Aprende Python

1.3 Python

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

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

1.3.1 Características del lenguaje

A partir de su definición de la Wikipedia:

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

1.3. Python 13
Aprende Python

Ventajas

• Libre y gratuito (OpenSource).

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

Desventajas

• Interpretado (velocidad de ejecución, multithread vs GIL, etc.).

• Consumo de memoria.
• Errores durante la ejecución.
• Dos versiones mayores no del todo compatibles (v2 vs v3).
• Desarrollo móvil.
• Documentación a veces dispersa e incompleta.
• Varios módulos para la misma funcionalidad.
• Librerías de terceros no siempre del todo maduras.
5
Tipado dinámico significa que una variable puede cambiar de tipo durante el tiempo de vida de un
programa. C es un lenguaje de tipado estático.
6
Fuertemente tipado significa que, de manera nativa, no podemos operar con dos variables de tipos
distintos, a menos que realice una conversión explícita. Javascript es un lenguaje débilmente tipado.

14 Capítulo 1. Introducción
 Aprende Python

1.3.2 Uso de Python

Al ser un lenguaje de propósito general, podemos encontrar aplicaciones prácticamente en

todos los campos científico-tecnológicos:
• Análisis de datos.
• Aplicaciones de escritorio.
• Bases de datos relacionales / NoSQL
• Buenas prácticas de programación / Patrones de diseño.
• Concurrencia.
• Criptomonedas / Blockchain.
• Desarrollo de aplicaciones multimedia.
• Desarrollo de juegos.
• Desarrollo en dispositivos embebidos.
• Desarrollo web.
• DevOps / Administración de sistemas / Scripts de automatización.
• Gráficos por ordenador.
• Inteligencia artificial.
• Internet de las cosas.
• Machine Learning.
• Programación de parsers / scrapers / crawlers.
• Programación de redes.
• Propósitos educativos.
• Prototipado de software.
• Seguridad.
• Tests automatizados.
De igual modo son muchas las empresas, instituciones y organismos que utilizan Python en
su día a día para mejorar sus sistemas de información. Veamos algunas de las más relevantes:
Existen ránkings y estudios de mercado que sitúan a Python como uno de los lenguajes más
usados y la vez, más amados dentro del mundo del desarrollo de software.
En el momento de la escritura de este documento, la última actualización del Índice TIOBE
es de febrero de 2022 en el que Python ocupaba el primer lugar de los lenguajes de
programación más usados, por delante de C y Java.

1.3. Python 15
Aprende Python

Tabla 1: Tipos de datos en Python

Nombre Tipo Ejemplos
Booleano bool True, False
Entero int 21, 34500, 34_500
Flotante float 3.14, 1.5e3
Complejo complex 2j, 3 + 5j
Cadena str tfn , tenerife - islas canarias
Tupla tuple (1, 3, 5)
Lista list [ Chrome , Firefox ]
Conjunto set set([2, 4, 6])
Diccionario dict { Chrome : v79 , Firefox : v71 }

3.1.2 Variables

Las variables son fundamentales ya que permiten definir nombres para los valores que
tenemos en memoria y que vamos a usar en nuestro programa.

Figura 2: Uso de un nombre de variable

Reglas para nombrar variables

En Python existen una serie de reglas para los nombres de variables:

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

48 Capítulo 3. Tipos de datos

 Aprende Python

Podemos obtener un listado de las palabras reservadas del lenguaje de la siguiente forma:

>>> help( keywords )

Here is a list of the Python keywords. Enter any keyword to get more help.

False class from or

None continue global pass
True def if raise
and del import return
as elif in try
assert else is while
async except lambda with
await finally nonlocal yield
break for not

Nota: Por lo general se prefiere dar nombres en inglés a las variables que utilicemos, ya que
así hacemos nuestro código más «internacional» y con la posibilidad de que otras personas
puedan leerlo, entenderlo y – llegado el caso – modificarlo. Es sólo una recomendación, nada
impide que se haga en castellano.

Importante: Los nombres de variables son «case-sensitive»3 . Por ejemplo, stuff y Stuff
son nombres diferentes.

Ejemplos de nombres de variables

Veamos a continuación una tabla con nombres de variables:

Tabla 2: Ejemplos de nombres de variables

Válido Inválido Razón
a 3 Empieza por un dígito
a3 3a Empieza por un dígito
a_b_c___95 another-name Contiene un carácter no permitido
_abc with Es una palabra reservada del lenguaje
_3a 3_a Empieza por un dígito
3
Sensible a cambios en mayúsculas y minúsculas.

3.1. Datos 49
Aprende Python

Convenciones para nombres

Mientras se sigan las reglas que hemos visto para nombrar variables no hay problema en la
forma en la que se escriban, pero sí existe una convención para la nomenclatura de las
variables. Se utiliza el llamado snake_case en el que utilizamos caracteres en minúsculas
(incluyendo dígitos si procede) junto con guiones bajos – cuando sean necesarios para su
legibilidad –.4 Por ejemplo, para nombrar una variable que almacene el número de canciones
en nuestro ordenador, podríamos usar num_songs.
Esta convención, y muchas otras, están definidas en un documento denominado PEP 8. Se
trata de una guía de estilo para escribir código en Python. Los PEPs5 son las propuestas
que se hacen para la mejora del lenguaje.
Aunque hay múltiples herramientas disponibles para la comprobación del estilo de código,
una bastante accesible es http://pep8online.com/ ya que no necesita instalación, simplemente
pegar nuestro código y verificar.

Constantes

Un caso especial y que vale la pena destacar son las constantes. Podríamos decir que es un
tipo de variable pero que su valor no cambia a lo largo de nuestro programa. Por ejemplo
la velocidad de la luz. Sabemos que su valor es constante de 300.000 km/s. En el caso
de las constantes utilizamos mayúsculas (incluyendo guiones bajos si es necesario) para
nombrarlas. Para la velocidad de la luz nuestra constante se podría llamar: LIGHT_SPEED.

Elegir buenos nombres

Se suele decir que una persona programadora (con cierta experiencia), a lo que dedica más
tiempo, es a buscar un buen nombre para sus variables. Quizás pueda resultar algo excesivo
pero da una idea de lo importante que es esta tarea. Es fundamental que los nombres de
variables sean autoexplicativos, pero siempre llegando a un compromiso entre ser concisos
y claros.
Supongamos que queremos buscar un nombre de variable para almacenar el número de
elementos que se deben manejar en un pedido:
1. n
2. num_elements
3. number_of_elements
4. number_of_elements_to_be_handled
4
Más información sobre convenciones de nombres en PEP 8.
5
Del término inglés «Python Enhancement Proposals».

50 Capítulo 3. Tipos de datos

 Aprende Python

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

3.1.3 Asignación

En Python se usa el símbolo = para asignar un valor a una variable:

Figura 3: Asignación de valor a nombre de variable

Nota: Hay que diferenciar la asignación en Python con la igualación en matemáticas. El

símbolo = lo hemos aprendido desde siempre como una equivalencia entre dos expresiones
algebraicas, sin embargo en Python nos indica una sentencia de asignación, del valor (en la
derecha) al nombre (en la izquierda).

Algunos ejemplos de asignaciones a variables:

>>> total_population = 157503

>>> avg_temperature = 16.8
>>> city_name = San Cristóbal de La Laguna

Algunos ejemplos de asignaciones a constantes:

3.1. Datos 51
Aprende Python

>>> SOUND_SPEED = 343.2

>>> WATER_DENSITY = 997
>>> EARTH_NAME = La Tierra

Python nos ofrece la posibilidad de hacer una asignación múltiple de la siguiente manera:

>>> tres = three = drei = 3

En este caso las tres variables utilizadas en el «lado izquierdo» tomarán el valor 3.
Recordemos que los nombres de variables deben seguir unas reglas establecidas, de lo contrario
obtendremos un error sintáctico del intérprete de Python:

>>> 7floor = 40 # el nombre empieza por un dígito

File "<stdin>", line 1
7floor = 40
^
SyntaxError: invalid syntax

>>> for = Bucle # el nombre usa la palabra reservada "for"

File "<stdin>", line 1
for = Bucle
^
SyntaxError: invalid syntax

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

File "<stdin>", line 1
SyntaxError: can t assign to operator

Asignando una variable a otra variable

Las asignaciones que hemos hecho hasta ahora han sido de un valor literal a una variable.
Pero nada impide que podamos hacer asignaciones de una variable a otra variable:

>>> people = 157503

>>> total_population = people
>>> total_population
157503

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

>>> total_population = lot_of_people

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

52 Capítulo 3. Tipos de datos

 Aprende Python

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

que se verán en su momento.

Conocer el valor de una variable

Hemos visto previamente cómo asignar un valor a una variable, pero aún no sabemos cómo
«comprobar» el valor que tiene dicha variable. Para ello podemos utilizar dos estrategias:
1. Si estamos en una «shell» de Python, basta con que usemos el nombre de la variable:

>>> final_stock = 38934

>>> final_stock
38934

2. Si estamos escribiendo un programa desde el editor, podemos hacer uso de print:

final_stock = 38934
print(final_stock)

Nota: print sirve también cuando estamos en una sesión interactiva de Python («shell»)

Conocer el tipo de una variable

Para poder descubrir el tipo de un literal o una variable, Python nos ofrece la función type().
Veamos algunos ejemplos de su uso:

>>> type(9)
int

>>> type(1.2)
float

>>> height = 3718

>>> type(height)
int

>>> sound_speed = 343.2

>>> type(sound_speed)
float

Ejercicio
1. Asigna un valor entero 2001 a la variable space_odyssey y muestra su valor.

3.1. Datos 53
Aprende Python

2. Descubre el tipo del literal Good night & Good luck .

3. Identifica el tipo del literal True.
4. Asigna la expresión 10 * 3.0 a la variable result y muestra su tipo.

3.1.4 Mutabilidad

Nivel avanzado
Las variables son nombres, no lugares. Detrás de esta frase se esconde la reflexión de que
cuando asignamos un valor a una variable, lo que realmente está ocurriendo es que se hace
apuntar el nombre de la variable a una zona de memoria en el que se representa el objeto
(con su valor).
Si realizamos la asignación de una variable a un valor lo que está ocurriendo es que el nombre
de la variable es una referencia al valor, no el valor en sí mismo:

>>> a = 5

Figura 4: Representación de la asignación de valor a variable

54 Capítulo 3. Tipos de datos

 Aprende Python

Si ahora «copiamos» el valor de a en otra variable b se podría esperar que hubiera otro
espacio en memoria para dicho valor, pero como ya hemos dicho, son referencias a memoria:
>>> b = a

Figura 5: Representación de la asignación de una variable a otra variable

La función id() nos permite conocer la dirección de memoria6 de un objeto en Python. A

través de ella podemos comprobar que los dos objetos que hemos creado «apuntan» a la
misma zona de memoria:
>>> id(a)
4445989712

>>> id(b)
4445989712

¿Y esto qué tiene que ver con la mutabilidad? Pues se dice, por ejemplo, que un entero es
inmutable ya que a la hora de modificar su valor obtenemos una nueva zona de memoria,
o lo que es lo mismo, un nuevo objeto:
>>> a = 5
>>> id(a)
(continué en la próxima página)
6
Esto es un detalle de implementación de CPython.

3.1. Datos 55
Aprende Python

(proviene de la página anterior)

4310690224

>>> a = 7
>>> id(a)
4310690288

Sin embargo, si tratamos con listas, podemos ver que la modificación de alguno de sus
valores no implica un cambio en la posición de memoria de la variable, por lo que se habla
de objetos mutables.
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/lvCyXeL
La característica de que los nombres de variables sean referencias a objetos en memoria es
la que hace posible diferenciar entre objetos mutables e inmutables:

Inmutable Mutable
bool list
int set
float dict
str
tuple

Importante: El hecho de que un tipo de datos sea inmutable significa que no podemos
modificar su valor «in-situ», pero siempre podremos asignarle un nuevo valor (hacerlo apuntar
a otra zona de memoria).

3.1.5 Funciones «built-in»

Nivel intermedio
Hemos ido usando una serie de funciones sin ser especialmente conscientes de ello. Esto se
debe a que son funciones «built-in» o incorporadas por defecto en el propio lenguaje Python.

Tabla 3: Funciones «built-in»

abs() delattr() hash() memoryview() set()
all() dict() help() min() setattr()
any() any() hex() next() slice()
ascii() divmod() id() object() sorted()
bin() enumerate() input() oct() staticmethod()
continué en la próxima página

56 Capítulo 3. Tipos de datos

 Aprende Python

Tabla 3 – proviene de la página anterior

bool() eval() int() open() str()
breakpoint() exec() isinstance() ord() sum()
bytearray() filter() issubclass() pow() super()
bytes() float() iter() print() tuple()
callable() format() len() property() type()
chr() frozenset() list() range() vars()
classmethod() getattr() locals() repr() zip()
compile() globals() map() reversed() __import__()
complex() hasattr() max() round()

Los detalles de estas funciones se puede consultar en la documentación oficial de Python.

3.1.6 Pidiendo ayuda

En Python podemos pedir ayuda con la función help().

Supongamos que queremos obtener información sobre id. Desde el intérprete de Python
ejecutamos lo siguiente:

>>> help(id)
Help on built-in function id in module builtins:

id(obj, /)
Return the identity of an object.

This is guaranteed to be unique among simultaneously existing objects.

(CPython uses the object s memory address.)

Existe una forma alternativa de obtener ayuda: añadiendo el signo de interrogación ? al

término de búsqueda:

>>> id?
Signature: id(obj, /)
Docstring:
Return the identity of an object.

This is guaranteed to be unique among simultaneously existing objects.

(CPython uses the object s memory address.)
Type: builtin_function_or_method

3.1. Datos 57
Aprende Python

AMPLIAR CONOCIMIENTOS

• Basic Data Types in Python

• Variables in Python
• Immutability in Python

3.2 Números

En esta sección veremos los tipos de datos númericos que ofrece Python centrándonos en
booleanos, enteros y flotantes.1

3.2.1 Booleanos

George Boole es considerado como uno de los fundadores del campo de las ciencias de la
computación y fue el creador del Álgebra de Boole que da lugar, entre otras estructuras
algebraicas, a la Lógica binaria. En esta lógica las variables sólo pueden tomar dos valores
discretos: verdadero o falso.
El tipo de datos bool proviene de lo explicado anteriormente y admite dos posibles valores:
1
Foto original de portada por Brett Jordan en Unsplash.

58 Capítulo 3. Tipos de datos

 Aprende Python

• True que se corresponde con verdadero (y también con 1 en su representación

numérica).
• False que se corresponde con falso (y también con 0 en su representación numérica).
Veamos un ejemplo de su uso:

>>> is_opened = True

>>> is_opened
True

>>> has_sugar = False

>>> has_sugar
False

La primera variable is_opened está representando el hecho de que algo esté abierto, y al
tomar el valor True podemos concluir que sí. La segunda variable has_sugar nos indica si
una bebida tiene azúcar; dado que toma el valor False inferimos que no lleva azúcar.

Atención: Tal y como se explicó en este apartado, los nombres de variables son
«case-sensitive». De igual modo el tipo booleano toma valores True y False con la
primera letra en mayúsculas. De no ser así obtendríamos un error sintáctico.

>>> is_opened = true

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

3.2. Números 59
Aprende Python

3.2.2 Enteros

Los números enteros no tienen decimales pero sí pueden contener signo y estar expresados
en alguna base distinta de la usual (base 10).

Literales enteros

Veamos algunos ejemplos de números enteros:

>>> 8
8
>>> 0
0
>>> 08
File "<stdin>", line 1
08
^
SyntaxError: invalid token
>>> 99
99
>>> +99
99
>>> -99
-99
>>> 3000000
3000000
>>> 3_000_000
3000000

Dos detalles a tener en cuenta:

• No podemos comenzar un número entero por 0.
• Python permite dividir los números enteros con guiones bajos _ para clarificar su
lectura/escritura. A efectos prácticos es como si esos guiones bajos no existieran.

Operaciones con enteros

A continuación se muestra una tabla con las distintas operaciones sobre enteros que podemos
realizar en Python:

Tabla 4: Operaciones con enteros en Python

Operador Descripción Ejemplo Resultado
+ Suma 3 + 9 12
continué en la próxima página

60 Capítulo 3. Tipos de datos

 Aprende Python

Tabla 4 – proviene de la página anterior

Operador Descripción Ejemplo Resultado
- Resta 6 - 2 4
* Multiplicación 5 * 5 25
/ División flotante 9 / 2 4.5
// División entera 9 // 2 4
% Módulo 9 % 4 1
** Exponenciación 2 ** 4 16

Veamos algunas pruebas de estos operadores:

>>> 2 + 8 + 4
14
>>> 4 ** 4
256
>>> 7 / 3
2.3333333333333335
>>> 7 // 3
2
>>> 6 / 0
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ZeroDivisionError: division by zero

Es de buen estilo de programación dejar un espacio entre cada operador. Además hay que
tener en cuenta que podemos obtener errores dependiendo de la operación (más bien de los
operandos) que estemos utilizando, como es el caso de la división por cero.
Igualmente es importante tener en cuenta la prioridad de los distintos operadores:

Prioridad Operador
1 (mayor) ()
2 **
3 -a +a
4 * / // %
5 (menor) +-

Ejemplos de prioridad de operadores:

>>> 2 ** 2 + 4 / 2
6.0

>>> 2 ** (2 + 4) / 2
32.0

(continué en la próxima página)

3.2. Números 61
Aprende Python

(proviene de la página anterior)

>>> 2 ** (2 + 4 / 2)
16.0

Asignación aumentada

Python nos ofrece la posibilidad de escribir una asignación aumentada mezclando la

asignación y un operador.

Figura 6: Asignación aumentada en Python

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

Lista 1: Asignación tradicional

>>> total_cars = 100
>>> sold_cars = 20
>>> total_cars = total_cars - sold_cars
>>> total_cars
80

Lista 2: Asignación aumentada

>>> total_cars = 100
>>> sold_cars = 20
>>> total_cars -= sold_cars
>>> total_cars
80

Estas dos formas son equivalentes a nivel de resultados y funcionalidad, pero obviamente
tienen diferencias de escritura y legibilidad. De este mismo modo, podemos aplicar un formato
compacto al resto de operaciones:

62 Capítulo 3. Tipos de datos

 Aprende Python

>>> random_number = 15

>>> random_number += 5
>>> random_number
20

>>> random_number *= 3
>>> random_number
60

>>> random_number //= 4

>>> random_number
15

>>> random_number **= 1

>>> random_number
15

Módulo

La operación módulo (también llamado resto), cuyo símbolo en Python es %, se define como
el resto de dividir dos números. Veamos un ejemplo para enteder bien su funcionamiento:

Figura 7: Operador «módulo» en Python

>>> dividendo = 17
>>> divisor = 5

>>> cociente = dividendo // divisor # división entera

>>> resto = dividendo % divisor

>>> cociente
3
>>> resto
2

3.2. Números 63
Aprende Python

Exponenciación

Para elevar un número a otro en Python utilizamos el operador de exponenciación **:

>>> 4 ** 3
64
>>> 4 * 4 * 4
64

Se debe tener en cuenta que también podemos elevar un número entero a un número
decimal. En este caso es como si estuviéramos haciendo una raíz 2 . Por ejemplo:
1 √
4 2 = 40.5 = 4=2

Hecho en Python:

>>> 4 ** 0.5
2.0

Ejercicio
pycheck boot quadratic

Valor absoluto

Python ofrece la función abs() para obtener el valor absoluto de un número:

>>> abs(-1)
1

>>> abs(1)
1

>>> abs(-3.14)
3.14

>>> abs(3.14)
3.14

2
No siempre es una raíz cuadrada porque se invierten numerador y denominador.

64 Capítulo 3. Tipos de datos

 Aprende Python

Límite de un entero

Nivel avanzado
¿Cómo de grande puede ser un int en Python? La respuesta es de cualquier tamaño. Por
poner un ejemplo, supongamos que queremos representar un centillón. Este valor viene a ser
un «1» seguido por ¡600 ceros! ¿Será capaz Python de almacenarlo?

>>> centillion = 10 ** 600

>>> centillion
1000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000

Nota: En muchos lenguajes tratar con enteros tan largos causaría un «integer overflow».
No es el caso de Python que puede manejar estos valores sin problema.

3.2.3 Flotantes

Los números en punto flotante3 tienen parte decimal. Veamos algunos ejemplos de
flotantes en Python.
3
Punto o coma flotante es una notación científica usada por computadores.

3.2. Números 65
Aprende Python

Lista 3: Distintas formas de escribir el flotante 4.0

>>> 4.0
4.0
>>> 4.
4.0
>>> 04.0
4.0
>>> 04.
4.0
>>> 4.000_000
4.0
>>> 4e0 # 4.0 * (10 ** 0)
4.0

Conversión de tipos

El hecho de que existan distintos tipos de datos en Python (y en el resto de lenguajes de

programación) es una ventaja a la hora de representar la información del mundo real de
la mejor manera posible. Pero también se hace necesario buscar mecanismos para convertir
unos tipos de datos en otros.

Conversión implícita

Cuando mezclamos enteros, booleanos y flotantes, Python realiza automáticamente una

conversión implícita (o promoción) de los valores al tipo de «mayor rango». Veamos algunos
ejemplos de esto:

>>> True + 25
26
>>> 7 * False
0
>>> True + False
1
>>> 21.8 + True
22.8
>>> 10 + 11.3
21.3

Podemos resumir la conversión implícita en la siguiente tabla:

66 Capítulo 3. Tipos de datos

 Aprende Python

Tipo 1 Tipo 2 Resultado

bool int int
bool float float
int float float

Se puede ver claramente que la conversión numérica de los valores booleanos es:
• True 1
• False 0

Conversión explícita

Aunque más adelante veremos el concepto de función, desde ahora podemos decir que
existen una serie de funciones para realizar conversiones explícitas de un tipo a otro:
bool() Convierte el tipo a booleano.
int() Convierte el tipo a entero.
float() Convierte el tipo a flotante.
Veamos algunos ejemplos de estas funciones:

>>> bool(1)
True
>>> bool(0)
False
>>> int(True)
1
>>> int(False)
0
>>> float(1)
1.0
>>> float(0)
0.0
>>> float(True)
1.0
>>> float(False)
0.0

En el caso de que usemos la función int() sobre un valor flotante, nos retorna su parte
baja:
⌊︀ ⌋︀
𝑖𝑛𝑡(𝑥) = 𝑥

Por ejemplo:

3.2. Números 67
Aprende Python

>>> int(3.1)
3
>>> int(3.5)
3
>>> int(3.9)
3

Para obtener el tipo de una variable podemos hacer uso de la función type():

>>> is_raining = False

>>> type(is_raining)
bool

>>> sound_level = 35
>>> type(sound_level)
int

>>> temperature = 36.6

>>> type(temperature)
float

Igualmente existe la posibilidad de comprobar el tipo que tiene una variable mediante la
función isinstance():

>>> isinstance(is_raining, bool)

True
>>> isinstance(sound_level, int)
True
>>> isinstance(temperature, float)
True

Ejercicio
pycheck boot sin_approx

Errores de aproximación

Nivel intermedio
Supongamos el siguiente cálculo:

>>> (19 / 155) * (155 / 19)

0.9999999999999999

68 Capítulo 3. Tipos de datos

 Aprende Python

Debería dar 1.0, pero no es así puesto que la representación interna de los valores en coma
flotante sigue el estándar IEEE 754 y estamos trabajando con aritmética finita.
Aunque existen distintas formas de solventar esta limitación, de momento veremos una de las
más sencillas utilizando la función «built-in» round() que nos permite redondear un número
flotante a un número determinado de decimales:

>>> pi = 3.14159265359

>>> round(pi)
3
>>> round(pi, 1)
3.1
>>> round(pi, 2)
3.14
>>> round(pi, 3)
3.142
>>> round(pi, 4)
3.1416
>>> round(pi, 5)
3.14159

Para el caso del error de aproximación que nos ocupa:

>>> result = (19 / 155) * (155 / 19)

>>> round(result, 1)
1.0

Prudencia: round() aproxima al valor más cercano, mientras que int() obtiene siepre
el entero «por abajo».

Límite de un flotante

A diferencia de los enteros, los números flotantes sí que tienen un límite en Python. Para
descubrirlo podemos ejecutar el siguiente código:

>>> import sys

>>> sys.float_info.min
2.2250738585072014e-308

>>> sys.float_info.max
1.7976931348623157e+308

3.2. Números 69
Aprende Python

3.2.4 Bases

Nivel intermedio
Los valores numéricos con los que estamos acostumbrados a trabajar están en base 10 (o
decimal). Esto indica que disponemos de 10 «símbolos» para representar las cantidades. En
este caso del 0 al 9.
Pero también es posible representar números en otras bases. Python nos ofrece una serie
de prefijos y funciones para este cometido.

Base binaria

Cuenta con 2 símbolos para representar los valores: 0 y 1.

Prefijo: 0b

>>> 0b1001
9
>>> 0b1100
12

Función: bin()

>>> bin(9)
0b1001
>>> bin(12)
0b1100

Base octal

Cuenta con 8 símbolos para representar los valores: 0, 1, 2, 3, 4, 5, 6 y 7.

Prefijo: 0o

>>> 0o6243
3235
>>> 0o1257
687

Función: oct()

>>> oct(3235)
0o6243
>>> oct(687)
0o1257

70 Capítulo 3. Tipos de datos

 Aprende Python

Base hexadecimal

Cuenta con 16 símbolos para representar los valores: 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, A, B, C, D, E

y F.
Prefijo: 0x

>>> 0x7F2A
32554
>>> 0x48FF
18687

Función: hex()

>>> hex(32554)
0x7f2a
>>> hex(18687)
0x48ff

Nota: Las letras para la representación hexadecimal no atienden a mayúsculas y minúsculas.

EJERCICIOS DE REPASO

1. pycheck boot circle_area

2. pycheck boot sphere_volume
3. pycheck boot triangle_area
4. pycheck boot interest_rate
5. pycheck boot euclid_distance
6. pycheck boot century_year
7. pycheck boot red_square
8. pycheck boot igic
9. pycheck boot super_fast
10. pycheck boot move_twice
11. pycheck boot pillars
12. pycheck boot clock_time
13. pycheck boot xor

3.2. Números 71
Aprende Python

EJERCICIOS EXTERNOS

8. Cat years, dog years

9. Aspect ratio cropping
10. USD => CNY
11. Third angle of a triangle
12. Keep hydrated!
13. Price of mangoes
14. Total pressure calculation
15. NBA full 48 minutes average
16. Age range compatibility equation
17. Formatting decimal places

AMPLIAR CONOCIMIENTOS

• The Python Square Root Function

• How to Round Numbers in Python
• Operators and Expressions in Python

72 Capítulo 3. Tipos de datos

 Aprende Python

3.3 Cadenas de texto

Las cadenas de texto son secuencias de caracteres. También se les conoce como «strings»
y nos permiten almacenar información textual de forma muy cómoda.1
Es importante destacar que Python 3 almacena los caracteres codificados en el estándar
Unicode, lo que es una gran ventaja con respecto a versiones antiguas del lenguaje. Además
permite representar una cantidad ingente de símbolos incluyendo los famosos emojis .

3.3.1 Creando «strings»

Para escribir una cadena de texto en Python basta con rodear los caracteres con comillas
simples6 :

>>> Mi primera cadena en Python

Mi primera cadena en Python

Para incluir comillas dobles dentro de la cadena de texto no hay mayor inconveniente:

>>> Los llamados "strings" son secuencias de caracteres

Los llamados "strings" son secuencias de caracteres

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

3.3. Cadenas de texto 73

Aprende Python

Puede surgir la duda de cómo incluimos comillas simples dentro de la propia cadena de
texto. Veamos soluciones para ello:

Lista 4: Comillas simples escapadas

>>> Los llamados \ strings\ son secuencias de caracteres
"Los llamados strings son secuencias de caracteres"

Lista 5: Comillas simples dentro de comillas dobles

>>> "Los llamados strings son secuencias de caracteres"
"Los llamados strings son secuencias de caracteres"

En la primera opción estamos escapando las comillas simples para que no sean tratadas
como caracteres especiales. En la segunda opción estamos creando el «string» con comillas
dobles (por fuera) para poder incluir directamente las comillas simples (por dentro). Python
también nos ofrece esta posibilidad.

Comillas triples

Hay una forma alternativa de crear cadenas de texto utilizando comillas triples. Su uso está
pensado principalmente para cadenas multilínea:

>>> poem = To be, or not to be, that is the question:

... Whether tis nobler in the mind to suffer
... The slings and arrows of outrageous fortune,
... Or to take arms against a sea of troubles

Importante: Los tres puntos ... que aparecen a la izquierda de las líneas no están incluidos
en la cadena de texto. Es el símbolo que ofrece el intérprete de Python cuando saltamos de
línea.

Cadena vacía

La cadena vacía es aquella que no contiene ningún carácter. Aunque a priori no lo pueda
parecer, es un recurso importante en cualquier código. Su representación en Python es la
siguiente:

>>>

74 Capítulo 3. Tipos de datos

 Aprende Python

3.3.2 Conversión

Podemos crear «strings» a partir de otros tipos de datos usando la función str():

>>> str(True)
True
>>> str(10)
10
>>> str(21.7)
21.7

Para el caso contrario de convertir un «string» a un valor numérico, tenemos a disposición

las funciones ya vistas:

>>> int( 10 )
10
>>> float( 21.7 )
21.7

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

>>> int( FF , 16)

255

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

3.3.3 Secuencias de escape

Python permite escapar el significado de algunos caracteres para conseguir otros resultados.
Si escribimos una barra invertida \ antes del carácter en cuestión, le otorgamos un significado
especial.
Quizás la secuencia de escape más conocida es \n que representa un salto de línea, pero
existen muchas otras:

# Salto de línea
>>> msg = Primera línea\nSegunda línea\nTercera línea
>>> print(msg)
Primera línea
Segunda línea
(continué en la próxima página)

3.3. Cadenas de texto 75

Aprende Python

(proviene de la página anterior)

Tercera línea

# Tabulador
>>> msg = Valor = \t40
>>> print(msg)
Valor = 40

# Comilla simple
>>> msg = Necesitamos \ escapar\ la comilla simple
>>> print(msg)
Necesitamos escapar la comilla simple

# Barra invertida
>>> msg = Capítulo \\ Sección \\ Encabezado
>>> print(msg)
Capítulo \ Sección \ Encabezado

Nota: Al utilizar la función print() es cuando vemos realmente el resultado de utilizar los
caracteres escapados.

Expresiones literales

Nivel intermedio
Hay situaciones en las que nos interesa que los caracteres especiales pierdan ese significado y
poder usarlos de otra manera. Existe un modificar de cadena que proporciona Python para
tratar el texto en bruto. Es el llamado «raw data» y se aplica anteponiendo una r a la cadena
de texto.
Veamos algunos ejemplos:
>>> text = abc\ndef
>>> print(text)
abc
def

>>> text = r abc\ndef

>>> print(text)
abc\ndef

>>> text = a\tb\tc

>>> print(text)
a b c
(continué en la próxima página)

76 Capítulo 3. Tipos de datos

 Aprende Python

(proviene de la página anterior)

>>> text = r a\tb\tc

>>> print(text)
a\tb\tc

Consejo: El modificador r es muy utilizado para la escritura de expresiones regulares.

3.3.4 Más sobre print()

Hemos estado utilizando la función print() de forma sencilla, pero admite algunos
parámetros interesantes:

1 >>> msg1 = ¿Sabes por qué estoy acá?

2 >>> msg2 = Porque me apasiona
3

4 >>> print(msg1, msg2)

5 ¿Sabes por qué estoy acá? Porque me apasiona
6

7 >>> print(msg1, msg2, sep= | )

8 ¿Sabes por qué estoy acá?|Porque me apasiona
9

10 >>> print(msg2, end= !! )

11 Porque me apasiona!!

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

3.3.5 Leer datos desde teclado

Los programas se hacen para tener interacción con el usuario. Una de las formas de
interacción es solicitar la entrada de datos por teclado. Como muchos otros lenguajes de
programación, Python también nos ofrece la posibilidad de leer la información introducida
por teclado. Para ello se utiliza la función input():

>>> name = input( Introduzca su nombre: )

Introduzca su nombre: Sergio
(continué en la próxima página)

3.3. Cadenas de texto 77

Aprende Python

(proviene de la página anterior)

>>> name
Sergio
>>> type(name)
str

>>> age = input( Introduzca su edad: )

Introduzca su edad: 41
>>> age
41
>>> type(age)
str

Nota: La función input() siempre nos devuelve un objeto de tipo cadena de texto o str.
Tenerlo muy en cuenta a la hora de trabajar con números, ya que debemos realizar una
conversión explícita.

Ejercicio
Escriba un programa en Python que lea por teclado dos números enteros y muestre por
pantalla el resultado de realizar las operaciones básicas entre ellos.
Ejemplo
• Valores de entrada 7 y 4.
• Salida esperada:

7+4=11
7-4=3
7*4=28
7/4=1.75

Consejo: Aproveche todo el potencial que ofrece print() para conseguir la salida esperada.

Advertencia: Aunque está permitido, NUNCA llames input a una variable porque
destruirías la función que nos permite leer datos desde teclado. Y tampoco uses nombres
derivados como _input o input_ ya que no son nombres representativos que identifiquen
el propósito de la variable.

78 Capítulo 3. Tipos de datos

 Aprende Python

3.3.6 Operaciones con «strings»

Combinar cadenas

Podemos combinar dos o más cadenas de texto utilizando el operador +:

>>> proverb1 = Cuando el río suena

>>> proverb2 = agua lleva

>>> proverb1 + proverb2

Cuando el río suenaagua lleva

>>> proverb1 + , + proverb2 # incluimos una coma

Cuando el río suena, agua lleva

Repetir cadenas

Podemos repetir dos o más cadenas de texto utilizando el operador *:

>>> reaction = Wow

>>> reaction * 4
WowWowWowWow

Obtener un carácter

Los «strings» están indexados y cada carácter tiene su propia posición. Para obtener un
único carácter dentro de una cadena de texto es necesario especificar su índice dentro de
corchetes [...].

Figura 8: Indexado de una cadena de texto

Veamos algunos ejemplos de acceso a caracteres:

3.3. Cadenas de texto 79

Aprende Python

>>> sentence = Hola, Mundo

>>> sentence[0]
H
>>> sentence[-1]
o
>>> sentence[4]
,
>>> sentence[-5]
M

Truco: Nótese que existen tanto índices positivos como índices negativos para acceder
a cada carácter de la cadena de texto. A priori puede parecer redundante, pero es muy útil
en determinados casos.

En caso de que intentemos acceder a un índice que no existe, obtendremos un error por fuera
de rango:

>>> sentence[50]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
IndexError: string index out of range

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

empieza en 0 y termina en una unidad menos de la longitud de la cadena.

Las cadenas de texto son tipos de datos inmutables. Es por ello que no podemos modificar
un carácter directamente:

>>> song = Hey Jude

>>> song[4] = D
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: str object does not support item assignment

Truco: Existen formas de modificar una cadena de texto que veremos más adelante,
aunque realmente no estemos transformando el original sino creando un nuevo objeto con
las modificaciones.

80 Capítulo 3. Tipos de datos

 Aprende Python

Advertencia: No hay que confundir las constantes con los tipos de datos inmutables.
Es por ello que las variables que almacenan cadenas de texto, a pesar de ser inmutables,
no se escriben en mayúsculas.

Trocear una cadena

Es posible extraer «trozos» («rebanadas») de una cadena de texto2 . Tenemos varias

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

>>> proverb = Agua pasada no mueve molino

>>> proverb[:]
Agua pasada no mueve molino

>>> proverb[12:]
no mueve molino

>>> proverb[:11]
Agua pasada

>>> proverb[5:11]
pasada

>>> proverb[5:11:2]
psd

Importante: El troceado siempre llega a una unidad menos del índice final que hayamos
especificado. Sin embargo el comienzo sí coincide con el que hemos puesto.

2
El término usado en inglés es slice.

3.3. Cadenas de texto 81

Aprende Python

Longitud de una cadena

Para obtener la longitud de una cadena podemos hacer uso de len(), una función común a
prácticamente todos los tipos y estructuras de datos en Python:

>>> proberb = Lo cortés no quita lo valiente

>>> len(proverb)
27

>>> empty =
>>> len(empty)
0

Pertenencia de un elemento

Si queremos comprobar que una determinada subcadena se encuentra en una cadena de texto
utilizamos el operador in para ello. Se trata de una expresión que tiene como resultado un
valor «booleano» verdadero o falso:

>>> proverb = Más vale malo conocido que bueno por conocer

>>> malo in proverb

True

>>> bueno in proverb

True

>>> regular in proverb

False

Habría que prestar atención al caso en el que intentamos descubrir si una subcadena no está
en la cadena de texto:

>>> dna_sequence = ATGAAATTGAAATGGGA

>>> not( C in dna_sequence) # Primera aproximación

True

>>> C not in dna_sequence # Forma pitónica

True

82 Capítulo 3. Tipos de datos

 Aprende Python

Dividir una cadena

Una tarea muy común al trabajar con cadenas de texto es dividirlas por algún tipo
de separador. En este sentido, Python nos ofrece la función split(), que debemos usar
anteponiendo el «string» que queramos dividir:

>>> proverb = No hay mal que por bien no venga

>>> proverb.split()
[ No , hay , mal , que , por , bien , no , venga ]

>>> tools = Martillo,Sierra,Destornillador

>>> tools.split( , )
[ Martillo , Sierra , Destornillador ]

Nota: Si no se especifica un separador, split() usa por defecto cualquier secuencia de

espacios en blanco, tabuladores y saltos de línea.

Aunque aún no lo hemos visto, lo que devuelve split() es una lista (otro tipo de datos en
Python) donde cada elemento es una parte de la cadena de texto original:

>>> game = piedra-papel-tijera

>>> type(game.split( - ))
list

Ejercicio
Sabiendo que la longitud de una lista se calcula igual que la longitud de una cadena de texto,
obtenga el número de palabras que contiene la siguiente cadena de texto:

quote = Before software can be reusable, it first has to be usable

Existe una forma algo más avanzada de dividir una cadena a través del particionado. Para
ello podemos valernos de la función partition() que proporciona Python.
Esta función toma un argumento como separador, y divide la cadena de texto en 3 partes: lo
que queda a la izquiera del separador, el separador en sí mismo y lo que queda a la derecha
del separador:

>>> text = 3 + 4

>>> text.partition( + )
( 3 , + , 4 )

3.3. Cadenas de texto 83

Aprende Python

Limpiar cadenas

Cuando leemos datos del usuario o de cualquier fuente externa de información, es bastante
probable que se incluyan en esas cadenas de texto, caracteres de relleno3 al comienzo y
al final. Python nos ofrece la posibilidad de eliminar estos caracteres u otros que no nos
interesen.
La función strip() se utiliza para eliminar caracteres del principio y del final de un
«string». También existen variantes de esta función para aplicarla únicamente al comienzo
o únicamente al final de la cadena de texto.
Supongamos que debemos procesar un fichero con números de serie de un determinado
artículo. Cada línea contiene el valor que nos interesa pero se han «colado» ciertos caracteres
de relleno que debemos limpiar:

>>> serial_number = \n\t \n 48374983274832 \n\n\t \t \n

>>> serial_number.strip()
48374983274832

Nota: Si no se especifican los caracteres a eliminar, strip() usa por defecto cualquier
combinación de espacios en blanco, saltos de línea \n y tabuladores \t.

A continuación vamos a hacer «limpieza» por la izquierda (comienzo) y por la derecha (final)
utilizando la función lstrip() y rstrip() respectivamente:

Lista 6: «Left strip»

>>> serial_number.lstrip()
48374983274832 \n\n\t \t \n

Lista 7: «Right strip»

>>> serial_number.rstrip()
\n\t \n 48374983274832

Como habíamos comentado, también existe la posibilidad de especificar los caracteres que
queremos borrar:

>>> serial_number.strip( \n )
\t \n 48374983274832 \n\n\t \t

Importante: La función strip() no modifica la cadena que estamos usando (algo obvio
3
Se suele utilizar el término inglés «padding» para referirse a estos caracteres.

84 Capítulo 3. Tipos de datos

 Aprende Python

porque los «strings» son inmutables) sino que devuelve una nueva cadena de texto con las
modificaciones pertinentes.

Realizar búsquedas

Aunque hemos visto que la forma pitónica de saber si una subcadena se encuentra dentro
de otra es a través del operador in, Python nos ofrece distintas alternativas para realizar
búsquedas en cadenas de texto.
Vamos a partir de una variable que contiene un trozo de la canción Mediterráneo de Joan
Manuel Serrat para ejemplificar las distintas opciones que tenemos:

>>> lyrics = Quizás porque mi niñez

... Sigue jugando en tu playa
... Y escondido tras las cañas
... Duerme mi primer amor
... Llevo tu luz y tu olor
... Por dondequiera que vaya

Comprobar si una cadena de texto empieza o termina por alguna subcadena:

>>> lyrics.startswith( Quizás )

True

>>> lyrics.endswith( Final )

False

Encontrar la primera ocurrencia de alguna subcadena:

>>> lyrics.find( amor )

93

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

93

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

que estemos buscando, pero se diferencian en su comportamiento cuando la subcadena
buscada no existe:

>>> lyrics.find( universo )

-1

>>> lyrics.index( universo )

Traceback (most recent call last):
(continué en la próxima página)

3.3. Cadenas de texto 85

Aprende Python

(proviene de la página anterior)

File "<stdin>", line 1, in <module>
ValueError: substring not found

Contabilizar el número de veces que aparece una subcadena:

>>> lyrics.count( mi )
2

>>> lyrics.count( tu )
3

>>> lyrics.count( él )
0

Ejercicio
Dada la siguiente letra5 , obtenga la misma pero sustituyendo la palabra voices por sounds:

>>> song = You look so beautiful in this light

... Your silhouette over me
... The way it brings out the blue in your eyes
... Is the Tenerife sea
... And all of the voices surrounding us here
... They just fade out when you take a breath
... Just say the word and I will disappear
... Into the wilderness

Utilice para ello únicamente búsqueda, concatenación y troceado de cadenas de texto.

Reemplazar elementos

Podemos usar la función replace() indicando la subcadena a reemplazar, la subcadena

de reemplazo y cuántas instancias se deben reemplazar. Si no se especifica este último
argumento, la sustitución se hará en todas las instancias encontradas:

>>> proverb = Quien mal anda mal acaba

>>> proverb.replace( mal , bien )

Quien bien anda bien acaba

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

Quien bien anda mal acaba

5
«Tenerife Sea» por Ed Sheeran.

86 Capítulo 3. Tipos de datos

 Aprende Python

Mayúsculas y minúsculas

Python nos permite realizar variaciones en los caracteres de una cadena de texto para pasarlos
a mayúsculas y/o minúsculas. Veamos las distintas opciones disponibles:

>>> proverb = quien a buen árbol se arrima Buena Sombra le cobija

>>> proverb
quien a buen árbol se arrima Buena Sombra le cobija

>>> proverb.capitalize()
Quien a buen árbol se arrima buena sombra le cobija

>>> proverb.title()
Quien A Buen Árbol Se Arrima Buena Sombra Le Cobija

>>> proverb.upper()
QUIEN A BUEN ÁRBOL SE ARRIMA BUENA SOMBRA LE COBIJA

>>> proverb.lower()
quien a buen árbol se arrima buena sombra le cobija

>>> proverb.swapcase()
QUIEN A BUEN ÁRBOL SE ARRIMA bUENA sOMBRA LE COBIJA

Identificando caracteres

Hay veces que recibimos información textual de distintas fuentes de las que necesitamos
identificar qué tipo de caracteres contienen. Para ello Python nos ofrece un grupo de
funciones.
Veamos algunas de estas funciones:

Lista 8: Detectar si todos los caracteres son letras o

números
>>> R2D2 .isalnum()
True
>>> C3-PO .isalnum()
False

Lista 9: Detectar si todos los caracteres son números

>>> 314 .isnumeric()
True
(continué en la próxima página)

3.3. Cadenas de texto 87

Aprende Python

(proviene de la página anterior)

>>> 3.14 .isnumeric()
False

Lista 10: Detectar si todos los caracteres son letras

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

Lista 11: Detectar mayúsculas/minúsculas

>>> BIG .isupper()
True
>>> small .islower()
True
>>> First Heading .istitle()
True

3.3.7 Interpolación de cadenas

En este apartado veremos cómo interpolar valores dentro de cadenas de texto utilizando
diferentes formatos. Interpolar (en este contexto) significa sustituir una variable por su valor
dentro de una cadena de texto.
Veamos los estilos que proporciona Python para este cometido:

Nombre Símbolo Soportado

Estilo antiguo % >= Python2
Estilo «nuevo» .format >= Python2.6
«f-strings» f >= Python3.6

Aunque aún podemos encontrar código con el estilo antiguo y el estilo nuevo en el formateo
de cadenas, vamos a centrarnos en el análisis de los «f-strings» que se están utilizando
bastante en la actualidad.

88 Capítulo 3. Tipos de datos

 Aprende Python

«f-strings»

Los f-strings aparecieron en Python 3.6 y se suelen usar en código de nueva creación. Es
la forma más potente – y en muchas ocasiones más eficiente – de formar cadenas de texto
incluyendo valores de otras variables.
La interpolación en cadenas de texto es un concepto que existe en la gran mayoría de
lenguajes de programación y hace referencia al hecho de sustituir los nombres de variables
por sus valores cuando se construye un «string».
Para indicar en Python que una cadena es un «f-string» basta con precederla de una f e
incluir las variables o expresiones a interpolar entre llaves {...}.
Supongamos que disponemos de los datos de una persona y queremos formar una frase de
bienvenida con ellos:

>>> name = Elon Musk

>>> age = 49
>>> fortune = 43_300

>>> f Me llamo {name}, tengo {age} años y una fortuna de {fortune} millones
Me llamo Elon Musk, tengo 49 años y una fortuna de 43300 millones

Advertencia: Si olvidamos poner la f delante del «string» no conseguiremos sustitución

de variables.

Podría surgir la duda de cómo incluir llaves dentro de la cadena de texto, teniendo en cuenta
que las llaves son símbolos especiales para la interpolación de variables. La respuesta es
duplicar las llaves:

>>> x = 10

>>> f The variable is {{ x = {x} }}

The variable is { x = 10 }

Formateando cadenas

Nivel intermedio
Los «f-strings» proporcionan una gran variedad de opciones de formateado: ancho del
texto, número de decimales, tamaño de la cifra, alineación, etc. Muchas de estas facilidades
se pueden consultar en el artículo Best of Python3.6 f-strings4
Dando formato a valores enteros:
4
Escrito por Nirant Kasliwal en Medium.

3.3. Cadenas de texto 89

Aprende Python

>>> mount_height = 3718

>>> f {mount_height:10d}
3718

>>> f {mount_height:010d}
0000003718

Dando formato a otras bases:

>>> value = 0b10010011

>>> f {value}
147
>>> f {value:b}
10010011

>>> value = 0o47622

>>> f {value}
20370
>>> f {value:o}
47622

>>> value = 0xab217

>>> f {value}
700951
>>> f {value:x}
ab217

Dando formato a valores flotantes:

>>> pi = 3.14159265

>>> f {pi:f} # 6 decimales por defecto (se rellenan con ceros si procede)
3.141593

>>> f {pi:.3f}
3.142

>>> f {pi:12f}
3.141593

>>> f {pi:7.2f}
3.14

>>> f {pi:07.2f}
(continué en la próxima página)

90 Capítulo 3. Tipos de datos

 Aprende Python

(proviene de la página anterior)

0003.14

>>> f {pi:.010f}
3.1415926500

>>> f {pi:e}
3.141593e+00

Alineando valores:

>>> text1 = how

>>> text2 = are
>>> text3 = you

>>> f {text1:<7s}|{text2:^11s}|{text3:>7s}
how | are | you

>>> f {text1:-<7s}|{text2:·^11s}|{text3:->7s}
how----|····are····|----you

Modo «debug»

A partir de Python 3.8, los «f-strings» permiten imprimir el nombre de la variable y su valor,
como un atajo para depurar nuestro código. Para ello sólo tenemos que incluir un símbolo =
después del nombre de la variable:

>>> serie = The Simpsons

>>> imdb_rating = 8.7
>>> num_seasons = 30

>>> f {serie=}
"serie= The Simpsons "

>>> f {imdb_rating=}
imdb_rating=8.7

>>> f {serie[4:]=} # incluso podemos añadir expresiones!

"serie[4:]= Simpsons "

>>> f {imdb_rating / num_seasons=}

imdb_rating / num_seasons=0.29

Ejercicio

3.3. Cadenas de texto 91

Aprende Python

Dada la variable:

e = 2.71828

, obtenga los siguientes resultados utilizando «f-strings»:

2.718
2.718280
2.72 # 4 espacios en blanco
2.718280e+00
00002.7183
2.71828 # 12 espacios en blanco

3.3.8 Caracteres Unicode

Python trabaja por defecto con caracteres Unicode. Eso significa que tenemos acceso a la
amplia carta de caracteres que nos ofrece este estándar de codificación.
Supongamos un ejemplo sobre el típico «emoji» de un cohete definido en este cuadro:

Figura 9: Representación Unicode del carácter ROCKET

La función chr() permite representar un carácter a partir de su código:

>>> rocket_code = 0x1F680

>>> rocket = chr(rocket_code)
>>> rocket

La función ord() permite obtener el código (decimal) de un carácter a partir de su

representación:

92 Capítulo 3. Tipos de datos

 Aprende Python

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

>>> rocket_code
0x1f680

El modificador \N permite representar un carácter a partir de su nombre:

>>> \N{ROCKET}

Ver también:
Tabla ASCII

3.3.9 Casos de uso

Nivel avanzado
Hemos estado usando muchas funciones de objetos tipo «string» (y de otros tipos
previamente). Pero quizás no sabemos aún como podemos descubrir todo lo que podemos
hacer con ellos y los casos de uso que nos ofrece.
Python proporciona una función «built-in» llamada dir() para inspeccionar un determinado
tipo de objeto:

>>> text = This is it!

>>> dir(text)
[ __add__ ,
__class__ ,
__contains__ ,
__delattr__ ,
__dir__ ,
__doc__ ,
__eq__ ,
__format__ ,
__ge__ ,
__getattribute__ ,
__getitem__ ,
__getnewargs__ ,
__gt__ ,
__hash__ ,
__init__ ,
__init_subclass__ ,
__iter__ ,
__le__ ,
__len__ ,
(continué en la próxima página)

3.3. Cadenas de texto 93

Aprende Python

(proviene de la página anterior)

__lt__ ,
__mod__ ,
__mul__ ,
__ne__ ,
__new__ ,
__reduce__ ,
__reduce_ex__ ,
__repr__ ,
__rmod__ ,
__rmul__ ,
__setattr__ ,
__sizeof__ ,
__str__ ,
__subclasshook__ ,
capitalize ,
casefold ,
center ,
count ,
encode ,
endswith ,
expandtabs ,
find ,
format ,
format_map ,
index ,
isalnum ,
isalpha ,
isascii ,
isdecimal ,
isdigit ,
isidentifier ,
islower ,
isnumeric ,
isprintable ,
isspace ,
istitle ,
isupper ,
join ,
ljust ,
lower ,
lstrip ,
maketrans ,
partition ,
replace ,
rfind ,
(continué en la próxima página)

94 Capítulo 3. Tipos de datos

 Aprende Python

(proviene de la página anterior)

rindex ,
rjust ,
rpartition ,
rsplit ,
rstrip ,
split ,
splitlines ,
startswith ,
strip ,
swapcase ,
title ,
translate ,
upper ,
zfill ]

Esto es aplicable tanto a variables como a literales e incluso a tipos de datos (clases)
explícitos:

>>> dir(10)
[ __abs__ ,
__add__ ,
__and__ ,
__bool__ ,
...
imag ,
numerator ,
real ,
to_bytes ]

>>> dir(float)
[ __abs__ ,
__add__ ,
__bool__ ,
__class__ ,
...
hex ,
imag ,
is_integer ,
real ]

3.3. Cadenas de texto 95

Aprende Python

4.1 Condicionales

En esta sección veremos las sentencias if y match-case junto a las distintas variantes que
pueden asumir, pero antes de eso introduciremos algunas cuestiones generales de escritura
de código.1

4.1.1 Definición de bloques

A diferencia de otros lenguajes que utilizan llaves para definir los bloques de código,
cuando Guido Van Rossum creó el lenguaje quiso evitar estos caracteres por considerarlos
innecesarios. Es por ello que en Python los bloques de código se definen a través de
espacios en blanco, preferiblemente 4.2 En términos técnicos se habla del tamaño
de indentación.

Consejo: Esto puede resultar extraño e incómodo a personas que vienen de otros lenguajes
de programación pero desaparece rápido y se siente natural a medida que se escribe código.

1
Foto original de portada por ali nafezarefi en Unsplash.
2
Reglas de indentación definidas en PEP 8

100 Capítulo 4. Control de flujo

 Aprende Python

Figura 1: Python recomienda 4 espacios en blanco para indentar

4.1.2 Comentarios

Los comentarios son anotaciones que podemos incluir en nuestro programa y que nos
permiten aclarar ciertos aspectos del código. Estas indicaciones son ignoradas por el
intérprete de Python.
Los comentarios se incluyen usando el símbolo almohadilla # y comprenden hasta el final de
la línea.

Lista 1: Comentario en bloque

# Universe age expressed in days
universe_age = 13800 * (10 ** 6) * 365

Los comentarios también pueden aparecer en la misma línea de código, aunque la guía de
estilo de Python no aconseja usarlos en demasía:

Lista 2: Comentario en línea

stock = 0 # Release additional articles

Reglas para escribir buenos comentarios:6

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

4.1. Condicionales 101

Aprende Python

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

8. Añade comentarios cuando arregles errores.
9. Usa comentarios para destacar implementaciones incompletas.

4.1.3 Ancho del código

Los programas suelen ser más legibles cuando las líneas no son excesivamente largas. La
longitud máxima de línea recomendada por la guía de estilo de Python es de 80 caracteres.
Sin embargo, esto genera una cierta polémica hoy en día, ya que los tamaños de pantalla
han aumentado y las resoluciones son mucho mayores que hace años. Así las líneas de más
de 80 caracteres se siguen visualizando correctamente. Hay personas que son más estrictas
en este límite y otras más flexibles.
En caso de que queramos romper una línea de código demasiado larga, tenemos dos
opciones:
1. Usar la barra invertida \:

>>> factorial = 4 * 3 * 2 * 1

>>> factorial = 4 * \
... 3 * \
... 2 * \
... 1

2. Usar los paréntesis (...):

>>> factorial = 4 * 3 * 2 * 1

>>> factorial = (4 *
... 3 *
... 2 *
... 1)

4.1.4 La sentencia if

La sentencia condicional en Python (al igual que en muchos otros lenguajes de programación)
es if. En su escritura debemos añadir una expresión de comparación terminando con
dos puntos al final de la línea. Veamos un ejemplo:

>>> temperature = 40

(continué en la próxima página)

102 Capítulo 4. Control de flujo

 Aprende Python

(proviene de la página anterior)

>>> if temperature > 35:
... print( Aviso por alta temperatura )
...
Aviso por alta temperatura

Nota: Nótese que en Python no es necesario incluir paréntesis ( y ) al escribir condiciones.

Hay veces que es recomendable por claridad o por establecer prioridades.

En el caso anterior se puede ver claramente que la condición se cumple y por tanto se ejecuta
la instrucción que tenemos dentro del cuerpo de la condición. Pero podría no ser así. Para
controlar ese caso existe la sentencia else. Veamos el mismo ejemplo anterior pero añadiendo
esta variante:

>>> temperature = 20

>>> if temperature > 35:

... print( Aviso por alta temperatura )
... else:
... print( Parámetros normales )
...
Parámetros normales

Podríamos tener incluso condiciones dentro de condiciones, lo que se viene a llamar

técnicamente condiciones anidadas3 . Veamos un ejemplo ampliando el caso anterior:

>>> temperature = 28

>>> if temperature < 20:

... if temperature < 10:
... print( Nivel azul )
... else:
... print( Nivel verde )
... else:
... if temperature < 30:
... print( Nivel naranja )
... else:
... print( Nivel rojo )
...
Nivel naranja

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

4.1. Condicionales 103

Aprende Python

Figura 2: Construcción de la sentencia elif

Apliquemos esta mejora al código del ejemplo anterior:

>>> temperature = 28

>>> if temperature < 20:

... if temperature < 10:
... print( Nivel azul )
... else:
... print( Nivel verde )
... elif temperature < 30:
... print( Nivel naranja )
... else:
... print( Nivel rojo )
...
Nivel naranja

Ejecución paso a paso a través de Python Tutor:

https://cutt.ly/wd58B4t

4.1.5 Asignaciones condicionales

Nivel intermedio
Supongamos que queremos asignar un nivel de riesgo de incendio en función de la
temperatura. En su versión clásica escribiríamos:

>>> temperature = 35

>>> if temperature < 30:

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

(continué en la próxima página)

104 Capítulo 4. Control de flujo

 Aprende Python

(proviene de la página anterior)

>>> fire_risk
HIGH

Sin embargo, esto lo podríamos abreviar con una asignación condicional de una única
línea:

>>> fire_risk = LOW if temperature < 30 else HIGH

>>> fire_risk
HIGH

4.1.6 Operadores de comparación

Cuando escribimos condiciones debemos incluir alguna expresión de comparación. Para usar
estas expresiones es fundamental conocer los operadores que nos ofrece Python:

Operador Símbolo
Igualdad ==
Desigualdad !=
Menor que <
Menor o igual que <=
Mayor que >
Mayor o igual que >=

A continuación vamos a ver una serie de ejemplos con expresiones de comparación. Téngase
en cuenta que estas expresiones habría que incluirlas dentro de la sentencia condicional en
el caso de que quisiéramos tomar una acción concreta:

# Asignación de valor inicial

>>> value = 8

>>> value == 8
True

>>> value != 8
False

>>> value < 12

True

>>> value <= 7

False
(continué en la próxima página)

4.1. Condicionales 105

Aprende Python

(proviene de la página anterior)

>>> value > 4

True

>>> value >= 9

False

4.1.7 Operadores lógicos

Podemos escribir condiciones más complejas usando los operadores lógicos:

• and
• or
• not

# Asignación de valor inicial

>>> x = 8

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

True

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

False

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

False

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

True

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

True

Véanse las tablas de la verdad para cada operador lógico:

Figura 3: Resultados al aplicar operadores lógicos

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

106 Capítulo 4. Control de flujo

 Aprende Python

>>> 4 <= value <= 12

True

Nota:
1. Una expresión de comparación siempre devuelve un valor booleano, es decir True o
False.
2. El uso de paréntesis, en función del caso, puede aclarar la expresión de comparación.

Ejercicio
Dada una variable year con un valor entero, compruebe si dicho año es bisiesto o no lo es.
Un año es bisiesto en el calendario Gregoriano, si es divisible entre 4 y no divisible entre
100, o bien si es divisible entre 400. Puedes hacer la comprobación en esta lista de años
bisiestos.
Ejemplo
• Entrada: 2008
• Salida: Es un año bisiesto

«Booleanos» en condiciones

Cuando queremos preguntar por la veracidad de una determinada variable «booleana» en

una condición, la primera aproximación que parece razonable es la siguiente:

>>> is_cold = True

>>> if is_cold == True:

... print( Coge chaqueta )
... else:
... print( Usa camiseta )
...
Coge chaqueta

Pero podemos simplificar esta condición tal que así:

>>> if is_cold:
... print( Coge chaqueta )
... else:
... print( Usa camiseta )
(continué en la próxima página)

4.1. Condicionales 107

Aprende Python

(proviene de la página anterior)

...
Coge chaqueta

Hemos visto una comparación para un valor «booleano» verdadero (True). En el caso de que
la comparación fuera para un valor falso lo haríamos así:

>>> is_cold = False

>>> if not is_cold: # Equivalente a if is_cold == False

... print( Usa camiseta )
... else:
... print( Coge chaqueta )
...
Usa camiseta

De hecho, si lo pensamos, estamos reproduciendo bastante bien el lenguaje natural:

• Si hace frío, coge chaqueta.
• Si no hace frío, usa camiseta.

Ejercicio
Escriba un programa que permita adivinar un personaje de Marvel en base a las tres
preguntas siguientes:
1. ¿Puede volar?
2. ¿Es humano?
3. ¿Tiene máscara?

108 Capítulo 4. Control de flujo

 Aprende Python

Ejemplo
• Entrada: can_fly = True, is_human = True y has_mask = True
• Salida: Ironman
Es una especie de Akinator para personajes de Marvel…

4.1. Condicionales 109

Aprende Python

Valor nulo

Nivel intermedio
None es un valor especial de Python que almacena el valor nulo4 . Veamos cómo se comporta
al incorporarlo en condiciones de veracidad:

>>> value = None

>>> if value:
... print( Value has some useful value )
... else:
... # value podría contener None, False (u otro)
... print( Value seems to be void )
...
Value seems to be void

Para distinguir None de los valores propiamente booleanos, se recomienda el uso del operador
is. Veamos un ejemplo en el que tratamos de averiguar si un valor es nulo:

>>> value = None

>>> if value is None:

... print( Value is clearly None )
... else:
... # value podría contener True, False (u otro)
... print( Value has some useful value )
...
Value is clearly void

De igual forma, podemos usar esta construcción para el caso contrario. La forma «pitónica»
de preguntar si algo no es nulo es la siguiente:

>>> value = 99

>>> if value is not None:

... print(f {value=} )
...
value=99

4
Lo que en otros lenguajes se conoce como nil, null, nothing.

110 Capítulo 4. Control de flujo

 Aprende Python

4.1.8 Sentencia match-case

Una de las novedades más esperadas (y quizás controvertidas) de Python 3.10 fue el
llamado Structural Pattern Matching que introdujo en el lenguaje una nueva sentencia
condicional. Ésta se podría asemejar a la sentencia «switch» que ya existe en otros lenguajes
de programación.

Comparando valores

En su versión más simple, el «pattern matching» permite comparar un valor de entrada con
una serie de literales. Algo así como un conjunto de sentencias «if» encadenadas. Veamos
esta aproximación mediante un ejemplo:

>>> color = #FF0000

>>> match color:

... case #FF0000 :
... print( )
... case #00FF00 :
... print( )
... case #0000FF :
... print( )
...

¿Qué ocurre si el valor que comparamos no existe entre las opciones disponibles? Pues en
principio, nada, ya que este caso no está cubierto. Si lo queremos controlar, hay que añadir
una nueva regla utilizando el subguión _ como patrón:

>>> color = #AF549B

>>> match color:

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

Ejercicio

4.1. Condicionales 111

Aprende Python

Escriba un programa en Python que pida (por separado) dos valores numéricos y un operando
(suma, resta, multiplicación, división) y calcule el resultado de la operación, usando para ello
la sentencia match-case.
Controlar que la operación no sea una de las cuatro predefinidas. En este caso dar un mensaje
de error y no mostrar resultado final.
Ejemplo
• Entrada: 4, 3, +
• Salida: 4+3=7

Patrones avanzados

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

>>> point = (2, 5)

>>> match point:

... case (x, y):
... print(f ({x},{y}) is in plane )
... case (x, y, z):
... print(f ({x},{y},{z}) is in space )
...
(2,5) is in plane

>>> point = (3, 1, 7)

>>> match point:

... case (x, y):
... print(f ({x},{y}) is in plane )
... case (x, y, z):
... print(f ({x},{y},{z}) is in space )
...
(3,1,7) is in space

En cualquier caso, esta aproximación permitiría un punto formado por «strings»:

112 Capítulo 4. Control de flujo

 Aprende Python

>>> point = ( 2 , 5 )

>>> match point:

... case (x, y):
... print(f ({x},{y}) is in plane )
... case (x, y, z):
... print(f ({x},{y},{z}) is in space )
...
(2,5) is in plane

Por lo tanto, en un siguiente paso, podemos restringir nuestros patrones a valores enteros:

>>> point = ( 2 , 5 )

>>> match point:

... case (int(), int()):
... print(f {point} is in plane )
... case (int(), int(), int()):
... print(f {point} is in space )
... case _:
... print( Unknown! )
...
Unknown!

>>> point = (3, 9, 1)

>>> match point:

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

Imaginemos ahora que nos piden calcular la distancia del punto al origen. Debemos tener en
cuenta que, a priori, desconocemos si el punto está en el plano o en el espacio:

>>> point = (8, 3, 5)

>>> match point:

... case (int(x), int(y)):
... dist_to_origin = (x ** 2 + y ** 2) ** (1 / 2)
... case (int(x), int(y), int(z)):
... dist_to_origin = (x ** 2 + y ** 2 + z ** 2) ** (1 / 2)
(continué en la próxima página)

4.1. Condicionales 113

 Aprende Python

(proviene de la página anterior)

... case _:
... print( Unknown! )
...

>>> dist_to_origin
9.899494936611665

Con este enfoque, nos aseguramos que los puntos de entrada deben tener todas sus
coordenadas como valores enteros:

>>> point = ( 8 , 3, 5) # Nótese el 8 como "string"

>>> match point:

... case (int(x), int(y)):
... dist_to_origin = (x ** 2 + y ** 2) ** (1 / 2)
... case (int(x), int(y), int(z)):
... dist_to_origin = (x ** 2 + y ** 2 + z ** 2) ** (1 / 2)
... case _:
... print( Unknown! )
...
Unknown!

Cambiando de ejemplo, veamos un fragmento de código en el que tenemos que comprobar

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

1 >>> # Lista de diccionarios

2 >>> auths = [
3 ... { username : sdelquin , password : 1234 },
4 ... { email : [email protected] , token : 4321 },
5 ... { email : [email protected] , password : ABCD },
6 ... { username : sdelquin , password : 1234}
7 ... ]
8

9 >>> for auth in auths:

10 ... print(auth)
11 ... match auth:
12 ... case { username : str(username), password : str(password)}:
13 ... print( Authenticating with username and password )
14 ... print(f {username}: {password} )
15 ... case { email : str(email), token : str(token)}:
16 ... print( Authenticating with email and token )
17 ... print(f {email}: {token} )
(continué en la próxima página)

114 Capítulo 4. Control de flujo

 Aprende Python

(proviene de la página anterior)

18 ... case _:
19 ... print( Authenticating method not valid! )
20 ... print( --- )
21 ...
22 { username : sdelquin , password : 1234 }
23 Authenticating with username and password
24 sdelquin: 1234
25 ---
26 { email : [email protected] , token : 4321 }
27 Authenticating with email and token
28 [email protected]: 4321
29 ---
30 { email : [email protected] , password : ABCD }
31 Authenticating method not valid!
32 ---
33 { username : sdelquin , password : 1234}
34 Authenticating method not valid!
35 ---

Cambiando de ejemplo, a continuación veremos un código que nos indica si, dada la edad de
una persona, puede beber alcohol:

1 >>> age = 21
2

3 >>> match age:

4 ... case 0 | None:
5 ... print( Not a person )
6 ... case n if n < 17:
7 ... print( Nope )
8 ... case n if n < 22:
9 ... print( Not in the US )
10 ... case _:
11 ... print( Yes )
12 ...
13 Not in the US

• En la línea 4 podemos observar el uso del operador OR.

• En las líneas 6 y 8 podemos observar el uso de condiciones dando lugar a cláusulas
guarda.

4.1. Condicionales 115

Aprende Python

4.1.9 Operador morsa

Nivel avanzado
A partir de Python 3.8 se incorpora el operador morsa5 que permite unificar sentencias de
asignación dentro de expresiones. Su nombre proviene de la forma que adquiere :=
Supongamos un ejemplo en el que computamos el perímetro de una circunferencia, indicando
al usuario que debe incrementarlo siempre y cuando no llegue a un mínimo establecido.
Versión tradicional

>>> radius = 4.25

... perimeter = 2 * 3.14 * radius
... if perimeter < 100:
... print( Increase radius to reach minimum perimeter )
... print( Actual perimeter: , perimeter)
...
Increase radius to reach minimum perimeter
Actual perimeter: 26.69

Versión con operador morsa

>>> radius = 4.25

... if (perimeter := 2 * 3.14 * radius) < 100:
... print( Increase radius to reach minimum perimeter )
... print( Actual perimeter: , perimeter)
...
Increase radius to reach minimum perimeter
Actual perimeter: 26.69

Consejo: Como hemos comprobado, el operador morsa permite realizar asignaciones dentro
de expresiones, lo que, en muchas ocasiones, permite obtener un código más compacto. Sería
conveniente encontrar un equilibrio entre la expresividad y la legibilidad.

5
Se denomina así porque el operador := tiene similitud con los colmillos de una morsa.

116 Capítulo 4. Control de flujo

 Aprende Python

EJERCICIOS DE REPASO

1. Escriba un programa en Python que acepte la opción de dos jugadoras en Piedra-Pape

• Entrada: person1=piedra; person2=papel

• Salida: Gana persona2: El papel envuelve a la piedra
2. Escriba un programa en Python que acepte 3 números y calcule el mínimo (solución).

• Entrada: 7, 4, 9
• Salida: 4
3. Escriba un programa en Python que acepte un país (como «string») y muestre por pan

• Entrada: Italia
• Salida: ��
4. Escriba un programa en Python que acepte 3 códigos de teclas y muestre por pantalla

• Entrada: tecla1=Ctrl; tecla2=Alt; tecla3=Del;

• Salida: Log out
5. Escriba un programa en Python que acepte edad, peso, pulso y plaquetas, y determine

• Entrada: edad=34; peso=81; heartbeat=70; plaquetas=150000

• Salida: Apto para donar sangre
6. pycheck boot red_square

EJERCICIOS EXTERNOS

1. Return the day

2. Return negative
3. What’s the real floor?
4. Area or Perimeter
5. Check same case
6. Simple multiplication
7. Quarter of the year

4.1. Condicionales 117

Aprende Python

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

AMPLIAR CONOCIMIENTOS

• How to Use the Python or Operator

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

118 Capítulo 4. Control de flujo

 Aprende Python

4.2 Bucles

Cuando queremos hacer algo más de una vez, necesitamos recurrir a un bucle. En esta
sección veremos las distintas sentencias en Python que nos permiten repetir un bloque de
código.1

4.2.1 La sentencia while

El primer mecanismo que existe en Python para repetir instrucciones es usar la sentencia
while. La semántica tras esta sentencia es: «Mientras se cumpla la condición haz algo».
Veamos un sencillo bucle que repite una pregunta mientras la respuesta sea negativa:

>>> want_exit = N # importante dar un valor antes de empezar el bucle

>>> while want_exit == N :

... print( Hola qué tal )
... want_exit = input( ¿Quiere salir? [S/N] )
...
... print( Ciao! )
Hola qué tal
¿Quiere salir? [S/N] N
Hola qué tal
(continué en la próxima página)
1
Foto original de portada por Gary Lopater en Unsplash.

4.2. Bucles 119

Aprende Python

(proviene de la página anterior)

¿Quiere salir? [S/N] N
Hola qué tal
¿Quiere salir? [S/N] S
Ciao!

Ejecución paso a paso a través de Python Tutor:

https://cutt.ly/cNg8dR0
La condición del bucle se comprueba en cada nueva repetición. En este caso chequeamos que
la variable want_exit sea igual a N . Dentro del cuerpo del bucle estamos mostrando un
mensaje y pidiendo la opción al usuario.

Romper un bucle while

Python ofrece la posibilidad de romper o finalizar un bucle antes de que se cumpla la

condición de parada.
Supongamos que en el ejemplo anterior, establecemos un máximo de 4 preguntas:

>>> want_exit = N
>>> num_questions = 0

>>> while want_exit == N :

... print( Hola qué tal )
... want_exit = input( ¿Quiere salir? [S/N] )
... num_questions += 1
... if num_questions == 4:
... print( Máximo número de preguntas alcanzado )
... break
... print( Ciao! )
Hola qué tal
¿Quiere salir? [S/N] N
Hola qué tal
¿Quiere salir? [S/N] N
Hola qué tal
¿Quiere salir? [S/N] N
Hola qué tal
¿Quiere salir? [S/N] N
Máximo número de preguntas alcanzado
Ciao!

Ejecución paso a paso a través de Python Tutor:

https://cutt.ly/xNhq3iI

120 Capítulo 4. Control de flujo

 Aprende Python

Como hemos visto en este ejemplo, break nos permite finalizar el bucle una vez que hemos
llegado al máximo número de preguntas. Pero si no hubiéramos llegado a dicho límite, el
bucle habría seguido hasta que el usuario indicara que quiere salir.
Otra forma de resolver este ejercicio sería incorporar una condición al bucle:

while want_exit == N and num_questions < 4:

...

Comprobar la rotura

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

>>> want_exit = N
>>> num_questions = 0

>>> while want_exit == N :

... print( Hola qué tal )
... want_exit = input( ¿Quiere salir? [S/N] )
... num_questions += 1
... if num_questions == 4:
... print( Máximo número de preguntas alcanzado )
... break
... else:
... print( Usted ha decidido salir )
... print( Ciao )
Hola qué tal
¿Quiere salir? [S/N] S
Usted ha decidido salir
Ciao

Importante: Si hubiéramos agotado el número de preguntas NO se habría ejecutado la

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

Ejecución paso a paso a través de Python Tutor:

https://cutt.ly/xNho3di

4.2. Bucles 121

Aprende Python

Continuar un bucle

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

>>> while want_exit == N :

... print( Hola qué tal )
... want_exit = input( ¿Quiere salir? [S/N] )
... if want_exit not in SN :
... want_exit = N
... continue
... valid_options += 1
... print(f {valid_options} respuestas válidas )
... print( Ciao! )
Hola qué tal
¿Quiere salir? [S/N] N
Hola qué tal
¿Quiere salir? [S/N] X
Hola qué tal
¿Quiere salir? [S/N] Z
Hola qué tal
¿Quiere salir? [S/N] S
2 respuestas válidas
Ciao!

Ejecución paso a paso a través de Python Tutor:

https://cutt.ly/BNhkOhP

Bucle infinito

Si no establecemos correctamente la condición de parada o bien el valor de alguna variable

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

>>> while num != 10:

... num += 2
(continué en la próxima página)

122 Capítulo 4. Control de flujo

 Aprende Python

(proviene de la página anterior)

...
# CTRL-C
KeyboardInterrupt
Traceback (most recent call last):
File "<stdin>", line 1, in <module>

El problema que surje es que la variable num toma los valores 1, 3, 5, 7, 9, 11, ..
. por lo que nunca se cumple la condición de parada del bucle. Esto hace que repitamos
«eternamente» la instrucción de incremento.
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/AfrZroa
Una posible solución a este error es reescribir la condición de parada en el bucle:

>>> num = 1

>>> while num < 10:

... num += 2
...

Truco: Para abortar una situación de bucle infinito podemos pulsar en el teclado
la combinación CTRL-C. Se puede ver reflejado en el intérprete de Python por
KeyboardInterrupt.

Hay veces que un supuesto bucle «infinito» puede ayudarnos a resolver un problema.
Imaginemos que queremos escribir un programa que ayude al profesorado a introducir las
notas de un examen. Si la nota no está en el intervalo [0, 10] mostramos un mensaje de error,
en otro caso seguimos pidiendo valores:

>>> while True:

... mark = float(input( Introduzca nueva nota: ))
... if not(0 <= mark <= 10):
... print( Nota fuera de rango )
... break
... print(mark)
...
Introduzca nueva nota: 5
5.0
Introduzca nueva nota: 3
3.0
Introduzca nueva nota: 11
Nota fuera de rango

4.2. Bucles 123

Aprende Python

Ejercicio
Escriba un programa que encuentre todos los múltiplos de 5 menores que un valor dado:
Ejemplo
• Entrada: 36
• Salida: 5 10 15 20 25 30 35

4.2.2 La sentencia for

Python permite recorrer aquellos tipos de datos que sean iterables, es decir, que admitan
iterar 2 sobre ellos. Algunos ejemplos de tipos y estructuras de datos que permiten ser iteradas
(recorridas) son: cadenas de texto, listas, diccionarios, ficheros, etc. La sentencia for nos
permite realizar esta acción.
A continuación se plantea un ejemplo en el que vamos a recorrer (iterar) una cadena de
texto:

>>> word = Python

>>> for letter in word:

... print(letter)
...
P
y
t
h
o
n

La clave aquí está en darse cuenta que el bucle va tomando, en cada iteración, cada uno de
los elementos de la variable que especifiquemos. En este caso concreto letter va tomando
cada una de las letras que existen en word, porque una cadena de texto está formada por
elementos que son caracteres.
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/Pft6R2e

Importante: La variable que utilizamos en el bucle for para ir tomando los valores puede
tener cualquier nombre. Al fin y al cabo es una variable que definimos según nuestras
2
Realizar cierta acción varias veces. En este caso la acción es tomar cada elemento.

124 Capítulo 4. Control de flujo

 Aprende Python

necesidades. Tener en cuenta que se suele usar un nombre en singular.

Romper un bucle for

Una sentencia break dentro de un for rompe el bucle, igual que veíamos para los bucles
while. Veamos un ejemplo con el código anterior. En este caso vamos a recorrer una cadena
de texto y pararemos el bucle cuando encontremos una letra t minúscula:

>>> word = Python

>>> for letter in word:

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

Ejecución paso a paso a través de Python Tutor:

https://cutt.ly/zfyqkbJ

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

iteración se llevan a cabo del mismo modo que hemos visto con los bucles de tipo while.

Ejercicio
Dada una cadena de texto, indique el número de vocales que tiene.
Ejemplo
• Entrada: Supercalifragilisticoespialidoso
• Salida: 15

4.2. Bucles 125

Aprende Python

Secuencias de números

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

>>> for i in range(0, 3):

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

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

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

Rango: [1, 3, 5]

>>> for i in range(1, 6, 2):

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

Rango: [2, 1, 0]
3
O convertir el objeto a una secuencia como una lista.

126 Capítulo 4. Control de flujo

 Aprende Python

>>> for i in range(2, -1, -1):

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

Ejecución paso a paso a través de Python Tutor:

https://cutt.ly/vfywE45

Truco: Se suelen utilizar nombres de variables i, j, k para lo que se denominan contadores.

Este tipo de variables toman valores numéricos enteros como en los ejemplos anteriores. No
conviene generalizar el uso de estas variables a situaciones en las que, claramente, tenemos la
posibilidad de asignar un nombre semánticamente más significativo. Esto viene de tiempos
antiguos en FORTRAN donde i era la primera letra que tenía valor entero por defecto.

Ejercicio
Determine si un número dado es un número primo.
No es necesario implementar ningún algoritmo en concreto. La idea es probar los números
menores al dado e ir viendo si las divisiones tienen resto cero o no.
¿Podría optimizar su código? ¿Realmente es necesario probar con tantos divisores?
Ejemplo
• Entrada: 11
• Salida: Es primo

Usando el guión bajo

Nivel avanzado
Hay situaciones en las que no necesitamos usar la variable que toma valores en el rango,
sino que únicamente queremos repetir una acción un número determinado de veces.
Para estos casos se suele recomendar usar el guión bajo _ como nombre de variable, que
da a entender que no estamos usando esta variable de forma explícita:

>>> for _ in range(10):

... print( Repeat me 10 times! )
(continué en la próxima página)

4.2. Bucles 127

Aprende Python

(proviene de la página anterior)

...
Repeat me 10 times!
Repeat me 10 times!
Repeat me 10 times!
Repeat me 10 times!
Repeat me 10 times!
Repeat me 10 times!
Repeat me 10 times!
Repeat me 10 times!
Repeat me 10 times!
Repeat me 10 times!

Ejercicio
Imprima los 100 primeros números de la sucesión de Fibonacci:
0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, . . .

4.2.3 Bucles anidados

Como ya vimos en las sentencias condicionales, el anidamiento es una técnica por la que
incluimos distintos niveles de encapsulamiento de sentencias, unas dentro de otras, con mayor
nivel de profundidad. En el caso de los bucles también es posible hacer anidamiento.
Veamos un ejemplo de 2 bucles anidados en el que generamos todas las tablas de multiplicar:

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

... for j in range(1, 10):
... result = i * j
... print(f {i} * {j} = {result} )
...
1 x 1 = 1
1 x 2 = 2
1 x 3 = 3
1 x 4 = 4
1 x 5 = 5
1 x 6 = 6
1 x 7 = 7
1 x 8 = 8
1 x 9 = 9
2 x 1 = 2
2 x 2 = 4
2 x 3 = 6
(continué en la próxima página)

128 Capítulo 4. Control de flujo

 Aprende Python

(proviene de la página anterior)

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

4.2. Bucles 129

Aprende Python

(proviene de la página anterior)

7 x 4 = 28
7 x 5 = 35
7 x 6 = 42
7 x 7 = 49
7 x 8 = 56
7 x 9 = 63
8 x 1 = 8
8 x 2 = 16
8 x 3 = 24
8 x 4 = 32
8 x 5 = 40
8 x 6 = 48
8 x 7 = 56
8 x 8 = 64
8 x 9 = 72
9 x 1 = 9
9 x 2 = 18
9 x 3 = 27
9 x 4 = 36
9 x 5 = 45
9 x 6 = 54
9 x 7 = 63
9 x 8 = 72
9 x 9 = 81

Lo que está ocurriendo en este código es que, para cada valor que toma la variable i, la otra
variable j toma todos sus valores. Como resultado tenemos una combinación completa de
los valores en el rango especificado.
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/vfyeWvj

Nota:
• Podemos añadir todos los niveles de anidamiento que queramos. Eso sí, hay que tener
en cuenta que cada nuevo nivel de anidamiento supone un importante aumento de la
complejidad ciclomática de nuestro código, lo que se traduce en mayores tiempos de
ejecución.
• Los bucles anidados también se pueden aplicar en la sentencia while.

Ejercicio
Dado su tamaño, muestre por pantalla un mosaico donde la diagonal principal esté

130 Capítulo 4. Control de flujo

Aprende Python

6.3 Excepciones

Una excepción es el bloque de código que se lanza cuando se produce un error en la

ejecución de un programa Python.1
De hecho ya hemos visto algunas de estas excepciones: accesos fuera de rango a listas o
tuplas, accesos a claves inexistentes en diccionarios, etc. Cuando ejecutamos código que
podría fallar bajo ciertas circunstancias, necesitamos también manejar, de manera adecuada,
las excepciones que se generan.

6.3.1 Manejando errores

Si una excepción ocurre en algún lugar de nuestro programa y no es capturada en ese punto,
va subiendo (burbujeando) hasta que es capturada en alguna función que ha hecho la llamada.
Si en toda la «pila» de llamadas no existe un control de la excepción, Python muestra un
mensaje de error con información adicional:

>>> def intdiv(a, b):

... return a // b
...

>>> intdiv(3, 0)
Traceback (most recent call last):
(continué en la próxima página)
1
Foto original por Sarah Kilian en Unsplash.

280 Capítulo 6. Modularidad

 Aprende Python

(proviene de la página anterior)

File "<stdin>", line 1, in <module>
File "<stdin>", line 2, in intdiv
ZeroDivisionError: integer division or modulo by zero

Para manejar (capturar) las excepciones podemos usar un bloque de código con las palabras
reservadas try and except:

>>> def intdiv(a, b):

... try:
... return a // b
... except:
... print( Please do not divide by zero... )
...

>>> intdiv(3, 0)
Please do not divide by zero...

Aquel código que se encuentre dentro del bloque try se ejecutará normalmente siempre y
cuando no haya un error. Si se produce una excepción, ésta será capturada por el bloque
except, ejecutándose el código que contiene.

Consejo: No es una buena práctica usar un bloque except sin indicar el tipo de excepción
que estamos gestionando, no sólo porque puedan existir varias excepciones que capturar sino
porque, como dice el Zen de Python: «explícito» es mejor que «implícito».

Especificando excepciones

En el siguiente ejemplo mejoraremos el código anterior, capturando distintos tipos de

excepciones:
• TypeError por si los operandos no permiten la división.
• ZeroDivisionError por si el denominador es cero.
• Exception para cualquier otro error que se pueda producir.
Veamos su implementación:

>>> def intdiv(a, b):

... try:
... result = a // b
... except TypeError:
... print( Check operands. Some of them seems strange... )
... except ZeroDivisionError:
(continué en la próxima página)

6.3. Excepciones 281

Aprende Python

(proviene de la página anterior)

... print( Please do not divide by zero... )
... except Exception:
... print( Ups. Something went wrong... )
...

>>> intdiv(3, 0)
Please do not divide by zero...

>>> intdiv(3, 0 )
Check operands. Some of them seems strange...

Importante: Las excepciones predefinidas en Python no hace falta importarlas

previamente. Se pueden usar directamente.

Cubriendo más casos

Python proporciona la cláusula else para saber que todo ha ido bien y que no se ha lanzado
ninguna excepción. Esto es relevante a la hora de manejar los errores.
De igual modo, tenemos a nuestra disposición la cláusula finally que se ejecuta siempre,
independientemente de si ha habido o no ha habido error.
Veamos un ejemplo de ambos:
>>> values = [4, 2, 7]

>>> user_index = 3

>>> try:
... r = values[user_index]
... except IndexError:
... print( Error: Index not in list )
... else:
... print(f Your wishes are my command: {r} )
... finally:
... print( Have a good day! )
...
Error: Index not in list
Have a good day!

>>> user_index = 2

>>> try:
(continué en la próxima página)

282 Capítulo 6. Modularidad

 Aprende Python

(proviene de la página anterior)

... r = values[user_index]
... except IndexError:
... print( Error: Index not in list )
... else:
... print(f Your wishes are my command: {r} )
... finally:
... print( Have a good day! )
...
Your wishes are my command: 7
Have a good day!

Ejercicio
Sabiendo que ValueError es la excepción que se lanza cuando no podemos convertir una
cadena de texto en su valor numérico, escriba una función get_int() que lea un valor entero
del usuario y lo devuelva, iterando mientras el valor no sea correcto.
Ejecución a modo de ejemplo:

Give me an integer number: ten

Not a valid integer. Try it again!
Give me an integer number: diez
Not a valid integer. Try it again!
Give me an integer number: 10

Trate de implementar tanto la versión recursiva como la versión iterativa.

6.3.2 Excepciones propias

Nivel avanzado
Python ofrece una gran cantidad de excepciones predefinidas. Hasta ahora hemos visto
cómo gestionar y manejar este tipo de excepciones. Pero hay ocasiones en las que nos
puede interesar crear nuestras propias excepciones. Para ello tendremos que crear una clase
heredando de Exception, la clase base para todas las excepciones.
Veamos un ejemplo en el que creamos una excepción propia controlando que el valor sea un
número entero:

>>> class NotIntError(Exception):

... pass
...

(continué en la próxima página)

6.3. Excepciones 283

Aprende Python

(proviene de la página anterior)

>>> values = (4, 7, 2.11, 9)

>>> for value in values:

... if not isinstance(value, int):
... raise NotIntError(value)
...
Traceback (most recent call last):
File "<stdin>", line 3, in <module>
__main__.NotIntError: 2.11

Hemos usado la sentencia raise para «elevar» esta excepción, que podría ser controlada en
un nivel superior mediante un bloque try - except.

Nota: Para crear una excepción propia basta con crear una clase vacía. No es necesario
incluir código más allá de un pass.

Mensaje personalizado

Podemos personalizar la excepción añadiendo un mensaje más informativo. Siguiendo el

ejemplo anterior, veamos cómo introducimos esta información:

>>> class NotIntError(Exception):

... def __init__(self, message= This module only works with integers. Sorry! ):
... super().__init__(message)
...

>>> raise NotIntError()

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
__main__.NotIntError: This module only works with integers. Sorry!

Podemos ir un paso más allá e incorporar en el mensaje el propio valor que está generando
el error:

>>> class NotIntError(Exception):

... def __init__(self, value, message= This module only works with integers.␣
˓→Sorry! ):

... self.value = value

... self.message = message
... super().__init__(self.message)
...
... def __str__(self):
(continué en la próxima página)

284 Capítulo 6. Modularidad

 Aprende Python

(proviene de la página anterior)

... return f {self.value} -> {self.message}
...

>>> raise NotIntError(2.11)

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
__main__.NotIntError: 2.11 -> This module only works with integers. Sorry!

6.3.3 Aserciones

Si hablamos de control de errores hay que citar una sentencia en Python denominada assert.
Esta sentencia nos permite comprobar si se están cumpliendo las «expectativas» de nuestro
programa, y en caso contrario, lanza una excepción informativa.
Su sintaxis es muy simple. Únicamente tendremos que indicar una expresión de comparación
después de la sentencia:

>>> result = 10

>>> assert result > 0

>>> print(result)
10

En el caso de que la condición se cumpla, no sucede nada: el programa continúa con su flujo
normal. Esto es indicativo de que las expectativas que teníamos se han satisfecho.
Sin embargo, si la condición que fijamos no se cumpla, la aserción devuelve un error
AssertionError y el programa interrupme su ejecución:

>>> result = -1

>>> assert result > 0

---------------------------------------------------------------------------
AssertionError Traceback (most recent call last)
<ipython-input-29-e2efe60b0c46> in <module>
----> 1 assert result > 0

AssertionError:

Podemos observar que la excepción que se lanza no contiene ningún mensaje informativo. Es
posible personalizar este mensaje añadiendo un segundo elemento en la tupla de la aserción:

6.3. Excepciones 285

Aprende Python

>>> assert result > 0, El resultado debe ser positivo

---------------------------------------------------------------------------
AssertionError Traceback (most recent call last)
<ipython-input-31-f58052ce672b> in <module>
----> 1 assert result > 0, El resultado debe ser positivo

AssertionError: El resultado debe ser positivo

AMPLIAR CONOCIMIENTOS

• Python Exceptions: An introduction

• Python KeyError Exceptions and How to Handle Them
• Understanding the Python Traceback

6.4 Módulos

Escribir pequeños trozos de código puede resultar interesante para realizar determinadas
pruebas. Pero a la larga, nuestros programas tenderán a crecer y será necesario agrupar el
código en unidades manejables.
Los módulos son simplemente ficheros de texto que contienen código Python y representan

286 Capítulo 6. Modularidad

Aprende Python

5.1 Listas

Las listas permiten almacenar objetos mediante un orden definido y con posibilidad
de duplicados. Las listas son estructuras de datos mutables, lo que significa que podemos
añadir, eliminar o modificar sus elementos.1

5.1.1 Creando listas

Una lista está compuesta por cero o más elementos. En Python debemos escribir estos
elementos separados por comas y dentro de corchetes. Veamos algunos ejemplos de listas:

>>> empty_list = []

>>> languages = [ Python , Ruby , Javascript ]

>>> fibonacci = [0, 1, 1, 2, 3, 5, 8, 13]

>>> data = [ Tenerife , { cielo : limpio , temp : 24}, 3718, (28.2933947, -16.
˓→5226597)]

Nota: Una lista puede contener tipos de datos heterogéneos, lo que la hace una estructura
1
Foto original de portada por Mike Arney en Unsplash.

138 Capítulo 5. Estructuras de datos

 Aprende Python

de datos muy versátil.

Ejecución paso a paso a través de Python Tutor:

https://cutt.ly/Ofiiare

Advertencia: Aunque está permitido, NUNCA llames list a una variable porque
destruirías la función que nos permite crear listas. Y tampoco uses nombres derivados
como _list o list_ ya que no son nombres representativos que identifiquen el propósito
de la variable.

Ejercicio
Cree una lista con las 5 ciudades que más le gusten.

5.1.2 Conversión

Para convertir otros tipos de datos en una lista podemos usar la función list():

>>> # conversión desde una cadena de texto

>>> list( Python )
[ P , y , t , h , o , n ]

Si nos fijamos en lo que ha pasado, al convertir la cadena de texto Python se ha creado

una lista con 6 elementos, donde cada uno de ellos representa un carácter de la cadena.
Podemos extender este comportamiento a cualquier otro tipo de datos que permita ser iterado
(iterables).
Otro ejemplo interesante de conversión puede ser la de los rangos. En este caso queremos
obtener una lista explícita con los valores que constituyen el rango [0, 9]:

>>> list(range(10))
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

5.1. Listas 139

Aprende Python

Lista vacía

Existe una manera particular de usar list() y es no pasarle ningún argumento. En este
caso estaremos queriendo convertir el «vacío» en una lista, con lo que obtendremos una lista
vacía:
>>> list()
[]

Truco: Para crear una lista vacía, se suele recomendar el uso de [] frente a list(), no
sólo por ser más pitónico sino por tener (en promedio) un mejor rendimiento en tiempos de
ejecución.

5.1.3 Operaciones con listas

Obtener un elemento

Igual que en el caso de las cadenas de texto, podemos obtener un elemento de una lista a
través del índice (lugar) que ocupa. Veamos un ejemplo:
>>> shopping = [ Agua , Huevos , Aceite ]

>>> shopping[0]
Agua

>>> shopping[1]
Huevos

>>> shopping[2]
Aceite

>>> shopping[-1] # acceso con índice negativo

Aceite

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

>>> shopping[3]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
(continué en la próxima página)

140 Capítulo 5. Estructuras de datos

 Aprende Python

(proviene de la página anterior)

IndexError: list index out of range

>>> shopping[-5]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
IndexError: list index out of range

Trocear una lista

El troceado de listas funciona de manera totalmente análoga al troceado de cadenas. Veamos

algunos ejemplos:

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> shopping[0:3]
[ Agua , Huevos , Aceite ]

>>> shopping[:3]
[ Agua , Huevos , Aceite ]

>>> shopping[2:4]
[ Aceite , Sal ]

>>> shopping[-1:-4:-1]
[ Limón , Sal , Aceite ]

>>> # Equivale a invertir la lista

>>> shopping[::-1]
[ Limón , Sal , Aceite , Huevos , Agua ]

En el troceado de listas, a diferencia de lo que ocurre al obtener elementos, no debemos

preocuparnos por acceder a índices inválidos (fuera de rango) ya que Python los restringirá
a los límites de la lista:

>>> shopping
[ Agua , Huevos , Aceite , Sal , Limón ]

>>> shopping[10:]
[]

>>> shopping[-100:2]
[ Agua , Huevos ]

(continué en la próxima página)

5.1. Listas 141

Aprende Python

(proviene de la página anterior)

>>> shopping[2:100]
[ Aceite , Sal , Limón ]

Importante: Ninguna de las operaciones anteriores modifican la lista original, simplemente

devuelven una lista nueva.

Invertir una lista

Python nos ofrece, al menos, tres mecanismos para invertir los elementos de una lista:
Conservando la lista original: Opción 1: Mediante troceado de listas con step negativo:

>>> shopping
[ Agua , Huevos , Aceite , Sal , Limón ]

>>> shopping[::-1]
[ Limón , Sal , Aceite , Huevos , Agua ]

Opción 2: Mediante la función reversed():

>>> shopping
[ Agua , Huevos , Aceite , Sal , Limón ]

>>> list(reversed(shopping))
[ Limón , Sal , Aceite , Huevos , Agua ]

Modificando la lista original: Utilizando la función reverse() (nótese que es sin «d» al
final):

>>> shopping
[ Agua , Huevos , Aceite , Sal , Limón ]

>>> shopping.reverse()

>>> shopping
[ Limón , Sal , Aceite , Huevos , Agua ]

142 Capítulo 5. Estructuras de datos

 Aprende Python

Añadir al final de la lista

Una de las operaciones más utilizadas en listas es añadir elementos al final de las mismas.
Para ello Python nos ofrece la función append(). Se trata de un método destructivo que
modifica la lista original:

>>> shopping = [ Agua , Huevos , Aceite ]

>>> shopping.append( Atún )

>>> shopping
[ Agua , Huevos , Aceite , Atún ]

Creando desde vacío

Una forma muy habitual de trabajar con listas es empezar con una vacía e ir añadiendo
elementos poco a poco. Se podría hablar de un patrón creación.
Supongamos un ejemplo en el que queremos construir una lista con los números pares del
[0, 20):

>>> even_numbers = []

>>> for i in range(20):

... if i % 2 == 0:
... even_numbers.append(i)
...

>>> even_numbers
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

Ejecución paso a paso a través de Python Tutor:

https://cutt.ly/2fiS9Ax

Añadir en cualquier posición de una lista

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

5.1. Listas 143

Aprende Python

>>> shopping = [ Agua , Huevos , Aceite ]

>>> shopping.insert(1, Jamón )

>>> shopping
[ Agua , Jamón , Huevos , Aceite ]

>>> shopping.insert(3, Queso )

>>> shopping
[ Agua , Jamón , Huevos , Queso , Aceite ]

Nota: El índice que especificamos en la función insert() lo podemos intepretar como la

posición delante (a la izquierda) de la cual vamos a colocar el nuevo valor en la lista.

Al igual que ocurría con el troceado de listas, en este tipo de inserciones no obtendremos un
error si especificamos índices fuera de los límites de la lista. Estos se ajustarán al principio
o al final en función del valor que indiquemos:
>>> shopping = [ Agua , Huevos , Aceite ]

>>> shopping.insert(100, Mermelada )

>>> shopping
[ Agua , Huevos , Aceite , Mermelada ]

>>> shopping.insert(-100, Arroz )

>>> shopping
[ Arroz , Agua , Huevos , Aceite , Mermelada ]

Consejo: Aunque es posible utilizar insert() para añadir elementos al final de una
lista, siempre se recomienda usar append() por su mayor legibilidad:
>>> values = [1, 2, 3]
>>> values.append(4)
>>> values
[1, 2, 3, 4]

>>> values = [1, 2, 3]

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

144 Capítulo 5. Estructuras de datos

 Aprende Python

Repetir elementos

Al igual que con las cadenas de texto, el operador * nos permite repetir los elementos de una
lista:
>>> shopping = [ Agua , Huevos , Aceite ]

>>> shopping * 3
[ Agua ,
Huevos ,
Aceite ,
Agua ,
Huevos ,
Aceite ,
Agua ,
Huevos ,
Aceite ]

Combinar listas

Python nos ofrece dos aproximaciones para combinar listas:

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

>>> shopping + fruitshop

[ Agua , Huevos , Aceite , Naranja , Manzana , Piña ]

Modificando la lista original: Mediante la función extend():

>>> shopping = [ Agua , Huevos , Aceite ]
>>> fruitshop = [ Naranja , Manzana , Piña ]

>>> shopping.extend(fruitshop)

>>> shopping
[ Agua , Huevos , Aceite , Naranja , Manzana , Piña ]

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

>>> shopping.extend( Limón )

(continué en la próxima página)

5.1. Listas 145

Aprende Python

(proviene de la página anterior)

>>> shopping
[ Agua , Huevos , Aceite , L , i , m , ó , n ]

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

>>> shopping = [ Agua , Huevos , Aceite ]

>>> fruitshop = [ Naranja , Manzana , Piña ]

>>> shopping.append(fruitshop)

>>> shopping
[ Agua , Huevos , Aceite , [ Naranja , Manzana , Piña ]]

Modificar una lista

Del mismo modo que se accede a un elemento utilizando su índice, también podemos
modificarlo:

>>> shopping = [ Agua , Huevos , Aceite ]

>>> shopping[0]
Agua

>>> shopping[0] = Jugo

>>> shopping
[ Jugo , Huevos , Aceite ]

En el caso de acceder a un índice no válido de la lista, incluso para modificar, obtendremos

un error:

>>> shopping[100] = Chocolate

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
IndexError: list assignment index out of range

146 Capítulo 5. Estructuras de datos

 Aprende Python

Modificar con troceado

No sólo es posible modificar un elemento de cada vez, sino que podemos asignar valores a
trozos de una lista:

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> shopping[1:4]
[ Huevos , Aceite , Sal ]

>>> shopping[1:4] = [ Atún , Pasta ]

>>> shopping
[ Agua , Atún , Pasta , Limón ]

Nota: La lista que asignamos no necesariamente debe tener la misma longitud que el trozo
que sustituimos.

Borrar elementos

Python nos ofrece, al menos, cuatro formas para borrar elementos en una lista:
Por su índice: Mediante la sentencia del:

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> del shopping[3]

>>> shopping
[ Agua , Huevos , Aceite , Limón ]

Por su valor: Mediante la función remove():

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> shopping.remove( Sal )

>>> shopping
[ Agua , Huevos , Aceite , Limón ]

Advertencia: Si existen valores duplicados, la función remove() sólo borrará la

primera ocurrencia.

5.1. Listas 147

Aprende Python

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

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

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> shopping.pop()
Limón

>>> shopping
[ Agua , Huevos , Aceite , Sal ]

>>> shopping.pop(2)
Aceite

>>> shopping
[ Agua , Huevos , Sal ]

Nota: Si usamos la función pop() sin pasarle ningún argumento, por defecto usará
el índice -1, es decir, el último elemento de la lista. Pero también podemos indicarle el
índice del elemento a extraer.

Por su rango: Mediante troceado de listas:

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> shopping[1:4] = []

>>> shopping
[ Agua , Limón ]

Borrado completo de la lista

Python nos ofrece, al menos, dos formas para borrar una lista por completo:
1. Utilizando la función clear():

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

(continué en la próxima página)

3
Más adelante veremos el comportamiento de las funciones. Devolver o retornar un valor es el resultado
de aplicar una función.

148 Capítulo 5. Estructuras de datos

 Aprende Python

(proviene de la página anterior)

>>> shopping.clear() # Borrado in-situ

>>> shopping
[]

2. «Reinicializando» la lista a vacío con []:

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> shopping = [] # Nueva zona de memoria

>>> shopping
[]

Nivel avanzado
La diferencia entre ambos métodos tiene que ver con cuestiones internas de gestión de
memoria y de rendimiento:

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

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

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> id(shopping)
4458688576
>>> shopping = []
>>> id(shopping) # se crea una nueva "posición de memoria"
4458851520

Encontrar un elemento

Si queremos descubrir el índice que corresponde a un determinado valor dentro la lista

podemos usar la función index() para ello:

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> shopping.index( Huevos )

1

Tener en cuenta que si el elemento que buscamos no está en la lista, obtendremos un error:

5.1. Listas 149

Aprende Python

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> shopping.index( Pollo )

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ValueError: Pollo is not in list

Nota: Si buscamos un valor que existe más de una vez en una lista, la función index() sólo
nos devolverá el índice de la primera ocurrencia.

Pertenencia de un elemento

Si queremos comprobar la existencia de un determinado elemento en una lista, podríamos

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

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> Aceite in shopping

True

>>> Pollo in shopping

False

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

Ejercicio
Determine si una cadena de texto dada es un isograma, es decir, no se repite ninguna letra.
Ejemplos válidos de isogramas:
• lumberjacks
• background
• downstream
• six-year-old

150 Capítulo 5. Estructuras de datos

 Aprende Python

Número de ocurrencias

Para contar cuántas veces aparece un determinado valor dentro de una lista podemos usar
la función count():

>>> sheldon_greeting = [ Penny , Penny , Penny ]

>>> sheldon_greeting.count( Howard )

0

>>> sheldon_greeting.count( Penny )

3

Convertir lista a cadena de texto

Dada una lista, podemos convetirla a una cadena de texto, uniendo todos sus elementos
mediante algún separador. Para ello hacemos uso de la función join() con la siguiente
estructura:

Figura 1: Estructura de llamada a la función join()

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> , .join(shopping)
Agua,Huevos,Aceite,Sal,Limón

>>> .join(shopping)
Agua Huevos Aceite Sal Limón

>>> | .join(shopping)
Agua|Huevos|Aceite|Sal|Limón

Hay que tener en cuenta que join() sólo funciona si todos sus elementos son cadenas de
texto:

5.1. Listas 151

Aprende Python

>>> , .join([1, 2, 3, 4, 5])

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: sequence item 0: expected str instance, int found

Truco: Esta función join() es realmente la opuesta a la de split() para dividir una
cadena.

Ejercicio
Consiga la siguiente transformación:
12/31/20 31-12-2020

Ordenar una lista

Python proporciona, al menos, dos formas de ordenar los elementos de una lista:
Conservando lista original: Mediante la función sorted() que devuelve una nueva lista
ordenada:

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> sorted(shopping)
[ Aceite , Agua , Huevos , Limón , Sal ]

Modificando la lista original: Mediante la función sort():

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> shopping.sort()

>>> shopping
[ Aceite , Agua , Huevos , Limón , Sal ]

Ambos métodos admiten un parámetro «booleano» reverse para indicar si queremos que
la ordenación se haga en sentido inverso:

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> sorted(shopping, reverse=True)

[ Sal , Limón , Huevos , Agua , Aceite ]

152 Capítulo 5. Estructuras de datos

 Aprende Python

Longitud de una lista

Podemos conocer el número de elementos que tiene una lista con la función len():

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> len(shopping)
5

Iterar sobre una lista

Al igual que hemos visto con las cadenas de texto, también podemos iterar sobre los elementos
de una lista utilizando la sentencia for:

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

>>> for product in shopping:

... print(product)
...
Agua
Huevos
Aceite
Sal
Limón

Nota: También es posible usar la sentencia break en este tipo de bucles para abortar su
ejecución en algún momento que nos interese.

Ejercicio
pycheck boot chars_list

Iterar usando enumeración

Hay veces que no sólo nos interesa «visitar» cada uno de los elementos de una lista, sino
que también queremos saber su índice dentro de la misma. Para ello Python nos ofrece la
función enumerate():

>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]

(continué en la próxima página)

5.1. Listas 153

Aprende Python

(proviene de la página anterior)

>>> for i, product in enumerate(shopping):
... print(i, product)
...
0 Agua
1 Huevos
2 Aceite
3 Sal
4 Limón

Ejecución paso a paso a través de Python Tutor:

https://cutt.ly/TfiuIZ0

Truco: Es posible utilizar el parámetro start con enumerate() para indicar el índice en el
que queremos comenzar. Por defecto es 0.

Iterar sobre múltiples listas

Python ofrece la posibilidad de iterar sobre múltiples listas en paralelo utilizando la

función zip():

>>> shopping = [ Agua , Aceite , Arroz ]

>>> details = [ mineral natural , de oliva virgen , basmati ]

>>> for product, detail in zip(shopping, details):

... print(product, detail)
...
Agua mineral natural
Aceite de oliva virgen
Arroz basmati

Ejecución paso a paso a través de Python Tutor:

https://cutt.ly/lfioilG

Nota: En el caso de que las listas no tengan la misma longitud, la función zip() realiza la
combinación hasta que se agota la lista más corta.

Dado que zip() produce un iterador, si queremos obtener una lista explícita con la
combinación en paralelo de las listas, debemos construir dicha lista de la siguiente manera:

154 Capítulo 5. Estructuras de datos

 Aprende Python

>>> shopping = [ Agua , Aceite , Arroz ]

>>> details = [ mineral natural , de oliva virgen , basmati ]

>>> list(zip(shopping, details))

[( Agua , mineral natural ),
( Aceite , de oliva virgen ),
( Arroz , basmati )]

Ejercicio
Dados dos vectores (listas) de la misma dimensión, utilice la función zip() para calcular su
producto escalar.
Ejemplo
• Entrada:

v1 = [4, 3, 8, 1]
v2 = [9, 2, 7, 3]

• Salida: 101
𝑣1 · 𝑣2 = [4 · 9 + 3 · 2 + 8 · 7 + 1 · 3] = 101

5.1.4 Cuidado con las copias

Nivel intermedio
Las listas son estructuras de datos mutables y esta característica nos obliga a tener cuidado
cuando realizamos copias de listas, ya que la modificación de una de ellas puede afectar a la
otra.
Veamos un ejemplo sencillo:

>>> original_list = [4, 3, 7, 1]

>>> copy_list = original_list

>>> original_list[0] = 15

>>> original_list
[15, 3, 7, 1]

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

5.1. Listas 155

Aprende Python

Ejecución paso a paso a través de Python Tutor:

https://cutt.ly/pfi5PC5

Nota: A través de Python Tutor se puede ver claramente el motivo de por qué ocurre esto.
Dado que las variables «apuntan» a la misma zona de memoria, al modificar una de ellas, el
cambio también se ve reflejado en la otra.

Una posible solución a este problema es hacer una «copia dura». Para ello Python
proporciona la función copy():

>>> original_list = [4, 3, 7, 1]

>>> copy_list = original_list.copy()

>>> original_list[0] = 15

>>> original_list
[15, 3, 7, 1]

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

Ejecución paso a paso a través de Python Tutor:

https://cutt.ly/Dfi6oLk
Existe otra aproximación a este problema, y es utilizar un troceado completo de la lista,
lo que nos devuelve una «copia desvinculada» de manera implícita:

>>> original_list = [4, 3, 7, 1]

>>> copy_list = original_list[:]

>>> id(original_list) != id(copy_list)

True

Truco: En el caso de que estemos trabajando con listas que contienen elementos mutables,
debemos hacer uso de la función deepcopy() dentro del módulo copy de la librería estándar.

156 Capítulo 5. Estructuras de datos

 Aprende Python

5.1.5 Veracidad múltiple

Si bien podemos usar sentencias condicionales para comprobar la veracidad de determinadas

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

>>> word = python

>>> if len(word) > 4 and word.startswith( p ) and word.count( y ) >= 1:

... print( Cool word! )
... else:
... print( No thanks )
...
Cool word!

Veamos la versión con veracidad múltiple usando all(), donde se comprueba que se
cumplan todas las expresiones:

>>> word = python

>>> enough_length = len(word) > 4 # True

>>> right_beginning = word.startswith( p ) # True
>>> min_ys = word.count( y ) >= 1 # True

>>> is_cool_word = all([enough_length, right_beginning, min_ys])

>>> if is_cool_word:
... print( Cool word! )
... else:
... print( No thanks )
...
Cool word!

Veamos la versión con veracidad múltiple usando any(), donde se comprueba que se
cumpla alguna expresión:

5.1. Listas 157

Aprende Python

>>> word = yeah

>>> enough_length = len(word) > 4 # False

>>> right_beginning = word.startswith( p ) # False
>>> min_ys = word.count( y ) >= 1 # True

>>> is_fine_word = any([enough_length, right_beginning, min_ys])

>>> if is_fine_word:
... print( Fine word! )
... else:
... print( No thanks )
...
Fine word!

Consejo: Este enfoque puede ser interesante cuando se manejan muchas condiciones o bien
cuando queremos separar las condiciones y agruparlas en una única lista.

5.1.6 Listas por comprensión

Nivel intermedio
Las listas por comprensión establecen una técnica para crear listas de forma más
compacta basándose en el concepto matemático de conjuntos definidos por comprensión.

Figura 2: Estructura de una lista por comprensión

En primer lugar veamos un ejemplo en el que convertimos una cadena de texto con valores
numéricos en una lista con los mismos valores pero convertidos a enteros. En su versión

158 Capítulo 5. Estructuras de datos

 Aprende Python

clásica haríamos algo tal que así:

>>> values = 32,45,11,87,20,48

>>> int_values = []

>>> for value in values.split( , ):

... int_value = int(value)
... int_values.append(int_value)
...

>>> int_values
[32, 45, 11, 87, 20, 48]

Ahora veamos el código utilizando una lista por comprensión:

>>> values = 32,45,11,87,20,48

>>> int_values = [int(value) for value in values.split( , )]

>>> int_values
[32, 45, 11, 87, 20, 48]

Figura 3: Transformación de estructura clásica en lista por comprensión

Condiciones en comprensiones

También existe la posibilidad de incluir condiciones en las listas por comprensión.

Continuando con el ejemplo anterior, supongamos que sólo queremos crear la lista con
aquellos valores que empiecen por el dígito 4:

>>> values = 32,45,11,87,20,48

>>> int_values = [int(v) for v in values.split( , ) if v.startswith( 4 )]

(continué en la próxima página)

5.1. Listas 159

Aprende Python

(proviene de la página anterior)

>>> int_values
[45, 48]

Anidamiento en comprensiones

Nivel avanzado
En la iteración que usamos dentro de la lista por comprensión es posible usar bucles anidados.
Veamos un ejemplo en el que generamos todas las combinaciones de una serie de valores:

>>> values = 32,45,11,87,20,48

>>> svalues = values.split( , )

>>> combinations = [f {v1}x{v2} for v1 in svalues for v2 in svalues]

>>> combinations
[ 32x32 ,
32x45 ,
32x11 ,
32x87 ,
32x20 ,
32x48 ,
45x32 ,
45x45 ,
...
48x45 ,
48x11 ,
48x87 ,
48x20 ,
48x48 ]

Consejo: Las listas por comprensión son una herramienta muy potente y nos ayuda en
muchas ocasiones, pero hay que tener cuidado de no generar expresiones excesivamente
complejas. En estos casos es mejor una aproximación clásica.

Ejercicio
Utilizando listas por comprensión, cree una lista que contenga el resultado de aplicar la
función 𝑓 (𝑥) = 3𝑥 + 2 para 𝑥 ∈ [0, 20).
Salida esperada: [2, 5, 8, 11, 14, 17, 20, 23, 26, 29, 32, 35, 38, 41, 44, 47,

160 Capítulo 5. Estructuras de datos

 Aprende Python

50, 53, 56, 59]

5.1.7 sys.argv

Cuando queramos ejecutar un programa Python desde línea de comandos, tendremos la

posibilidad de acceder a los argumentos de dicho programa. Para ello se utiliza una lista que
la encontramos dentro del módulo sys y que se denomina argv:

Figura 4: Acceso a parámetros en línea de comandos

Veamos una aplicación de lo anterior en un programa que convierte un número decimal a

una determinada base, ambos argumentos pasados por línea de comandos:
dec2base.py
1 import sys
2

3 number = int(sys.argv[1])
4 tobase = int(sys.argv[2])
5

6 match tobase:
7 case 2:
8 result = f {number:b}
9 case 8:
10 result = f {number:o}
11 case 16:
12 result = f {number:x}
13 case _:
14 result = None
15

(continué en la próxima página)

5.1. Listas 161

 Aprende Python

(proviene de la página anterior)

16 if result is None:
17 print(f Base {tobase} not implemented! )
18 else:
19 print(result)

Si lo ejecutamos obtenemos lo siguiente:

$ python dec2base.py 65535 2

1111111111111111

5.1.8 Funciones matemáticas

Python nos ofrece, entre otras4 , estas tres funciones matemáticas básicas que se pueden
aplicar sobre listas.
Suma de todos los valores: Mediante la función sum():

>>> data = [5, 3, 2, 8, 9, 1]

>>> sum(data)
28

Mínimo de todos los valores: Mediante la función min():

>>> data = [5, 3, 2, 8, 9, 1]

>>> min(data)
1

Máximo de todos los valores: Mediante la función max():

>>> data = [5, 3, 2, 8, 9, 1]

>>> max(data)
9

Ejercicio
Lea desde línea de comandos una serie de números y obtenga la media de dichos valores
(muestre el resultado con 2 decimales).
La llamada se haría de la siguiente manera:

$ python avg.py 32 56 21 99 12 17

4
Existen multitud de paquetes científicos en Python para trabajar con listas o vectores numéricos. Una
de las más famosas es la librería Numpy.

162 Capítulo 5. Estructuras de datos

 Aprende Python

Plantilla de código para el programa:

import sys

# En values tendremos una lista con los valores (como strings)

values = sys.argv[1:]

# Su código debajo de aquí

Ejemplo
• Entrada: 32 56 21 99 12 17
• Salida: 39.50

5.1.9 Listas de listas

Nivel intermedio
Como ya hemos visto en varias ocasiones, las listas son estructuras de datos que pueden
contener elementos heterogéneos. Estos elementos pueden ser a su vez listas.
A continuación planteamos un ejemplo del mundo deportivo. Un equipo de fútbol suele tener
una disposición en el campo organizada en líneas de jugadores. En aquella alineación con la
que España ganó la copa del mundo en 2010 había una disposición 4-3-3 con los siguientes
jugadores:
Veamos una posible representación de este equipo de fútbol usando una lista compuesta de
listas. Primero definimos cada una de las líneas:

>>> goalkeeper = Casillas

>>> defenders = [ Capdevila , Piqué , Puyol , Ramos ]
>>> midfielders = [ Xavi , Busquets , X. Alonso ]
>>> forwards = [ Iniesta , Villa , Pedro ]

Y ahora las juntamos en una única lista:

>>> team = [goalkeeper, defenders, midfielders, forwards]

>>> team
[ Casillas ,
[ Capdevila , Piqué , Puyol , Ramos ],
[ Xavi , Busquets , X. Alonso ],
[ Iniesta , Villa , Pedro ]]

Podemos comprobar el acceso a distintos elementos:

5.1. Listas 163

Aprende Python

Figura 5: Lista de listas (como equipo de fútbol)

164 Capítulo 5. Estructuras de datos

 Aprende Python

>>> team[0] # portero

Casillas

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

Capdevila

>>> team[2] # centrocampistas

[ Xavi , Busquets , X. Alonso ]

>>> team[3][1] # delantero centro

Villa

Ejercicio
Escriba un programa que permita multiplicar únicamente matrices de 2 filas por 2 columnas.
Veamos un ejemplo concreto:

A = [[6, 4], [8, 9]]

B = [[3, 2], [1, 7]]

El producto P = 𝐴 × 𝐵 se calcula siguiendo la multiplicación de matrices tal y como se

indica a continuación:
(︂ )︂ (︂ )︂
6[00] 4[01] 3[00] 2[01]
P= × =
8[10] 9[11] 1[10] 7[11]
(︂ )︂ (︂ )︂
6·3+4·1 6·2+4·7 22 40
=
8·3+9·1 8·2+9·7 33 79

EJERCICIOS DE REPASO

1. pycheck boot max_value

2. pycheck boot remove_dups
3. pycheck boot flatten_list
4. pycheck boot remove_consecutive_dups
5. pycheck boot all_same
6. pycheck boot sum_diagonal
7. pycheck boot powers2
8. pycheck boot dec2bin

5.1. Listas 165

Aprende Python

9. pycheck boot sum_mixed

10. pycheck boot n_mult
11. pycheck boot remove_second
12. pycheck boot nth_power
13. pycheck boot name_initials
14. pycheck boot non_consecutive
15. pycheck boot mult_reduce
16. pycheck boot digit_rev_list
17. pycheck boot time_plus_minutes
18. pycheck boot sum_positive
19. pycheck boot add_inverse
20. pycheck boot descending_numbers
21. pycheck boot merge_sorted
22. pycheck boot min_value
23. pycheck boot trimmed_sum
24. pycheck boot wolves
25. pycheck boot maxmin_values
26. pycheck boot cascading_subsets
27. pycheck boot diff_cuboid
28. pycheck boot fl_strip
29. pycheck boot logical_chain
30. pycheck boot smallest_unused_id
31. pycheck boot find_odds
32. pycheck boot reagent_formula
33. pycheck boot whats_next
34. pycheck boot npartition
35. pycheck boot add_length
36. pycheck boot reversing_words
37. pycheck boot barycenter

166 Capítulo 5. Estructuras de datos

 Aprende Python

AMPLIAR CONOCIMIENTOS

• Linked Lists in Python: An Introduction

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

5.2 Tuplas

El concepto de tupla es muy similar al de lista. Aunque hay algunas diferencias menores, lo
fundamental es que, mientras una lista es mutable y se puede modificar, una tupla no admite
cambios y por lo tanto, es inmutable.1
1
Foto original de portada por engin akyurt en Unsplash.

5.2. Tuplas 167

Aprende Python

5.2.1 Creando tuplas

Podemos pensar en crear tuplas tal y como lo hacíamos con listas, pero usando paréntesis
en lugar de corchetes:

>>> empty_tuple = ()

>>> tenerife_geoloc = (28.46824, -16.25462)

>>> three_wise_men = ( Melchor , Gaspar , Baltasar )

Truco: Al igual que con las listas, las tuplas admiten diferentes tipos de datos: ( a , 1,
True)

Tuplas de un elemento

Hay que prestar especial atención cuando vamos a crear una tupla de un único elemento.
La intención primera sería hacerlo de la siguiente manera:

>>> one_item_tuple = ( Papá Noel )

>>> one_item_tuple
Papá Noel

>>> type(one_item_tuple)
str

Realmente, hemos creado una variable de tipo str (cadena de texto). Para crear una tupla
de un elemento debemos añadir una coma al final:

>>> one_item_tuple = ( Papá Noel ,)

>>> one_item_tuple
( Papá Noel ,)

>>> type(one_item_tuple)
tuple

168 Capítulo 5. Estructuras de datos

 Aprende Python

Tuplas sin paréntesis

Según el caso, hay veces que nos podemos encontrar con tuplas que no llevan paréntesis.
Quizás no está tan extendido, pero a efectos prácticos tiene el mismo resultado. Veamos
algunos ejemplos de ello:

>>> one_item_tuple = Papá Noel ,

>>> three_wise_men = Melchor , Gaspar , Baltasar

>>> tenerife_geoloc = 28.46824, -16.25462

Advertencia: Aunque está permitido, NUNCA llames tuple a una variable porque
destruirías la función que nos permite crear tuplas. Y tampoco uses nombres derivados
como _tuple o tuple_ ya que no son nombres representativos que identifiquen el propósito
de la variable.

5.2.2 Modificar una tupla

Como ya hemos comentado previamente, las tuplas con estructuras de datos inmutables.
Una vez que las creamos con un valor, no podemos modificarlas. Veamos qué ocurre si lo
intentamos:

>>> three_wise_men = Melchor , Gaspar , Baltasar

>>> three_wise_men[0] = Tom Hanks

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: tuple object does not support item assignment

5.2.3 Conversión

Para convertir otros tipos de datos en una tupla podemos usar la función tuple():

>>> shopping = [ Agua , Aceite , Arroz ]

>>> tuple(shopping)
( Agua , Aceite , Arroz )

Esta conversión es válida para aquellos tipos de datos que sean iterables: cadenas de
caracteres, listas, diccionarios, conjuntos, etc. Un ejemplo que no funciona es intentar
convertir un número en una tupla:

5.2. Tuplas 169

Aprende Python

>>> tuple(5)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: int object is not iterable

El uso de la función tuple() sin argumentos equivale a crear una tupla vacía:

>>> tuple()
()

Truco: Para crear una tupla vacía, se suele recomendar el uso de () frente a tuple(), no
sólo por ser más pitónico sino por tener (en promedio) un mejor rendimiento en tiempos de
ejecución.

5.2.4 Operaciones con tuplas

Con las tuplas podemos realizar todas las operaciones que vimos con listas salvo las que
conlleven una modificación «in-situ» de la misma:
• reverse()
• append()
• extend()
• remove()
• clear()
• sort()

Truco: Sí es posible aplicar sorted() o reversed() sobre una tupla ya que no estamos
modificando su valor sino creando un nuevo objeto.

5.2.5 Desempaquetado de tuplas

El desempaquetado es una característica de las tuplas que nos permite asignar una tupla
a variables independientes:
Veamos un ejemplo con código:

170 Capítulo 5. Estructuras de datos

 Aprende Python

Figura 6: Desempaquetado de tuplas

>>> three_wise_men = ( Melchor , Gaspar , Baltasar )

>>> king1, king2, king3 = three_wise_men

>>> king1
Melchor
>>> king2
Gaspar
>>> king3
Baltasar

Python proporciona la función «built-in» divmod() que devuelve el cociente y el resto de

una división usando una única llamada. Lo interesante (para el caso que nos ocupa) es que
se suele utilizar el desempaquetado de tuplas para obtener los valores:

>>> quotient, remainder = divmod(7, 3)

>>> quotient
2
>>> remainder
1

5.2. Tuplas 171

Aprende Python

Intercambio de valores

A través del desempaquetado de tuplas podemos llevar a cabo el intercambio de los valores
de dos variables de manera directa:

>>> value1 = 40
>>> value2 = 20

>>> value1, value2 = value2, value1

>>> value1
20
>>> value2
40

Nota: A priori puede parecer que esto es algo «natural», pero en la gran mayoría de lenguajes
de programación no es posible hacer este intercambio de forma «directa» ya que necesitamos
recurrir a una tercera variable «auxiliar» como almacén temporal en el paso intermedio de
traspaso de valores.

Desempaquetado extendido

No tenemos que ceñirnos a realizar desempaquetado uno a uno. También podemos extenderlo
e indicar ciertos «grupos» de elementos mediante el operador *.
Veamos un ejemplo:

>>> ranking = ( G , A , R , Y , W )

>>> head, *body, tail = ranking

>>> head
G

>>> body
[ A , R , Y ]

>>> tail
W

172 Capítulo 5. Estructuras de datos

 Aprende Python

Desempaquetado genérico

El desempaquetado de tuplas es extensible a cualquier tipo de datos que sea iterable. Veamos
algunos ejemplos de ello.
Sobre cadenas de texto:

>>> oxygen = O2
>>> first, last = oxygen
>>> first, last
( O , 2 )

>>> text = Hello, World!

>>> head, *body, tail = text
>>> head, body, tail
( H , [ e , l , l , o , , , , W , o , r , l , d ], ! )

Sobre listas:

>>> writer1, writer2, writer3 = [ Virginia Woolf , Jane Austen , Mary Shelley ]
>>> writer1, writer2, writer3
( Virginia Woolf , Jane Austen , Mary Shelley )

>>> text = Hello, World!

>>> word1, word2 = text.split()
>>> word1, word2
( Hello, , World! )

5.2.6 ¿Tuplas por comprensión?

Los tipos de datos mutables (listas, diccionarios y conjuntos) sí permiten comprensiones

pero no así los tipos de datos inmutables como cadenas de texto y tuplas.
Si intentamos crear una tupla por comprensión utilizando paréntesis alrededor de la
expresión, vemos que no obtenemos ningún error al ejecutarlo:

>>> myrange = (number for number in range(1, 6))

Sin embargo no hemos conseguido una tupla por comprensión sino un generador:

>>> myrange
<generator object <genexpr> at 0x10b3732e0>

5.2. Tuplas 173

Aprende Python

5.2.7 Tuplas vs Listas

Aunque puedan parecer estructuras de datos muy similares, sabemos que las tuplas carecen de
ciertas operaciones, especialmente las que tienen que ver con la modificación de sus valores,
ya que no son inmutables. Si las listas son más flexibles y potentes, ¿por qué íbamos a
necesitar tuplas? Veamos 4 potenciales ventajas del uso de tuplas frente a las listas:
1. Las tuplas ocupan menos espacio en memoria.
2. En las tuplas existe protección frente a cambios indeseados.
3. Las tuplas se pueden usar como claves de diccionarios (son «hashables»).
4. Las namedtuples son una alternativa sencilla a los objetos.

5.3 Diccionarios

Podemos trasladar el concepto de diccionario de la vida real al de diccionario en Python.

Al fin y al cabo un diccionario es un objeto que contiene palabras, y cada palabra tiene
asociado un significado. Haciendo el paralelismo, diríamos que en Python un diccionario es
también un objeto indexado por claves (las palabras) que tienen asociados unos valores
(los significados).1
Los diccionarios en Python tienen las siguientes características:
1
Foto original de portada por Aaron Burden en Unsplash.

174 Capítulo 5. Estructuras de datos

 Aprende Python

Figura 7: Analogía de un diccionario en Python

5.3. Diccionarios 175

Aprende Python

• Mantienen el orden en el que se insertan las claves.2

• Son mutables, con lo que admiten añadir, borrar y modificar sus elementos.
• Las claves deben ser únicas. A menudo se utilizan las cadenas de texto como claves,
pero en realidad podría ser cualquier tipo de datos inmutable: enteros, flotantes, tuplas
(entre otros).
• Tienen un acceso muy rápido a sus elementos, debido a la forma en la que están
implementados internamente.3

Nota: En otros lenguajes de programación, a los diccionarios se les conoce como arrays
asociativos, «hashes» o «hashmaps».

5.3.1 Creando diccionarios

Para crear un diccionario usamos llaves {} rodeando asignaciones clave: valor que están
separadas por comas. Veamos algunos ejemplos de diccionarios:

>>> empty_dict = {}

>>> rae = {
... bifronte : De dos frentes o dos caras ,
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa
... }

>>> population_can = {
... 2015: 2_135_209,
... 2016: 2_154_924,
... 2017: 2_177_048,
... 2018: 2_206_901,
... 2019: 2_220_270
... }

En el código anterior podemos observar la creación de un diccionario vacío, otro donde sus
claves y sus valores son cadenas de texto y otro donde las claves y los valores son valores
enteros.
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/Sfav2Yw
2
Aunque históricamente Python no establecía que las claves de los diccionarios tuvieran que mantener su
orden de inserción, a partir de Python 3.7 este comportamiento cambió y se garantizó el orden de inserción
de las claves como parte oficial de la especificación del lenguaje.
3
Véase este análisis de complejidad y rendimiento de distintas estructuras de datos en CPython.

176 Capítulo 5. Estructuras de datos

 Aprende Python

Advertencia: Aunque está permitido, NUNCA llames dict a una variable porque
destruirías la función que nos permite crear diccionarios. Y tampoco uses nombres
derivados como _dict o dict_ ya que no son nombres representativos que identifiquen el
propósito de la variable.

Ejercicio
Cree un diccionario con los nombres de 5 personas de su familia y sus edades.

5.3.2 Conversión

Para convertir otros tipos de datos en un diccionario podemos usar la función dict():

>>> # Diccionario a partir de una lista de cadenas de texto

>>> dict([ a1 , b2 ])
{ a : 1 , b : 2 }

>>> # Diccionario a partir de una tupla de cadenas de texto

>>> dict(( a1 , b2 ))
{ a : 1 , b : 2 }

>>> # Diccionario a partir de una lista de listas

>>> dict([[ a , 1], [ b , 2]])
{ a : 1, b : 2}

Nota: Si nos fijamos bien, cualquier iterable que tenga una estructura interna de 2 elementos
es susceptible de convertirse en un diccionario a través de la función dict().

Diccionario vacío

Existe una manera particular de usar dict() y es no pasarle ningún argumento. En este
caso estaremos queriendo convertir el «vacío» en un diccionario, con lo que obtendremos un
diccionario vacío:

>>> dict()
{}

Truco: Para crear un diccionario vacío, se suele recomendar el uso de {} frente a dict(),

5.3. Diccionarios 177

Aprende Python

no sólo por ser más pitónico sino por tener (en promedio) un mejor rendimiento en tiempos
de ejecución.

Creación con dict()

También es posible utilizar la función dict() para crear dicionarios y no tener que utilizar
llaves y comillas:
Supongamos que queremos transformar la siguiente tabla en un diccionario:

Atributo Valor
name Guido
surname Van Rossum
job Python creator

Utilizando la construcción mediante dict podemos pasar clave y valor como argumentos
de la función:

>>> person = dict(

... name= Guido ,
... surname= Van Rossum ,
... job= Python creator
... )

>>> person
{ name : Guido , surname : Van Rossum , job : Python creator }

El inconveniente que tiene esta aproximación es que las claves deben ser identificadores
válidos en Python. Por ejemplo, no se permiten espacios:

>>> person = dict(

... name= Guido van Rossum ,
... date of birth= 31/01/1956
File "<stdin>", line 3
date of birth= 31/01/1956
^
SyntaxError: invalid syntax

Nivel intermedio
Es posible crear un diccionario especificando sus claves y un único valor de «relleno»:

>>> dict.fromkeys( aeiou , 0)

{ a : 0, e : 0, i : 0, o : 0, u : 0}

178 Capítulo 5. Estructuras de datos

 Aprende Python

Nota: Es válido pasar cualquier «iterable» como referencia a las claves.

5.3.3 Operaciones con diccionarios

Obtener un elemento

Para obtener un elemento de un diccionario basta con escribir la clave entre corchetes.
Veamos un ejemplo:

>>> rae = {
... bifronte : De dos frentes o dos caras ,
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa
... }

>>> rae[ anarcoide ]

Que tiende al desorden

Si intentamos acceder a una clave que no existe, obtendremos un error:

>>> rae[ acceso ]

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

Usando get()

Existe una función muy útil para «superar» los posibles errores de acceso por claves
inexistentes. Se trata de get() y su comportamiento es el siguiente:
1. Si la clave que buscamos existe, nos devuelve su valor.
2. Si la clave que buscamos no existe, nos devuelve None4 salvo que le indiquemos otro
valor por defecto, pero en ninguno de los dos casos obtendremos un error.

1 >>> rae
2 { bifronte : De dos frentes o dos caras ,
3 anarcoide : Que tiende al desorden ,
4 montuvio : Campesino de la costa }
5

(continué en la próxima página)

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

5.3. Diccionarios 179

 Aprende Python

(proviene de la página anterior)

6 >>> rae.get( bifronte )
7 De dos frentes o dos caras
8

9 >>> rae.get( programación )

10

11 >>> rae.get( programación , No disponible )

12 No disponible

Línea 6: Equivalente a rae[ bifronte ].

Línea 9: La clave buscada no existe y obtenemos None.5
Línea 11: La clave buscada no existe y nos devuelve el valor que hemos aportado por
defecto.

Añadir o modificar un elemento

Para añadir un elemento a un diccionario sólo es necesario hacer referencia a la clave y

asignarle un valor:
• Si la clave ya existía en el diccionario, se reemplaza el valor existente por el nuevo.
• Si la clave es nueva, se añade al diccionario con su valor. No vamos a obtener un
error a diferencia de las listas.
Partimos del siguiente diccionario para ejemplificar estas acciones:

>>> rae = {
... bifronte : De dos frentes o dos caras ,
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa
... }

Vamos a añadir la palabra enjuiciar a nuestro diccionario de la Real Academia de La

Lengua:

>>> rae[ enjuiciar ] = Someter una cuestión a examen, discusión y juicio

>>> rae
{ bifronte : De dos frentes o dos caras ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa ,
enjuiciar : Someter una cuestión a examen, discusión y juicio }

5
Realmente no estamos viendo nada en la consola de Python porque la representación en cadena de texto
es vacía.

180 Capítulo 5. Estructuras de datos

 Aprende Python

Supongamos ahora que queremos modificar el significado de la palabra enjuiciar por otra
acepción:

>>> rae[ enjuiciar ] = Instruir, juzgar o sentenciar una causa

>>> rae
{ bifronte : De dos frentes o dos caras ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa ,
enjuiciar : Instruir, juzgar o sentenciar una causa }

Creando desde vacío

Una forma muy habitual de trabajar con diccionarios es utilizar el patrón creación
partiendo de uno vacío e ir añadiendo elementos poco a poco.
Supongamos un ejemplo en el que queremos construir un diccionario donde las claves son
las letras vocales y los valores son sus posiciones:

>>> VOWELS = aeiou

>>> enum_vowels = {}

>>> for i, vowel in enumerate(VOWELS):

... enum_vowels[vowel] = i + 1
...

>>> enum_vowels
{ a : 1, e : 2, i : 3, o : 4, u : 5}

Nota: Hemos utilizando la función enumerate() que ya vimos para las listas en el apartado:
Iterar usando enumeración.

Ejercicio
pycheck boot cities

5.3. Diccionarios 181

Aprende Python

Pertenencia de una clave

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

utilizar el operador in:

>>> bifronte in rae

True

>>> almohada in rae

False

>>> montuvio not in rae

False

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

Ejercicio
pycheck boot count_letters

Obtener todos los elementos

Python ofrece mecanismos para obtener todos los elementos de un diccionario. Partimos del
siguiente diccionario:

>>> rae
{ bifronte : De dos frentes o dos caras ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa ,
enjuiciar : Instruir, juzgar o sentenciar una causa }

Obtener todas las claves de un diccionario: Mediante la función keys():

>>> rae.keys()
dict_keys([ bifronte , anarcoide , montuvio , enjuiciar ])

Obtener todos los valores de un diccionario: Mediante la función values():

>>> rae.values()
dict_values([
De dos frentes o dos caras ,
Que tiende al desorden ,
(continué en la próxima página)

182 Capítulo 5. Estructuras de datos

 Aprende Python

(proviene de la página anterior)

Campesino de la costa ,
Instruir, juzgar o sentenciar una causa
])

Obtener todos los pares «clave-valor» de un diccionario: Mediante la función

items():

>>> rae.items()
dict_items([
( bifronte , De dos frentes o dos caras ),
( anarcoide , Que tiende al desorden ),
( montuvio , Campesino de la costa ),
( enjuiciar , Instruir, juzgar o sentenciar una causa )
])

Nota: Para este último caso cabe destacar que los «items» se devuelven como una lista
de tuplas, donde cada tupla tiene dos elementos: el primero representa la clave y el segundo
representa el valor.

Longitud de un diccionario

Podemos conocer el número de elementos («clave-valor») que tiene un diccionario con la

función len():

>>> rae
{ bifronte : De dos frentes o dos caras ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa ,
enjuiciar : Instruir, juzgar o sentenciar una causa }

>>> len(rae)
4

Iterar sobre un diccionario

En base a los elementos que podemos obtener, Python nos proporciona tres maneras de iterar
sobre un diccionario.
Iterar sobre claves:

5.3. Diccionarios 183

Aprende Python

>>> for word in rae.keys():

... print(word)
...
bifronte
anarcoide
montuvio
enjuiciar

Iterar sobre valores:

>>> for meaning in rae.values():

... print(meaning)
...
De dos frentes o dos caras
Que tiende al desorden
Campesino de la costa
Instruir, juzgar o sentenciar una causa

Iterar sobre «clave-valor»:

>>> for word, meaning in rae.items():

... print(f {word}: {meaning} )
...
bifronte: De dos frentes o dos caras
anarcoide: Que tiende al desorden
montuvio: Campesino de la costa
enjuiciar: Instruir, juzgar o sentenciar una causa

Nota: En este último caso, recuerde el uso de los «f-strings» para formatear cadenas de
texto.

Ejercicio
pycheck boot avg_population

184 Capítulo 5. Estructuras de datos

 Aprende Python

Combinar diccionarios

Dados dos (o más) diccionarios, es posible «mezclarlos» para obtener una combinación de
los mismos. Esta combinación se basa en dos premisas:
1. Si la clave no existe, se añade con su valor.
2. Si la clave ya existe, se añade con el valor del «último» diccionario en la mezcla.6
Python ofrece dos mecanismos para realizar esta combinación. Vamos a partir de los
siguientes diccionarios para ejemplificar su uso:

>>> rae1 = {
... bifronte : De dos frentes o dos caras ,
... enjuiciar : Someter una cuestión a examen, discusión y juicio
... }

>>> rae2 = {
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa ,
... enjuiciar : Instruir, juzgar o sentenciar una causa
... }

Sin modificar los diccionarios originales: Mediante el operador **:

>>> {**rae1, **rae2}

{ bifronte : De dos frentes o dos caras ,
enjuiciar : Instruir, juzgar o sentenciar una causa ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa }

A partir de Python 3.9 podemos utilizar el operador | para combinar dos diccionarios:

>>> rae1 | rae2

{ bifronte : De dos frentes o dos caras ,
enjuiciar : Instruir, juzgar o sentenciar una causa ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa }

Modificando los diccionarios originales: Mediante la función update():

>>> rae1.update(rae2)

>>> rae1
{ bifronte : De dos frentes o dos caras ,
enjuiciar : Instruir, juzgar o sentenciar una causa ,
(continué en la próxima página)
6
En este caso «último» hace referencia al diccionario que se encuentra más a la derecha en la expresión.

5.3. Diccionarios 185

Aprende Python

(proviene de la página anterior)

anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa }

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

Borrar elementos

Python nos ofrece, al menos, tres formas para borrar elementos en un diccionario:
Por su clave: Mediante la sentencia del:

>>> rae = {
... bifronte : De dos frentes o dos caras ,
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa
... }

>>> del rae[ bifronte ]

>>> rae
{ anarcoide : Que tiende al desorden , montuvio : Campesino de la costa }

Por su clave (con extracción): Mediante la función pop() podemos extraer un elemento
del diccionario por su clave. Vendría a ser una combinación de get() + del:

>>> rae = {
... bifronte : De dos frentes o dos caras ,
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa
... }

>>> rae.pop( anarcoide )

Que tiende al desorden

>>> rae
{ bifronte : De dos frentes o dos caras , montuvio : Campesino de la costa }

>>> rae.pop( bucle )

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

186 Capítulo 5. Estructuras de datos

 Aprende Python

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

obtendremos un error.

Borrado completo del diccionario:

1. Utilizando la función clear():

>>> rae = {
... bifronte : De dos frentes o dos caras ,
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa
... }

>>> rae.clear()

>>> rae
{}

2. «Reinicializando» el diccionario a vacío con {}:

>>> rae = {
... bifronte : De dos frentes o dos caras ,
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa
... }

>>> rae = {}

>>> rae
{}

Nota: La diferencia entre ambos métodos tiene que ver con cuestiones internas de
gestión de memoria y de rendimiento.

5.3.4 Cuidado con las copias

Nivel intermedio
Al igual que ocurría con las listas, si hacemos un cambio en un diccionario, se verá reflejado
en todas las variables que hagan referencia al mismo. Esto se deriva de su propiedad de ser
mutable. Veamos un ejemplo concreto:

5.3. Diccionarios 187

Aprende Python

>>> original_rae = {
... bifronte : De dos frentes o dos caras ,
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa
... }

>>> copy_rae = original_rae

>>> original_rae[ bifronte ] = bla bla bla

>>> original_rae
{ bifronte : bla bla bla ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa }

>>> copy_rae
{ bifronte : bla bla bla ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa }

Una posible solución a este problema es hacer una «copia dura». Para ello Python
proporciona la función copy():

>>> original_rae = {
... bifronte : De dos frentes o dos caras ,
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa
... }

>>> copy_rae = original_rae.copy()

>>> original_rae[ bifronte ] = bla bla bla

>>> original_rae
{ bifronte : bla bla bla ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa }

>>> copy_rae
{ bifronte : De dos frentes o dos caras ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa }

Truco: En el caso de que estemos trabajando con diccionarios que contienen elementos
mutables, debemos hacer uso de la función deepcopy() dentro del módulo copy de la librería

188 Capítulo 5. Estructuras de datos

 Aprende Python

estándar.

5.3.5 Diccionarios por comprensión

Nivel intermedio
De forma análoga a cómo se escriben las listas por comprensión, podemos aplicar este método
a los diccionarios usando llaves { }.
Veamos un ejemplo en el que creamos un diccionario por comprensión donde las claves
son palabras y los valores son sus longitudes:

>>> words = ( sun , space , rocket , earth )

>>> words_length = {word: len(word) for word in words}

>>> words_length
{ sun : 3, space : 5, rocket : 6, earth : 5}

También podemos aplicar condiciones a estas comprensiones. Continuando con el ejemplo

anterior, podemos incorporar la restricción de sólo incluir palabras que no empiecen por
vocal:

>>> words = ( sun , space , rocket , earth )

>>> words_length = {w: len(w) for w in words if w[0] not in aeiou }

>>> words_length
{ sun : 3, space : 5, rocket : 6}

Nota: Se puede consultar el PEP-274 para ver más ejemplos sobre diccionarios por
comprensión.

Ejercicio
pycheck boot split_marks

5.3. Diccionarios 189

Aprende Python

5.3.6 Objetos «hashables»

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

>>> hash(999)
999

>>> hash(3.14)
322818021289917443

>>> hash( hello )

-8103770210014465245

>>> hash(( a , b , c ))
-2157188727417140402

Para que un objeto sea «hashable», debe ser inmutable:

>>> hash([ a , b , c ])
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: unhashable type: list

Nota: De lo anterior se deduce que las claves de los diccionarios, al tener que ser
«hasheables», sólo pueden ser objetos inmutables.

La función «built-in» hash() realmente hace una llamada al método mágico __hash__() del
objeto en cuestión:

>>> hash( spiderman )

-8105710090476541603

>>> spiderman .__hash__()

-8105710090476541603

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

190 Capítulo 5. Estructuras de datos

Aprende Python

5.4 Conjuntos

Un conjunto en Python representa una serie de valores únicos y sin orden establecido,
con la única restricción de que sus elementos deben ser «hashables». Mantiene muchas
similitudes con el concepto matemático de conjunto1

5.4.1 Creando conjuntos

Para crear un conjunto basta con separar sus valores por comas y rodearlos de llaves {}:

>>> lottery = {21, 10, 46, 29, 31, 94}

>>> lottery
{10, 21, 29, 31, 46, 94}

La excepción la tenemos a la hora de crear un conjunto vacío, ya que, siguiendo la lógica

de apartados anteriores, deberíamos hacerlo a través de llaves:

>>> wrong_empty_set = {}

>>> type(wrong_empty_set)
dict

1
Foto original de portada por Duy Pham en Unsplash.

192 Capítulo 5. Estructuras de datos

 Aprende Python

Advertencia: Si hacemos esto, lo que obtenemos es un diccionario vacío.

La única opción que tenemos es utilizar la función set():

>>> empty_set = set()

>>> empty_set
set()

>>> type(empty_set)
set

Advertencia: Aunque está permitido, NUNCA llames set a una variable porque
destruirías la función que nos permite crear conjuntos. Y tampoco uses nombres derivados
como _set o set_ ya que no son nombres representativos que identifiquen el propósito de
la variable.

5.4.2 Conversión

Para convertir otros tipos de datos en un conjunto podemos usar la función set() sobre
cualquier iterable:

>>> set( aplatanada )

{ a , d , l , n , p , t }

>>> set([1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5])

{1, 2, 3, 4, 5}

>>> set(( ADENINA , TIMINA , TIMINA , GUANINA , ADENINA , CITOSINA ))

{ ADENINA , CITOSINA , GUANINA , TIMINA }

>>> set({ manzana : rojo , plátano : amarillo , kiwi : verde })

{ kiwi , manzana , plátano }

Importante: Como se ha visto en los ejemplos anteriores, set() se suele utilizar en muchas
ocasiones como una forma de extraer los valores únicos de otros tipos de datos. En el
caso de los diccionarios se extraen las claves, que, por definición, son únicas.

Nota: El hecho de que en los ejemplos anteriores los elementos de los conjuntos estén

5.4. Conjuntos 193

Aprende Python

ordenados es únicamente un «detalle de implementación» en el que no se puede confiar.

5.4.3 Operaciones con conjuntos

Obtener un elemento

En un conjunto no existe un orden establecido para sus elementos, por lo tanto no podemos
acceder a un elemento en concreto.
De este hecho se deriva igualmente que no podemos modificar un elemento existente,
ya que ni siquiera tenemos acceso al mismo. Python sí nos permite añadir o borrar elementos
de un conjunto.

Añadir un elemento

Para añadir un elemento a un conjunto debemos utilizar la función add(). Como ya hemos
indicado, al no importar el orden dentro del conjunto, la inserción no establece a priori la
posición donde se realizará.
A modo de ejemplo, vamos a partir de un conjunto que representa a los cuatro integrantes
originales de The Beatles. Luego añadiremos a un nuevo componente:

>>> # John Lennon, Paul McCartney, George Harrison y Ringo Starr

>>> beatles = set([ Lennon , McCartney , Harrison , Starr ])

>>> beatles.add( Best ) # Pete Best

>>> beatles
{ Best , Harrison , Lennon , McCartney , Starr }

Ejecución paso a paso a través de Python Tutor:

https://tinyurl.com/9folv2v

Ejercicio
Dada una tupla de duplas (2 valores), cree dos conjuntos:
• Uno de ellos con los primeros valores de cada dupla.
• El otro con los segundos valores de cada dupla.
Ejemplo
• Entrada: ((4, 3), (8, 2), (7, 5), (8, 2), (9, 1))

194 Capítulo 5. Estructuras de datos

 Aprende Python

• Salida:

{8, 9, 4, 7}
{1, 2, 3, 5}

Borrar elementos

Para borrar un elemento de un conjunto podemos utilizar la función remove(). Siguiendo

con el ejemplo anterior, vamos a borrar al último «beatle» añadido:

>>> beatles
{ Best , Harrison , Lennon , McCartney , Starr }

>>> beatles.remove( Best )

>>> beatles
{ Harrison , Lennon , McCartney , Starr }

Longitud de un conjunto

Podemos conocer el número de elementos (cardinalidad) que tiene un conjunto con la función
len():

>>> beatles
{ Harrison , Lennon , McCartney , Starr }

>>> len(beatles)
4

Iterar sobre un conjunto

Tal y como hemos visto para otros tipos de datos iterables, la forma de recorrer los elementos
de un conjunto es utilizar la sentencia for:

>>> for beatle in beatles:

... print(beatle)
...
Harrison
McCartney
Starr
Lennon

5.4. Conjuntos 195

Aprende Python

Consejo: Como en el ejemplo anterior, es muy común utilizar una variable en singular para
recorrer un iterable (en plural). No es una regla fija ni sirve para todos los casos, pero sí
suele ser una buena práctica.

Pertenencia de elemento

Al igual que con otros tipos de datos, Python nos ofrece el operador in para determinar si
un elemento pertenece a un conjunto:

>>> beatles
{ Harrison , Lennon , McCartney , Starr }

>>> Lennon in beatles

True

>>> Fari in beatles

False

5.4.4 Teoría de conjuntos

Vamos a partir de dos conjuntos 𝐴 = {1, 2} y 𝐵 = {2, 3} para ejemplificar las distintas
operaciones que se pueden hacer entre ellos basadas en los Diagramas de Venn y la Teoría
de Conjuntos:

>>> A = {1, 2}

>>> B = {2, 3}

Figura 8: Diagramas de Venn

196 Capítulo 5. Estructuras de datos

 Aprende Python

Intersección

𝐴 ∩ 𝐵 – Elementos que están a la vez en 𝐴 y en 𝐵:

>>> A & B
{2}

>>> A.intersection(B)
{2}

Unión

𝐴 ∪ 𝐵 – Elementos que están tanto en 𝐴 como en 𝐵:

>>> A | B
{1, 2, 3}

>>> A.union(B)
{1, 2, 3}

Diferencia

𝐴 − 𝐵 – Elementos que están en 𝐴 y no están en 𝐵:

>>> A - B
{1}

>>> A.difference(B)
{1}

Diferencia simétrica

𝐴 ∩ 𝐵 – Elementos que están en 𝐴 o en 𝐵 pero no en ambos conjuntos:

>>> A ^ B
{1, 3}

>>> A.symmetric_difference(B)
{1, 3}

5.4. Conjuntos 197

Aprende Python

Inclusión

• Un conjunto 𝐵 es un subconjunto de otro conjunto 𝐴 si todos los elementos de 𝐵

están incluidos en 𝐴.
• Un conjunto 𝐴 es un superconjunto de otro conjunto 𝐵 si todos los elementos de 𝐵
están incluidos en 𝐴.
Veamos un ejemplo con los siguientes conjuntos:

>>> A = {2, 4, 6, 8, 10}

>>> B = {4, 6, 8}

Figura 9: Subconjuntos y Superconjuntos

En Python podemos realizar comprobaciones de inclusión (subconjuntos y superconjuntos)

utilizando operadores clásicos de comparación:
𝐵⊂𝐴

>>> B < A # subconjunto

True

𝐵⊆𝐴

198 Capítulo 5. Estructuras de datos

 Aprende Python

>>> B <= A
True

𝐴⊃𝐵

>>> A > B # superconjunto

True

𝐴⊇𝐵

>>> B >= A
True

5.4.5 Conjuntos por comprensión

Los conjuntos, al igual que las listas y los diccionarios, también se pueden crear por
comprensión.
Veamos un ejemplo en el que construimos un conjunto por comprensión con los aquellos
números enteros múltiplos de 3 en el rango [0, 20):

>>> m3 = {number for number in range(0, 20) if number % 3 == 0}

>>> m3
{0, 3, 6, 9, 12, 15, 18}

Ejercicio
Dadas dos cadenas de texto, obtenga una nueva cadena de texto con las letras consonantes
que se repiten en ambas frases. Ignore los espacios en blanco y muestre la cadena de salida
con sus letras ordenadas.
Resuelva el ejercicio mediante dos aproximaciones: Una de ellas usando conjuntos por
comprensión y otra sin usar comprensiones.
Ejemplo
• Entrada: Flat is better than nested y Readability counts
• Salida: bdlnst

5.4. Conjuntos 199

Aprende Python

5.4.6 Conjuntos inmutables

Python ofrece la posibilidad de crear conjuntos inmutables haciendo uso de la función

frozenset() que recibe cualquier iterable como argumento.
Supongamos que recibimos una serie de calificaciones de exámenes y queremos crear un
conjunto inmutable con los posibles niveles (categorías) de calificaciones:

>>> marks = [1, 3, 2, 3, 1, 4, 2, 4, 5, 2, 5, 5, 3, 1, 4]

>>> marks_levels = frozenset(marks)

>>> marks_levels
frozenset({1, 2, 3, 4, 5})

Veamos qué ocurre si intentamos modificar este conjunto:

>>> marks_levels.add(50)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: frozenset object has no attribute add

Nota: Los frozenset son a los sets lo que las tuplas a las listas: una forma de «congelar»
los valores para que no se puedan modificar.

AMPLIAR CONOCIMIENTOS

• Sets in Python

200 Capítulo 5. Estructuras de datos

 Aprende Python

5.5 Ficheros

Aunque los ficheros encajarían más en un apartado de «entrada/salida» ya que representan

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

5.5.1 Lectura de un fichero

Python ofrece la función open() para «abrir» un fichero. Esta apertura se puede realizar en
3 modos distintos:
• Lectura del contenido de un fichero existente.
• Escritura del contenido en un fichero nuevo.
• Añadido al contenido de un fichero existente.
Veamos un ejemplo para leer el contenido de un fichero en el que se encuentran las
temperaturas mínimas y máximas de cada día de la última semana. El fichero está en la
subcarpeta (ruta relativa) files/temps.dat y tiene el siguiente contenido:
1
Foto original de portada por Maksym Kaharlytskyi en Unsplash.

5.5. Ficheros 201

Aprende Python

23 29
23 31
26 34
23 33
22 29
22 28
22 28

Lo primero será abrir el fichero:

>>> f = open( files/temps.dat )

La función open() recibe como primer argumento la ruta al fichero que queremos manejar
(como un «string») y devuelve el manejador del fichero, que en este caso lo estamos asignando
a una variable llamada f pero le podríamos haber puesto cualquier otro nombre.

Nota: Es importante dominar los conceptos de ruta relativa y ruta absoluta para el
trabajo con ficheros. Véase este artículo de DeNovatoANovato.

Hay que tener en cuenta que la ruta al fichero que abrimos (en modo lectura) debe existir,
ya que de lo contrario obtendremos un error:

>>> f = open( foo.txt )

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
FileNotFoundError: [Errno 2] No such file or directory: foo.txt

Una vez abierto el fichero ya podemos proceder a leer su contenido. Para ello Python nos
ofrece la posibilidad de leer todo el fichero de una vez o bien leerlo línea a línea.

Lectura completa de un fichero

Siguiendo con nuestro ejemplo de temperaturas, veamos cómo leer todo el contenido del
fichero de una sola vez. Para esta operación, Python nos provee, al menos, de dos funciones:
read() Devuelve todo el contenido del fichero como una cadena de texto (str):

>>> f = open( files/temps.dat )

>>> f.read()
23 29\n23 31\n26 34\n23 33\n22 29\n22 28\n22 28\n

readlines() Devuelve todo el contenido del fichero como una lista (list) donde cada
elemento es una línea:

202 Capítulo 5. Estructuras de datos

 Aprende Python

>>> f = open( files/temps.dat )

>>> f.readlines()
[ 23 29\n , 23 31\n , 26 34\n , 23 33\n , 22 29\n , 22 28\n , 22 28\n ]

Importante: Nótese que, en ambos casos, los saltos de línea \n siguen apareciendo en
los datos leídos, por lo que habría que «limpiar» estos caracteres. Para ello se recomienda
utilizar las funciones ya vistas de cadenas de texto.

Lectura línea a línea

Hay situaciones en las que interesa leer el contenido del fichero línea a línea. Imaginemos un
fichero de tamaño considerable (varios GB). Si intentamos leer completamente este fichero
de sola una vez podríamos ocupar demasiada RAM y reducir el rendimiento de nuestra
máquina.
Es por ello que Python nos ofrece varias aproximaciones a la lectura de ficheros línea a línea.
La más usada es iterar sobre el propio manejador del fichero:

>>> f = open( files/temps.dat )

>>> for line in f: # that easy!

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

23 31

26 34

23 33

22 29

22 28

22 28

Truco: Igual que pasaba anteriormente, la lectura línea por línea también incluye el salto
de línea \n lo que provoca un «doble espacio» entre cada una de las salidas. Bastaría con
aplicar line.strip() para eliminarlo.

5.5. Ficheros 203

 Aprende Python

5.5.2 Escritura en un fichero

Para escribir texto en un fichero hay que abrir dicho fichero en modo escritura. Para ello
utilizamos un argumento adicional en la función open() que indica esta operación:

>>> f = open( files/canary-iata.dat , w )

Nota: Si bien el fichero en sí mismo se crea al abrirlo en modo escritura, la ruta hasta
ese fichero no. Eso quiere decir que debemos asegurarnos que las carpetas hasta llegar a
dicho fichero existen. En otro caso obtenemos un error de tipo FileNotFoundError.

Ahora ya podemos hacer uso de la función write() para enviar contenido al fichero abierto.
Supongamos que queremos volcar el contenido de una lista en dicho fichero. En este caso
partimos de los códigos IATA de aeropuertos de las Islas Canarias2 .

1 >>> canary_iata = ( TFN , TFS , LPA , GMZ , VDE , SPC , ACE , FUE )
2

3 >>> for code in canary_iata:

4 ... f.write(code + \n )
5 ...
6

7 >>> f.close()

Nótese:
Línea 4 Escritura de cada código en el fichero. La función write() no incluye el salto de
línea por defecto, así que lo añadimos de manera explícita.
Línea 7 Cierre del fichero con la función close(). Especialmente en el caso de la escritura
de ficheros, se recomienda encarecidamente cerrar los ficheros para evitar pérdida de
datos.

Advertencia: Siempre que se abre un fichero en modo escritura utilizando el

argumento w , el fichero se inicializa, borrando cualquier contenido que pudiera tener.

2
Fuente: Smart Drone

204 Capítulo 5. Estructuras de datos

 Aprende Python

5.5.3 Añadido a un fichero

La única diferencia entre añadir información a un fichero y escribir información en un fichero

es el modo de apertura del fichero. En este caso utilizamos a por «append»:

>>> f = open( more-data.txt , a )

En este caso el fichero more-data.txt se abrirá en modo añadir con lo que las llamadas a
la función write() hará que aparezcan nueva información al final del contenido ya existente
en dicho fichero.

5.5.4 Usandos contextos

Python ofrece gestores de contexto como una solución para establecer reglas de entrada y
salida a un determinado bloque de código.
En el caso que nos ocupa, usaremos la sentencia with y el contexto creado se ocupará de
cerrar adecuadamente el fichero que hemos abierto, liberando así sus recursos:

1 >>> with open( files/temps.dat ) as f:

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

Línea 1 Apertura del fichero en modo lectura utilizando el gestor de contexto definido por
la palabra reservada with.
Línea 2 Lectura del fichero línea a línea utilizando la iteración sobre el manejador del
fichero.
Línea 3 Limpieza de saltos de línea con strip() encadenando la función split() para
separar las dos temperaturas por el carácter espacio. Ver limpiar una cadena y dividir
una cadena.
Línea 4 Imprimir por pantalla la temperatura mínima y la máxima.

Nota: Es una buena práctica usar with cuando se manejan ficheros. La ventaja es que el
fichero se cierra adecuadamente en cualquier circunstancia, incluso si se produce cualquier

5.5. Ficheros 205

Aprende Python

tipo de error.

Hay que prestar atención a la hora de escribir valores numéricos en un fichero, ya que el
método write() por defecto espera ver un «string» como argumento:

>>> lottery = [43, 21, 99, 18, 37, 99]

>>> with open( files/lottery.dat , w ) as f:

... for number in lottery:
... f.write(number + \n )
...
Traceback (most recent call last):
File "<stdin>", line 3, in <module>
TypeError: write() argument must be str, not int

Importante: Para evitar este tipo de errores, se debe convertir a str aquellos valores que
queramos usar con la función write() para escribir información en un fichero de texto. Los
f-strings son tu aliado.

Ejercicio
Dado el fichero temperatures.txt con 12 filas (meses) y 31 columnas (temperaturas de cada
día), se pide:
1. Leer el fichero de datos.
2. Calcular la temperatura media de cada mes.
3. Escribir un fichero de salida avg_temps.txt con 12 filas (meses) y la temperatura
media de cada mes con 2 decimales.
Guarda el fichero en la misma carpeta en la que vas a escribir tu código. Así evitarás problemas
de rutas relativas/absolutas.
Comprobación de resultados:

26.29
23.65
25.84
24.35
27.03
24.52
27.90
26.39
26.32
(continué en la próxima página)

206 Capítulo 5. Estructuras de datos

Aprende Python

6.1 Funciones

El concepto de función es básico en prácticamente cualquier lenguaje de programación. Se

trata de una estructura que nos permite agrupar código. Persigue dos objetivos claros:
1. No repetir trozos de código durante nuestro programa.
2. Reutilizar el código para distintas situaciones.
Una función viene definida por su nombre, sus parámetros y su valor de retorno. Esta
parametrización de las funciones las convierte en una poderosa herramienta ajustable a las
circunstancias que tengamos. Al invocarla estaremos solicitando su ejecución y obtendremos
unos resultados.1

6.1.1 Definir una función

Para definir una función utilizamos la palabra reservada def seguida del nombre6 de
la función. A continuación aparecerán 0 o más parámetros separados por comas (entre
paréntesis), finalizando la línea con dos puntos : En la siguiente línea empezaría el cuerpo
de la función que puede contener 1 o más sentencias, incluyendo (o no) una sentencia de
retorno con el resultado mediante return.

1
Foto original por Nathan Dumlao en Unsplash.
6
Las reglas aplicadas a nombres de variables también se aplican a nombres de funciones.

210 Capítulo 6. Modularidad

 Aprende Python

Figura 1: Definición de una función en Python

Advertencia: Prestar especial atención a los dos puntos : porque suelen olvidarse en
la definición de la función.

Hagamos una primera función sencilla que no recibe parámetros:

def say_hello():
print( Hello! )

• Nótese la indentación (sangrado) del cuerpo de la función.

• Los nombres de las funciones siguen las mismas reglas que las variables.

Invocar una función

Para invocar (o «llamar») a una función sólo tendremos que escribir su nombre seguido de
paréntesis. En el caso de la función sencilla (vista anteriormente) se haría así:

>>> def say_hello():

... print( Hello! )
...

>>> say_hello()
Hello!

Como era de esperar, al invocar a esta función obtenemos un mensaje por pantalla, fruto de
la ejecución del cuerpo de la función.

6.1. Funciones 211

Aprende Python

Retornar un valor

Las funciones pueden retornar (o «devolver») un valor. Veamos un ejemplo muy sencillo:

>>> def one():

... return 1
...

>>> one()
1

Importante: No confundir return con print(). El valor de retorno de una función nos
permite usarlo fuera de su contexto. El hecho de añadir print() al cuerpo de una función
es algo «coyuntural» y no modifica el resultado de la lógica interna.

Nota: En la sentencia return podemos incluir variables y expresiones, no únicamente

literales.

Pero no sólo podemos invocar a la función directamente, también la podemos integrar en

otras expresiones. Por ejemplo en condicionales:

>>> if one() == 1:
... print( It works! )
... else:
... print( Something is broken )
...
It works!

Si una función no incluye un return de forma explícita, devolverá None de forma implícita:

>>> def empty():

... x = 0
...

>>> print(empty())
None

212 Capítulo 6. Modularidad

 Aprende Python

6.1.2 Veracidad

Nivel intermedio
Ya hemos hablado ligeramente sobre la comprobación de veracidad en Python.
Vamos a crear una función propia para comprobar la veracidad de distintos objetos del
lenguaje, y así hacernos una mejor idea de qué cosas son evaluadas a verdadero y cuáles a
falso:

>>> def truthiness(obj):

... if obj:
... print(f {obj} is True )
... else:
... print(f {obj} is False )
...

Evaluando a False

Veamos qué «cosas» son evaluadas a False en Python:

>>> truthiness(False)
False is False

>>> truthiness(None)
None is False

>>> truthiness(0)
0 is False

>>> truthiness(0.0)
0.0 is False

>>> truthiness( )
is False

>>> truthiness([])
[] is False

>>> truthiness(())
() is False

>>> truthiness({})
{} is False

(continué en la próxima página)

6.1. Funciones 213

Aprende Python

(proviene de la página anterior)

>>> truthiness(set())
set() is False

Importante: El resto de objetos son evaluados a True en Python.

Evaluando a True

Veamos ciertos ejemplos que son evaluados a True en Python:

>>> truthiness(True)
True is True

>>> truthiness(1e-10)
1e-10 is True

>>> truthiness([0])
[0] is True

>>> truthiness(( ,))

( ,) is True

>>> truthiness( )
is True

>>> truthiness( )
is True

6.1.3 Parámetros y argumentos

Si una función no dispusiera de valores de entrada estaría muy limitada en su actuación. Es

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

>>> def sqrt(value):

... return value ** (1/2)
...

(continué en la próxima página)

214 Capítulo 6. Modularidad

 Aprende Python

(proviene de la página anterior)

>>> sqrt(4)
2.0

Nota: En este caso, el valor 4 es un argumento de la función.

Cuando llamamos a una función con argumentos, los valores de estos argumentos se copian
en los correspondientes parámetros dentro de la función:

Figura 2: Parámetros y argumentos de una función

Truco: La sentencia pass permite «no hacer nada». Es una especie de «placeholder».

Veamos otra función con dos parámetros y algo más de lógica de negocio:2

>>> def _min(a, b):

... if a < b:
... return a
(continué en la próxima página)
2
Término para identificar el «algoritmo» o secuencia de instrucciones derivadas del procesamiento que
corresponda.

6.1. Funciones 215

Aprende Python

(proviene de la página anterior)

... else:
... return b
...

>>> _min(7, 9)
7

Ejercicio
Escriba una función en Python que reproduzca lo siguiente:
𝑓 (𝑥, 𝑦) = 𝑥2 + 𝑦 2
Ejemplo
• Entrada: 3 y 4
• Salida: 25

Argumentos posicionales

Los argumentos posicionales son aquellos argumentos que se copian en sus

correspondientes parámetros en orden.
Vamos a mostrar un ejemplo definiendo una función que construye una «cpu» a partir de 3
parámetros:

>>> def build_cpu(vendor, num_cores, freq):

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

Una posible llamada a la función con argumentos posicionales sería la siguiente:

>>> build_cpu( AMD , 8, 2.7)

{ vendor : AMD , num_cores : 8, freq : 2.7}

Lo que ha sucedido es un mapeo directo entre argumentos y parámetros en el mismo orden

que estaban definidos:

216 Capítulo 6. Modularidad

 Aprende Python

Parámetro Argumento
vendor AMD
num_cores 8
freq 2.7

Pero es evidente que una clara desventaja del uso de argumentos posicionales es que se
necesita recordar el orden de los argumentos. Un error en la posición de los argumentos
puede causar resultados indeseados:

>>> build_cpu(8, 2.7, AMD )

{ vendor : 8, num_cores : 2.7, freq : AMD }

Argumentos nominales

En esta aproximación los argumentos no son copiados en un orden específico sino que se
asignan por nombre a cada parámetro. Ello nos permite salvar el problema de conocer
cuál es el orden de los parámetros en la definición de la función. Para utilizarlo, basta con
realizar una asignación de cada argumento en la propia llamada a la función.
Veamos la misma llamada que hemos hecho en el ejemplo de construcción de la «cpu» pero
ahora utilizando paso de argumentos nominales:

>>> build_cpu(vendor= AMD , num_cores=8, freq=2.7)

{ vendor : AMD , num_cores : 8, freq : 2.7}

Se puede ver claramente que el orden de los argumentos no influye en el resultado final:

>>> build_cpu(num_cores=8, freq=2.7, vendor= AMD )

{ vendor : AMD , num_cores : 8, freq : 2.7}

Argumentos posicionales y nominales

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

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

{ vendor : INTEL , num_cores : 4, freq : 3.1}

Pero hay que tener en cuenta que, en este escenario, los argumentos posicionales siempre
deben ir antes que los argumentos nominales. Esto tiene mucho sentido ya que, de hacerlo
así, Python no tendría forma de discernir a qué parámetro corresponde cada argumento:

6.1. Funciones 217

Aprende Python

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

File "<stdin>", line 1
SyntaxError: positional argument follows keyword argument

Parámetros por defecto

Es posible especificar valores por defecto en los parámetros de una función. En el caso
de que no se proporcione un valor al argumento en la llamada a la función, el parámetro
correspondiente tomará el valor definido por defecto.
Siguiendo con el ejemplo de la «cpu», podemos asignar 2.0GHz como frecuencia por defecto.
La definición de la función cambiaría ligeramente:

>>> def build_cpu(vendor, num_cores, freq=2.0):

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

Llamada a la función sin especificar frecuencia de «cpu»:

>>> build_cpu( INTEL , 2)

{ vendor : INTEL , num_cores : 2, freq : 2.0}

Llamada a la función indicando una frecuencia concreta de «cpu»:

>>> build_cpu( INTEL , 2, 3.4)

{ vendor : INTEL , num_cores : 2, freq : 3.4}

Importante: Los valores por defecto en los parámetros se calculan cuando se define la
función, no cuando se ejecuta.

Ejercicio
Escriba una función factorial que reciba un único parámetro 𝑛 desde línea de comandos
(sys.argv) y devuelva su factorial.
El factorial de un número 𝑛 se define como:

𝑛! = 𝑛 · (𝑛 − 1) · (𝑛 − 2) · . . . · 1

→ Truco: El orden de los factores no altera el producto.

218 Capítulo 6. Modularidad

 Aprende Python

Ejemplo
• Entrada: 5
• Salida: 120

Modificando parámetros mutables

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

>>> buggy( a , [])

[ a ]

>>> buggy( b , [])

[ b ]

>>> buggy( a , [ x , y , z ])
[ x , y , z , a ]

>>> buggy( b , [ x , y , z ])
[ x , y , z , b ]

Aparentemente todo está funcionando de manera correcta, pero veamos qué ocurre en las
siguientes llamadas:
>>> def buggy(arg, result=[]):
... result.append(arg)
... print(result)
...

>>> buggy( a )
[ a ]

(continué en la próxima página)

6.1. Funciones 219

Aprende Python

(proviene de la página anterior)

>>> buggy( b ) # Se esperaría [ b ]
[ a , b ]

Obviamente algo no ha funcionado correctamente. Se esperaría que result tuviera una lista
vacía en cada ejecución. Sin embargo esto no sucede por estas dos razones:
1. El valor por defecto se establece cuando se define la función.
2. La variable result apunta a una zona de memoria en la que se modifican sus valores.
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/sBNpVT2
A riesgo de perder el parámetro por defecto, una posible solución sería la siguiente:

>>> def works(arg):

... result = []
... result.append(arg)
... return result
...

>>> works( a )
[ a ]

>>> works( b )
[ b ]

La forma de arreglar el código anterior utilizando un parámetro con valor por defecto sería
utilizar un tipo de dato inmutable y tener en cuenta cuál es la primera llamada:

>>> def nonbuggy(arg, result=None):

... if result is None:
... result = []
... result.append(arg)
... print(result)
...

>>> nonbuggy( a )
[ a ]

>>> nonbuggy( b )
[ b ]

>>> nonbuggy( a , [ x , y , z ])
[ x , y , z , a ]

(continué en la próxima página)

220 Capítulo 6. Modularidad

 Aprende Python

(proviene de la página anterior)

>>> nonbuggy( b , [ x , y , z ])
[ x , y , z , b ]

Empaquetar/Desempaquetar argumentos

Nivel avanzado
Python nos ofrece la posibilidad de empaquetar y desempaquetar argumentos cuando estamos
invocando a una función, tanto para argumentos posicionales como para argumentos
nominales.
Y de este hecho se deriva que podamos utilizar un número variable de argumentos en
una función, algo que puede ser muy interesante según el caso de uso que tengamos.

Empaquetar/Desempaquetar argumentos posicionales

Si utilizamos el operador * delante del nombre de un parámetro posicional, estaremos

indicando que los argumentos pasados a la función se empaqueten en una tupla.
Veamos un ejemplo en el que vamos a implementar una función para sumar un número
variable de valores. La función que tenemos disponible en Python no cubre este caso:

>>> sum(4, 3, 2, 1)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: sum() takes at most 2 arguments (4 given)

Para resolver esto, hacemos uso del * para empaquetar los argumentos posicionales:

>>> def _sum(*values):

... result = 0
... for value in values: # values es una tupla
... result += arg
... return result
...

>>> _sum(4, 3, 2, 1)
10

Nota: En muchas ocasiones se utiliza args como nombre del parámetro (es una convención).

Existe la posibilidad de usar el asterisco * en la llamada a la función para desempaquetar

los argumentos posicionales:

6.1. Funciones 221

Aprende Python

>>> def show_args(*args):

... for arg in args:
... print(f {arg=} )
...

>>> my_args = (1, 2, 3, 4)

>>> show_args(my_args) # sin desempaquetado

arg=(1, 2, 3, 4)

>>> show_args(*my_args) # con desempaquetado

arg=1
arg=2
arg=3
arg=4

Empaquetar/Desempaquetar argumentos nominales

Si utilizamos el operador ** delante del nombre de un parámetro nominal, estaremos

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

>>> def best_student(**marks):

... max_mark = -1
... for student, mark in marks.items(): # marks es un diccionario
... if mark > max_mark:
... max_mark = mark
... best_student = student
... return best_student
...

>>> best_student(ana=8, antonio=6, inma=9, javier=7)

inma

Nota: En muchas ocasiones se utiliza kwargs como nombre del parámetro (es una
convención).

Al igual que veíamos previamente, existe la posibilidad de usar doble asterisco ** en la

llamada a la función, para desempaquetar los argumentos nominales:

222 Capítulo 6. Modularidad

 Aprende Python

>>> def show_kwargs(**kwargs):

... for item in kwargs.items():
... print(f {item=} )
...

>>> my_kwargs = { a : 1, b : 2, c : 3, d : 4}

>>> show_kwargs(**my_kwargs)
item=( a , 1)
item=( b , 2)
item=( c , 3)
item=( d , 4)

Forzando modo de paso de argumentos

Si bien Python nos da flexibilidad para pasar argumentos a nuestras funciones en modo
posicional o nominal, existen opciones para forzar a que dicho paso sea obligatorio en una
determinada modalidad.

Argumentos sólo posicionales

Nivel avanzado
A partir de Python 3.8 se ofrece la posibilidad de obligar a que determinados parámetros de
la función sean pasados sólo por posición.
Para ello, en la definición de los parámetros de la función, tendremos que incluir un parámetro
especial / que delimitará el tipo de parámetros. Así, todos los parámetros a la izquierda del
delimitador estarán obligados a ser posicionales:

Figura 3: Separador para especificar parámetros sólo posicionales

Ejemplo:

6.1. Funciones 223

Aprende Python

>>> def sum_power(a, b, /, power=False):

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

>>> sum_power(3, 4)
7

>>> sum_power(3, 4, True)

25

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

25

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

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: sum_power() got some positional-only arguments passed as keyword␣
˓→arguments: a, b

Argumentos sólo nominales

Nivel avanzado
A partir de Python 3 se ofrece la posibilidad de obligar a que determinados parámetros de
la función sean pasados sólo por nombre.
Para ello, en la definición de los parámetros de la función, tendremos que incluir un parámetro
especial * que delimitará el tipo de parámetros. Así, todos los parámetros a la derecha del
separador estarán obligados a ser nominales:
Ejemplo:

>>> def sum_power(a, b, *, power=False):

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

>>> sum_power(3, 4)
7

(continué en la próxima página)

224 Capítulo 6. Modularidad

 Aprende Python

Figura 4: Separador para especificar parámetros sólo nominales

(proviene de la página anterior)

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

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

25

>>> sum_power(3, 4, True)

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

Fijando argumentos posicionales y nominales

Si mezclamos las dos estrategias anteriores podemos forzar a que una función reciba
argumentos de un modo concreto.
Continuando con ejemplo anterior, podríamos hacer lo siguiente:

>>> def sum_power(a, b, /, *, power=False):

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

>>> sum_power(3, 4, power=True) # Único modo posible de llamada

25

6.1. Funciones 225

Aprende Python

Argumentos mutables e inmutables

Nivel intermedio
Igual que veíamos en la incidencia de parámetros por defecto con valores mutables, cuando
realizamos modificaciones a los argumentos de una función es importante tener en cuenta si
son mutables (listas, diccionarios, conjuntos, …) o inmutables (tuplas, enteros, flotantes,
cadenas de texto, …) ya que podríamos obtener efectos colaterales no deseados:

>>> fib = [1, 1, 2, 3, 5, 8, 13]

>>> def square_it(values, *, index):

... values[index] **= 2
...

>>> fib
[1, 1, 2, 3, 5, 8, 13]

>>> square_it(fib, index=4)

>>> fib #
[1, 1, 2, 3, 25, 8, 13]

Advertencia: Esto no es una buena práctica. O bien documentar que el argumento

puede modificarse o bien retornar un nuevo valor.

Funciones como parámetros

Nivel avanzado
Las funciones se pueden utilizar en cualquier contexto de nuestro programa. Son objetos que
pueden ser asignados a variables, usados en expresiones, devueltos como valores de retorno
o pasados como argumentos a otras funciones.
Veamos un primer ejemplo en el que pasamos una función como argumento:

>>> def success():

... print( Yeah! )
...

>>> type(success)
function

>>> def doit(f):

(continué en la próxima página)

226 Capítulo 6. Modularidad

 Aprende Python

(proviene de la página anterior)

... f()
...

>>> doit(success)
Yeah!

Veamos un segundo ejemplo en el que pasamos, no sólo una función como argumento, sino
los valores con los que debe operar:

>>> def repeat_please(text, times=1):

... return text * times
...

>>> type(repeat_please)
function

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

... return f(arg1, arg2)
...

>>> doit(repeat_please, Functions as params , 2)

Functions as paramsFunctions as params

6.1.4 Documentación

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

>>> def sqrt(value):

... Returns the square root of the value
... return value ** (1/2)
...

La forma más ortodoxa de escribir un docstring es utilizando triples comillas:

>>> def closest_int(value):

... Returns the closest integer to the given value.
... The operation is:
... 1. Compute distance to floor.
... 2. If distance less than a half, return floor.
(continué en la próxima página)

6.1. Funciones 227

Aprende Python

(proviene de la página anterior)

... Otherwise, return ceil.
...
... floor = int(value)
... if value - floor < 0.5:
... return floor
... else:
... return floor + 1
...

Para ver el docstring de una función, basta con utilizar help:

>>> help(closest_int)

Help on function closest_int in module __main__:

closest_int(value)
Returns the closest integer to the given value.
The operation is:
1. Compute distance to floor.
2. If distance less than a half, return floor.
Otherwise, return ceil.

También es posible extraer información usando el símbolo de interrogación:

>>> closest_int?
Signature: closest_int(value)
Docstring:
Returns the closest integer to the given value.
The operation is:
1. Compute distance to floor.
2. If distance less than a half, return floor.
Otherwise, return ceil.
File: ~/aprendepython/<ipython-input-75-5dc166360da1>
Type: function

Importante: Esto no sólo se aplica a funciones propias, sino a cualquier otra función
definida en el lenguaje.

Nota: Si queremos ver el docstring de una función en «crudo» (sin formatear), podemos
usar <function>.__doc__.

228 Capítulo 6. Modularidad

 Aprende Python

Explicación de parámetros

Como ya se ha visto, es posible documentar una función utilizando un docstring. Pero la

redacción y el formato de esta cadena de texto puede ser muy variada. Existen distintas
formas de documentar una función (u otros objetos)3 :
Sphinx docstrings Formato nativo de documentación Sphinx.
Google docstrings Formato de documentación recomendado por Google.
NumPy-SciPy docstrings Combinación de formatos reStructured y Google (usados por
el proyecto NumPy).
Epytext Una adaptación a Python de Epydoc(Java).
Aunque cada uno tienes sus particularidades, todos comparten una misma estructura:
• Una primera línea de descripción de la función.
• A continuación especificamos las características de los parámetros (incluyendo sus
tipos).
• Por último, indicamos si la función retorna un valor y sus características.
Aunque todos los formatos son válidos, nos centraremos en Sphinx docstrings al ser
el que viene mejor integrado con la documentación Sphinx. Google docstrings y Numpy
docstrings también son ampliamente utilizados, lo único es que necesitan de un módulo
externo denominado Napoleon para que se puedan incluir en la documentación Sphinx.

Sphinx

Sphinx es una herramienta para generar documentación e incluye un módulo «built-in»

denominado autodoc el cual permite la autogeneración de documentación a partir de los
«docstrings» definidos en el código.
Veamos el uso de este formato en la documentación de la siguiente función «dummy»:

>>> def my_power(x, n):

... Calculate x raised to the power of n.
...
... :param x: number representing the base of the operation
... :type x: int
... :param n: number representing the exponent of the operation
... :type n: int
...
... :return: :math: x^n
... :rtype: int
(continué en la próxima página)
3
Véase Docstring Formats.

6.1. Funciones 229

Aprende Python

(proviene de la página anterior)

...
... result = 1
... for _ in range(n):
... result *= x
... return result
...

Dentro del «docstring» podemos escribir con sintaxis reStructured Text – véase por ejemplo
la expresión matemática en el tag :return: – lo que nos proporciona una gran flexibilidad.

Nota: La plataforma Read the Docs aloja la documentación de gran cantidad de proyectos.
En muchos de los casos se han usado «docstrings» con el formato Sphinx visto anteriormente.

Anotación de tipos

Nivel intermedio
Las anotaciones de tipos o type-hints5 se introdujeron en Python 3.5 y permiten indicar
tipos para los parámetros de una función así como su valor de retorno (aunque también
funcionan en creación de variables).
Veamos un ejemplo en el que creamos una función para dividir una cadena de texto por la
posición especificada en el parámetro:

>>> def ssplit(text: str, split_pos: int) -> tuple:

... return text[:split_pos], text[split_pos:]
...

>>> ssplit( Always remember us this way , 15)

( Always remember , us this way )

Como se puede observar, vamos añadiendo los tipos después de cada parámetro utilizando
: como separador. En el caso del valor de retorno usamos el símbolo ->
Quizás la siguiente ejecución pueda sorprender:

>>> ssplit([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], 5)

([1, 2, 3, 4, 5], [6, 7, 8, 9, 10])

Efectivamente como habrás visto, no hemos obtenido ningún error, a pesar de que
estamos pasando como primer argumento una lista en vez de una cadena de texto. Esto
ocurre porque lo que hemos definido es una anotación de tipo, no una declaración de tipo.
Existen herramientas como mypy que sí se encargan de chequear estas situaciones.
5
Conocidos como «type hints» en terminología inglesa.

230 Capítulo 6. Modularidad

 Aprende Python

Valores por defecto

Al igual que ocurre en la definición ordinaria de funciones, cuando usamos anotaciones de

tipos también podemos indicar un valor por defecto para los parámetros.
Veamos la forma de hacerlo continuando con el ejemplo anterior:

>>> def ssplit(text: str, split_pos: int = -1) -> tuple:

... if split_pos == -1:
... split_pos = len(text) // 2
... return text[:split_pos], text[split_pos:]
...

>>> ssplit( Always remember us this way )

( Always rememb , er us this way )

Simplemente añadimos el valor por defecto después de indicar el tipo.

Nota: Las anotaciones de tipos son una herramienta muy potente y que, usada de
forma adecuada, permite complementar la documentación de nuestro código y aclarar ciertos
aspectos, que a priori, pudieran parecer confusos. Su aplicación estará en función de la
necesidad detectada por parte del equipo de desarrollo.

6.1.5 Tipos de funciones

Nivel avanzado

Funciones interiores

Está permitido definir una función dentro de otra función:

>>> def validation_test(text):

... def is_valid_char(char):
... return char in xyz
... checklist = []
... for char in text:
... checklist.append(is_valid_char(char))
... return sum(checklist) / len(text)
...

>>> validation_test( zxyzxxyz )

1.0
(continué en la próxima página)

6.1. Funciones 231

Aprende Python

(proviene de la página anterior)

>>> validation_test( abzxyabcdz )

0.4

>>> validation_test( abc )

0.0

Clausuras

Una clausura (del término inglés «closure») establece el uso de una función interior que se
genera dinámicamente y recuerda los valores de los argumentos con los que fue creada:

>>> def make_multiplier_of(n):

... def multiplier(x):
... return x * n
... return multiplier
...

>>> m3 = make_multiplier_of(3)

>>> m5 = make_multiplier_of(5)

>>> type(m3)
function

>>> m3(7) # 7 * 3
21

>>> type(m5)
function

>>> m5(8) # 8 * 5
40

Importante: En una clausura retornamos una función, no una llamada a la función.

232 Capítulo 6. Modularidad

 Aprende Python

Funciones anónimas «lambda»

Una función lambda tiene las siguientes propiedades:

1. Se escribe con una única sentencia.
2. No tiene nombre (anónima).
3. Su cuerpo tiene implícito un return.
4. Puede recibir cualquier número de parámetros.
Veamos un primer ejemplo de función «lambda» que nos permite contar el número de
palabras de una cadena de texto:
>>> num_words = lambda t: len(t.strip().split())

>>> type(num_words)
function

>>> num_words
<function __main__.<lambda>(t)>

>>> num_words( hola socio vamos a ver )

5

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

>>> for i in range(2):

... for j in range(2):
... print(f {i} & {j} = {logic_and(i, j)} )
...
0 & 0 = 0
0 & 1 = 0
1 & 0 = 0
1 & 1 = 1

Las funciones «lambda» son bastante utilizadas como argumentos a otras funciones. Un
ejemplo claro de ello es la función sorted que tiene un parámetro opcional key donde se
define la clave de ordenación.
Veamos cómo usar una función anónima «lambda» para ordenar una tupla de pares
longitud-latitud:
>>> geoloc = (
... (15.623037, 13.258358),
(continué en la próxima página)

6.1. Funciones 233

Aprende Python

(proviene de la página anterior)

... (55.147488, -2.667338),
... (54.572062, -73.285171),
... (3.152857, 115.327724),
... (-40.454262, 172.318877)
)

>>> # Ordenación por longitud (primer elemento de la tupla)

>>> sorted(geoloc)
[(-40.454262, 172.318877),
(3.152857, 115.327724),
(15.623037, 13.258358),
(54.572062, -73.285171),
(55.147488, -2.667338)]

>>> # Ordenación por latitud (segundo elemento de la tupla)

>>> sorted(geoloc, key=lambda t: t[1])
[(54.572062, -73.285171),
(55.147488, -2.667338),
(15.623037, 13.258358),
(3.152857, 115.327724),
(-40.454262, 172.318877)]

Enfoque funcional

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

multiparadigma. Uno de los paradigmas menos explotados en este lenguaje es la
programación funcional4 .
Python nos ofrece 3 funciones que encajan verdaderamente bien en este enfoque: map(),
filter() y reduce().

map()

Esta función aplica otra función sobre cada elemento de un iterable. Supongamos que
queremos aplicar la siguiente función:

𝑥2
𝑓 (𝑥) = ∀𝑥 ∈ [1, 10]
2

>>> def f(x):

... return x**2 / 2
(continué en la próxima página)
4
Definición de Programación funcional en Wikipedia.

234 Capítulo 6. Modularidad

 Aprende Python

Figura 5: Rutinas muy enfocadas a programación funcional

(proviene de la página anterior)

...

>>> data = range(1, 11)

>>> map_gen = map(f, data)

>>> type(map_gen)
map

>>> list(map_gen)
[0.5, 2.0, 4.5, 8.0, 12.5, 18.0, 24.5, 32.0, 40.5, 50.0]

Aplicando una función anónima «lambda»…

>>> list(map(lambda x: x**2 / 2, data))

[0.5, 2.0, 4.5, 8.0, 12.5, 18.0, 24.5, 32.0, 40.5, 50.0]

Importante: map() devuelve un generador, no directamente una lista.

filter()

Esta función selecciona aquellos elementos de un iterable que cumplan una determinada
condición. Supongamos que queremos seleccionar sólo aquellos números impares dentro de
un rango:

>>> def odd_number(x):

... return x % 2 == 1
(continué en la próxima página)

6.1. Funciones 235

Aprende Python

(proviene de la página anterior)

...

>>> data = range(1, 21)

>>> filter_gen = filter(odd_number, data)

>>> type(filter_gen)
filter

>>> list(filter_gen)
[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]

Aplicando una función anónima «lambda»…

>>> list(filter(lambda x: x % 2 == 1, data))

[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]

Importante: filter() devuelve un generador, no directamente una lista.

reduce()

Para poder usar esta función debemos usar el módulo functools. Nos permite aplicar una
función dada sobre todos los elementos de un iterable de manera acumulativa. O dicho en
otras palabras, nos permite reducir una función sobre un conjunto de valores. Supongamos
que queremos realizar el producto de una serie de valores aplicando este enfoque:

>>> from functools import reduce

>>> def mult_values(a, b):

... return a * b
...

>>> data = range(1, 6)

>>> reduce(mult_values, data) # ((((1 * 2) * 3) * 4) * 5)

120

Aplicando una función anónima «lambda»…

>>> reduce(lambda x, y: x * y, data)

120

236 Capítulo 6. Modularidad

 Aprende Python

Consejo: Por cuestiones de legibilidad del código, se suelen preferir las listas por
comprensión a funciones como map() o filter(), aunque cada problema tiene sus propias
características y sus soluciones más adecuadas.

Generadores

Un generador es un objeto que nos permite iterar sobre una secuencia de valores con la
particularidad de no tener que crear explícitamente dicha secuencia. Esta propiedad los hace
idóneos para situaciones en las que el tamaño de las secuencias podría tener un impacto
negativo en el consumo de memoria.
De hecho ya hemos visto algunos generadores y los hemos usado de forma directa. Un ejemplo
es range() que ofrece la posibilidad de crear secuencias de números.
Básicamente existen dos implementaciones de generadores:
• Funciones generadoras.
• Expresiones generadoras.

Nota: A diferencia de las funciones ordinarias, los generadores tienen la capacidad de

«recordar» su estado para recuperarlo en la siguiente iteración y continuar devolviendo
nuevos valores.

Funciones generadoras

Las funciones generadoras se escriben como funciones ordinarias con el matiz de incorporar
la sentencia yield que sustituye, de alguna manera, a return. Esta sentencia devuelve el
valor indicado y, a la vez, «congela» el estado de la función para subsiguientes ejecuciones.
Veamos un ejemplo en el que escribimos una función generadora de números pares:

>>> def evens(lim):

... for i in range(0, lim + 1, 2):
... yield i
...

>>> type(evens)
function

>>> evens_gen = evens(20) # returns generator

(continué en la próxima página)

6.1. Funciones 237

Aprende Python

(proviene de la página anterior)

>>> type(evens_gen)
generator

Una vez creado el generador, ya podemos iterar sobre él:

>>> for even in evens_gen:

... print(even, end= )
...
0 2 4 6 8 10 12 14 16 18 20

De forma más «directa», podemos iterar sobre la propia llamada a la función generadora:

>>> for even in evens(20):

... print(even, end= )
...
0 2 4 6 8 10 12 14 16 18 20

Si queremos «explicitar» la lista de valores que contiene un generador, podemos hacerlo de

la siguiente manera:

>>> list(evens(20))
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20]

Importante: Un detalle muy importante sobre los generadores es que «se agotan». Es decir,
una vez que ya hemos consumido todos sus elementos ya no obtendremos nuevos valores.

Expresiones generadoras

Una expresión generadora es sintácticamente muy similar a una lista por comprensión,
pero utilizamos paréntesis en vez de corchetes. Se podría ver como una versión acortada
de una función generadora.
Podemos tratar de reproducir el ejemplo visto en funciones generadoras en el que creamos
números pares hasta el 20:

>>> evens_gen = (i for i in range(0, 20, 2))

>>> type(evens_gen)
generator

>>> for i in evens_gen:

... print(i, end= )
(continué en la próxima página)

238 Capítulo 6. Modularidad

 Aprende Python

(proviene de la página anterior)

...
0 2 4 6 8 10 12 14 16 18

Nota: Las expresiones generadoras admiten condiciones y anidamiento de bucles, tal y

como se vio con las listas por comprensión.

Ejercicio
Escriba una función generadora que devuelva los 100 primeros números enteros elevados
al cuadrado.

Decoradores

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

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

>>> def my_decorator(func):

... def wrapper(*args, **kwargs):
... # some code before calling func
... return func(*args, **kwargs)
... # some code after calling func
... return wrapper
...

Elemento Descripción
my_decorator Nombre del decorador
wrapper Función interior (convención de nombre)
func Función a decorar (convención de nombre)
*args Argumentos posicionales (convención de nombre)
**kwargs Argumentos nominales (convención de nombre)

Veamos un ejemplo de decorador que convierte el resultado de la función a binario:

>>> def res2bin(func):

... def wrapper(*args, **kwargs):
(continué en la próxima página)

6.1. Funciones 239

Aprende Python

(proviene de la página anterior)

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

Ahora definimos una función ordinaria (que usaremos más adelante) y que computa 𝑥𝑛 :

>>> def power(x: int, n: int) -> int:

... return x ** n
...

>>> power(2, 3)
8
>>> power(4, 5)
1024

Ahora aplicaremos el decorador definido previamente res2bin() sobre la función ordinaria

power(). Se dice que que res2bin() es la función decoradora y que power() es la función
decorada:

>>> decorated_power = res2bin(power)

>>> decorated_power(2, 3)
0b1000
>>> decorated_power(4, 5)
0b10000000000

Usando @ para decorar

Python nos ofrece un «syntactic sugar» para simplificar la aplicación de los decoradores a
través del operador @ justo antes de la definición de la función que queremos decorar:

>>> @res2bin
... def power(x: int, n: int):
... return x ** n
...

>>> power(2, 3)
0b1000
>>> power(4, 5)
0b10000000000

240 Capítulo 6. Modularidad

 Aprende Python

Múltiples decoradores

Podemos aplicar más de un decorador a cada función. Para ejemplificarlo vamos a crear dos
decoradores muy sencillos:
>>> def plus5(func):
... def wrapper(*args, **kwargs):
... result = func(*args, **kwargs)
... return result + 5
... return wrapper
...

>>> def div2(func):

... def wrapper(*args, **kwargs):
... result = func(*args, **kwargs)
... return result // 2
... return wrapper
...

Ahora aplicaremos ambos decoradores sobre una función que realiza el producto de dos
números:
>>> @plus5
... @div2
... def prod(a, b):
... return a * b
...

>>> prod(4, 3)
11

>>> ((4 * 3) // 2) + 5
11

Cuando tenemos varios decoradores, se aplican desde afuera hacia adentro (modelo
capa de cebolla). Eso sí, hay que tener en cuenta que la ejecución de un decorador puede
depender de otro decorador.
Si anotamos los decoradores podemos ver exactamente cuál es el orden de ejecución:
>>> def plus5(func):
... def wrapper(*args, **kwargs):
... print( plus5-A )
... result = func(*args, **kwargs) # ——————┐
... print( plus5-B ) # |
... return result + 5 # |
... return wrapper # |
(continué en la próxima página)

6.1. Funciones 241

Aprende Python

(proviene de la página anterior)

... # |
... # |
... def div2(func): # |
... def wrapper(*args, **kwargs): # |
... print( div2-A ) # ◄—————┘
... result = func(*args, **kwargs)
... print( div2-B )
... return result // 2
... return wrapper

Ahora ejecutamos la función decorada:

>>> prod(4, 3)
plus5-A # decorador plus5
div2-A # decorador div2
div2-B # decorador div2
plus5-B # decorador plus5
11

Ejercicio
Escriba un decorador llamado fabs() que convierta a su valor absoluto los dos primeros
parámetros de la función que decora y devuelva el resultado de aplicar dicha función a sus
dos argumentos. El valor absoluto de un número se obtiene con la función abs().
A continuación probar el decorador con una función fprod() que devuelva el producto de
dos valores, jugando con números negativos y positivos.
¿Podrías extender el decorador para que tuviera en cuenta un número indeterminado de
argumentos posicionales?
Ejemplo
• Entrada: -3 y 7
• Salida: 21

242 Capítulo 6. Modularidad

 Aprende Python

Funciones recursivas

La recursividad es el mecanismo por el cual una función se llama a sí misma:

>>> def call_me():

... return call_me()
...

>>> call_me()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 2, in call_me
File "<stdin>", line 2, in call_me
File "<stdin>", line 2, in call_me
[Previous line repeated 996 more times]
RecursionError: maximum recursion depth exceeded

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

Python controla esta situación por nosotros, ya que, de no ser así, podríamos llegar a
consumir los recursos del sistema.

Veamos ahora un ejemplo más real en el que computar el enésimo término de la Sucesión de
Fibonacci utilizando una función recursiva:

>>> def fibonacci(n):

... if n == 0:
... return 0
... if n == 1:
... return 1
... return fibonacci(n - 1) + fibonacci(n - 2)
...

>>> fibonacci(10)
55

>>> fibonacci(20)
6765

6.1. Funciones 243

Aprende Python

Función generadora recursiva

Si tratamos de extender el ejemplo anterior de Fibonacci para obtener todos los términos de
la sucesión hasta un límite, pero con la filosofía recursiva, podríamos plantear el uso de una
función generadora:

>>> def fibonacci():

... def _fibonacci(n):
... if n == 0:
... return 0
... if n == 1:
... return 1
... return _fibonacci(n - 1) + _fibonacci(n - 2)
...
... n = 0
... while True:
... yield _fibonacci(n)
... n += 1
...

>>> fib = fibonacci()

>>> type(fib)
generator

>>> for _ in range(10):

... print(next(fib))
...
0
1
1
2
3
5
8
13
21
34

Ejercicio
Escriba una función recursiva que calcule el factorial de un número:

𝑛! = 𝑛 · (𝑛 − 1) · (𝑛 − 2) · . . . · 1

Ejemplo

244 Capítulo 6. Modularidad

 Aprende Python

6.2 Objetos y Clases

Hasta ahora hemos estado usando objetos de forma totalmente transparente, casi sin ser
conscientes de ello. Pero, en realidad, todo en Python es un objeto, desde números
a funciones. El lenguaje provee ciertos mecanismos para no tener que usar explícitamente
técnicas de orientación a objetos.
Llegados a este punto, investigaremos en profundidad sobre la creación y manipulación de
clases y objetos, y todas las operaciones que engloban este paradigma.1

6.2.1 Programación orientada a objetos

La programación orientada a objetos (POO) o en sus siglas inglesas OOP es una manera de
programar que permite llevar al código mecanismos usados con entidades de la vida real.
Sus beneficios son los siguientes:
Encapsulamiento Permite empaquetar el código dentro de una unidad (objeto) donde
se puede determinar el ámbito de actuación.
Abstracción Permite generalizar los tipos de objetos a través de las clases y simplificar
el programa.
Herencia Permite reutilizar código al poder heredar atributos y comportamientos de una
clase a otra.
1
Foto original por Rabie Madaci en Unsplash.

6.2. Objetos y Clases 251

Aprende Python

Polimorfismo Permite crear múltiples objetos a partir de una misma pieza flexible de
código.

Figura 7: Beneficios de la Programación Orientada a Objetos

¿Qué es un objeto?

Un objeto es una estructura de datos personalizada que contiene datos y código:

Elementos ¿Qué son? ¿Cómo se llaman? ¿Cómo se identifican?

Datos Variables Atributos Nombres
Código Funciones Métodos Verbos

Un objeto representa una instancia única de alguna entidad a través de los valores de sus
atributos e interactuan con otros objetos (o consigo mismos) a través de sus métodos.

252 Capítulo 6. Modularidad

 Aprende Python

Figura 8: Analogía de atributos y métodos en un objeto «bicicleta»

¿Qué es una clase?

Para crear un objeto primero debemos definir la clase que lo contiene. Podemos pensar en
la clase como el molde con el que crear nuevos objetos de ese tipo.
En el proceso de diseño de una clase hay que tener en cuenta – entre otros – el principio
de responsabilidad única7 , intentando que los atributos y los métodos que contenga estén
enfocados a un objetivo único y bien definido.

6.2.2 Creando objetos

Empecemos por crear nuestra primera clase. En este caso vamos a modelar algunos de los
droides de la saga StarWars:
Para ello usaremos la palabra reservada class seguido del nombre de la clase:

>>> class StarWarsDroid:

... pass
...

7
Principios SOLID
2
Fuente de la imagen: Astro Mech Droids.

6.2. Objetos y Clases 253

Aprende Python

Figura 9: Ejemplificación de creación de objetos a partir de una clase

Figura 10: Droides de la saga StarWars2

254 Capítulo 6. Modularidad

 Aprende Python

Consejo: Los nombres de clases se suelen escribir en formato CamelCase y en singular3 .

Existen multitud de droides en el universo StarWars. Una vez que hemos definido la clase
genérica podemos crear instancias/objetos (droides) concretos:

>>> c3po = StarWarsDroid()

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

>>> type(c3po)
__main__.StarWarsDroid
>>> type(r2d2)
__main__.StarWarsDroid
>>> type(bb8)
__main__.StarWarsDroid

Añadiendo atributos

Un atributo no es más que una variable, un nombre al que asignamos un valor, con la
particularidad de vivir dentro de una clase o de un objeto.
Los atributos – por lo general – se suelen asignar durante la creación de un objeto, pero
también es posible añadirlos a posteriori:

>>> blue_droid = StarWarsDroid()

>>> golden_droid = StarWarsDroid()

>>> golden_droid.name = C-3PO

>>> blue_droid.name = R2-D2

>>> blue_droid.height = 1.09
>>> blue_droid.num_feet = 3
>>> blue_droid.partner_droid = golden_droid # otro droide como atributo

Una vez creados, es muy sencillo acceder a los atributos:

>>> golden_droid.name
C-3PO

>>> blue_droid.num_feet
3

3
Guía de estilos PEP8 para convenciones de nombres.

6.2. Objetos y Clases 255

Aprende Python

Hemos definido un droide «socio». Veremos a continuación que podemos trabajar con él de
una manera totalmente natural:

>>> type(blue_droid.partner_droid)
__main__.StarWarsDroid

>>> blue_droid.partner_droid.name # acceso al nombre del droide socio

C-3PO

>>> blue_droid.partner_droid.num_feet # aún sin definir!

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: StarWarsDroid object has no attribute num_feet

>>> blue_droid.partner_droid.num_feet = 2

Añadiendo métodos

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

>>> class Droid:

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

>>> k2so = Droid()

>>> k2so.switch_on()
Hi! I m a droid. Can I help you?

>>> k2so.switch_off()
Bye! I m going to sleep

256 Capítulo 6. Modularidad

 Aprende Python

Inicialización

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

1 >>> class Droid:

2 ... def __init__(self, name):
3 ... self.name = name
4 ...
5

6 >>> droid = Droid( BB-8 )

7

8 >>> droid.name
9 BB-8

Línea 2 Definición del constructor.

Línea 7 Creación del objeto (y llamada implícita al constructor)
Línea 9 Acceso al atributo name creado previamente en el constructor.

Ejercicio
Escriba una clase MobilePhone que represente un teléfono móvil.
Atributos:
• manufacturer (cadena de texto)
• screen_size (flotante)
• num_cores (entero)
• apps (lista de cadenas de texto)
• status (0: apagado, 1: encendido)
Métodos:
• __init__(self, manufacturer, screen_size, num_cores)
• power_on(self)
• power_off(self)
• install_app(self, app)
• uninstall_app(self, app)

6.2. Objetos y Clases 257

Aprende Python

Crear al menos una instancia (móvil) a partir de la clase creada y «jugar» con los métodos,
visualizando cómo cambian sus atributos.
¿Serías capaz de extender el método install_app() para instalar varias aplicaciones a la
vez?

6.2.3 Atributos

Acceso directo

En el siguiente ejemplo vemos que, aunque el atributo name se ha creado en el constructor

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

>>> class Droid:

... def __init__(self, name):
... self.name = name
...

>>> droid = Droid( C-3PO )

>>> droid.name
C-3PO

>>> droid.name = waka-waka # esto sería válido!

Propiedades

Como hemos visto previamente, los atributos definidos en un objeto son accesibles
públicamente. Esto puede parecer extraño a personas desarrolladoras de otros lenguajes.
En Python existe un cierto «sentido de responsabilidad» a la hora de programar y manejar
este tipo de situaciones.
Una posible solución «pitónica» para la privacidad de los atributos es el uso de propiedades.
La forma más común de aplicar propiedades es mediante el uso de decoradores:
• @property para leer el valor de un atributo.
• @name.setter para escribir el valor de un atributo.
Veamos un ejemplo en el que estamos ofuscando el nombre del droide a través de propiedades:

>>> class Droid:

... def __init__(self, name):
... self.hidden_name = name
(continué en la próxima página)

258 Capítulo 6. Modularidad

 Aprende Python

(proviene de la página anterior)

...
... @property
... def name(self):
... print( inside the getter )
... return self.hidden_name
...
... @name.setter
... def name(self, name):
... print( inside the setter )
... self.hidden_name = name
...

>>> droid = Droid( N1-G3L )

>>> droid.name
inside the getter
N1-G3L

>>> droid.name = Nigel

inside the setter

>>> droid.name
inside the getter
Nigel

En cualquier caso, seguimos pudiendo acceder directamente a .hidden_name:

>>> droid.hidden_name
Nigel

Incluso cambiar su valor:

>>> droid.hidden_name = waka-waka

>>> droid.name
inside the getter
waka-waka

6.2. Objetos y Clases 259

Aprende Python

Valores calculados

Una propiedad también se puede usar para devolver un valor calculado (o computado).
A modo de ejemplo, supongamos que la altura del periscopio de los droides astromecánicos
se calcula siempre como un porcentaje de su altura. Veamos cómo implementarlo:

>>> class AstromechDroid:

... def __init__(self, name, height):
... self.name = name
... self.height = height
...
... @property
... def periscope_height(self):
... return 0.3 * self.height
...

>>> droid = AstromechDroid( R2-D2 , 1.05)

>>> droid.periscope_height # podemos acceder como atributo

0.315

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

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: can t set attribute

Consejo: La ventaja de usar valores calculados sobre simples atributos es que el cambio de
valor en un atributo no asegura que actualicemos otro atributo, y además siempre podremos
modificar directamente el valor del atributo, con lo que podríamos obtener efectos colaterales
indeseados.

Ocultando atributos

Python tiene una convención sobre aquellos atributos que queremos hacer «privados» (u
ocultos): comenzar el nombre con doble subguión __

>>> class Droid:

... def __init__(self, name):
... self.__name = name
...

>>> droid = Droid( BC-44 )

(continué en la próxima página)

260 Capítulo 6. Modularidad

 Aprende Python

(proviene de la página anterior)

>>> droid.__name # efectivamente no aparece como atributo

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: Droid object has no attribute __name

Lo que realmente ocurre tras el telón se conoce como «name mangling» y consiste en
modificar el nombre del atributo incorporado la clase como un prefijo. Sabiendo esto podemos
acceder al valor del atributo supuestamente privado:

>>> droid._Droid__name
BC-44

Atributos de clase

Podemos asignar atributos a las clases y serán heredados por todos los objetos instanciados
de esa clase.
A modo de ejemplo, en un principio, todos los droides están diseñados para que obedezcan
a su dueño. Esto lo conseguiremos a nivel de clase, salvo que ese comportamiento se
sobreescriba:

>>> class Droid:

... obeys_owner = True # obedece a su dueño
...

>>> good_droid = Droid()

>>> good_droid.obeys_owner
True

>>> t1000 = Droid()

>>> t1000.obeys_owner = False # T-1000 (Terminator)
>>> t1000.obeys_owner
False

>>> Droid.obeys_owner # el cambio no afecta a nivel de clase

True

6.2. Objetos y Clases 261

Aprende Python

6.2.4 Métodos

Métodos de instancia

Un método de instancia es un método que modifica el comportamiento del objeto al que

hace referencia. Recibe self como primer parámetro, el cual se convierte en el propio objeto
sobre el que estamos trabajando. Python envía este argumento de forma transparente.
Veamos un ejemplo en el que, además del constructor, creamos un método de instancia para
desplazar un droide:

>>> class Droid:

... def __init__(self, name): # método de instancia -> constructor
... self.name = name
... self.covered_distance = 0
...
... def move_up(self, steps): # método de instancia
... self.covered_distance += steps
... print(f Moving {steps} steps )
...

>>> droid = Droid( C1-10P )

>>> droid.move_up(10)
Moving 10 steps

Métodos de clase

Un método de clase es un método que modifica el comportamiento de la clase a la

que hace referencia. Recibe cls como primer parámetro, el cual se convierte en la propia
clase sobre la que estamos trabajando. Python envía este argumento de forma transparente.
La identificación de estos métodos se completa aplicando el decorador @classmethod a la
función.
Veamos un ejemplo en el que implementaremos un método de clase que lleva la cuenta de
los droides que hemos creado:

>>> class Droid:

... count = 0
...
... def __init__(self):
... Droid.count += 1
...
... @classmethod
... def total_droids(cls):
(continué en la próxima página)

262 Capítulo 6. Modularidad

 Aprende Python

(proviene de la página anterior)

... print(f {cls.count} droids built so far! )
...

>>> droid1 = Droid()

>>> droid2 = Droid()
>>> droid3 = Droid()

>>> Droid.total_droids()
3 droids built so far!

Métodos estáticos

Un método estático es un método que no modifica el comportamiento del objeto ni de la

clase. No recibe ningún parámetro especial. La identificación de estos métodos se completa
aplicando el decorador @staticmethod a la función.
Veamos un ejemplo en el que creamos un método estático para devolver las categorías de
droides que existen en StarWars:

>>> class Droid:

... def __init__(self):
... pass
...
... @staticmethod
... def get_droids_categories():
... return [ Messeger , Astromech , Power , Protocol ]
...

>>> Droid.get_droids_categories()
[ Messeger , Astromech , Power , Protocol ]

Métodos mágicos

Nivel avanzado
Cuando escribimos hello world * 3 ¿cómo sabe el objeto hello world lo que debe hacer
para multiplicarse con el objeto entero 3? O dicho de otra forma, ¿cuál es la implementación
del operador * para «strings» y enteros? En valores numéricos puede parecer evidente
(siguiendo los operadores matemáticos), pero no es así para otros objetos. La solución que
proporciona Python para estas (y otras) situaciones son los métodos mágicos.
Los métodos mágicos empiezan y terminan por doble subguión __ (es por ello que también
se les conoce como «dunder-methods»). Uno de los «dunder-methods» más famosos es el
constructor de una clase: __init__().

6.2. Objetos y Clases 263

Aprende Python

Importante: Digamos que los métodos mágicos se «disparan» de manera transparente

cuando utilizamos ciertas estructuras y expresiones del lenguaje.

Para el caso de los operadores, existe un método mágico asociado (que podemos personalizar).
Por ejemplo la comparación de dos objetos se realiza con el método __eq__():

Figura 11: Equivalencia entre operador y método mágico

Extrapolando esta idea a nuestro universo StarWars, podríamos establecer que dos droides
son iguales si su nombre es igual, independientemente de que tengan distintos números de
serie:

>>> class Droid:

... def __init__(self, name, serial_number):
... self.serial_number = serial_number
... self.name = name
...
... def __eq__(self, droid):
... return self.name == droid.name
...

>>> droid1 = Droid( C-3PO , 43974973242)

>>> droid2 = Droid( C-3PO , 85094905984)

>>> droid1 == droid2 # llamada implícita a __eq__

True

(continué en la próxima página)

264 Capítulo 6. Modularidad

 Aprende Python

(proviene de la página anterior)

>>> droid1.__eq__(droid2)
True

Figura 12: Métodos mágicos para comparaciones y operaciones matemáticas

Nota: Los métodos mágicos no sólo están restringidos a operadores de comparación o

matemáticos. Existen muchos otros en la documentación oficial de Python, donde son
llamados métodos especiales.

Veamos un ejemplo en el que «sumamos» dos droides. Esto se podría ver como una fusión.
Supongamos que la suma de dos droides implica: a) que el nombre del droide resultante es
la concatenación de los nombres de los droides; b) que la energía del droide resultante es la
suma de la energía de los droides:
>>> class Droid:
... def __init__(self, name, power):
... self.name = name
(continué en la próxima página)

6.2. Objetos y Clases 265

Aprende Python

(proviene de la página anterior)

... self.power = power
...
... def __add__(self, droid):
... new_name = self.name + - + droid.name
... new_power = self.power + droid.power
... return Droid(new_name, new_power) # Hay que devolver un objeto de tipo␣
˓→Droid

...

>>> droid1 = Droid( C3PO , 45)

>>> droid2 = Droid( R2D2 , 91)

>>> droid3 = droid1 + droid2

>>> print(f Fusion droid:\n{droid3.name} with power {droid3.power} )

Fusion droid:
C3PO-R2D2 with power 136

__str__

Uno de los métodos mágicos más utilizados es __str__ que permite establecer la forma en
la que un objeto es representado como cadena de texto:

>>> class Droid:

... def __init__(self, name, serial_number):
... self.serial_number = serial_number
... self.name = name
...
... def __str__(self):
... return f Droid "{self.name}" serial-no {self.serial_number}
...

>>> droid = Droid( K-2SO , 8403898409432)

>>> print(droid) # llamada a droid.__str__()

Droid "K-2SO" serial-no 8403898409432

>>> str(droid)
Droid "K-2SO" serial-no 8403898409432

>>> f Droid -> {droid}

Droid -> Droid "K-2SO" serial-no 8403898409432

266 Capítulo 6. Modularidad

 Aprende Python

Ejercicio
Defina una clase Fraction que represente una fracción con numerador y denominador enteros
y utilice los métodos mágicos para poder sumar, restar, multiplicar y dividir estas fracciones.
Además de esto, necesitaremos:
• gcd(a, b) como método estático siguiendo el algoritmo de Euclides para calcular el
máximo común divisor entre a y b.
• __init__(self, num, den) para construir una fracción (incluyendo simplificación de
sus términos mediante el método gcd().
• __str__(self) para representar una fracción.
Algoritmo de Euclides:

def gcd(a, b):

Algoritmo de Euclides
while b > 0:
a, b = b, a % b
return a

Compruebe que se cumplen las siguientes igualdades:

[︂ ]︂ [︂ ]︂ [︂ ]︂ [︂ ]︂
25 40 31 25 40 −1 25 40 20 25 40 15
+ = − = * = / =
30 45 18 30 45 18 30 45 27 30 45 16

Gestores de contexto

Otra de las aplicaciones de los métodos mágicos (especiales) que puede ser interesante es la
de gestores de contexto. Se trata de un bloque de código en Python que engloba una serie
de acciones a la entrada y a la salida del mismo.
Hay dos métodos que son utilizados para implementar los gestores de contexto:
__enter__() Acciones que se llevan a cabo al entrar al contexto.
__exit__() Acciones que se llevan a cabo al salir del contexto.
Veamos un ejemplo en el que implementamos un gestor de contexto que mide tiempos de
ejecución:

>>> from time import time

>>> class Timer():

... def __enter__(self):
(continué en la próxima página)

6.2. Objetos y Clases 267

Aprende Python

(proviene de la página anterior)

... self.start = time()
...
... def __exit__(self, exc_type, exc_value, exc_traceback):
... # Omit exception handling
... self.end = time()
... exec_time = self.end - self.start
... print(f Execution time (seconds): {exec_time:.5f} )
...

Ahora podemos probar nuestro gestor de contexto con un ejemplo concreto. La forma de
«activar» el contexto es usar la sentencia with seguida del símbolo que lo gestiona:

>>> with Timer():

... for _ in range(1_000_000):
... x = 2 ** 20
...
Execution time (seconds): 0.05283

>>> with Timer():

... x = 0
... for _ in range(1_000_000):
... x += 2 ** 20
...
Execution time (seconds): 0.08749

6.2.5 Herencia

Nivel intermedio
La herencia consiste en crear una nueva clase partiendo de una clase existente, pero
que añade o modifica ciertos aspectos. Se considera una buena práctica tanto para reutilizar
código como para realizar generalizaciones.

Nota: Cuando se utiliza herencia, la clase derivada, de forma automática, puede usar todo
el código de la clase base sin necesidad de copiar nada explícitamente.

6
Iconos por Freepik.

268 Capítulo 6. Modularidad

 Aprende Python

Figura 13: Nomenclatura de clases en la herencia6

Heredar desde una clase base

Para que una clase «herede» de otra, basta con indicar la clase base entre paréntesis en la
definición de la clase derivada.
Sigamos con el ejemplo. Una de las grandes categorías de droides en StarWars es la de droides
de protocolo. Vamos a crear una herencia sobre esta idea:

>>> class Droid:

... Clase Base
... pass
...

>>> class ProtocolDroid(Droid):

... Clase Derivada
... pass
...

>>> issubclass(ProtocolDroid, Droid) # comprobación de herencia

True

>>> r2d2 = Droid()

>>> c3po = ProtocolDroid()

6.2. Objetos y Clases 269

Aprende Python

Vamos a añadir un par de métodos a la clase base, y analizar su comportamiento:

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

>>> class ProtocolDroid(Droid):

... pass
...

>>> r2d2 = Droid()

>>> c3po = ProtocolDroid()

>>> r2d2.switch_on()
Hi! I m a droid. Can I help you?

>>> c3po.switch_on() # método heredado de Droid

Hi! I m a droid. Can I help you?

>>> r2d2.switch_off()
Bye! I m going to sleep

Sobreescribir un método

Como hemos visto, una clase derivada hereda todo lo que tiene su clase base. Pero en muchas
ocasiones nos interesa modificar el comportamiento de esta herencia.
En el ejemplo vamos a modificar el comportamiento del método switch_on() para la clase
derivada:
>>> class Droid:
... def switch_on(self):
... print("Hi! I m a droid. Can I help you?")
...
... def switch_off(self):
... print("Bye! I m going to sleep")
...

>>> class ProtocolDroid(Droid):

... def switch_on(self):
... print("Hi! I m a PROTOCOL droid. Can I help you?")
...
(continué en la próxima página)

270 Capítulo 6. Modularidad

 Aprende Python

(proviene de la página anterior)

>>> r2d2 = Droid()

>>> c3po = ProtocolDroid()

>>> r2d2.switch_on()
Hi! I m a droid. Can I help you?

>>> c3po.switch_on() # método heredado pero sobreescrito

Hi! I m a PROTOCOL droid. Can I help you?

Añadir un método

La clase derivada también puede añadir métodos que no estaban presentes en su clase base.
En el siguiente ejemplo vamos a añadir un método translate() que permita a los droides
de protocolo traducir cualquier mensaje:
>>> class Droid:
... def switch_on(self):
... print("Hi! I m a droid. Can I help you?")
...
... def switch_off(self):
... print("Bye! I m going to sleep")
...

>>> class ProtocolDroid(Droid):

... def switch_on(self):
... print("Hi! I m a PROTOCOL droid. Can I help you?")
...
... def translate(self, msg, from_language):
... Translate from language to Human understanding
... print(f {msg} means "ZASCA" in {from_language} )

>>> r2d2 = Droid()

>>> c3po = ProtocolDroid()

>>> c3po.translate( kiitos , Huttese ) # idioma de Watoo

kiitos means "ZASCA" in Huttese

>>> r2d2.translate( kiitos , Huttese ) # droide genérico no puede traducir

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: Droid object has no attribute translate

Con esto ya hemos aportado una personalidad diferente a los droides de protocolo, a pesar
de que heredan de la clase genérica de droides de StarWars.

6.2. Objetos y Clases 271

Aprende Python

Accediendo a la clase base

Puede darse la situación en la que tengamos que acceder desde la clase derivada a métodos
o atributos de la clase base. Python ofrece super() como mecanismo para ello.
Veamos un ejemplo más elaborado con nuestros droides:

>>> class Droid:

... def __init__(self, name):
... self.name = name
...

>>> class ProtocolDroid(Droid):

... def __init__(self, name, languages):
... super().__init__(name) # llamada al constructor de la clase base
... self.languages = languages
...

>>> droid = ProtocolDroid( C-3PO , [ Ewokese , Huttese , Jawaese ])

>>> droid.name # fijado en el constructor de la clase base

C-3PO

>>> droid.languages # fijado en el constructor de la clase derivada

[ Ewokese , Huttese , Jawaese ]

Herencia múltiple

Nivel avanzado
Aunque no está disponible en todos los lenguajes de programación, Python sí permite que
los objetos pueden heredar de múltiples clases base.
Si en una clase se hace referencia a un método o atributo que no existe, Python lo buscará
en todas sus clases base. Es posible que exista una colisión en caso de que el método o
el atributo buscado esté, a la vez, en varias clases base. En este caso, Python resuelve el
conflicto a través del orden de resolución de métodos4 .
Supongamos que queremos modelar la siguiente estructura de clases con herencia múltiple:

>>> class Droid:

... def greet(self):
... return Here a droid
...
(continué en la próxima página)
4
Viene del inglés «method resolution order» o mro.
5
Imágenes de los droides por StarWars Fandom.

272 Capítulo 6. Modularidad

 Aprende Python

Figura 14: Ejemplo de herencia múltiple5

6.2. Objetos y Clases 273

Aprende Python

(proviene de la página anterior)

>>> class ProtocolDroid(Droid):

... def greet(self):
... return Here a protocol droid
...

>>> class AstromechDroid(Droid):

... def greet(self):
... return Here an astromech droid
...

>>> class SuperDroid(ProtocolDroid, AstromechDroid):

... pass
...

>>> class HyperDroid(AstromechDroid, ProtocolDroid):

... pass

Todas las clases en Python disponen de un método especial llamado mro() que devuelve una
lista de las clases que se visitarían en caso de acceder a un método o un atributo. También
existe el atributo __mro__ como una tupla de esas clases:

>>> SuperDroid.mro()
[__main__.SuperDroid,
__main__.ProtocolDroid,
__main__.AstromechDroid,
__main__.Droid,
object]

>>> HyperDroid.__mro__
(__main__.HyperDroid,
__main__.AstromechDroid,
__main__.ProtocolDroid,
__main__.Droid,
object)

Veamos el resultado de la llamada a los métodos definidos:

>>> super_droid = SuperDroid()

>>> hyper_droid = HyperDroid()

>>> super_droid.greet()
Here a protocol droid

>>> hyper_droid.greet()
Here an astromech droid

274 Capítulo 6. Modularidad

 Aprende Python

Nota: Todos los objetos en Python heredan, en primera instancia, de object. Esto se puede
comprobar con el mro() correspondiente:

>>> int.mro()
[int, object]

>>> str.mro()
[str, object]

>>> float.mro()
[float, object]

>>> tuple.mro()
[tuple, object]

>>> list.mro()
[list, object]

>>> bool.mro()
[bool, int, object]

Mixins

Hay situaciones en la que nos interesa incorporar una clase base «independiente» de la
jerarquía establecida, y sólo a efectos de tareas auxiliares. Esta aproximación podría ayudar
a evitar colisiones en métodos o atributos reduciendo la ambigüedad que añade la herencia
múltiple. Estas clases auxiliares reciben el nombre de «mixins».
Veamos un ejemplo en el que usamos un «mixin» para mostrar las variables de un objeto:

>>> class Instrospection:

... def dig(self):
... print(vars(self)) # vars devuelve las variables del argumento
...
... class Droid(Instrospection):
... pass
...

>>> droid = Droid()

>>> droid.code = DN-LD

>>> droid.num_feet = 2
>>> droid.type = Power Droid
(continué en la próxima página)

6.2. Objetos y Clases 275

Aprende Python

(proviene de la página anterior)

>>> droid.dig()
{ code : DN-LD , num_feet : 2, type : Power Droid }

Ejercicio
Dada la siguiente estructura/herencia que representa diferentes clases de ficheros:

Se pide lo siguiente:
1. Cree las 3 clases de la imagen anterior con la herencia señalada.
2. Cree un objeto de tipo VideoFile con las siguientes características:
• path: /home/python/vanrossum.mp4
• codec: h264
• geoloc: (23.5454, 31.4343)

276 Capítulo 6. Modularidad

 Aprende Python

• duration: 487
• dimensions: (1920, 1080)
3. Añada el contenido audio/ogg al fichero.
4. Añada el contenido video/webm al fichero.
5. Imprima por pantalla la info() de este objeto (el método info() debería retornar str
y debería hacer uso de los métodos info() de las clases base).
Salida esperada:

/home/python/vanrossum.mp4 [size=19B] # self.info() de File

Codec: h264 # ┐
Geolocalization: (23.5454, 31.4343) # ├ self.info() de MediaFile
Duration: 487s # ┘
Dimensions: (1920, 1080) # self.info() de VideoFile

� El método size() debe devolver el número total de caracteres sumando las longitudes de
los elementos del atributo contents.

Agregación y composición

Aunque la herencia de clases nos permite modelar una gran cantidad de casos de uso en
términos de «is-a» (es un), existen muchas otras situaciones en las que la agregación o
la composición son una mejor opción. En este caso una clase se compone de otras cases:
hablamos de una relación «has-a» (tiene un).
Hay una sutil diferencia entre agregación y composición:
• La composición implica que el objeto utilizado no puede «funcionar» sin la presencia
de su propietario.
• La agregación implica que el objeto utilizado puede funcionar por sí mismo.
Veamos un ejemplo de agregación en el que añadimos una herramienta a un droide:

>>> class Tool:

... def __init__(self, name):
... self.name = name
...
... def __str__(self):
... return self.name.upper()
...
... class Droid:
... def __init__(self, name, serial_number, tool):
... self.name = name
(continué en la próxima página)

6.2. Objetos y Clases 277

Aprende Python

Figura 15: Agregación vs. Composición6

(proviene de la página anterior)

... self.serial_number = serial_number
... self.tool = tool # agregación
...
... def __str__(self):
... return f Droid {self.name} armed with a {self.tool}
...

>>> lighter = Tool( lighter )

>>> bb8 = Droid( BB-8 , 48050989085439, lighter)

>>> print(bb8)
Droid BB-8 armed with a LIGHTER

EJERCICIOS DE REPASO

1. Escriba una clase en Python para representar una secuencia de ADN. De momento, la

• 4 atributos de clase, cada uno representando una base nitrogenada con su

valor como un carácter.
• Constructor que recibe una secuencia de caracteres (bases).
• Método para representar el objeto en formato «string».
2. Continúe con el ejercicio anterior, y añada a la clase 4 propiedades que calculen el
número total de cada una de las bases presentes en la secuencia.
3. Continúe con el ejercicio anterior, y añada a la clase un método de instancia para sumar
dos secuencias de ADN. La suma se hará base a base y el resultado será el máximo de
cada letra(base).

278 Capítulo 6. Modularidad