.1.3 Formateo manual de cadenas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
7.1.4 Viejo formateo de cadenas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
7.2 Leyendo y escribiendo archivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
7.2.1 Métodos de los objetos Archivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
7.2.2 Guardar datos estructurados con json . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

8 Errores y excepciones 67
8.1 Errores de sintaxis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
8.2 Excepciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
8.3 Gestionando excepciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
8.4 Lanzando excepciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
8.5 Encadenamiento de excepciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
8.6 Excepciones definidas por el usuario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
8.7 Definiendo acciones de limpieza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
8.8 Acciones predefinidas de limpieza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
8.9 Lanzando y gestionando múltiples excepciones no relacionadas . . . . . . . . . . . . . . . . . . . . . 74
8.10 Enriqueciendo excepciones con notas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

9 Clases 79
9.1 Unas palabras sobre nombres y objetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
9.2 Ámbitos y espacios de nombres en Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
9.2.1 Ejemplo de ámbitos y espacios de nombre . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
9.3 Un primer vistazo a las clases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
9.3.1 Sintaxis de definición de clases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
9.3.2 Objetos clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
9.3.3 Objetos instancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
9.3.4 Objetos método . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

ii
 9.3.5 Variables de clase y de instancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
9.4 Algunas observaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
9.5 Herencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
9.5.1 Herencia múltiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
9.6 Variables privadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
9.7 Cambalache . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
9.8 Iteradores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
9.9 Generadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
9.10 Expresiones generadoras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92

10 Pequeño paseo por la Biblioteca Estándar 95

10.1 Interfaz al sistema operativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
10.2 Comodines de archivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
10.3 Argumentos de linea de órdenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
10.4 Redirigir la salida de error y finalización del programa . . . . . . . . . . . . . . . . . . . . . . . . . . 96
10.5 Coincidencia en patrones de cadenas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
10.6 Matemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
10.7 Acceso a Internet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
10.8 Fechas y tiempos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
10.9 Compresión de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
10.10 Medición de rendimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
10.11 Control de calidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
10.12 Las pilas incluidas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100

11 Pequeño paseo por la Biblioteca Estándar— Parte II 101

11.1 Formato de salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
11.2 Plantillas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
11.3 Trabajar con registros estructurados conteniendo datos binarios . . . . . . . . . . . . . . . . . . . . . 103
11.4 Multi-hilos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
11.5 Registrando . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
11.6 Referencias débiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
11.7 Herramientas para trabajar con listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
11.8 Aritmética de punto flotante decimal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

12 Entornos virtuales y paquetes 109

12.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
12.2 Creando entornos virtuales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
12.3 Manejando paquetes con pip . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110

13 ¿Y ahora qué? 113

14 Edición de entrada interactiva y sustitución de historial 115

14.1 Autocompletado con tab e historial de edición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
14.2 Alternativas al intérprete interactivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

15 Aritmética de Punto Flotante: Problemas y Limitaciones 117

15.1 Error de Representación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120

16 Apéndice 123
16.1 Modo interactivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
16.1.1 Manejo de errores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
16.1.2 Programas ejecutables de Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
16.1.3 El archivo de inicio interactivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
16.1.4 Los módulos de customización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124

iii
A Glosario 127

B Acerca de estos documentos 143

B.1 Contribuidores de la documentación de Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143

C Historia y Licencia 145

C.1 Historia del software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
C.2 Términos y condiciones para acceder o usar Python . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
C.2.1 ACUERDO DE LICENCIA DE PSF PARA PYTHON | lanzamiento | . . . . . . . . . . . . 146
C.2.2 ACUERDO DE LICENCIA DE BEOPEN.COM PARA PYTHON 2.0 . . . . . . . . . . . . 147
C.2.3 ACUERDO DE LICENCIA CNRI PARA PYTHON 1.6.1 . . . . . . . . . . . . . . . . . . 148
C.2.4 ACUERDO DE LICENCIA CWI PARA PYTHON 0.9.0 HASTA 1.2 . . . . . . . . . . . . 149
C.2.5 LICENCIA BSD DE CLÁUSULA CERO PARA CÓDIGO EN EL PYTHON | lanzamiento
| DOCUMENTACIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
C.3 Licencias y reconocimientos para software incorporado . . . . . . . . . . . . . . . . . . . . . . . . . 150
C.3.1 Mersenne Twister . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
C.3.2 Sockets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
C.3.3 Servicios de socket asincrónicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
C.3.4 Gestión de cookies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
C.3.5 Seguimiento de ejecución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
C.3.6 funciones UUencode y UUdecode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
C.3.7 Llamadas a procedimientos remotos XML . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
C.3.8 test_epoll . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
C.3.9 Seleccionar kqueue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
C.3.10 SipHash24 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
C.3.11 strtod y dtoa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
C.3.12 OpenSSL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
C.3.13 expat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
C.3.14 libffi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
C.3.15 zlib . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
C.3.16 cfuhash . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
C.3.17 libmpdec . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
C.3.18 Conjunto de pruebas W3C C14N . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
C.3.19 Audioop . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162

D Derechos de autor 163

Índice 165

iv
 Python Tutorial, Versión 3.11.3

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 library-index. reference-index dónde se ofrece una
definición más formal del lenguaje. Para escribir extensiones en C o C++, leer extending-index y c-api-index. 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 library-index.
Es interesante leer el Glosario.

Índice general 1
Python Tutorial, Versión 3.11.3

2 Índice general
 CAPÍTULO 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.
Puedes escribir un script de shell de Unix o archivos por lotes de Windows para algunas de estas tareas. Los scripts de shell
son mejores para mover archivos y cambiar datos de texto, pero no son adecuados para juegos o aplicaciones GUI. Podrías
escribir un programa C / C ++ / Java, pero llevaría mucho tiempo de desarrollo obtener incluso un primer programa de
borrador. Python es más fácil de usar, está disponible en los sistemas operativos Windows, macOS y Unix, y te ayudará
a hacer el trabajo más rápidamente.
Python es fácil de utilizar y es un verdadero lenguaje de programación ofreciendo mucha más estructura y soporte para
programas grandes que la que ofrecen scripts de shell o archivos por lotes. 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 len-
guaje, 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:

3
Python Tutorial, Versión 3.11.3

• 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.

4 Capítulo 1. Abriendo el apetito

 CAPÍTULO 2

Usando el intérprete de Python

2.1 Invocar el intérprete

El intérprete de Python generalmente se instala como /usr/local/bin/python3.11 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:

python3.11

en el terminal1 . 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 gurú de 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 python3.11 estará
disponible. Si tiene el lanzador py.exe instalado, puede usar el comando py. Consulte setting-envvars 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 la biblioteca GNU Readline . Quizás la forma más rápida para comprobar si las carac-
terísticas de edición se encuentran disponibles es presionar 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 parece que no ocurre 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.
1 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.

5
Python Tutorial, Versión 3.11.3

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 en su totalidad.
Algunos módulos de Python también son útiles como scripts. Estos pueden invocarse utilizando python -m módulo
[arg] ..., que ejecuta el archivo fuente para módulo 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 using-on-general.

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 comando 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:

$ python3.11
Python 3.11 (default, April 4 2021, 09:25:04)
[GCC 10.2.0] 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.

6 Capítulo 2. Usando el intérprete de Python

 Python Tutorial, Versión 3.11.3

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 encoding 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 linea UNIX «shebang». 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

2.2. El intérprete y su entorno 7

Python Tutorial, Versión 3.11.3

8 Capítulo 2. Usando el intérprete de Python

 CAPÍTULO 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 en un ejemplo un prompt secundario en una linea en solitario significa
que debes escribir una línea en blanco. Esto se utiliza para finalizar un comando multilínea.
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."

9
Python Tutorial, Versión 3.11.3

3.1 Usando Python como una calculadora

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

3.1.1 Números

El intérprete puede utilizarse como una simple calculadora; puedes introducir una expresión en él y este escribirá los
valores. La sintaxis es sencilla: los operadores +, -, * y / funcionan como en la mayoría de los lenguajes (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 número decimal de punto flotante. Para hacer floor division y obtener un número entero
como resultado 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 potencias1 :

>>> 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. Después, no se muestra ningún resultado 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:
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.

10 Capítulo 3. Una introducción informal a Python

 Python Tutorial, Versión 3.11.3

>>> 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 resultado2 . \ 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:
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.

3.1. Usando Python como una calculadora 11

Python Tutorial, Versión 3.11.3

>>> '"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

There is one subtle aspect to raw strings: a raw string may not end in an odd number of \ characters; see the FAQ entry
for more information and workarounds.
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 (tener 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:

12 Capítulo 3. Una introducción informal a Python

 Python Tutorial, Versión 3.11.3

>>> 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 también pueden ser números negativos, para empezar a contar desde la derecha:

>>> word[-1] # last character

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

Nótese 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'

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

3.1. Usando Python como una calculadora 13

Python Tutorial, Versión 3.11.3

>>> 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:

14 Capítulo 3. Una introducción informal a Python

 Python Tutorial, Versión 3.11.3

>>> s = 'supercalifragilisticexpialidocious'
>>> len(s)
34

Ver también:
textseq Las cadenas de texto son ejemplos de tipos secuencias y soportan las operaciones comunes para esos tipos.
string-methods Las cadenas de texto soportan una gran cantidad de métodos para transformaciones básicas y búsqueda.
f-strings Literales de cadena que tienen expresiones embebidas.
formatstrings Aquí se da información sobre formateo de cadenas de texto con str.format().
old-string-formatting 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):

3.1. Usando Python como una calculadora 15

Python Tutorial, Versión 3.11.3

>>> 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 más dos. Por ejemplo, podemos escribir
una parte inicial de la serie de Fibonacci 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
(continué en la próxima página)

16 Capítulo 3. Una introducción informal a Python

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

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,

3.2. Primeros pasos hacia la programación 17

Python Tutorial, Versión 3.11.3

Notas al pie

18 Capítulo 3. Una introducción informal a Python

 CAPÍTULO 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 match. Para más detalles véase La sentencia match.

19
Python Tutorial, Versión 3.11.3

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', ' ': '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]

(continué en la próxima página)

20 Capítulo 4. Más herramientas para control de flujo

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

>>> 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(), ver Técnicas de iteración.
Algo extraño sucede si tan sólo muestras un range:
>>> range(10)
range(0, 10)

El objeto retornado por range() se comporta de muchas maneras 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 Estruc-
turas 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')
(continué en la próxima página)

4.4. Las sentencias break, continue, y else en bucles 21

Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

...
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!
...

22 Capítulo 4. Más herramientas para control de flujo

 Python Tutorial, Versión 3.11.3

4.6 La sentencia match

Una sentencia match recibe una expresión y compara su valor con patrones sucesivos dados 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 es más
similar a la comparación de patrones en lenguajes como Rust o Haskell. Sólo se ejecuta el primer patrón que coincide y
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 expuesto 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 | («o»):

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 caso 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):
(continué en la próxima página)

4.6. La sentencia match 23

Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

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 cuáles variables tomarían qué 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 exactamente el mismo sentido
y realmente coinciden con cualquier secuencia arbitraria. Una excepción importante es que no coinciden ni con
iteradores ni con cadenas de caracteres.

24 Capítulo 4. Más herramientas para control de flujo

 Python Tutorial, Versión 3.11.3

• Los patrones de secuencia soportan desempaquetado extendido: [x, y, *otros] y (x, y, *otros) fun-
cionan 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 dos elementos, sin ligar ninguno de los demás
elementos.
• Los patrones de mapeo: {"ancho_de_banda": c, "latencia": l} capturan los valores
"ancho_de_banda" y "latencia" de un diccionario. A diferencia de los patrones de secuencia, las
claves adicionales son ignoradas. Puede usarse un desempaquetado como **otros . (Aunque **_ sería
redundante, con lo cual no está permitido)
• 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 las instancias únicas 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 Definir 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

4.7. Definir funciones 25

Python Tutorial, Versión 3.11.3

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, así que acostúmbrate a hacerlo.
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 reales (argumentos) para una llamada de función se introducen en la tabla de símbolos local de la función
llamada cuando ésta se llama; por lo tanto, los argumentos se pasan usando llamada por valor (donde el valor es siempre
una referencia al objeto, 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 bastante 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. Puede verlo si realmente lo desea utilizando 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]

1 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).

26 Capítulo 4. Más herramientas para control de flujo

 Python Tutorial, Versión 3.11.3

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 tus
propios tipos de objetos y métodos, usando clases, ver 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()

4.8. Más sobre definición de funciones 27

Python Tutorial, Versión 3.11.3

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

28 Capítulo 4. Más herramientas para control de flujo

 Python Tutorial, Versión 3.11.3

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 **nombre está presente al final, recibe un diccionario (ver typesmapping)
conteniendo todos los argumentos nombrados excepto aquellos correspondientes a un parámetro formal. Esto puede
ser combinado con un parámetro formal de la forma *nombre (descrito en la siguiente sección) que recibe una tupla
conteniendo los argumentos posicionales además de la lista de parámetros formales. (*nombre debe ocurrir antes de
**nombre). 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. Más sobre definición de funciones 29

Python Tutorial, Versión 3.11.3

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 según la forma en que los ar-
gumentos 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.

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.

Parámetros únicamente posicionales

Mirando esto con un poco más de 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.

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.

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)
...
(continué en la próxima página)

30 Capítulo 4. Más herramientas para control de flujo

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

>>> 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:

4.8. Más sobre definición de funciones 31

Python Tutorial, Versión 3.11.3

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.

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 (ver 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 variádicos serán 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 de
palabra clave”, o sea que sólo se pueden usar como argumentos nombrados y no como posicionales.

32 Capítulo 4. Más herramientas para control de flujo

 Python Tutorial, Versión 3.11.3

>>> 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

4.8. Más sobre definición de funciones 33

Python Tutorial, Versión 3.11.3

>>> 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 3107 y 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__)
(continué en la próxima página)

34 Capítulo 4. Más herramientas para control de flujo

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

... 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 programación

Ahora que estás a punto de escribir piezas de Python más largas y complejas, es un buen momento para hablar sobre estilo
de programación. 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 programación 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 programa-
ción 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 (ver Un primer vistazo a las clases para más información sobre clases y méto-
dos).
• 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.

4.9. Intermezzo: Estilo de programación 35

Python Tutorial, Versión 3.11.3

Notas al pie

36 Capítulo 4. Más herramientas para control de flujo

 CAPÍTULO 5

Estructuras de datos

Este capítulo describe en más detalle algunas cosas que ya has aprendido 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.

37
Python Tutorial, Versión 3.11.3

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 hacerlo 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 at 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'

You might have noticed that methods like insert, remove or sort that only modify the list have no return value
printed – they return the default None.1 This is a design principle for all mutable data structures in 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 com-
parar 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.
1 Otros lenguajes podrían retornar un objeto mutado, que permite encadenamiento de métodos como
d->insert("a")->remove("b")->sort();.

38 Capítulo 5. Estructuras de datos

 Python Tutorial, Versión 3.11.3

5.1.1 Usar 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 Usar 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 en 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)
(continué en la próxima página)

5.1. Más sobre listas 39

Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

...
>>> squares
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

Nótese 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)]

Nótese 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
(continué en la próxima página)

40 Capítulo 5. Estructuras de datos

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

[x, x**2 for x in range(6)]
^^^^^^^
SyntaxError: did you forget parentheses around the comprehension target?
>>> # 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]]

5.1. Más sobre listas 41

Python Tutorial, Versión 3.11.3

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 sobre 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 rebanada). 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 indexado y las operaciones de rebanado. Estas son
dos ejemplos de datos de tipo secuencia (ver typesseq). 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 está formada por 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>
(continué en la próxima página)

42 Capítulo 5. Estructuras de datos

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

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 inter-
pretarse 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 dis-
tintos 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. Nótese 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 repe-
tidos. 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'}
(continué en la próxima página)

5.4. Conjuntos 43
Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

>>> '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, la comprensión de conjuntos está también soportada:

>>> 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 typesmapping). 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 añade pares clave:valor iniciales 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 inexistente.
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
(continué en la próxima página)

44 Capítulo 5. Estructuras de datos

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

{'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

5.6. Técnicas de iteración 45

Python Tutorial, Versión 3.11.3

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 ordenada.
>>> 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)
(continué en la próxima página)

46 Capítulo 5. Estructuras de datos

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

...
>>> 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.
Los operadores de comparación in y not in verifican si un valor ocurre (o no ocurre) en una secuencia. Los operadores
is e is not comparan si dos objetos son realmente el mismo objeto. Todos los operadores de comparación tienen la
misma prioridad, que es menor que la de todos los operadores numéricos.
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'

Nótese que en Python, a diferencia de C, asignaciones dentro de expresiones deben realizarse explícitamente con el
operador walrus :=. 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 las cadenas de caracteres 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)
(continué en la próxima página)

5.7. Más acerca de condiciones 47

Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

(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 objetos 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 lanzará una
excepción TypeError.

Notas al pie

48 Capítulo 5. Estructuras de datos

 CAPÍTULO 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:

49
Python Tutorial, Versión 3.11.3

>>> import fibo

Esto no añade los nombres de las funciones definidas en fibo directamente al actual namespace (ver Ámbitos y espacios
de nombres en Python para más detalles); sólo añade el nombre del módulo fibo allí. 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 privado, que es utilizado como espacio de nombres global por todas las
funciones definidas en el módulo. De este modo, el autor de un módulo puede utilizar variables globales en el módulo
sin preocuparse por choques accidentales con las variables globales de un usuario. Por otro lado, si sabes lo que estás
haciendo puedes tocar las variables globales de un módulo con la misma notación que se utiliza para referirse a sus
funciones, modname.itemname.
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, si se colocan en el nivel superior
de un módulo (fuera de cualquier función o clase), se añaden al espacio de nombres global del módulo.
Hay una variante de la declaración import que importa los 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

1 De hecho, las definiciones de funciones también son «declaraciones» que se «ejecutan»; la ejecución de una definición de función a nivel de módulo,

añade el nombre de la función en el espacio de nombres global del módulo.

50 Capítulo 6. Módulos
 Python Tutorial, Versión 3.11.3

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.
Nótese 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 cam-
bias 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 Ejecutar 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 fines de prueba (ejecutar
el módulo como un script que ejecuta un conjunto de pruebas).

6.1. Más sobre los módulos 51

Python Tutorial, Versión 3.11.3

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. Estos nombres de módulos están listados en sys.builtin_module_names. 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 incluye un directorio site-packages,
manejado por el módulo site).
Más detalles en sys-path-init.

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 compi-
lado; 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.

52 Capítulo 6. Módulos
 Python Tutorial, Versión 3.11.3

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 que 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',
(continué en la próxima página)

6.2. Módulos estándar 53

Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

'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']

Nótese 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']

54 Capítulo 6. Módulos
 Python Tutorial, Versión 3.11.3

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 los demás, el uso de nombres de módulo con puntos evita que los autores de paquetes multimódulos, como NumPy o
Pillow, tengan que preocuparse por los nombres de los módulos de los demás.
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.
The __init__.py files are required to make Python treat directories containing the file as packages. This prevents
directories with a common name, such as string, from unintentionally hiding valid modules that occur later on the
module search path. In the simplest case, __init__.py can just be an empty file, but it can also execute initialization
code for the package or set the __all__ variable, described later.
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:

6.4. Paquetes 55
Python Tutorial, Versión 3.11.3

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)

Nótese 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 Importar * 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.
effects.
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 aque-
llos 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 explícitamen-
te 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__).

56 Capítulo 6. Módulos
 Python Tutorial, Versión 3.11.3

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

Nótese 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

6.4. Paquetes 57
Python Tutorial, Versión 3.11.3

58 Capítulo 6. Módulos
 CAPÍTULO 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 literales de cadena formateados, 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 sus-
tituirá 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%'

59
Python Tutorial, Versión 3.11.3

• Por último, puede realizar todo el control de cadenas usted mismo mediante operaciones de concatenación y seg-
mentación 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 depu-
ración, 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 equi-
valente). 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 represen-
tación 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

Literales de cadena formateados (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():
(continué en la próxima página)

60 Capítulo 7. Entrada y salida

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

... 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'.

El especificador = puede utilizarse para expandir una expresión al texto de la expresión, un signo igual y, a continuación,
la representación de la expresión evaluada:

>>> bugs = 'roaches'

>>> count = 13
>>> area = 'living room'
>>> print(f'Debugging {bugs=} {count=} {area=}')
Debugging bugs='roaches' count=13 area='living room'

Véase expresiones auto-documentadas para más información en el especificador =. Para obtener una referencia sobre
estas especificaciones de formato, consulte la guía de referencia para formatspec.

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.

7.1. Formateo elegante de la salida 61

Python Tutorial, Versión 3.11.3

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
diccionario 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 el diccionario table como argumentos por palabra clave 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 líneas producen un conjunto ordenado de columnas 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(), ver string-formatting.

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

62 Capítulo 7. Entrada y salida

 Python Tutorial, Versión 3.11.3

(Nótese 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 falsear un valor. (Si realmente deseas truncar 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 old-string-formatting.

7.2 Leyendo y escribiendo archivos

La función open() retorna un file object, y se usa normalmente con dos argumentos posicionales y un argumento nom-
brado: open(nombre_de_archivo, modo, encoding=None).

>>> f = open('workfile', 'w', encoding="utf-8")

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, es decir, se leen y escriben cadenas desde y hacia el fichero, que están
codificadas en una codificación específica. Si no se especifica codificación, el valor por defecto depende de la plataforma
(véase open()). Dado que UTF-8 es el estándar moderno de facto, se recomienda encoding="utf-8" a menos
que sepa que necesita usar una codificación diferente. Añadiendo 'b' al modo se abre el fichero en modo binario. Los
datos en modo binario se leen y escriben como objetos bytes. No se puede especificar codificación al abrir un fichero
en modo binario.
Cuando se lee en modo texto, por defecto se convierten los fin 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 fin de linea

7.2. Leyendo y escribiendo archivos 63

Python Tutorial, Versión 3.11.3

específicos de la plataforma. Este cambio automático está bien para archivos de texto, pero corrompería datos binarios
como los de archivos JPEG o EXE. Asegúrese de usar modo binario cuando lea y escriba tales archivos.
Es una buena práctica usar la declaración with cuando manejamos objetos archivo. Tiene la ventaja de 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', encoding="utf-8") 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 inme-
diatamente los recursos del sistema utilizados por él.

Advertencia: Llamar a f.write() sin usar la palabra clave with o sin llamar a f.close() podría dar como
resultado que los argumentos de f.write() no se escriban completamente en disco, incluso si el programa se
termina 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 (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, son leídos y retornados como máximo size caracteres (en modo
texto) o size bytes (en modo binario). 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'
(continué en la próxima página)

64 Capítulo 7. Entrada y salida

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

>>> f.readline()
''

Para leer líneas de un archivo, puedes 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 despla-
zamiento 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 frecuente-
mente; consultá la Referencia de la Biblioteca para una guía completa sobre los objetos archivo.

7.2. Leyendo y escribiendo archivos 65

Python Tutorial, Versión 3.11.3

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 guardar 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 guardar tipos de datos compli-
cados, Python te permite usar el popular formato intercambiable de datos 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 serialización. Reconstruir los datos desde la representación de cadena
de caracteres es llamado deserialización. 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 usado 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 binary file o text file que fue abierto para lectura:

x = json.load(f)

Nota: Los archivos JSON deben estar codificados en UTF-8. Utilice encoding="utf-8" al abrir un archivo JSON
como text file tanto para lectura como para escritura.

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 lenguajes.
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.

66 Capítulo 7. Entrada y salida

 CAPÍTULO 8

Errores y excepciones

Hasta ahora los mensajes de error apenas habían sido mencionados, pero si has probado los ejemplos anteriores proba-
blemente 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>
(continué en la próxima página)

67
Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

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.
bltin-exceptions 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,

68 Capítulo 8. Errores y excepciones

 Python Tutorial, Versión 3.11.3

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.
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 ligada a la instancia
de la excepción, que normalmente tiene un atributo args que almacena los argumentos. Por conveniencia, los tipos de
excepción incorporados definen __str__() para imprimir todos los argumentos sin acceder explícitamente a .args.

>>> try:
... raise Exception('spam', 'eggs')
... except Exception as inst:
... print(type(inst)) # the exception type
... 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

La salida __str__() de la excepción se imprime como la última parte (“detalle”) del mensaje para las excepciones no
gestionadas.

8.3. Gestionando excepciones 69

Python Tutorial, Versión 3.11.3

BaseException es la clase base común de todas las excepciones. Una de sus subclases, Exception, es la clase
base de todas las excepciones no fatales. Las excepciones que no son subclases de Exception no se suelen manejar,
porque se utilizan para indicar que el programa debe terminar. Entre ellas se incluyen SystemExit, que es lanzada por
sys.exit() y KeyboardInterrupt, que se lanza cuando un usuario desea interrumpir el programa.
Exception se puede utilizar como un comodín que atrapa (casi) todo. Sin embargo, es una buena práctica ser lo más
específico posible con los tipos de excepciones que pretendemos manejar, y permitir que cualquier excepción inesperada
se propague.
El patrón más común para gestionar Exception es imprimir o registrar la excepción y luego volver a re-lanzarla (per-
mitiendo a un llamador manejar la excepción también):

import sys

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

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.
Los gestores de excepciones no sólo gestionan excepciones que ocurren inmediatamente en la cláusula try, sino también
aquellas que 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

70 Capítulo 8. Errores y excepciones

 Python Tutorial, Versión 3.11.3

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 lanzar. Debe ser una instancia de excepción o una clase de excep-
ción (una clase que derive de BaseException, como Exception o una de sus subclases). Si se pasa una clase de
excepción, se instanciará 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

Si se produce una excepción no gestionada dentro de una sección except, se le adjuntará la excepción que se está
gestionando y se incluirá en el mensaje de error:
>>> try:
... open("database.sqlite")
... except OSError:
... raise RuntimeError("unable to handle error")
...
Traceback (most recent call last):
File "<stdin>", line 2, in <module>
FileNotFoundError: [Errno 2] No such file or directory: 'database.sqlite'

During handling of the above exception, another exception occurred:

Traceback (most recent call last):

File "<stdin>", line 4, in <module>
RuntimeError: unable to handle error

Para indicar que una excepción es consecuencia directa de otra, la sentencia raise permite una cláusula opcional from:
# exc must be exception instance or None.
raise RuntimeError from exc

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

8.4. Lanzando excepciones 71

Python Tutorial, Versión 3.11.3

>>> 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

También permite deshabilitar el encadenamiento automático de excepciones utilizando 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 bltin-exceptions.

8.6 Excepciones definidas por el usuario

Los programas pueden nombrar sus propias excepciones creando una nueva clase excepción (mirá Clases para más in-
formación sobre las clases de Python). Las excepciones, típicamente, deberán derivar de la clase Exception, directa
o indirectamente.
Las clases de Excepción pueden ser definidas de la misma forma que cualquier otra clase, pero es habitual mantenerlas
lo más simples posible, a menudo ofreciendo solo un número de atributos con información sobre el error que leerán los
gestores de la excepción.
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.

72 Capítulo 8. Errores y excepciones

 Python Tutorial, Versión 3.11.3

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")
...
(continué en la próxima página)

8.7. Definiendo acciones de limpieza 73

Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

>>> 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, independien-
temente 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.

8.9 Lanzando y gestionando múltiples excepciones no relacionadas

There are situations where it is necessary to report several exceptions that have occurred. This is often the case in concu-
rrency frameworks, when several tasks may have failed in parallel, but there are also other use cases where it is desirable
to continue execution and collect multiple errors rather than raise the first exception.
El incorporado ExceptionGroup envuelve una lista de instancias de excepción para que puedan ser lanzadas juntas.
Es una excepción en sí misma, por lo que puede capturarse como cualquier otra excepción.
>>> def f():
... excs = [OSError('error 1'), SystemError('error 2')]
... raise ExceptionGroup('there were problems', excs)
(continué en la próxima página)

74 Capítulo 8. Errores y excepciones

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

...
>>> f()
+ Exception Group Traceback (most recent call last):
| File "<stdin>", line 1, in <module>
| File "<stdin>", line 3, in f
| ExceptionGroup: there were problems
+-+---------------- 1 ----------------
| OSError: error 1
+---------------- 2 ----------------
| SystemError: error 2
+------------------------------------
>>> try:
... f()
... except Exception as e:
... print(f'caught {type(e)}: e')
...
caught <class 'ExceptionGroup'>: e
>>>

Utilizando except* en lugar de except, podemos manejar selectivamente sólo las excepciones del grupo que coincidan
con un determinado tipo. En el siguiente ejemplo, que muestra un grupo de excepciones anidado, cada cláusula except*
extrae del grupo las excepciones de un tipo determinado, mientras que deja que el resto de excepciones se propaguen a
otras cláusulas y, finalmente, se vuelvan a lanzar.

>>> def f():

... raise ExceptionGroup("group1",
... [OSError(1),
... SystemError(2),
... ExceptionGroup("group2",
... [OSError(3), RecursionError(4)])])
...
>>> try:
... f()
... except* OSError as e:
... print("There were OSErrors")
... except* SystemError as e:
... print("There were SystemErrors")
...
There were OSErrors
There were SystemErrors
+ Exception Group Traceback (most recent call last):
| File "<stdin>", line 2, in <module>
| File "<stdin>", line 2, in f
| ExceptionGroup: group1
+-+---------------- 1 ----------------
| ExceptionGroup: group2
+-+---------------- 1 ----------------
| RecursionError: 4
+------------------------------------
>>>

Tenga en cuenta que las excepciones anidadas en un grupo de excepciones deben ser instancias, no tipos. Esto se debe
a que en la práctica las excepciones serían típicamente las que ya han sido planteadas y capturadas por el programa,
siguiendo el siguiente patrón:

>>> excs = []
(continué en la próxima página)

8.9. Lanzando y gestionando múltiples excepciones no relacionadas 75

Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

... for test in tests:
... try:
... test.run()
... except Exception as e:
... excs.append(e)
...
>>> if excs:
... raise ExceptionGroup("Test Failures", excs)
...

8.10 Enriqueciendo excepciones con notas

Cuando se crea una excepción para ser lanzada, normalmente se inicializa con información que describe el error que se
ha producido. Hay casos en los que es útil añadir información después de que la excepción haya sido capturada. Para este
propósito, las excepciones tienen un método add_note(note) que acepta una cadena y la añade a la lista de notas de
la excepción. La representación estándar del rastreo incluye todas las notas, en el orden en que fueron añadidas, después
de la excepción.

>>> try:
... raise TypeError('bad type')
... except Exception as e:
... e.add_note('Add some information')
... e.add_note('Add some more information')
... raise
...
Traceback (most recent call last):
File "<stdin>", line 2, in <module>
TypeError: bad type
Add some information
Add some more information
>>>

Por ejemplo, al recopilar excepciones en un grupo de excepciones, es posible que queramos añadir información de contexto
para los errores individuales. A continuación, cada excepción del grupo tiene una nota que indica cuándo se ha producido
ese error.

>>> def f():

... raise OSError('operation failed')
...
>>> excs = []
>>> for i in range(3):
... try:
... f()
... except Exception as e:
... e.add_note(f'Happened in Iteration {i+1}')
... excs.append(e)
...
>>> raise ExceptionGroup('We have some problems', excs)
+ Exception Group Traceback (most recent call last):
| File "<stdin>", line 1, in <module>
| ExceptionGroup: We have some problems (3 sub-exceptions)
+-+---------------- 1 ----------------
| Traceback (most recent call last):
(continué en la próxima página)

76 Capítulo 8. Errores y excepciones

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

| File "<stdin>", line 3, in <module>
| File "<stdin>", line 2, in f
| OSError: operation failed
| Happened in Iteration 1
+---------------- 2 ----------------
| Traceback (most recent call last):
| File "<stdin>", line 3, in <module>
| File "<stdin>", line 2, in f
| OSError: operation failed
| Happened in Iteration 2
+---------------- 3 ----------------
| Traceback (most recent call last):
| File "<stdin>", line 3, in <module>
| File "<stdin>", line 2, in f
| OSError: operation failed
| Happened in Iteration 3
+------------------------------------
>>>

8.10. Enriqueciendo excepciones con notas 77

Python Tutorial, Versión 3.11.3

78 Capítulo 8. Errores y excepciones

 CAPÍTULO 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.)

79
Python Tutorial, Versión 3.11.3

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.
1 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.

80 Capítulo 9. Clases
 Python Tutorial, Versión 3.11.3

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
• the scopes of any enclosing functions, which are searched starting with the nearest enclosing scope, contain non-
local, but also non-global names
• 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
If a name is declared global, then all references and assignments go directly to the next-to-last scope containing the
module’s global names. To rebind variables found outside of the innermost scope, the nonlocal statement can be used;
if not declared nonlocal, those variables are read-only (an attempt to write to such a variable will simply create a new local
variable in the innermost scope, leaving the identically named outer variable unchanged).
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"

(continué en la próxima página)

9.2. Ámbitos y espacios de nombres en Python 81

Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

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 spam de scope_test. La
asignación nonlocal cambió la vinculación de spam de scope_test, y la asignación global cambió la vinculación a
nivel de módulo.
También podés ver que no había vinculación para spam 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)

82 Capítulo 9. Clases
 Python Tutorial, Versión 3.11.3

es restablecido, y el objeto clase se asocia allí al nombre que se le puso a la clase en el encabezado de su definición
(ClassName 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 MyClass.i y MyClass.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 MyClass.i
mediante asignación. __doc__ también es un atributo válido, que retorna la documentación asociada a la clase: "A
simple example class".
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 = []

When a class defines an __init__() method, class instantiation automatically invokes __init__() for the newly
created class instance. So in this example, a new, initialized instance can be obtained by:

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. Un primer vistazo a las clases 83

Python Tutorial, Versión 3.11.3

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 MyClass 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 MyClass.f es una función, pero x.i no lo es, dado que MyClass.i no lo
es. Pero x.f no es la misma cosa que MyClass.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 MyClass, esto retorna la cadena 'hello world'. 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 hello world 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 argu-
mento? Seguramente Python lanza 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 MyClass.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

84 Capítulo 9. Clases
 Python Tutorial, Versión 3.11.3

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 tricks en el siguiente código no debería ser
usada como variable de clase porque una sola lista sería compartida por todos las instancias de Dog:

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):

(continué en la próxima página)

9.3. Un primer vistazo a las clases 85

Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

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)
(continué en la próxima página)

86 Capítulo 9. Clases
 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

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 BaseClassName 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:

9.5. Herencia 87
Python Tutorial, Versión 3.11.3

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: DerivedClassName() 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 BaseClassName.methodname(self, arguments). En ocasiones esto es útil para los
clientes también. (Observá que esto sólo funciona si la clase base es accesible como BaseClassName 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 ve-
ces en la jerarquía. Por lo tanto, si un atributo no se encuentra en DerivedClassName, 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

88 Capítulo 9. Clases
 Python Tutorial, Versión 3.11.3

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 nom-
bres 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.

9.6. Variables privadas 89

Python Tutorial, Versión 3.11.3

9.7 Cambalache

Sometimes it is useful to have a data type similar to the Pascal «record» or C «struct», bundling together a few named
data items. The idiomatic approach is to use dataclasses for this purpose:
from dataclasses import dataclass

@dataclass
class Employee:
name: str
dept: str
salary: int

>>> john = Employee('john', 'computer lab', 1000)

>>> 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__() lanza 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)
(continué en la próxima página)

90 Capítulo 9. Clases
 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

'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]

9.9. Generadores 91
Python Tutorial, Versión 3.11.3

>>> 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 des-
cribe 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 lanzan 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']

92 Capítulo 9. Clases
 Python Tutorial, Versión 3.11.3

Notas al pie

9.10. Expresiones generadoras 93

Python Tutorial, Versión 3.11.3

94 Capítulo 9. Clases
 CAPÍTULO 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:\\Python311'
>>> 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'

95
Python Tutorial, Versión 3.11.3

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', 'beta.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().

96 Capítulo 10. Pequeño paseo por la Biblioteca Estándar

 Python Tutorial, Versión 3.11.3

10.5 Coincidencia en patrones de cadenas

El módulo re provee herramientas de expresiones regulares para un procesamiento avanzado de cadenas. Para manipu-
lación 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.

10.5. Coincidencia en patrones de cadenas 97

Python Tutorial, Versión 3.11.3

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

98 Capítulo 10. Pequeño paseo por la Biblioteca Estándar

 Python Tutorial, Versión 3.11.3

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)
(continué en la próxima página)

10.9. Compresión de datos 99

Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

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:
• The xmlrpc.client and xmlrpc.server modules make implementing remote procedure calls into an al-
most trivial task. Despite the modules” names, no direct knowledge or handling of XML is needed.
• 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.

100 Capítulo 10. Pequeño paseo por la Biblioteca Estándar

 CAPÍTULO 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:

101
Python Tutorial, Versión 3.11.3

>>> 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 alfanu-
méricos 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 incom-
pletos, 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.'

102 Capítulo 11. Pequeño paseo por la Biblioteca Estándar— Parte II

 Python Tutorial, Versión 3.11.3

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 bina-

rios

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

11.3. Trabajar con registros estructurados conteniendo datos binarios 103

Python Tutorial, Versión 3.11.3

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:

104 Capítulo 11. Pequeño paseo por la Biblioteca Estándar— Parte II

 Python Tutorial, Versión 3.11.3

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:/python311/lib/weakref.py", line 46, in __getitem__
o = self.data[key]()
KeyError: 'primary'

11.6. Referencias débiles 105

Python Tutorial, Versión 3.11.3

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]

106 Capítulo 11. Pequeño paseo por la Biblioteca Estándar— Parte II

 Python Tutorial, Versión 3.11.3

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')

11.8. Aritmética de punto flotante decimal 107

Python Tutorial, Versión 3.11.3

108 Capítulo 11. Pequeño paseo por la Biblioteca Estándar— Parte II

 CAPÍTULO 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:

python -m venv tutorial-env

109
Python Tutorial, Versión 3.11.3

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 haya conflicto 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']
>>>

Para desactivar el entorno virtual, digita:

deactivate

en el terminal.

12.3 Manejando paquetes con pip

You can install, upgrade, and remove packages using a program called pip. By default pip will install packages from
the Python Package Index. You can browse the Python Package Index by going to it in your web browser.
pip tiene varios subcomandos: «install», «uninstall», «freeze», etc. (Consulte la guía installing-index 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

110 Capítulo 12. Entornos virtuales y paquetes

 Python Tutorial, Versión 3.11.3

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 ejecuta de nuevo 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 -m pip uninstall seguido de uno o varios nombres de paquetes eliminará los paquetes del entorno virtual.
python -m pip show mostrará información de un paquete en particular:

(tutorial-env) $ python -m 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:

python -m pip list mostrará todos los paquetes instalados en el entorno virtual:

(tutorial-env) $ python -m pip list

novas (3.1.1.3)
numpy (1.9.2)
pip (7.0.3)
requests (2.7.0)
setuptools (16.0)

python -m pip freeze retorna una lista de paquetes instalados, pero el formato de salida es el requerido por
python -m pip install. Una convención común es poner esta lista en un archivo requirements.txt:

(tutorial-env) $ python -m 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 puede ser agregado al controlador de versiones y distribuido como parte de la apli-
cación. Los usuarios pueden entonces instalar todos los paquetes necesarios con install -r:

12.3. Manejando paquetes con pip 111

Python Tutorial, Versión 3.11.3

(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 installing-index 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 distributing-index.

112 Capítulo 12. Entornos virtuales y paquetes

 CAPÍTULO 13

¿Y ahora qué?

Leer este tutorial probablemente reforzó tu interés por usar Python, deberías estar ansioso por aplicar Python a la reso-
lución 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:
• library-index:
Deberías navegar a través de este manual, que da una completa (aunque 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, recuperar 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.
• installing-index explica como instalar módulos adicionales escritos por otros usuarios de Python.
• reference-index: 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 mayor sitio web de Python. Contiene código, documentación, y enlaces a páginas web
relacionadas con Python.
• https://docs.python.org: Acceso rápido a la documentación de Python.
• https://pypi.org: El Python Package Index, apodado previamente la Tienda de Queso1 , 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.)
1La 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.

113
Python Tutorial, Versión 3.11.3

• http://www.pyvideo.org recoge enlaces a vídeos relacionados con Python provenientes de conferencias y reuniones
de grupos de usuarios.
• https://scipy.org: El proyecto de Python científico incluye módulos para el cálculo rápido de operaciones y mani-
pulaciones 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 herra-
mientas.
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

114 Capítulo 13. ¿Y ahora qué?

 CAPÍTULO 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 aplica-
ciones 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.

115
Python Tutorial, Versión 3.11.3

116 Capítulo 14. Edición de entrada interactiva y sustitución de historial

 CAPÍTULO 15

Aritmética de Punto Flotante: Problemas y Limitaciones

Floating-point numbers are represented in computer hardware as base 2 (binary) fractions. For example, the decimal
fraction 0.125 has value 1/10 + 2/100 + 5/1000, and in the same way the binary fraction 0.001 has value 0/2 + 0/4 +
1/8. These two fractions have identical values, the only real difference being that the first is written in base 10 fractional
notation, and the second in base 2.
Desafortunadamente, la mayoría de las fracciones decimales no pueden representarse exactamente como fracciones bi-
narias. 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.

117
Python Tutorial, Versión 3.11.3

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 bina-
ria más aproximada. Por ejemplo, los números 0.1, 0.10000000000000001 y 0.
1000000000000000055511151231257827021181583404541015625 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 verda-
dero 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

118 Capítulo 15. Aritmética de Punto Flotante: Problemas y Limitaciones

 Python Tutorial, Versión 3.11.3

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 string-formatting.
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:

119
Python Tutorial, Versión 3.11.3

>>> 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:

120 Capítulo 15. Aritmética de Punto Flotante: Problemas y Limitaciones

 Python Tutorial, Versión 3.11.3

>>> 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('0.1000000000000000055511151231257827021181583404541015625')

>>> format(Decimal.from_float(0.1), '.17')

'0.10000000000000001'

15.1. Error de Representación 121

Python Tutorial, Versión 3.11.3

122 Capítulo 15. Aritmética de Punto Flotante: Problemas y Limitaciones

 CAPÍTULO 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.
1 Un problema con el paquete GNU Readline puede prevenir esto.

123
Python Tutorial, Versión 3.11.3

$ 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, ne-
cesitas 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.

124 Capítulo 16. Apéndice

 Python Tutorial, Versión 3.11.3

Notas al pie

16.1. Modo interactivo 125

Python Tutorial, Versión 3.11.3

126 Capítulo 16. Apéndice

 APÉNDICE A

Glosario

>>> El prompt en el shell interactivo de Python por omisión. Frecuentemente vistos en ejemplos de código que pueden
ser ejecutados interactivamente en el intérprete.
... Puede referirse a:
• El prompt en el shell interactivo de Python por omisión cuando se ingresa código para un bloque indentado de
código, y cuando se encuentra entre dos delimitadores que emparejan (paréntesis, corchetes, llaves o comillas
triples), o después de especificar un decorador.
• La constante incorporada Ellipsis.
2to3 Una herramienta que intenta convertir código de Python 2.x a Python 3.x arreglando la mayoría de las incompati-
bilidades que pueden ser detectadas analizando el código y recorriendo el árbol de análisis sintáctico.
2to3 está disponible en la biblioteca estándar como lib2to3; un punto de entrada independiente es provisto como
Tools/scripts/2to3. Vea 2to3-reference.
clase base abstracta Las clases base abstractas (ABC, por sus siglas en inglés Abstract Base Class) complementan al
duck-typing brindando un forma de definir interfaces con técnicas como hasattr() que serían confusas o su-
tilmente erróneas (por ejemplo con magic methods). Las ABC introduce subclases virtuales, las cuales son clases
que no heredan desde una clase pero aún así son reconocidas por isinstance() y issubclass(); vea la
documentación del módulo abc. Python viene con muchas ABC incorporadas para las estructuras de datos( en el
módulo collections.abc), números (en el módulo numbers ) , flujos de datos (en el módulo io ) , busca-
dores y cargadores de importaciones (en el módulo importlib.abc ) . Puede crear sus propios ABCs con el
módulo abc.
anotación Una etiqueta asociada a una variable, atributo de clase, parámetro de función o valor de retorno, usado por
convención como un type hint.
Las anotaciones de variables no pueden ser accedidas en tiempo de ejecución, pero las anotaciones de variables
globales, atributos de clase, y funciones son almacenadas en el atributo especial __annotations__ de módulos,
clases y funciones, respectivamente.
Consulte variable annotation, function annotation, PEP 484 y PEP 526, que describen esta funcionalidad. Consulte
también annotations-howto para conocer las mejores prácticas sobre cómo trabajar con anotaciones.
argumento Un valor pasado a una function (o method) cuando se llama a la función. Hay dos clases de argumentos:

127
Python Tutorial, Versión 3.11.3

• argumento nombrado: es un argumento precedido por un identificador (por ejemplo, nombre=) en una llama-
da a una función o pasado como valor en un diccionario precedido por **. Por ejemplo 3 y 5 son argumentos
nombrados en las llamadas a complex():

complex(real=3, imag=5)
complex(**{'real': 3, 'imag': 5})

• argumento posicional son aquellos que no son nombrados. Los argumentos posicionales deben aparecer al
principio de una lista de argumentos o ser pasados como elementos de un iterable precedido por *. Por
ejemplo, 3 y 5 son argumentos posicionales en las siguientes llamadas:

complex(3, 5)
complex(*(3, 5))

Los argumentos son asignados a las variables locales en el cuerpo de la función. Vea en la sección calls las reglas
que rigen estas asignaciones. Sintácticamente, cualquier expresión puede ser usada para representar un argumento;
el valor evaluado es asignado a la variable local.
Vea también el parameter en el glosario, la pregunta frecuente la diferencia entre argumentos y parámetros, y PEP
362.
administrador asincrónico de contexto Un objeto que controla el entorno visible en un sentencia async with al
definir los métodos __aenter__() __aexit__(). Introducido por PEP 492.
generador asincrónico Una función que retorna un asynchronous generator iterator. Es similar a una función corrutina
definida con async def excepto que contiene expresiones yield para producir series de variables usadas en
un ciclo async for.
Usualmente se refiere a una función generadora asincrónica, pero puede referirse a un iterador generador asincrónico
en ciertos contextos. En aquellos casos en los que el significado no está claro, usar los términos completos evita la
ambigüedad.
Una función generadora asincrónica puede contener expresiones await así como sentencias async for, y
async with.
iterador generador asincrónico Un objeto creado por una función asynchronous generator.
Este es un asynchronous iterator el cual cuando es llamado usa el método __anext__() retornando un objeto a
la espera (awaitable) el cual ejecutará el cuerpo de la función generadora asincrónica hasta la siguiente expresión
yield.
Cada yield suspende temporalmente el procesamiento, recordando el estado local de ejecución (incluyendo a las
variables locales y las sentencias try pendientes). Cuando el iterador del generador asincrónico vuelve efectivamente
con otro objeto a la espera (awaitable) retornado por el método __anext__(), retoma donde lo dejó. Vea PEP
492 y PEP 525.
iterable asincrónico Un objeto, que puede ser usado en una sentencia async for. Debe retornar un asynchronous
iterator de su método __aiter__(). Introducido por PEP 492.
iterador asincrónico Un objeto que implementa los métodos __aiter__() y __anext__(). __anext__ debe
retornar un objeto awaitable. async for resuelve los esperables retornados por un método de iterador asincrónico
__anext__() hasta que lanza una excepción StopAsyncIteration. Introducido por PEP 492.
atributo A value associated with an object which is usually referenced by name using dotted expressions. For example,
if an object o has an attribute a it would be referenced as o.a.
It is possible to give an object an attribute whose name is not an identifier as defined by identifiers, for example
using setattr(), if the object allows it. Such an attribute will not be accessible using a dotted expression, and
would instead need to be retrieved with getattr().

128 Apéndice A. Glosario

 Python Tutorial, Versión 3.11.3

a la espera Es un objeto a la espera (awaitable) que puede ser usado en una expresión await. Puede ser una coroutine
o un objeto con un método __await__(). Vea también PEP 492.
BDFL Sigla de Benevolent Dictator For Life, benevolente dictador vitalicio, es decir Guido van Rossum, el creador de
Python.
archivo binario Un file object capaz de leer y escribir objetos tipo binarios. Ejemplos de archivos binarios son los abiertos
en modo binario ('rb', 'wb' o 'rb+'), sys.stdin.buffer, sys.stdout.buffer, e instancias de
io.BytesIO y de gzip.GzipFile.
Vea también text file para un objeto archivo capaz de leer y escribir objetos str.
referencia prestada En la API C de Python, una referencia prestada es una referencia a un objeto. No modifica el
recuento de referencias de objetos. Se convierte en un puntero colgante si se destruye el objeto. Por ejemplo, una
recolección de basura puede eliminar el último strong reference del objeto y así destruirlo.
Se recomienda llamar a Py_INCREF() en la referencia prestada para convertirla en una referencia fuerte in
situ, excepto cuando el objeto no se puede destruir antes del último uso de la referencia prestada. La función
Py_NewRef() se puede utilizar para crear una nueva referencia fuerte.
objetos tipo binarios Un objeto que soporta bufferobjects y puede exportar un búfer C-contiguous. Esto incluye todas
los objetos bytes, bytearray, y array.array, así como muchos objetos comunes memoryview. Los
objetos tipo binarios pueden ser usados para varias operaciones que usan datos binarios; éstas incluyen compresión,
salvar a archivos binarios, y enviarlos a través de un socket.
Algunas operaciones necesitan que los datos binarios sean mutables. La documentación frecuentemente se refie-
re a éstos como «objetos tipo binario de lectura y escritura». Ejemplos de objetos de búfer mutables incluyen a
bytearray y memoryview de la bytearray. Otras operaciones que requieren datos binarios almacenados
en objetos inmutables («objetos tipo binario de sólo lectura»); ejemplos de éstos incluyen bytes y memoryview
del objeto bytes.
bytecode El código fuente Python es compilado en bytecode, la representación interna de un programa python en el
intérprete CPython. El bytecode también es guardado en caché en los archivos .pyc de tal forma que ejecutar el
mismo archivo es más fácil la segunda vez (la recompilación desde el código fuente a bytecode puede ser evitada).
Este «lenguaje intermedio» deberá corren en una virtual machine que ejecute el código de máquina correspondiente
a cada bytecode. Note que los bytecodes no tienen como requisito trabajar en las diversas máquina virtuales de
Python, ni de ser estable entre versiones Python.
Una lista de las instrucciones en bytecode está disponible en la documentación de el módulo dis.
callable A callable is an object that can be called, possibly with a set of arguments (see argument), with the following
syntax:

callable(argument1, argument2, argumentN)

A function, and by extension a method, is a callable. An instance of a class that implements the __call__()
method is also a callable.
retrollamada Una función de subrutina que se pasa como un argumento para ejecutarse en algún momento en el futuro.
clase Una plantilla para crear objetos definidos por el usuario. Las definiciones de clase normalmente contienen defini-
ciones de métodos que operan una instancia de la clase.
variable de clase Una variable definida en una clase y prevista para ser modificada sólo a nivel de clase (es decir, no en
una instancia de la clase).
número complejo Una extensión del sistema familiar de número reales en el cual los números son expresados como la
suma de una parte real y una parte imaginaria. Los números imaginarios son múltiplos de la unidad imaginaria (la
raíz cuadrada de -1), usualmente escrita como i en matemáticas o j en ingeniería. Python tiene soporte incor-
porado para números complejos, los cuales son escritos con la notación mencionada al final.; la parte imaginaria
es escrita con un sufijo j, por ejemplo, 3+1j. Para tener acceso a los equivalentes complejos del módulo math

129
Python Tutorial, Versión 3.11.3

module, use cmath. El uso de números complejos es matemática bastante avanzada. Si no le parecen necesarios,
puede ignorarlos sin inconvenientes.
administrador de contextos Un objeto que controla el entorno en la sentencia with definiendo los métodos
__enter__() y __exit__(). Vea PEP 343.
variable de contexto Una variable que puede tener diferentes valores dependiendo del contexto. Esto es similar a un
almacenamiento de hilo local Thread-Local Storage en el cual cada hilo de ejecución puede tener valores diferentes
para una variable. Sin embargo, con las variables de contexto, podría haber varios contextos en un hilo de ejecución
y el uso principal de las variables de contexto es mantener registro de las variables en tareas concurrentes asíncronas.
Vea contextvars.
contiguo Un búfer es considerado contiguo con precisión si es C-contiguo o Fortran contiguo. Los búferes cero dimen-
sionales con C y Fortran contiguos. En los arreglos unidimensionales, los ítems deben ser dispuestos en memoria
uno siguiente al otro, ordenados por índices que comienzan en cero. En arreglos unidimensionales C-contiguos, el
último índice varía más velozmente en el orden de las direcciones de memoria. Sin embargo, en arreglos Fortran
contiguos, el primer índice vería más rápidamente.
corrutina Las corrutinas son una forma más generalizadas de las subrutinas. A las subrutinas se ingresa por un punto y
se sale por otro punto. Las corrutinas pueden se iniciadas, finalizadas y reanudadas en muchos puntos diferentes.
Pueden ser implementadas con la sentencia async def. Vea además PEP 492.
función corrutina Un función que retorna un objeto coroutine . Una función corrutina puede ser definida con la sentencia
async def, y puede contener las palabras claves await, async for, y async with. Las mismas son
introducidas en PEP 492.
CPython La implementación canónica del lenguaje de programación Python, como se distribuye en python.org. El tér-
mino «CPython» es usado cuando es necesario distinguir esta implementación de otras como Jython o IronPython.
decorador Una función que retorna otra función, usualmente aplicada como una función de transformación empleando
la sintaxis @envoltorio. Ejemplos comunes de decoradores son classmethod() y staticmethod().
La sintaxis del decorador es meramente azúcar sintáctico, las definiciones de las siguientes dos funciones son se-
mánticamente equivalentes:

def f(arg):
...
f = staticmethod(f)

@staticmethod
def f(arg):
...

El mismo concepto existe para clases, pero son menos usadas. Vea la documentación de function definitions y class
definitions para mayor detalle sobre decoradores.
descriptor Cualquier objeto que define los métodos __get__(), __set__(), o __delete__(). Cuando un atri-
buto de clase es un descriptor, su conducta enlazada especial es disparada durante la búsqueda del atributo. Nor-
malmente, usando a.b para consultar, establecer o borrar un atributo busca el objeto llamado b en el diccionario de
clase de a, pero si b es un descriptor, el respectivo método descriptor es llamado. Entender descriptores es clave
para lograr una comprensión profunda de Python porque son la base de muchas de las capacidades incluyendo
funciones, métodos, propiedades, métodos de clase, métodos estáticos, y referencia a súper clases.
Para obtener más información sobre los métodos de los descriptores, consulte descriptors o Guía práctica de uso
de los descriptores.
diccionario Un arreglo asociativo, con claves arbitrarias que son asociadas a valores. Las claves pueden ser cualquier
objeto con los métodos __hash__() y __eq__() . Son llamadas hash en Perl.

130 Apéndice A. Glosario

 Python Tutorial, Versión 3.11.3

comprensión de diccionarios Una forma compacta de procesar todos o parte de los elementos en un iterable y retornar
un diccionario con los resultados. results = {n: n ** 2 for n in range(10)} genera un diccio-
nario que contiene la clave n asignada al valor n ** 2. Ver comprehensions.
vista de diccionario Los objetos retornados por los métodos dict.keys(), dict.values(), y dict.items()
son llamados vistas de diccionarios. Proveen una vista dinámica de las entradas de un diccionario, lo que significa
que cuando el diccionario cambia, la vista refleja éstos cambios. Para forzar a la vista de diccionario a convertirse
en una lista completa, use list(dictview). Vea dict-views.
docstring Una cadena de caracteres literal que aparece como la primera expresión en una clase, función o módulo.
Aunque es ignorada cuando se ejecuta, es reconocida por el compilador y puesta en el atributo __doc__ de la
clase, función o módulo comprendida. Como está disponible mediante introspección, es el lugar canónico para
ubicar la documentación del objeto.
tipado de pato Un estilo de programación que no revisa el tipo del objeto para determinar si tiene la interfaz correcta; en
vez de ello, el método o atributo es simplemente llamado o usado («Si se ve como un pato y grazna como un pato,
debe ser un pato»). Enfatizando las interfaces en vez de hacerlo con los tipos específicos, un código bien diseñado
pues tener mayor flexibilidad permitiendo la sustitución polimórfica. El tipado de pato duck-typing evita usar pruebas
llamando a type() o isinstance(). (Nota: si embargo, el tipado de pato puede ser complementado con
abstract base classes. En su lugar, generalmente pregunta con hasattr() o EAFP.
EAFP Del inglés Easier to ask for forgiveness than permission, es más fácil pedir perdón que pedir permiso. Este estilo
de codificación común en Python asume la existencia de claves o atributos válidos y atrapa las excepciones si esta
suposición resulta falsa. Este estilo rápido y limpio está caracterizado por muchas sentencias try y except. Esta
técnica contrasta con estilo LBYL usual en otros lenguajes como C.
expresión Una construcción sintáctica que puede ser evaluada, hasta dar un valor. En otras palabras, una expresión es una
acumulación de elementos de expresión tales como literales, nombres, accesos a atributos, operadores o llamadas
a funciones, todos ellos retornando valor. A diferencia de otros lenguajes, no toda la sintaxis del lenguaje son
expresiones. También hay statements que no pueden ser usadas como expresiones, como la while. Las asignaciones
también son sentencias, no expresiones.
módulo de extensión Un módulo escrito en C o C++, usando la API para C de Python para interactuar con el núcleo y
el código del usuario.
f-string Son llamadas f-strings las cadenas literales que usan el prefijo 'f' o 'F', que es una abreviatura para formatted
string literals. Vea también PEP 498.
objeto archivo Un objeto que expone una API orientada a archivos (con métodos como read() o write()) al objeto
subyacente. Dependiendo de la forma en la que fue creado, un objeto archivo, puede mediar el acceso a un archivo
real en el disco u otro tipo de dispositivo de almacenamiento o de comunicación (por ejemplo, entrada/salida
estándar, búfer de memoria, sockets, pipes, etc.). Los objetos archivo son también denominados objetos tipo archivo
o flujos.
Existen tres categorías de objetos archivo: crudos raw archivos binarios, con búfer archivos binarios y archivos de
texto. Sus interfaces son definidas en el módulo io. La forma canónica de crear objetos archivo es usando la función
open().
objetos tipo archivo Un sinónimo de file object.
codificación del sistema de archivos y manejador de errores Controlador de errores y codificación utilizado por Pyt-
hon para decodificar bytes del sistema operativo y codificar Unicode en el sistema operativo.
La codificación del sistema de archivos debe garantizar la decodificación exitosa de todos los bytes por debajo de
128. Si la codificación del sistema de archivos no proporciona esta garantía, las funciones de API pueden lanzar
UnicodeError.
Las funciones sys.getfilesystemencoding() y sys.getfilesystemencodeerrors() se pue-
den utilizar para obtener la codificación del sistema de archivos y el controlador de errores.

131
Python Tutorial, Versión 3.11.3

La codificación del sistema de archivos y el manejador de errores se configuran al inicio de Python mediante la
función PyConfig_Read(): consulte los miembros filesystem_encoding y filesystem_errors
de PyConfig.
See also the locale encoding.
buscador Un objeto que trata de encontrar el loader para el módulo que está siendo importado.
Desde la versión 3.3 de Python, existen dos tipos de buscadores: meta buscadores de ruta para usar con sys.
meta_path, y buscadores de entradas de rutas para usar con sys.path_hooks.
Vea PEP 302, PEP 420 y PEP 451 para mayores detalles.
división entera Una división matemática que se redondea hacia el entero menor más cercano. El operador de la división
entera es //. Por ejemplo, la expresión 11 // 4 evalúa 2 a diferencia del 2.75 retornado por la verdadera
división de números flotantes. Note que (-11) // 4 es -3 porque es -2.75 redondeado para abajo. Ver PEP
238.
función Una serie de sentencias que retornan un valor al que las llama. También se le puede pasar cero o más argumentos
los cuales pueden ser usados en la ejecución de la misma. Vea también parameter, method, y la sección function.
anotación de función Una annotation del parámetro de una función o un valor de retorno.
Las anotaciones de funciones son usadas frecuentemente para indicadores de tipo, por ejemplo, se espera que una
función tome dos argumentos de clase int y también se espera que retorne dos valores int:

def sum_two_numbers(a: int, b: int) -> int:

return a + b

La sintaxis de las anotaciones de funciones son explicadas en la sección function.

Consulte variable annotation y PEP 484, que describen esta funcionalidad. Consulte también annotations-howto
para conocer las mejores prácticas sobre cómo trabajar con anotaciones.
__future__ Un future statement, from __future__ import <feature>, indica al compilador que compile el
módulo actual utilizando una sintaxis o semántica que se convertirá en estándar en una versión futura de Python. El
módulo __future__ documenta los posibles valores de feature. Al importar este módulo y evaluar sus variables,
puede ver cuándo se agregó por primera vez una nueva característica al lenguaje y cuándo se convertirá (o se
convirtió) en la predeterminada:

>>> import __future__

>>> __future__.division
_Feature((2, 2, 0, 'alpha', 2), (3, 0, 0, 'alpha', 0), 8192)

recolección de basura El proceso de liberar la memoria de lo que ya no está en uso. Python realiza recolección de basura
(garbage collection) llevando la cuenta de las referencias, y el recogedor de basura cíclico es capaz de detectar y
romper las referencias cíclicas. El recogedor de basura puede ser controlado mediante el módulo gc .
generador Una función que retorna un generator iterator. Luce como una función normal excepto que contiene la ex-
presión yield para producir series de valores utilizables en un bucle for o que pueden ser obtenidas una por una
con la función next().
Usualmente se refiere a una función generadora, pero puede referirse a un iterador generador en ciertos contextos.
En aquellos casos en los que el significado no está claro, usar los términos completos evita la ambigüedad.
iterador generador Un objeto creado por una función generator.
Cada yield suspende temporalmente el procesamiento, recordando el estado de ejecución local (incluyendo las
variables locales y las sentencias try pendientes). Cuando el «iterador generado» vuelve, retoma donde ha dejado,
a diferencia de lo que ocurre con las funciones que comienzan nuevamente con cada invocación.

132 Apéndice A. Glosario

 Python Tutorial, Versión 3.11.3

expresión generadora Una expresión que retorna un iterador. Luce como una expresión normal seguida por la cláusula
for definiendo así una variable de bucle, un rango y una cláusula opcional if. La expresión combinada genera
valores para la función contenedora:

>>> sum(i*i for i in range(10)) # sum of squares 0, 1, 4, ... 81

285

función genérica Una función compuesta de muchas funciones que implementan la misma operación para diferentes
tipos. Qué implementación deberá ser usada durante la llamada a la misma es determinado por el algoritmo de
despacho.
Vea también la entrada de glosario single dispatch, el decorador functools.singledispatch(), y PEP
443.
tipos genéricos A type that can be parameterized; typically a container class such as list or dict. Used for type hints
and annotations.
For more details, see generic alias types, PEP 483, PEP 484, PEP 585, and the typing module.
GIL Vea global interpreter lock.
bloqueo global del intérprete Mecanismo empleado por el intérprete CPython para asegurar que sólo un hilo ejecute
el bytecode Python por vez. Esto simplifica la implementación de CPython haciendo que el modelo de objetos
(incluyendo algunos críticos como dict) están implícitamente a salvo de acceso concurrente. Bloqueando el in-
térprete completo se simplifica hacerlo multi-hilos, a costa de mucho del paralelismo ofrecido por las máquinas
con múltiples procesadores.
However, some extension modules, either standard or third-party, are designed so as to release the GIL when doing
computationally intensive tasks such as compression or hashing. Also, the GIL is always released when doing I/O.
Esfuerzos previos hechos para crear un intérprete «sin hilos» (uno que bloquee los datos compartidos con una
granularidad mucho más fina) no han sido exitosos debido a que el rendimiento sufrió para el caso más común
de un solo procesador. Se cree que superar este problema de rendimiento haría la implementación mucho más
compleja y por tanto, más costosa de mantener.
hash-based pyc Un archivo cache de bytecode que usa el hash en vez de usar el tiempo de la última modificación del
archivo fuente correspondiente para determinar su validez. Vea pyc-invalidation.
hashable Un objeto es hashable si tiene un valor de hash que nunca cambiará durante su tiempo de vida (necesita un
método __hash__() ), y puede ser comparado con otro objeto (necesita el método __eq__() ). Los objetos
hashables que se comparan iguales deben tener el mismo número hash.
Ser hashable hace a un objeto utilizable como clave de un diccionario y miembro de un set, porque éstas estructuras
de datos usan los valores de hash internamente.
La mayoría de los objetos inmutables incorporados en Python son hashables; los contenedores mutables (como las
listas o los diccionarios) no lo son; los contenedores inmutables (como tuplas y conjuntos frozensets) son hashables
si sus elementos son hashables . Los objetos que son instancias de clases definidas por el usuario son hashables
por defecto. Todos se comparan como desiguales (excepto consigo mismos), y su valor de hash está derivado de su
función id().
IDLE An Integrated Development and Learning Environment for Python. idle is a basic editor and interpreter environ-
ment which ships with the standard distribution of Python.
inmutable Un objeto con un valor fijo. Los objetos inmutables son números, cadenas y tuplas. Éstos objetos no pueden
ser alterados. Un nuevo objeto debe ser creado si un valor diferente ha de ser guardado. Juegan un rol importante
en lugares donde es necesario un valor de hash constante, por ejemplo como claves de un diccionario.
ruta de importación Una lista de las ubicaciones (o entradas de ruta) que son revisadas por path based finder al impor-
tar módulos. Durante la importación, ésta lista de localizaciones usualmente viene de sys.path, pero para los
subpaquetes también puede incluir al atributo __path__ del paquete padre.

133
Python Tutorial, Versión 3.11.3

importar El proceso mediante el cual el código Python dentro de un módulo se hace alcanzable desde otro código Python
en otro módulo.
importador Un objeto que buscan y lee un módulo; un objeto que es tanto finder como loader.
interactivo Python tiene un intérprete interactivo, lo que significa que puede ingresar sentencias y expresiones en el
prompt del intérprete, ejecutarlos de inmediato y ver sus resultados. Sólo ejecute python sin argumentos (podría
seleccionarlo desde el menú principal de su computadora). Es una forma muy potente de probar nuevas ideas o
inspeccionar módulos y paquetes (recuerde help(x)).
interpretado Python es un lenguaje interpretado, a diferencia de uno compilado, a pesar de que la distinción puede ser
difusa debido al compilador a bytecode. Esto significa que los archivos fuente pueden ser corridos directamente, sin
crear explícitamente un ejecutable que es corrido luego. Los lenguajes interpretados típicamente tienen ciclos de
desarrollo y depuración más cortos que los compilados, sin embargo sus programas suelen correr más lentamente.
Vea también interactive.
apagado del intérprete Cuando se le solicita apagarse, el intérprete Python ingresa a un fase especial en la cual gra-
dualmente libera todos los recursos reservados, como módulos y varias estructuras internas críticas. También hace
varias llamadas al recolector de basura. Esto puede disparar la ejecución de código de destructores definidos por
el usuario o weakref callbacks. El código ejecutado durante la fase de apagado puede encontrar varias excepciones
debido a que los recursos que necesita pueden no funcionar más (ejemplos comunes son los módulos de bibliotecas
o los artefactos de advertencias warnings machinery)
La principal razón para el apagado del intérpreter es que el módulo __main__ o el script que estaba corriendo
termine su ejecución.
iterable An object capable of returning its members one at a time. Examples of iterables include all sequence types (such
as list, str, and tuple) and some non-sequence types like dict, file objects, and objects of any classes you
define with an __iter__() method or with a __getitem__() method that implements sequence semantics.
Los iterables pueden ser usados en el bucle for y en muchos otros sitios donde una secuencia es necesaria (zip(),
map(), …). Cuando un objeto iterable es pasado como argumento a la función incorporada iter(), retorna un
iterador para el objeto. Este iterador pasa así el conjunto de valores. Cuando se usan iterables, normalmente no es
necesario llamar a la función iter() o tratar con los objetos iteradores usted mismo. La sentencia for lo hace
automáticamente por usted, creando un variable temporal sin nombre para mantener el iterador mientras dura el
bucle. Vea también iterator, sequence, y generator.
iterador Un objeto que representa un flujo de datos. Llamadas repetidas al método __next__() del iterador (o al
pasar la función incorporada next()) retorna ítems sucesivos del flujo. Cuando no hay más datos disponibles, una
excepción StopIteration es disparada. En este momento, el objeto iterador está exhausto y cualquier llamada
posterior al método __next__() sólo dispara otra vez StopIteration. Los iteradores necesitan tener un
método __iter__() que retorna el objeto iterador mismo así cada iterador es también un iterable y puede ser
usado en casi todos los lugares donde los iterables son aceptados. Una excepción importante es el código que intenta
múltiples pases de iteración. Un objeto contenedor (como la list) produce un nuevo iterador cada vez que pasa
a una función iter() o se usa en un bucle for. Intentar ésto con un iterador simplemente retornaría el mismo
objeto iterador exhausto usado en previas iteraciones, haciéndolo aparecer como un contenedor vacío.
Puede encontrar más información en typeiter.
Detalles de implementación de CPython: CPython does not consistently apply the requirement that an iterator
define __iter__().
función clave Una función clave o una función de colación es un invocable que retorna un valor usado para el ordena-
miento o clasificación. Por ejemplo, locale.strxfrm() es usada para producir claves de ordenamiento que
se adaptan a las convenciones específicas de ordenamiento de un locale.
Cierta cantidad de herramientas de Python aceptan funciones clave para controlar como los elementos son orde-
nados o agrupados. Incluyendo a min(), max(), sorted(), list.sort(), heapq.merge(), heapq.
nsmallest(), heapq.nlargest(), y itertools.groupby().

134 Apéndice A. Glosario

 Python Tutorial, Versión 3.11.3

There are several ways to create a key function. For example. the str.lower() method can serve as a key
function for case insensitive sorts. Alternatively, a key function can be built from a lambda expression such
as lambda r: (r[0], r[2]). Also, operator.attrgetter(), operator.itemgetter(), and
operator.methodcaller() are three key function constructors. See the Sorting HOW TO for examples of
how to create and use key functions.
argumento nombrado Vea argument.
lambda Una función anónima de una línea consistente en un sola expression que es evaluada cuando la función es llamada.
La sintaxis para crear una función lambda es lambda [parameters]: expression
LBYL Del inglés Look before you leap, «mira antes de saltar». Es un estilo de codificación que prueba explícitamente
las condiciones previas antes de hacer llamadas o búsquedas. Este estilo contrasta con la manera EAFP y está
caracterizado por la presencia de muchas sentencias if.
En entornos multi-hilos, el método LBYL tiene el riesgo de introducir condiciones de carrera entre los hilos
que están «mirando» y los que están «saltando». Por ejemplo, el código, if key in mapping: return
mapping[key] puede fallar si otro hilo remueve key de mapping después del test, pero antes de retornar el
valor. Este problema puede ser resuelto usando bloqueos o empleando el método EAFP.
codificación de la configuración regional On Unix, it is the encoding of the LC_CTYPE locale. It can be set with
locale.setlocale(locale.LC_CTYPE, new_locale).
On Windows, it is the ANSI code page (ex: "cp1252").
On Android and VxWorks, Python uses "utf-8" as the locale encoding.
locale.getencoding() can be used to get the locale encoding.
See also the filesystem encoding and error handler.
lista Es una sequence Python incorporada. A pesar de su nombre es más similar a un arreglo en otros lenguajes que a una
lista enlazada porque el acceso a los elementos es O(1).
comprensión de listas Una forma compacta de procesar todos o parte de los elementos en una secuencia y retornar
una lista como resultado. result = ['{:#04x}'.format(x) for x in range(256) if x % 2
== 0] genera una lista de cadenas conteniendo números hexadecimales (0x..) entre 0 y 255. La cláusula if es
opcional. Si es omitida, todos los elementos en range(256) son procesados.
cargador Un objeto que carga un módulo. Debe definir el método llamado load_module(). Un cargador es nor-
malmente retornados por un finder. Vea PEP 302 para detalles y importlib.abc.Loader para una abstract
base class.
método mágico Una manera informal de llamar a un special method.
mapeado A container object that supports arbitrary key lookups and implements the methods specified in
the collections.abc.Mapping or collections.abc.MutableMapping abstract base clas-
ses. Examples include dict, collections.defaultdict, collections.OrderedDict and
collections.Counter.
meta buscadores de ruta Un finder retornado por una búsqueda de sys.meta_path. Los meta buscadores de ruta
están relacionados a buscadores de entradas de rutas, pero son algo diferente.
Vea en importlib.abc.MetaPathFinder los métodos que los meta buscadores de ruta implementan.
metaclase La clase de una clase. Las definiciones de clases crean nombres de clase, un diccionario de clase, y una lista
de clases base. Las metaclases son responsables de tomar estos tres argumentos y crear la clase. La mayoría de los
objetos de un lenguaje de programación orientado a objetos provienen de una implementación por defecto. Lo que
hace a Python especial que es posible crear metaclases a medida. La mayoría de los usuario nunca necesitarán esta
herramienta, pero cuando la necesidad surge, las metaclases pueden brindar soluciones poderosas y elegantes. Han
sido usadas para loggear acceso de atributos, agregar seguridad a hilos, rastrear la creación de objetos, implementar
singletons, y muchas otras tareas.

135
Python Tutorial, Versión 3.11.3

Más información hallará en metaclasses.

método Una función que es definida dentro del cuerpo de una clase. Si es llamada como un atributo de una instancia de
otra clase, el método tomará el objeto instanciado como su primer argument (el cual es usualmente denominado
self). Vea function y nested scope.
orden de resolución de métodos Orden de resolución de métodos es el orden en el cual una clase base es buscada por
un miembro durante la búsqueda. Mire en The Python 2.3 Method Resolution Order los detalles del algoritmo
usado por el intérprete Python desde la versión 2.3.
módulo Un objeto que sirve como unidad de organización del código Python. Los módulos tienen espacios de nombres
conteniendo objetos Python arbitrarios. Los módulos son cargados en Python por el proceso de importing.
Vea también package.
especificador de módulo Un espacio de nombres que contiene la información relacionada a la importación usada al leer
un módulo. Una instancia de importlib.machinery.ModuleSpec.
MRO Vea method resolution order.
mutable Los objetos mutables pueden cambiar su valor pero mantener su id(). Vea también immutable.
tupla nombrada La denominación «tupla nombrada» se aplica a cualquier tipo o clase que hereda de una tupla y cuyos
elementos indexables son también accesibles usando atributos nombrados. Este tipo o clase puede tener además
otras capacidades.
Varios tipos incorporados son tuplas nombradas, incluyendo los valores retornados por time.localtime() y
os.stat(). Otro ejemplo es sys.float_info:

>>> sys.float_info[1] # indexed access

1024
>>> sys.float_info.max_exp # named field access
1024
>>> isinstance(sys.float_info, tuple) # kind of tuple
True

Algunas tuplas nombradas con tipos incorporados (como en los ejemplo precedentes). También puede ser creada
con una definición regular de clase que hereda de la clase tuple y que define campos nombrados. Una clase
como esta puede ser hechas personalizadamente o puede ser creada con la función factoría collections.
namedtuple(). Esta última técnica automáticamente brinda métodos adicionales que pueden no estar presentes
en las tuplas nombradas personalizadas o incorporadas.
espacio de nombres El lugar donde la variable es almacenada. Los espacios de nombres son implementados como dic-
cionarios. Hay espacio de nombre local, global, e incorporado así como espacios de nombres anidados en objetos
(en métodos). Los espacios de nombres soportan modularidad previniendo conflictos de nombramiento. Por ejem-
plo, las funciones builtins.open y os.open() se distinguen por su espacio de nombres. Los espacios de
nombres también ayuda a la legibilidad y mantenibilidad dejando claro qué módulo implementa una función. Por
ejemplo, escribiendo random.seed() o itertools.islice() queda claro que éstas funciones están im-
plementadas en los módulos random y itertools, respectivamente.
paquete de espacios de nombres Un PEP 420 package que sirve sólo para contener subpaquetes. Los paquetes de es-
pacios de nombres pueden no tener representación física, y específicamente se diferencian de los regular package
porque no tienen un archivo __init__.py.
Vea también module.
alcances anidados La habilidad de referirse a una variable dentro de una definición encerrada. Por ejemplo, una función
definida dentro de otra función puede referir a variables en la función externa. Note que los alcances anidados por
defecto sólo funcionan para referencia y no para asignación. Las variables locales leen y escriben sólo en el alcance
más interno. De manera semejante, las variables globales pueden leer y escribir en el espacio de nombres global.
Con nonlocal se puede escribir en alcances exteriores.

136 Apéndice A. Glosario

 Python Tutorial, Versión 3.11.3

clase de nuevo estilo Vieja denominación usada para el estilo de clases ahora empleado en todos los objetos de clase. En
versiones más tempranas de Python, sólo las nuevas clases podían usar capacidades nuevas y versátiles de Python
como __slots__, descriptores, propiedades, __getattribute__(), métodos de clase y métodos estáticos.
objeto Cualquier dato con estado (atributo o valor) y comportamiento definido (métodos). También es la más básica
clase base para cualquier new-style class.
paquete A Python module which can contain submodules or recursively, subpackages. Technically, a package is a Python
module with a __path__ attribute.
Vea también regular package y namespace package.
parámetro Una entidad nombrada en una definición de una function (o método) que especifica un argument (o en algunos
casos, varios argumentos) que la función puede aceptar. Existen cinco tipos de argumentos:
• posicional o nombrado: especifica un argumento que puede ser pasado tanto como posicional o como nom-
brado. Este es el tipo por defecto de parámetro, como foo y bar en el siguiente ejemplo:

def func(foo, bar=None): ...

• sólo posicional: especifica un argumento que puede ser pasado sólo por posición. Los parámetros sólo po-
sicionales pueden ser definidos incluyendo un carácter / en la lista de parámetros de la función después de
ellos, como posonly1 y posonly2 en el ejemplo que sigue:

def func(posonly1, posonly2, /, positional_or_keyword): ...

• sólo nombrado: especifica un argumento que sólo puede ser pasado por nombre. Los parámetros sólo por
nombre pueden ser definidos incluyendo un parámetro posicional de una sola variable o un simple *` antes
de ellos en la lista de parámetros en la definición de la función, como kw_only1 y kw_only2 en el ejemplo
siguiente:

def func(arg, *, kw_only1, kw_only2): ...

• variable posicional: especifica una secuencia arbitraria de argumentos posicionales que pueden ser brindados
(además de cualquier argumento posicional aceptado por otros parámetros). Este parámetro puede ser definido
anteponiendo al nombre del parámetro *, como a args en el siguiente ejemplo:

def func(*args, **kwargs): ...

• variable nombrado: especifica que arbitrariamente muchos argumentos nombrados pueden ser brindados
(además de cualquier argumento nombrado ya aceptado por cualquier otro parámetro). Este parámetro pue-
de ser definido anteponiendo al nombre del parámetro con **, como kwargs en el ejemplo precedente.
Los parámetros puede especificar tanto argumentos opcionales como requeridos, así como valores por defecto para
algunos argumentos opcionales.
Vea también el glosario de argument, la pregunta respondida en la diferencia entre argumentos y parámetros, la
clase inspect.Parameter, la sección function , y PEP 362.
entrada de ruta Una ubicación única en el import path que el path based finder consulta para encontrar los módulos a
importar.
buscador de entradas de ruta Un finder retornado por un invocable en sys.path_hooks (esto es, un path entry
hook) que sabe cómo localizar módulos dada una path entry.
Vea en importlib.abc.PathEntryFinder los métodos que los buscadores de entradas de ruta implemen-
tan.
gancho a entrada de ruta Un invocable en la lista sys.path_hook que retorna un path entry finder si éste sabe
cómo encontrar módulos en un path entry específico.

137
Python Tutorial, Versión 3.11.3

buscador basado en ruta Uno de los meta buscadores de ruta por defecto que busca un import path para los módulos.
objeto tipo ruta Un objeto que representa una ruta del sistema de archivos. Un objeto tipo ruta puede ser tanto una str
como un bytes representando una ruta, o un objeto que implementa el protocolo os.PathLike. Un objeto que
soporta el protocolo os.PathLike puede ser convertido a ruta del sistema de archivo de clase str o bytes
usando la función os.fspath(); os.fsdecode() os.fsencode() pueden emplearse para garantizar
que retorne respectivamente str o bytes. Introducido por PEP 519.
PEP Propuesta de mejora de Python, del inglés Python Enhancement Proposal. Un PEP es un documento de diseño que
brinda información a la comunidad Python, o describe una nueva capacidad para Python, sus procesos o entorno.
Los PEPs deberían dar una especificación técnica concisa y una fundamentación para las capacidades propuestas.
Los PEPs tienen como propósito ser los mecanismos primarios para proponer nuevas y mayores capacidad, para
recoger la opinión de la comunidad sobre un tema, y para documentar las decisiones de diseño que se han hecho
en Python. El autor del PEP es el responsable de lograr consenso con la comunidad y documentar las opiniones
disidentes.
Vea PEP 1.
porción Un conjunto de archivos en un único directorio (posiblemente guardo en un archivo comprimido zip) que con-
tribuye a un espacio de nombres de paquete, como está definido en PEP 420.
argumento posicional Vea argument.
API provisional Una API provisoria es aquella que deliberadamente fue excluida de las garantías de compatibilidad
hacia atrás de la biblioteca estándar. Aunque no se esperan cambios fundamentales en dichas interfaces, como están
marcadas como provisionales, los cambios incompatibles hacia atrás (incluso remover la misma interfaz) podrían
ocurrir si los desarrolladores principales lo estiman. Estos cambios no se hacen gratuitamente – solo ocurrirán si
fallas fundamentales y serias son descubiertas que no fueron vistas antes de la inclusión de la API.
Incluso para APIs provisorias, los cambios incompatibles hacia atrás son vistos como una «solución de último
recurso» - se intentará todo para encontrar una solución compatible hacia atrás para los problemas identificados.
Este proceso permite que la biblioteca estándar continúe evolucionando con el tiempo, sin bloquearse por errores
de diseño problemáticos por períodos extensos de tiempo. Vea PEP 411 para más detalles.
paquete provisorio Vea provisional API.
Python 3000 Apodo para la fecha de lanzamiento de Python 3.x (acuñada en un tiempo cuando llegar a la versión 3 era
algo distante en el futuro.) También se lo abrevió como Py3k.
Pythónico Una idea o pieza de código que sigue ajustadamente la convenciones idiomáticas comunes del lenguaje Python,
en vez de implementar código usando conceptos comunes a otros lenguajes. Por ejemplo, una convención común
en Python es hacer bucles sobre todos los elementos de un iterable con la sentencia for. Muchos otros lenguajes
no tienen este tipo de construcción, así que los que no están familiarizados con Python podrían usar contadores
numéricos:

for i in range(len(food)):
print(food[i])

En contraste, un método Pythónico más limpio:

for piece in food:

print(piece)

nombre calificado Un nombre con puntos mostrando la ruta desde el alcance global del módulo a la clase, función o
método definido en dicho módulo, como se define en PEP 3155. Para las funciones o clases de más alto nivel, el
nombre calificado es el igual al nombre del objeto:

138 Apéndice A. Glosario

 Python Tutorial, Versión 3.11.3

>>> class C:
... class D:
... def meth(self):
... pass
...
>>> C.__qualname__
'C'
>>> C.D.__qualname__
'C.D'
>>> C.D.meth.__qualname__
'C.D.meth'

Cuando es usado para referirse a los módulos, nombre completamente calificado significa la ruta con puntos completo
al módulo, incluyendo cualquier paquete padre, por ejemplo, email.mime.text:

>>> import email.mime.text

>>> email.mime.text.__name__
'email.mime.text'

contador de referencias The number of references to an object. When the reference count of an object drops to zero,
it is deallocated. Reference counting is generally not visible to Python code, but it is a key element of the CPython
implementation. Programmers can call the sys.getrefcount() function to return the reference count for a
particular object.
paquete regular Un package tradicional, como aquellos con un directorio conteniendo el archivo __init__.py.
Vea también namespace package.
__slots__ Es una declaración dentro de una clase que ahorra memoria predeclarando espacio para las atributos de la
instancia y eliminando diccionarios de la instancia. Aunque es popular, esta técnica es algo dificultosa de lograr
correctamente y es mejor reservarla para los casos raros en los que existen grandes cantidades de instancias en
aplicaciones con uso crítico de memoria.
secuencia Un iterable que logra un acceso eficiente a los elementos usando índices enteros a través del método es-
pecial __getitem__() y que define un método __len__() que retorna la longitud de la secuencia. Al-
gunas de las secuencias incorporadas son list, str, tuple, y bytes. Observe que dict también soporta
__getitem__() y __len__(), pero es considerada un mapeo más que una secuencia porque las búsquedas
son por claves arbitraria immutable y no por enteros.
La clase abstracta base collections.abc.Sequence define una interfaz mucho más rica que va más
allá de sólo __getitem__() y __len__(), agregando count(), index(), __contains__(), y
__reversed__(). Los tipos que implementan esta interfaz expandida pueden ser registrados explícitamen-
te usando register().
comprensión de conjuntos Una forma compacta de procesar todos o parte de los elementos en un iterable y retornar
un conjunto con los resultados. results = {c for c in 'abracadabra' if c not in 'abc'}
genera el conjunto de cadenas {'r', 'd'}. Ver comprehensions.
despacho único Una forma de despacho de una generic function donde la implementación es elegida a partir del tipo de
un sólo argumento.
rebanada Un objeto que contiene una porción de una sequence. Una rebanada es creada usando la notación de suscrip-
to, [] con dos puntos entre los números cuando se ponen varios, como en nombre_variable[1:3:5]. La
notación con corchete (suscrito) usa internamente objetos slice.
método especial Un método que es llamado implícitamente por Python cuando ejecuta ciertas operaciones en un tipo,
como la adición. Estos métodos tienen nombres que comienzan y terminan con doble barra baja. Los métodos
especiales están documentados en specialnames.

139
Python Tutorial, Versión 3.11.3

sentencia Una sentencia es parte de un conjunto (un «bloque» de código). Una sentencia tanto es una expression como
alguna de las varias sintaxis usando una palabra clave, como if, while o for.
referencia fuerte En la API C de Python, una referencia fuerte es una referencia a un objeto que incrementa el recuento
de referencias del objeto cuando se crea y disminuye el recuento de referencias del objeto cuando se elimina.
La función Py_NewRef() se puede utilizar para crear una referencia fuerte a un objeto. Por lo general, se debe
llamar a la función Py_DECREF() en la referencia fuerte antes de salir del alcance de la referencia fuerte, para
evitar filtrar una referencia.
Consulte también borrowed reference.
codificación de texto A string in Python is a sequence of Unicode code points (in range U+0000–U+10FFFF). To
store or transfer a string, it needs to be serialized as a sequence of bytes.
Serializing a string into a sequence of bytes is known as «encoding», and recreating the string from the sequence
of bytes is known as «decoding».
There are a variety of different text serialization codecs, which are collectively referred to as «text encodings».
archivo de texto Un file object capaz de leer y escribir objetos str. Frecuentemente, un archivo de texto también accede
a un flujo de datos binario y maneja automáticamente el text encoding. Ejemplos de archivos de texto que son abiertos
en modo texto ('r' o 'w'), sys.stdin, sys.stdout, y las instancias de io.StringIO.
Vea también binary file por objeto de archivos capaces de leer y escribir objeto tipo binario.
cadena con triple comilla Una cadena que está enmarcada por tres instancias de comillas (») o apostrofes (“). Aunque
no brindan ninguna funcionalidad que no está disponible usando cadenas con comillas simple, son útiles por varias
razones. Permiten incluir comillas simples o dobles sin escapar dentro de las cadenas y pueden abarcar múltiples
líneas sin el uso de caracteres de continuación, haciéndolas particularmente útiles para escribir docstrings.
tipo El tipo de un objeto Python determina qué tipo de objeto es; cada objeto tiene un tipo. El tipo de un objeto puede
ser accedido por su atributo __class__ o puede ser conseguido usando type(obj).
alias de tipos Un sinónimo para un tipo, creado al asignar un tipo a un identificador.
Los alias de tipos son útiles para simplificar los indicadores de tipo. Por ejemplo:

def remove_gray_shades(
colors: list[tuple[int, int, int]]) -> list[tuple[int, int, int]]:
pass

podría ser más legible así:

Color = tuple[int, int, int]

def remove_gray_shades(colors: list[Color]) -> list[Color]:

pass

Vea typing y PEP 484, que describen esta funcionalidad.

indicador de tipo Una annotation que especifica el tipo esperado para una variable, un atributo de clase, un parámetro
para una función o un valor de retorno.
Los indicadores de tipo son opcionales y no son obligados por Python pero son útiles para las herramientas de
análisis de tipos estático, y ayuda a las IDE en el completado del código y la refactorización.
Los indicadores de tipo de las variables globales, atributos de clase, y funciones, no de variables locales, pueden ser
accedidos usando typing.get_type_hints().
Vea typing y PEP 484, que describen esta funcionalidad.

140 Apéndice A. Glosario

 Python Tutorial, Versión 3.11.3

saltos de líneas universales Una manera de interpretar flujos de texto en la cual son reconocidos como finales de línea
todas siguientes formas: la convención de Unix para fin de línea '\n', la convención de Windows '\r\n', y
la vieja convención de Macintosh '\r'. Vea PEP 278 y PEP 3116, además de bytes.splitlines() para
usos adicionales.
anotación de variable Una annotation de una variable o un atributo de clase.
Cuando se anota una variable o un atributo de clase, la asignación es opcional:

class C:
field: 'annotation'

Las anotaciones de variables son frecuentemente usadas para type hints: por ejemplo, se espera que esta variable
tenga valores de clase int:

count: int = 0

La sintaxis de la anotación de variables está explicada en la sección annassign.

Consulte function annotation, PEP 484 y PEP 526, que describen esta funcionalidad. Consulte también
annotations-howto para conocer las mejores prácticas sobre cómo trabajar con anotaciones.
entorno virtual Un entorno cooperativamente aislado de ejecución que permite a los usuarios de Python y a las apli-
caciones instalar y actualizar paquetes de distribución de Python sin interferir con el comportamiento de otras
aplicaciones de Python en el mismo sistema.
Vea también venv.
máquina virtual Una computadora definida enteramente por software. La máquina virtual de Python ejecuta el bytecode
generado por el compilador de bytecode.
Zen de Python Un listado de los principios de diseño y la filosofía de Python que son útiles para entender y usar el
lenguaje. El listado puede encontrarse ingresando «import this» en la consola interactiva.

141
Python Tutorial, Versión 3.11.3

142 Apéndice A. Glosario

 APÉNDICE B

Acerca de estos documentos

Estos documentos son generados por reStructuredText desarrollado por Sphinx, un procesador de documentos específi-
camente escrito para la documentación de Python.
El desarrollo de la documentación y su cadena de herramientas es un esfuerzo enteramente voluntario, al igual que Python.
Si tu quieres contribuir, por favor revisa la página reporting-bugs para más información de cómo hacerlo. Los nuevos
voluntarios son siempre bienvenidos!
Agradecemos a:
• Fred L. Drake, Jr., el creador original de la documentación del conjunto de herramientas de Python y escritor de
gran parte del contenido;
• the Docutils project for creating reStructuredText and the Docutils suite;
• Fredrik Lundh for his Alternative Python Reference project from which Sphinx got many good ideas.

B.1 Contribuidores de la documentación de Python

Muchas personas han contribuido para el lenguaje de Python, la librería estándar de Python, y la documentación de
Python. Revisa Misc/ACKS la distribución de Python para una lista parcial de contribuidores.
Es solamente con la aportación y contribuciones de la comunidad de Python que Python tiene tan fantástica documentación
– Muchas gracias!

143
Python Tutorial, Versión 3.11.3

144 Apéndice B. Acerca de estos documentos

 APÉNDICE C

Historia y Licencia

C.1 Historia del software

Python fue creado a principios de la década de 1990 por Guido van Rossum en Stichting Mathematisch Centrum (CWI,
ver https://www.cwi.nl/) en los Países Bajos como sucesor de un idioma llamado ABC. Guido sigue siendo el autor
principal de Python, aunque incluye muchas contribuciones de otros.
En 1995, Guido continuó su trabajo en Python en la Corporation for National Research Initiatives (CNRI, consulte https:
//www.cnri.reston.va.us/) en Reston, Virginia, donde lanzó varias versiones del software.
En mayo de 2000, Guido y el equipo de desarrollo central de Python se trasladaron a BeOpen.com para formar el equipo
de BeOpen PythonLabs. En octubre del mismo año, el equipo de PythonLabs se trasladó a Digital Creations (ahora Zope
Corporation; consulte https://www.zope.org/). En 2001, se formó la Python Software Foundation (PSF, consulte https:
//www.python.org/psf/), una organización sin fines de lucro creada específicamente para poseer la propiedad intelectual
relacionada con Python. Zope Corporation es miembro patrocinador del PSF.
Todas las versiones de Python son de código abierto (consulte https://opensource.org/ para conocer la definición de código
abierto). Históricamente, la mayoría de las versiones de Python, pero no todas, también han sido compatibles con GPL;
la siguiente tabla resume las distintas versiones.

Lanzamiento Derivado de Año Dueño/a ¿compatible con GPL?

0.9.0 hasta 1.2 n/a 1991-1995 CWI sí
1.3 hasta 1.5.2 1.2 1995-1999 CNRI sí
1.6 1.5.2 2000 CNRI no
2.0 1.6 2000 BeOpen.com no
1.6.1 1.6 2001 CNRI no
2.1 2.0+1.6.1 2001 PSF no
2.0.1 2.0+1.6.1 2001 PSF sí
2.1.1 2.1+2.0.1 2001 PSF sí
2.1.2 2.1.1 2002 PSF sí
2.1.3 2.1.2 2002 PSF sí
2.2 y superior 2.1.1 2001-ahora PSF sí

145
Python Tutorial, Versión 3.11.3

Nota: Compatible con GPL no significa que estemos distribuyendo Python bajo la GPL. Todas las licencias de Python,
a diferencia de la GPL, le permiten distribuir una versión modificada sin que los cambios sean de código abierto. Las
licencias compatibles con GPL permiten combinar Python con otro software que se publica bajo la GPL; los otros no lo
hacen.

Gracias a los muchos voluntarios externos que han trabajado bajo la dirección de Guido para hacer posibles estos lanza-
mientos.

C.2 Términos y condiciones para acceder o usar Python

El software y la documentación de Python están sujetos a Acuerdo de licencia de PSF.

A partir de Python 3.8.6, los ejemplos, recetas y otros códigos de la documentación tienen licencia doble según el Acuerdo
de licencia de PSF y la Licencia BSD de cláusula cero.
Parte del software incorporado en Python está bajo diferentes licencias. Las licencias se enumeran con el código corres-
pondiente a esa licencia. Consulte Licencias y reconocimientos para software incorporado para obtener una lista incompleta
de estas licencias.

C.2.1 ACUERDO DE LICENCIA DE PSF PARA PYTHON | lanzamiento |

1. This LICENSE AGREEMENT is between the Python Software Foundation ("PSF"),␣

,→and

the Individual or Organization ("Licensee") accessing and otherwise using␣

,→Python

3.11.3 software in source or binary form and its associated documentation.

2. Subject to the terms and conditions of this License Agreement, PSF hereby
grants Licensee a nonexclusive, royalty-free, world-wide license to␣
,→reproduce,

analyze, test, perform and/or display publicly, prepare derivative works,

distribute, and otherwise use Python 3.11.3 alone or in any derivative
version, provided, however, that PSF's License Agreement and PSF's notice␣
,→of

copyright, i.e., "Copyright © 2001-2023 Python Software Foundation; All␣

,→Rights

Reserved" are retained in Python 3.11.3 alone or in any derivative version

prepared by Licensee.

3. In the event Licensee prepares a derivative work that is based on or

incorporates Python 3.11.3 or any part thereof, and wants to make the
derivative work available to others as provided herein, then Licensee␣
,→hereby

agrees to include in any such work a brief summary of the changes made to␣
,→Python

3.11.3.

4. PSF is making Python 3.11.3 available to Licensee on an "AS IS" basis.

PSF MAKES NO REPRESENTATIONS OR WARRANTIES, EXPRESS OR IMPLIED. BY WAY OF
EXAMPLE, BUT NOT LIMITATION, PSF MAKES NO AND DISCLAIMS ANY REPRESENTATION␣
,→OR

146 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.11.3

WARRANTY OF MERCHANTABILITY OR FITNESS FOR ANY PARTICULAR PURPOSE OR THAT␣

,→THE
USE OF PYTHON 3.11.3 WILL NOT INFRINGE ANY THIRD PARTY RIGHTS.

5. PSF SHALL NOT BE LIABLE TO LICENSEE OR ANY OTHER USERS OF PYTHON 3.11.3
FOR ANY INCIDENTAL, SPECIAL, OR CONSEQUENTIAL DAMAGES OR LOSS AS A RESULT␣
,→OF

MODIFYING, DISTRIBUTING, OR OTHERWISE USING PYTHON 3.11.3, OR ANY␣

,→DERIVATIVE

THEREOF, EVEN IF ADVISED OF THE POSSIBILITY THEREOF.

6. This License Agreement will automatically terminate upon a material breach␣

,→of

its terms and conditions.

7. Nothing in this License Agreement shall be deemed to create any␣

,→relationship

of agency, partnership, or joint venture between PSF and Licensee. This␣

,→License

Agreement does not grant permission to use PSF trademarks or trade name in␣
,→a

trademark sense to endorse or promote products or services of Licensee, or␣

,→any

third party.

8. By copying, installing or otherwise using Python 3.11.3, Licensee agrees

to be bound by the terms and conditions of this License Agreement.

C.2.2 ACUERDO DE LICENCIA DE BEOPEN.COM PARA PYTHON 2.0

ACUERDO DE LICENCIA DE CÓDIGO ABIERTO DE BEOPEN PYTHON VERSIÓN 1

1. This LICENSE AGREEMENT is between BeOpen.com ("BeOpen"), having an office at

160 Saratoga Avenue, Santa Clara, CA 95051, and the Individual or Organization
("Licensee") accessing and otherwise using this software in source or binary
form and its associated documentation ("the Software").

2. Subject to the terms and conditions of this BeOpen Python License Agreement,
BeOpen hereby grants Licensee a non-exclusive, royalty-free, world-wide license
to reproduce, analyze, test, perform and/or display publicly, prepare derivative
works, distribute, and otherwise use the Software alone or in any derivative
version, provided, however, that the BeOpen Python License is retained in the
Software, alone or in any derivative version prepared by Licensee.

3. BeOpen is making the Software available to Licensee on an "AS IS" basis.

BEOPEN MAKES NO REPRESENTATIONS OR WARRANTIES, EXPRESS OR IMPLIED. BY WAY OF
EXAMPLE, BUT NOT LIMITATION, BEOPEN MAKES NO AND DISCLAIMS ANY REPRESENTATION OR
WARRANTY OF MERCHANTABILITY OR FITNESS FOR ANY PARTICULAR PURPOSE OR THAT THE
USE OF THE SOFTWARE WILL NOT INFRINGE ANY THIRD PARTY RIGHTS.

4. BEOPEN SHALL NOT BE LIABLE TO LICENSEE OR ANY OTHER USERS OF THE SOFTWARE FOR
ANY INCIDENTAL, SPECIAL, OR CONSEQUENTIAL DAMAGES OR LOSS AS A RESULT OF USING,
MODIFYING OR DISTRIBUTING THE SOFTWARE, OR ANY DERIVATIVE THEREOF, EVEN IF
ADVISED OF THE POSSIBILITY THEREOF.
(continué en la próxima página)

C.2. Términos y condiciones para acceder o usar Python 147

Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

5. This License Agreement will automatically terminate upon a material breach of

its terms and conditions.

6. This License Agreement shall be governed by and interpreted in all respects

by the law of the State of California, excluding conflict of law provisions.
Nothing in this License Agreement shall be deemed to create any relationship of
agency, partnership, or joint venture between BeOpen and Licensee. This License
Agreement does not grant permission to use BeOpen trademarks or trade names in a
trademark sense to endorse or promote products or services of Licensee, or any
third party. As an exception, the "BeOpen Python" logos available at
http://www.pythonlabs.com/logos.html may be used according to the permissions
granted on that web page.

7. By copying, installing or otherwise using the software, Licensee agrees to be

bound by the terms and conditions of this License Agreement.

C.2.3 ACUERDO DE LICENCIA CNRI PARA PYTHON 1.6.1

1. This LICENSE AGREEMENT is between the Corporation for National Research

Initiatives, having an office at 1895 Preston White Drive, Reston, VA 20191
("CNRI"), and the Individual or Organization ("Licensee") accessing and
otherwise using Python 1.6.1 software in source or binary form and its
associated documentation.

2. Subject to the terms and conditions of this License Agreement, CNRI hereby
grants Licensee a nonexclusive, royalty-free, world-wide license to reproduce,
analyze, test, perform and/or display publicly, prepare derivative works,
distribute, and otherwise use Python 1.6.1 alone or in any derivative version,
provided, however, that CNRI's License Agreement and CNRI's notice of copyright,
i.e., "Copyright © 1995-2001 Corporation for National Research Initiatives; All
Rights Reserved" are retained in Python 1.6.1 alone or in any derivative version
prepared by Licensee. Alternately, in lieu of CNRI's License Agreement,
Licensee may substitute the following text (omitting the quotes): "Python 1.6.1
is made available subject to the terms and conditions in CNRI's License
Agreement. This Agreement together with Python 1.6.1 may be located on the
internet using the following unique, persistent identifier (known as a handle):
1895.22/1013. This Agreement may also be obtained from a proxy server on the
internet using the following URL: http://hdl.handle.net/1895.22/1013."

3. In the event Licensee prepares a derivative work that is based on or

incorporates Python 1.6.1 or any part thereof, and wants to make the derivative
work available to others as provided herein, then Licensee hereby agrees to
include in any such work a brief summary of the changes made to Python 1.6.1.

4. CNRI is making Python 1.6.1 available to Licensee on an "AS IS" basis. CNRI
MAKES NO REPRESENTATIONS OR WARRANTIES, EXPRESS OR IMPLIED. BY WAY OF EXAMPLE,
BUT NOT LIMITATION, CNRI MAKES NO AND DISCLAIMS ANY REPRESENTATION OR WARRANTY
OF MERCHANTABILITY OR FITNESS FOR ANY PARTICULAR PURPOSE OR THAT THE USE OF
PYTHON 1.6.1 WILL NOT INFRINGE ANY THIRD PARTY RIGHTS.

5. CNRI SHALL NOT BE LIABLE TO LICENSEE OR ANY OTHER USERS OF PYTHON 1.6.1 FOR
ANY INCIDENTAL, SPECIAL, OR CONSEQUENTIAL DAMAGES OR LOSS AS A RESULT OF
MODIFYING, DISTRIBUTING, OR OTHERWISE USING PYTHON 1.6.1, OR ANY DERIVATIVE
(continué en la próxima página)

148 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

THEREOF, EVEN IF ADVISED OF THE POSSIBILITY THEREOF.

6. This License Agreement will automatically terminate upon a material breach of

its terms and conditions.

7. This License Agreement shall be governed by the federal intellectual property

law of the United States, including without limitation the federal copyright
law, and, to the extent such U.S. federal law does not apply, by the law of the
Commonwealth of Virginia, excluding Virginia's conflict of law provisions.
Notwithstanding the foregoing, with regard to derivative works based on Python
1.6.1 that incorporate non-separable material that was previously distributed
under the GNU General Public License (GPL), the law of the Commonwealth of
Virginia shall govern this License Agreement only as to issues arising under or
with respect to Paragraphs 4, 5, and 7 of this License Agreement. Nothing in
this License Agreement shall be deemed to create any relationship of agency,
partnership, or joint venture between CNRI and Licensee. This License Agreement
does not grant permission to use CNRI trademarks or trade name in a trademark
sense to endorse or promote products or services of Licensee, or any third
party.

8. By clicking on the "ACCEPT" button where indicated, or by copying, installing

or otherwise using Python 1.6.1, Licensee agrees to be bound by the terms and
conditions of this License Agreement.

C.2.4 ACUERDO DE LICENCIA CWI PARA PYTHON 0.9.0 HASTA 1.2

Copyright © 1991 - 1995, Stichting Mathematisch Centrum Amsterdam, The

Netherlands. All rights reserved.

Permission to use, copy, modify, and distribute this software and its
documentation for any purpose and without fee is hereby granted, provided that
the above copyright notice appear in all copies and that both that copyright
notice and this permission notice appear in supporting documentation, and that
the name of Stichting Mathematisch Centrum or CWI not be used in advertising or
publicity pertaining to distribution of the software without specific, written
prior permission.

STICHTING MATHEMATISCH CENTRUM DISCLAIMS ALL WARRANTIES WITH REGARD TO THIS

SOFTWARE, INCLUDING ALL IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS, IN NO
EVENT SHALL STICHTING MATHEMATISCH CENTRUM BE LIABLE FOR ANY SPECIAL, INDIRECT
OR CONSEQUENTIAL DAMAGES OR ANY DAMAGES WHATSOEVER RESULTING FROM LOSS OF USE,
DATA OR PROFITS, WHETHER IN AN ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS
ACTION, ARISING OUT OF OR IN CONNECTION WITH THE USE OR PERFORMANCE OF THIS
SOFTWARE.

C.2. Términos y condiciones para acceder o usar Python 149

Python Tutorial, Versión 3.11.3

C.2.5 LICENCIA BSD DE CLÁUSULA CERO PARA CÓDIGO EN EL PYTHON | lanza-

miento | DOCUMENTACIÓN

Permission to use, copy, modify, and/or distribute this software for any
purpose with or without fee is hereby granted.

THE SOFTWARE IS PROVIDED "AS IS" AND THE AUTHOR DISCLAIMS ALL WARRANTIES WITH
REGARD TO THIS SOFTWARE INCLUDING ALL IMPLIED WARRANTIES OF MERCHANTABILITY
AND FITNESS. IN NO EVENT SHALL THE AUTHOR BE LIABLE FOR ANY SPECIAL, DIRECT,
INDIRECT, OR CONSEQUENTIAL DAMAGES OR ANY DAMAGES WHATSOEVER RESULTING FROM
LOSS OF USE, DATA OR PROFITS, WHETHER IN AN ACTION OF CONTRACT, NEGLIGENCE OR
OTHER TORTIOUS ACTION, ARISING OUT OF OR IN CONNECTION WITH THE USE OR
PERFORMANCE OF THIS SOFTWARE.

C.3 Licencias y reconocimientos para software incorporado

Esta sección es una lista incompleta, pero creciente, de licencias y reconocimientos para software de terceros incorporado
en la distribución de Python.

C.3.1 Mersenne Twister

El módulo _random incluye código basado en una descarga de http://www.math.sci.hiroshima-u.ac.jp/~m-mat/MT/

MT2002/emt19937ar.html. Los siguientes son los comentarios textuales del código original:
A C-program for MT19937, with initialization improved 2002/1/26.
Coded by Takuji Nishimura and Makoto Matsumoto.

Before using, initialize the state by using init_genrand(seed)

or init_by_array(init_key, key_length).

Copyright (C) 1997 - 2002, Makoto Matsumoto and Takuji Nishimura,

All rights reserved.

Redistribution and use in source and binary forms, with or without

modification, are permitted provided that the following conditions
are met:

1. Redistributions of source code must retain the above copyright

notice, this list of conditions and the following disclaimer.

2. Redistributions in binary form must reproduce the above copyright

notice, this list of conditions and the following disclaimer in the
documentation and/or other materials provided with the distribution.

3. The names of its contributors may not be used to endorse or promote

products derived from this software without specific prior written
permission.

THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS

"AS IS" AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT
LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR
A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT OWNER OR
CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL,
(continué en la próxima página)

150 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO,
PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR
PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF
LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING
NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF THIS
SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.

Any feedback is very welcome.

http://www.math.sci.hiroshima-u.ac.jp/~m-mat/MT/emt.html
email: m-mat @ math.sci.hiroshima-u.ac.jp (remove space)

C.3.2 Sockets

The socket module uses the functions, getaddrinfo(), and getnameinfo(), which are coded in separate
source files from the WIDE Project, https://www.wide.ad.jp/.

Copyright (C) 1995, 1996, 1997, and 1998 WIDE Project.

All rights reserved.

Redistribution and use in source and binary forms, with or without

modification, are permitted provided that the following conditions
are met:
1. Redistributions of source code must retain the above copyright
notice, this list of conditions and the following disclaimer.
2. Redistributions in binary form must reproduce the above copyright
notice, this list of conditions and the following disclaimer in the
documentation and/or other materials provided with the distribution.
3. Neither the name of the project nor the names of its contributors
may be used to endorse or promote products derived from this software
without specific prior written permission.

THIS SOFTWARE IS PROVIDED BY THE PROJECT AND CONTRIBUTORS ``AS IS'' AND
ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE
ARE DISCLAIMED. IN NO EVENT SHALL THE PROJECT OR CONTRIBUTORS BE LIABLE
FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL
DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS
OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION)
HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT
LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY
OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF
SUCH DAMAGE.

C.3. Licencias y reconocimientos para software incorporado 151

Python Tutorial, Versión 3.11.3

C.3.3 Servicios de socket asincrónicos

Los módulos asynchat y asyncore contienen el siguiente aviso:

Copyright 1996 by Sam Rushing

All Rights Reserved

Permission to use, copy, modify, and distribute this software and

its documentation for any purpose and without fee is hereby
granted, provided that the above copyright notice appear in all
copies and that both that copyright notice and this permission
notice appear in supporting documentation, and that the name of Sam
Rushing not be used in advertising or publicity pertaining to
distribution of the software without specific, written prior
permission.

SAM RUSHING DISCLAIMS ALL WARRANTIES WITH REGARD TO THIS SOFTWARE,

INCLUDING ALL IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS, IN
NO EVENT SHALL SAM RUSHING BE LIABLE FOR ANY SPECIAL, INDIRECT OR
CONSEQUENTIAL DAMAGES OR ANY DAMAGES WHATSOEVER RESULTING FROM LOSS
OF USE, DATA OR PROFITS, WHETHER IN AN ACTION OF CONTRACT,
NEGLIGENCE OR OTHER TORTIOUS ACTION, ARISING OUT OF OR IN
CONNECTION WITH THE USE OR PERFORMANCE OF THIS SOFTWARE.

C.3.4 Gestión de cookies

El módulo http.cookies contiene el siguiente aviso:

Copyright 2000 by Timothy O'Malley <[email protected]>

All Rights Reserved

Permission to use, copy, modify, and distribute this software

and its documentation for any purpose and without fee is hereby
granted, provided that the above copyright notice appear in all
copies and that both that copyright notice and this permission
notice appear in supporting documentation, and that the name of
Timothy O'Malley not be used in advertising or publicity
pertaining to distribution of the software without specific, written
prior permission.

Timothy O'Malley DISCLAIMS ALL WARRANTIES WITH REGARD TO THIS

SOFTWARE, INCLUDING ALL IMPLIED WARRANTIES OF MERCHANTABILITY
AND FITNESS, IN NO EVENT SHALL Timothy O'Malley BE LIABLE FOR
ANY SPECIAL, INDIRECT OR CONSEQUENTIAL DAMAGES OR ANY DAMAGES
WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS,
WHETHER IN AN ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS
ACTION, ARISING OUT OF OR IN CONNECTION WITH THE USE OR
PERFORMANCE OF THIS SOFTWARE.

152 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.11.3

C.3.5 Seguimiento de ejecución

El módulo trace contiene el siguiente aviso:

portions copyright 2001, Autonomous Zones Industries, Inc., all rights...

err... reserved and offered to the public under the terms of the
Python 2.2 license.
Author: Zooko O'Whielacronx
http://zooko.com/
mailto:[email protected]

Copyright 2000, Mojam Media, Inc., all rights reserved.

Author: Skip Montanaro

Copyright 1999, Bioreason, Inc., all rights reserved.

Author: Andrew Dalke

Copyright 1995-1997, Automatrix, Inc., all rights reserved.

Author: Skip Montanaro

Copyright 1991-1995, Stichting Mathematisch Centrum, all rights reserved.

Permission to use, copy, modify, and distribute this Python software and
its associated documentation for any purpose without fee is hereby
granted, provided that the above copyright notice appears in all copies,
and that both that copyright notice and this permission notice appear in
supporting documentation, and that the name of neither Automatrix,
Bioreason or Mojam Media be used in advertising or publicity pertaining to
distribution of the software without specific, written prior permission.

C.3.6 funciones UUencode y UUdecode

El módulo uu contiene el siguiente aviso:

Copyright 1994 by Lance Ellinghouse

Cathedral City, California Republic, United States of America.
All Rights Reserved
Permission to use, copy, modify, and distribute this software and its
documentation for any purpose and without fee is hereby granted,
provided that the above copyright notice appear in all copies and that
both that copyright notice and this permission notice appear in
supporting documentation, and that the name of Lance Ellinghouse
not be used in advertising or publicity pertaining to distribution
of the software without specific, written prior permission.
LANCE ELLINGHOUSE DISCLAIMS ALL WARRANTIES WITH REGARD TO
THIS SOFTWARE, INCLUDING ALL IMPLIED WARRANTIES OF MERCHANTABILITY AND
FITNESS, IN NO EVENT SHALL LANCE ELLINGHOUSE CENTRUM BE LIABLE
FOR ANY SPECIAL, INDIRECT OR CONSEQUENTIAL DAMAGES OR ANY DAMAGES
WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS, WHETHER IN AN
ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS ACTION, ARISING OUT
OF OR IN CONNECTION WITH THE USE OR PERFORMANCE OF THIS SOFTWARE.

Modified by Jack Jansen, CWI, July 1995:

- Use binascii module to do the actual line-by-line conversion
between ascii and binary. This results in a 1000-fold speedup. The C
(continué en la próxima página)

C.3. Licencias y reconocimientos para software incorporado 153

Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

version is still 5 times faster, though.
- Arguments more compliant with Python standard

C.3.7 Llamadas a procedimientos remotos XML

El módulo xmlrpc.client contiene el siguiente aviso:

The XML-RPC client interface is

Copyright (c) 1999-2002 by Secret Labs AB

Copyright (c) 1999-2002 by Fredrik Lundh

By obtaining, using, and/or copying this software and/or its

associated documentation, you agree that you have read, understood,
and will comply with the following terms and conditions:

Permission to use, copy, modify, and distribute this software and

its associated documentation for any purpose and without fee is
hereby granted, provided that the above copyright notice appears in
all copies, and that both that copyright notice and this permission
notice appear in supporting documentation, and that the name of
Secret Labs AB or the author not be used in advertising or publicity
pertaining to distribution of the software without specific, written
prior permission.

SECRET LABS AB AND THE AUTHOR DISCLAIMS ALL WARRANTIES WITH REGARD
TO THIS SOFTWARE, INCLUDING ALL IMPLIED WARRANTIES OF MERCHANT-
ABILITY AND FITNESS. IN NO EVENT SHALL SECRET LABS AB OR THE AUTHOR
BE LIABLE FOR ANY SPECIAL, INDIRECT OR CONSEQUENTIAL DAMAGES OR ANY
DAMAGES WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS,
WHETHER IN AN ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS
ACTION, ARISING OUT OF OR IN CONNECTION WITH THE USE OR PERFORMANCE
OF THIS SOFTWARE.

C.3.8 test_epoll

El módulo test_epoll contiene el siguiente aviso:

Copyright (c) 2001-2006 Twisted Matrix Laboratories.

Permission is hereby granted, free of charge, to any person obtaining

a copy of this software and associated documentation files (the
"Software"), to deal in the Software without restriction, including
without limitation the rights to use, copy, modify, merge, publish,
distribute, sublicense, and/or sell copies of the Software, and to
permit persons to whom the Software is furnished to do so, subject to
the following conditions:

The above copyright notice and this permission notice shall be

included in all copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND,

EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF
(continué en la próxima página)

154 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND
NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE
LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION
OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION
WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.

C.3.9 Seleccionar kqueue

El módulo select contiene el siguiente aviso para la interfaz kqueue:

Copyright (c) 2000 Doug White, 2006 James Knight, 2007 Christian Heimes
All rights reserved.

Redistribution and use in source and binary forms, with or without

modification, are permitted provided that the following conditions
are met:
1. Redistributions of source code must retain the above copyright
notice, this list of conditions and the following disclaimer.
2. Redistributions in binary form must reproduce the above copyright
notice, this list of conditions and the following disclaimer in the
documentation and/or other materials provided with the distribution.

THIS SOFTWARE IS PROVIDED BY THE AUTHOR AND CONTRIBUTORS ``AS IS'' AND
ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE
ARE DISCLAIMED. IN NO EVENT SHALL THE AUTHOR OR CONTRIBUTORS BE LIABLE
FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL
DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS
OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION)
HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT
LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY
OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF
SUCH DAMAGE.

C.3.10 SipHash24

El archivo Python/pyhash.c contiene la implementación de Marek Majkowski del algoritmo SipHash24 de Dan
Bernstein. Contiene la siguiente nota:

<MIT License>
Copyright (c) 2013 Marek Majkowski <[email protected]>

Permission is hereby granted, free of charge, to any person obtaining a copy

of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in
all copies or substantial portions of the Software.
</MIT License>

(continué en la próxima página)

C.3. Licencias y reconocimientos para software incorporado 155

Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

Original location:
https://github.com/majek/csiphash/

Solution inspired by code from:

Samuel Neves (supercop/crypto_auth/siphash24/little)
djb (supercop/crypto_auth/siphash24/little2)
Jean-Philippe Aumasson (https://131002.net/siphash/siphash24.c)

C.3.11 strtod y dtoa

The file Python/dtoa.c, which supplies C functions dtoa and strtod for conversion of C doubles to and from strings,
is derived from the file of the same name by David M. Gay, currently available from https://web.archive.org/web/
20220517033456/http://www.netlib.org/fp/dtoa.c. The original file, as retrieved on March 16, 2009, contains the fo-
llowing copyright and licensing notice:
/****************************************************************
*
* The author of this software is David M. Gay.
*
* Copyright (c) 1991, 2000, 2001 by Lucent Technologies.
*
* Permission to use, copy, modify, and distribute this software for any
* purpose without fee is hereby granted, provided that this entire notice
* is included in all copies of any software which is or includes a copy
* or modification of this software and in all copies of the supporting
* documentation for such software.
*
* THIS SOFTWARE IS BEING PROVIDED "AS IS", WITHOUT ANY EXPRESS OR IMPLIED
* WARRANTY. IN PARTICULAR, NEITHER THE AUTHOR NOR LUCENT MAKES ANY
* REPRESENTATION OR WARRANTY OF ANY KIND CONCERNING THE MERCHANTABILITY
* OF THIS SOFTWARE OR ITS FITNESS FOR ANY PARTICULAR PURPOSE.
*
***************************************************************/

C.3.12 OpenSSL

Los módulos hashlib, posix, ssl, crypt utilizan la biblioteca OpenSSL para un rendimiento adicional si el sistema
operativo la pone a disposición. Además, los instaladores de Windows y macOS para Python pueden incluir una copia de
las bibliotecas de OpenSSL, por lo que incluimos una copia de la licencia de OpenSSL aquí:
LICENSE ISSUES
==============

The OpenSSL toolkit stays under a dual license, i.e. both the conditions of
the OpenSSL License and the original SSLeay license apply to the toolkit.
See below for the actual license texts. Actually both licenses are BSD-style
Open Source licenses. In case of any license issues related to OpenSSL
please contact [email protected].

OpenSSL License
---------------

/* ====================================================================
(continué en la próxima página)

156 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

* Copyright (c) 1998-2008 The OpenSSL Project. All rights reserved.
*
* Redistribution and use in source and binary forms, with or without
* modification, are permitted provided that the following conditions
* are met:
*
* 1. Redistributions of source code must retain the above copyright
* notice, this list of conditions and the following disclaimer.
*
* 2. Redistributions in binary form must reproduce the above copyright
* notice, this list of conditions and the following disclaimer in
* the documentation and/or other materials provided with the
* distribution.
*
* 3. All advertising materials mentioning features or use of this
* software must display the following acknowledgment:
* "This product includes software developed by the OpenSSL Project
* for use in the OpenSSL Toolkit. (http://www.openssl.org/)"
*
* 4. The names "OpenSSL Toolkit" and "OpenSSL Project" must not be used to
* endorse or promote products derived from this software without
* prior written permission. For written permission, please contact
* [email protected].
*
* 5. Products derived from this software may not be called "OpenSSL"
* nor may "OpenSSL" appear in their names without prior written
* permission of the OpenSSL Project.
*
* 6. Redistributions of any form whatsoever must retain the following
* acknowledgment:
* "This product includes software developed by the OpenSSL Project
* for use in the OpenSSL Toolkit (http://www.openssl.org/)"
*
* THIS SOFTWARE IS PROVIDED BY THE OpenSSL PROJECT ``AS IS'' AND ANY
* EXPRESSED OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
* IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR
* PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL THE OpenSSL PROJECT OR
* ITS CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL,
* SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT
* NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES;
* LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION)
* HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT,
* STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE)
* ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED
* OF THE POSSIBILITY OF SUCH DAMAGE.
* ====================================================================
*
* This product includes cryptographic software written by Eric Young
* ([email protected]). This product includes software written by Tim
* Hudson ([email protected]).
*
*/

Original SSLeay License

-----------------------

/* Copyright (C) 1995-1998 Eric Young ([email protected])

(continué en la próxima página)

C.3. Licencias y reconocimientos para software incorporado 157

Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

* All rights reserved.
*
* This package is an SSL implementation written
* by Eric Young ([email protected]).
* The implementation was written so as to conform with Netscapes SSL.
*
* This library is free for commercial and non-commercial use as long as
* the following conditions are aheared to. The following conditions
* apply to all code found in this distribution, be it the RC4, RSA,
* lhash, DES, etc., code; not just the SSL code. The SSL documentation
* included with this distribution is covered by the same copyright terms
* except that the holder is Tim Hudson ([email protected]).
*
* Copyright remains Eric Young's, and as such any Copyright notices in
* the code are not to be removed.
* If this package is used in a product, Eric Young should be given attribution
* as the author of the parts of the library used.
* This can be in the form of a textual message at program startup or
* in documentation (online or textual) provided with the package.
*
* Redistribution and use in source and binary forms, with or without
* modification, are permitted provided that the following conditions
* are met:
* 1. Redistributions of source code must retain the copyright
* notice, this list of conditions and the following disclaimer.
* 2. Redistributions in binary form must reproduce the above copyright
* notice, this list of conditions and the following disclaimer in the
* documentation and/or other materials provided with the distribution.
* 3. All advertising materials mentioning features or use of this software
* must display the following acknowledgement:
* "This product includes cryptographic software written by
* Eric Young ([email protected])"
* The word 'cryptographic' can be left out if the rouines from the library
* being used are not cryptographic related :-).
* 4. If you include any Windows specific code (or a derivative thereof) from
* the apps directory (application code) you must include an acknowledgement:
* "This product includes software written by Tim Hudson ([email protected])"
*
* THIS SOFTWARE IS PROVIDED BY ERIC YOUNG ``AS IS'' AND
* ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
* IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE
* ARE DISCLAIMED. IN NO EVENT SHALL THE AUTHOR OR CONTRIBUTORS BE LIABLE
* FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL
* DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS
* OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION)
* HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT
* LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY
* OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF
* SUCH DAMAGE.
*
* The licence and distribution terms for any publically available version or
* derivative of this code cannot be changed. i.e. this code cannot simply be
* copied and put under another distribution licence
* [including the GNU Public Licence.]
*/

158 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.11.3

C.3.13 expat

La extensión pyexpat se construye usando una copia incluida de las fuentes de expatriados a menos que la construcción
esté configurada --with-system-expat:

Copyright (c) 1998, 1999, 2000 Thai Open Source Software Center Ltd
and Clark Cooper

Permission is hereby granted, free of charge, to any person obtaining

a copy of this software and associated documentation files (the
"Software"), to deal in the Software without restriction, including
without limitation the rights to use, copy, modify, merge, publish,
distribute, sublicense, and/or sell copies of the Software, and to
permit persons to whom the Software is furnished to do so, subject to
the following conditions:

The above copyright notice and this permission notice shall be included
in all copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND,

EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF
MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT.
IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY
CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT,
TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE
SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.

C.3.14 libffi

La extensión _ctypes se construye usando una copia incluida de las fuentes de libffi a menos que la construcción esté
configurada --with-system-libffi:

Copyright (c) 1996-2008 Red Hat, Inc and others.

Permission is hereby granted, free of charge, to any person obtaining

a copy of this software and associated documentation files (the
``Software''), to deal in the Software without restriction, including
without limitation the rights to use, copy, modify, merge, publish,
distribute, sublicense, and/or sell copies of the Software, and to
permit persons to whom the Software is furnished to do so, subject to
the following conditions:

The above copyright notice and this permission notice shall be included
in all copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED ``AS IS'', WITHOUT WARRANTY OF ANY KIND,

EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF
MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND
NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT
HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY,
WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER
DEALINGS IN THE SOFTWARE.

C.3. Licencias y reconocimientos para software incorporado 159

Python Tutorial, Versión 3.11.3

C.3.15 zlib

La extensión zlib se crea utilizando una copia incluida de las fuentes de zlib si la versión de zlib encontrada en el sistema
es demasiado antigua para ser utilizada para la compilación:
Copyright (C) 1995-2011 Jean-loup Gailly and Mark Adler

This software is provided 'as-is', without any express or implied

warranty. In no event will the authors be held liable for any damages
arising from the use of this software.

Permission is granted to anyone to use this software for any purpose,

including commercial applications, and to alter it and redistribute it
freely, subject to the following restrictions:

1. The origin of this software must not be misrepresented; you must not
claim that you wrote the original software. If you use this software
in a product, an acknowledgment in the product documentation would be
appreciated but is not required.

2. Altered source versions must be plainly marked as such, and must not be
misrepresented as being the original software.

3. This notice may not be removed or altered from any source distribution.

Jean-loup Gailly Mark Adler

[email protected] [email protected]

C.3.16 cfuhash

La implementación de la tabla hash utilizada por tracemalloc se basa en el proyecto cfuhash:

Copyright (c) 2005 Don Owens
All rights reserved.

This code is released under the BSD license:

Redistribution and use in source and binary forms, with or without

modification, are permitted provided that the following conditions
are met:

* Redistributions of source code must retain the above copyright

notice, this list of conditions and the following disclaimer.

* Redistributions in binary form must reproduce the above

copyright notice, this list of conditions and the following
disclaimer in the documentation and/or other materials provided
with the distribution.

* Neither the name of the author nor the names of its

contributors may be used to endorse or promote products derived
from this software without specific prior written permission.

THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS

"AS IS" AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT
LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS
(continué en la próxima página)

160 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

FOR A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL THE
COPYRIGHT OWNER OR CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT,
INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES
(INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR
SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION)
HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT,
STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE)
ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED
OF THE POSSIBILITY OF SUCH DAMAGE.

C.3.17 libmpdec

El módulo _decimal se construye usando una copia incluida de la biblioteca libmpdec a menos que la construcción
esté configurada --with-system-libmpdec:
Copyright (c) 2008-2020 Stefan Krah. All rights reserved.

Redistribution and use in source and binary forms, with or without

modification, are permitted provided that the following conditions
are met:

1. Redistributions of source code must retain the above copyright

notice, this list of conditions and the following disclaimer.

2. Redistributions in binary form must reproduce the above copyright

notice, this list of conditions and the following disclaimer in the
documentation and/or other materials provided with the distribution.

THIS SOFTWARE IS PROVIDED BY THE AUTHOR AND CONTRIBUTORS "AS IS" AND
ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE
ARE DISCLAIMED. IN NO EVENT SHALL THE AUTHOR OR CONTRIBUTORS BE LIABLE
FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL
DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS
OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION)
HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT
LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY
OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF
SUCH DAMAGE.

C.3.18 Conjunto de pruebas W3C C14N

El conjunto de pruebas C14N 2.0 en el paquete test (Lib/test/xmltestdata/c14n-20/) se recuperó del sitio
web de W3C en https://www.w3.org/TR/xml-c14n2-testcases/ y se distribuye bajo la licencia BSD de 3 cláusulas:
Copyright (c) 2013 W3C(R) (MIT, ERCIM, Keio, Beihang),
All Rights Reserved.

Redistribution and use in source and binary forms, with or without

modification, are permitted provided that the following conditions
are met:

* Redistributions of works must retain the original copyright notice,

(continué en la próxima página)

C.3. Licencias y reconocimientos para software incorporado 161

Python Tutorial, Versión 3.11.3

(proviene de la página anterior)

this list of conditions and the following disclaimer.
* Redistributions in binary form must reproduce the original copyright
notice, this list of conditions and the following disclaimer in the
documentation and/or other materials provided with the distribution.
* Neither the name of the W3C nor the names of its contributors may be
used to endorse or promote products derived from this work without
specific prior written permission.

THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS

"AS IS" AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT
LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR
A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT
OWNER OR CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL,
SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT
LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE,
DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY
THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT
(INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE
OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.

C.3.19 Audioop

The audioop module uses the code base in g771.c file of the SoX project:

Programming the AdLib/Sound Blaster

FM Music Chips
Version 2.0 (24 Feb 1992)
Copyright (c) 1991, 1992 by Jeffrey S. Lee
[email protected]
Warranty and Copyright Policy
This document is provided on an "as-is" basis, and its author makes
no warranty or representation, express or implied, with respect to
its quality performance or fitness for a particular purpose. In no
event will the author of this document be liable for direct, indirect,
special, incidental, or consequential damages arising out of the use
or inability to use the information contained within. Use of this
document is at your own risk.
This file may be used and copied freely so long as the applicable
copyright notices are retained, and no modifications are made to the
text of the document. No money shall be charged for its distribution
beyond reasonable shipping, handling and duplication costs, nor shall
proprietary changes be made to this document so that it cannot be
distributed freely. This document may not be included in published
material or commercial packages without the written consent of its
author.

162 Apéndice C. Historia y Licencia

 APÉNDICE D

Derechos de autor

Python y esta documentación es:

Copyright © 2001-2023 Python Software Foundation. All rights reserved.
Derechos de autor © 2000 BeOpen.com. Todos los derechos reservados.
Derechos de autor © 1995-2000 Corporation for National Research Initiatives. Todos los derechos reservados.
Derechos de autor © 1991-1995 Stichting Mathematisch Centrum. Todos los derechos reservados.

Consulte Historia y Licencia para obtener información completa sobre licencias y permisos.

163
Python Tutorial, Versión 3.11.3

164 Apéndice D. Derechos de autor

 Índice

No alfabético B
..., 127 BDFL, 129
# (hash) bloqueo global del intérprete, 133
comment, 9 builtins
* (asterisk) módulo, 54
in function calls, 32 buscador, 132
** buscador basado en ruta, 138
in function calls, 33 buscador de entradas de ruta, 137
2to3, 127 bytecode, 129
: (colon)
function annotations, 34 C
-> cadena con triple comilla, 140
function annotations, 34 callable, 129
>>>, 127 cargador, 135
__all__, 56 C-contiguous, 130
__future__, 132 clase, 129
__slots__, 139 clase base abstracta, 127
clase de nuevo estilo, 137
A codificación de la configuración
a la espera, 129 regional, 135
administrador asincrónico de contexto, codificación de texto, 140
128 codificación del sistema de archivos y
administrador de contextos, 130 manejador de errores, 131
alcances anidados, 136 coding
alias de tipos, 140 style, 35
annotations comprensión de conjuntos, 139
function, 34 comprensión de diccionarios, 131
anotación, 127 comprensión de listas, 135
anotación de función, 132 contador de referencias, 139
anotación de variable, 141 contiguo, 130
apagado del intérprete, 134 corrutina, 130
API provisional, 138 CPython, 130
archivo binario, 129
archivo de texto, 140 D
argumento, 127 decorador, 130
argumento nombrado, 135 descriptor, 130
argumento posicional, 138 despacho único, 139
atributo, 128 diccionario, 130
división entera, 132

165
Python Tutorial, Versión 3.11.3

docstring, 131 iterable asincrónico, 128

docstrings, 26, 34 iterador, 134
documentation strings, 26, 34 iterador asincrónico, 128
iterador generador, 132
E iterador generador asincrónico, 128
EAFP, 131
entorno virtual, 141 J
entrada de ruta, 137 json
espacio de nombres, 136 módulo, 66
especificador de módulo, 136
expresión, 131 L
expresión generadora, 133 lambda, 135
LBYL, 135
F lista, 135
f-string, 131
file M
objeto, 63 magic
for method, 135
sentencia, 20 mangling
Fortran contiguous, 130 name, 89
función, 132 mapeado, 135
función clave, 134 máquina virtual, 141
función corrutina, 130 meta buscadores de ruta, 135
función genérica, 133 metaclase, 135
función incorporada method
help, 95 magic, 135
open, 63 objeto, 84
function special, 139
annotations, 34 método, 136
método especial, 139
G método mágico, 135
gancho a entrada de ruta, 137 module
generador, 132 search path, 52
generador asincrónico, 128 módulo, 136
generator, 132 builtins, 54
generator expression, 132 json, 66
GIL, 133 sys, 53
módulo de extensión, 131
H MRO, 136
hash-based pyc, 133 mutable, 136
hashable, 133 N
help
función incorporada, 95 name
mangling, 89
I nombre calificado, 138
número complejo, 129
IDLE, 133
importador, 134 O
importar, 134
indicador de tipo, 140 objeto, 137
inmutable, 133 file, 63
interactivo, 134 method, 84
interpretado, 134 objeto archivo, 131
iterable, 134 objeto tipo ruta, 138
objetos tipo archivo, 131

166 Índice
 Python Tutorial, Versión 3.11.3

objetos tipo binarios, 129 ruta de importación, 133

open
función incorporada, 63 S
orden de resolución de métodos, 136 saltos de líneas universales, 141
search
P path, module, 52
paquete, 137 secuencia, 139
paquete de espacios de nombres, 136 sentencia, 140
paquete provisorio, 138 for, 20
paquete regular, 139 special
parámetro, 137 method, 139
path strings, documentation, 26, 34
module search, 52 style
PATH, 52, 123 coding, 35
PEP, 138 sys
porción, 138 módulo, 53
Python 3000, 138
Python Enhancement Proposals T
PEP 1, 138 tipado de pato, 131
PEP 8, 35 tipo, 140
PEP 238, 132 tipos genéricos, 133
PEP 278, 141 tupla nombrada, 136
PEP 302, 132, 135
PEP 343, 130 V
PEP 362, 128, 137 variable de clase, 129
PEP 411, 138 variable de contexto, 130
PEP 420, 132, 136, 138 variables de entorno
PEP 443, 133 PATH, 52, 123
PEP 451, 132 PYTHONPATH, 52, 53
PEP 483, 133 PYTHONSTARTUP, 124
PEP 484, 34, 127, 132, 133, 140, 141 vista de diccionario, 131
PEP 492, 128130
PEP 498, 131 Z
PEP 519, 138
Zen de Python, 141
PEP 525, 128
PEP 526, 127, 141
PEP 585, 133
PEP 636, 25
PEP 3107, 34
PEP 3116, 141
PEP 3147, 52
PEP 3155, 138
Pythónico, 138
PYTHONPATH, 52, 53
PYTHONSTARTUP, 124

R
rebanada, 139
recolección de basura, 132
referencia fuerte, 140
referencia prestada, 129
retrollamada, 129
RFC
RFC 2822, 100

Índice 167