VERSION DE LIBRE DISTRIBUCIÓN. PROHIBIDA SU COMERCIALIZACIÓN.

Tutorial Oficial
de Python 3.1x
Extraído de: https://docs.python.org/es/3/

.
(Editado y Compilado por Diego Parrás)

[TÍTULO DEL DOCUMENTO]

[Subtítulo del documento]
 Tutorial Oficial
de Python 3.1x
https://docs.python.org/es/3/

(Editado y Compilado por Diego Parrás)

VERSION DE LIBRE DISTRIBUCIÓN. PROHIBIDA SU COMERCIALIZACIÓN.
Contenido

Antes de Comenzar ....................................................................................................................... 8

Tutorial Oficial de Python 3.1x ...................................................................................................... 9
1. Abriendo el apetito.................................................................................................................. 10
2. Usando el intérprete de Python .............................................................................................. 12
2.1. Invocar el intérprete ......................................................................................................... 12
2.1.1. Paso de argumentos .................................................................................................. 13
2.1.2. Modo interactivo ....................................................................................................... 13
2.2. El intérprete y su entorno ................................................................................................ 14
2.2.1. Codificación del código fuente .................................................................................. 14
3. Una introducción informal a Python ....................................................................................... 16
3.1. Usando Python como una calculadora ............................................................................ 16
3.1.1. Números.................................................................................................................... 16
3.1.2. Texto .......................................................................................................................... 18
3.1.3. Listas.......................................................................................................................... 24
3.2. Primeros pasos hacia la programación ............................................................................ 27
4. Más herramientas para control de flujo .................................................................................. 29
4.1. La sentencia if................................................................................................................... 29
4.2. La sentencia for ................................................................................................................ 29
4.3. La función range() ....................................................................................................... 30
4.4. Las sentencias break, continue, y else en bucles ................................................... 32
4.5. La sentencia pass ........................................................................................................... 33
4.6. La sentencia match ........................................................................................................... 34
4.7. Definir funciones .............................................................................................................. 38
4.8. Más sobre definición de funciones .................................................................................. 40
4.8.1. Argumentos con valores por omisión ....................................................................... 40
4.8.2. Palabras claves como argumentos ............................................................................ 42
4.8.3. Parámetros especiales............................................................................................... 44
4.8.4. Listas de argumentos arbitrarios ............................................................................... 49
4.8.5. Desempaquetando una lista de argumentos ............................................................ 49
4.8.6. Expresiones lambda .................................................................................................. 50
4.8.7. Cadenas de texto de documentación........................................................................ 51
4.8.8. Anotación de funciones............................................................................................. 52
 4.9. Intermezzo: Estilo de programación ............................................................................. 52
5. Estructuras de datos................................................................................................................ 54
5.1. Más sobre listas ................................................................................................................ 54
5.1.1. Usar listas como pilas ................................................................................................ 56
5.1.2. Usar listas como colas ............................................................................................... 56
5.1.3. Comprensión de listas ............................................................................................... 57
5.1.4. Listas por comprensión anidadas .............................................................................. 59
5.2. La instrucción del ........................................................................................................... 60
5.3. Tuplas y secuencias .......................................................................................................... 61
5.4. Conjuntos ......................................................................................................................... 63
5.5. Diccionarios ...................................................................................................................... 64
5.6. Técnicas de iteración ........................................................................................................ 66
5.7. Más acerca de condiciones .............................................................................................. 68
5.8. Comparando secuencias y otros tipos.............................................................................. 69
6. Módulos .................................................................................................................................. 70
6.1. Más sobre los módulos .................................................................................................... 71
6.1.1. Ejecutar módulos como scripts ................................................................................. 73
6.1.2. El camino de búsqueda de los módulos .................................................................... 74
6.1.3. Archivos «compilados» de Python ............................................................................ 74
6.2. Módulos estándar ............................................................................................................ 75
6.3. La función dir() ............................................................................................................ 76
6.4. Paquetes ........................................................................................................................... 79
6.4.1. Importar * desde un paquete ................................................................................... 81
6.4.2. Referencias internas en paquetes ............................................................................. 83
6.4.3. Paquetes en múltiples directorios ............................................................................. 83
7. Entrada y salida ....................................................................................................................... 84
7.1. Formateo elegante de la salida ........................................................................................ 84
7.1.1. Formatear cadenas literales ...................................................................................... 86
7.1.2. El método format() de cadenas ................................................................................. 87
7.1.3. Formateo manual de cadenas ................................................................................... 88
7.1.4. Viejo formateo de cadenas ....................................................................................... 90
7.2. Leyendo y escribiendo archivos ....................................................................................... 90
7.2.1. Métodos de los objetos Archivo ................................................................................ 92
7.2.2. Guardar datos estructurados con json ....................................................................... 94
8. Errores y excepciones .............................................................................................................. 96
8.1. Errores de sintaxis ............................................................................................................ 96
 8.2. Excepciones ...................................................................................................................... 96
8.3. Gestionando excepciones................................................................................................. 97
8.4. Lanzando excepciones .................................................................................................... 101
8.5. Encadenamiento de excepciones ................................................................................... 102
8.6. Excepciones definidas por el usuario ............................................................................. 103
8.7. Definiendo acciones de limpieza .................................................................................... 104
8.8. Acciones predefinidas de limpieza ................................................................................. 106
8.9. Lanzando y gestionando múltiples excepciones no relacionadas .................................. 106
8.10. Enriqueciendo excepciones con notas ......................................................................... 108
9. Clases ..................................................................................................................................... 111
9.1. Unas palabras sobre nombres y objetos ........................................................................ 111
9.2. Ámbitos y espacios de nombres en Python ................................................................... 112
9.2.1. Ejemplo de ámbitos y espacios de nombre............................................................. 114
9.3. Un primer vistazo a las clases ......................................................................................... 115
9.3.1. Sintaxis de definición de clases ............................................................................... 115
9.3.2. Objetos clase ........................................................................................................... 116
9.3.3. Objetos instancia ..................................................................................................... 118
9.3.4. Objetos método....................................................................................................... 118
9.3.5. Variables de clase y de instancia ............................................................................. 119
9.4. Algunas observaciones ................................................................................................... 121
9.5. Herencia ......................................................................................................................... 123
9.5.1. Herencia múltiple .................................................................................................... 124
9.6. Variables privadas........................................................................................................... 125
9.7. Cambalache .................................................................................................................... 127
9.8. Iteradores ....................................................................................................................... 127
9.9. Generadores ................................................................................................................... 129
9.10. Expresiones generadoras ............................................................................................. 130
10. Pequeño paseo por la Biblioteca Estándar .......................................................................... 132
10.1. Interfaz al sistema operativo ........................................................................................ 132
10.2. Comodines de archivos ................................................................................................ 132
10.3. Argumentos de linea de órdenes ................................................................................. 133
10.4. Redirigir la salida de error y finalización del programa ................................................ 133
10.5. Coincidencia en patrones de cadenas .......................................................................... 134
10.6. Matemática .................................................................................................................. 134
10.7. Acceso a Internet.......................................................................................................... 135
10.8. Fechas y tiempos .......................................................................................................... 136
 10.9. Compresión de datos ................................................................................................... 136
10.10. Medición de rendimiento ........................................................................................... 137
10.11. Control de calidad ...................................................................................................... 137
10.12. Las pilas incluidas ....................................................................................................... 138
11. Pequeño paseo por la Biblioteca Estándar— Parte II.......................................................... 140
11.1. Formato de salida ......................................................................................................... 140
11.2. Plantillas ....................................................................................................................... 141
11.3. Trabajar con registros estructurados conteniendo datos binarios ............................... 143
11.4. Multi-hilos .................................................................................................................... 143
11.5. Registrando .................................................................................................................. 144
11.6. Referencias débiles....................................................................................................... 145
11.7. Herramientas para trabajar con listas .......................................................................... 146
11.8. Aritmética de punto flotante decimal .......................................................................... 147
12. Entornos virtuales y paquetes ............................................................................................. 149
12.1. Introducción ................................................................................................................. 149
12.2. Creando entornos virtuales .......................................................................................... 149
12.3. Manejando paquetes con pip....................................................................................... 150
13. ¿Y ahora qué? ...................................................................................................................... 154
 Antes de Comenzar

¡Bienvenidos a la fascinante aventura del lenguaje de programación Python!

Si te encuentras aquí, es probable que estés buscando iniciar o profundizar tu viaje

en el mundo de la programación, y estamos emocionados de ser tus guías a través de este viaje.
Hemos compilado y mejorado la documentación oficial de la versión 3.1x de Python, para que
puedas disfrutarla de una manera más amena, cercana a la experiencia de leer un libro.

Para los que aún no lo conocen, Python es un lenguaje de programación creado por
Guido van Rossum en 1991, que se ha convertido en uno de los más populares del mundo, sobre
todo en el ámbito de las organizaciones. Python destaca por su legibilidad, simplicidad y
versatilidad. Esto lo convierte en un excelente lenguaje tanto para los que apenas comienzan en
el mundo de la programación como para los programadores experimentados que buscan mayor
eficiencia y flexibilidad.

Desde el desarrollo web y análisis de datos hasta la inteligencia artificial, Python se

utiliza en una multitud de campos. Su naturaleza interpretada ofrece un entorno de desarrollo
y depuración rápido y eficiente, lo que lo convierte en una herramienta de elección en muchas
industrias y disciplinas académicas. En esta documentación oficial de Python, encontrarás todo
lo que necesitas para aprender, explorar y dominar Python. Sea cual sea tu nivel de habilidad o
experiencia, nuestra guía te proporcionará una base sólida y detallada para desarrollar tus
habilidades y conocimientos de Python.

Desde el Centro de Estudios en Modelos de Inteligencia Artificial Aplicados a las

Ciencias Económicas de la Universidad de Buenos Aires (CeMIACE), hemos trabajado con
dedicación para hacer de este material una guía completa, clara y fácil de seguir. Desde los
fundamentos hasta los detalles más intrincados, estamos seguros de que aquí encontrarás lo
que necesitas para tener éxito en tu camino con Python.

Como dijimos anteriormente, el presente material es una transcripción y una

mejora en términos de maquetación de gran parte de la documentación oficial disponible en
línea, razón por la cual se distribuye con licencia Creative Commons, está pensada con fines
meramente académicos, razón por la cuál no está permitida su comercialización.

Te invitamos a sumergirte en este material, a explorar los diversos temas y a ver

cómo Python puede transformar tu mundo de la programación. No importa si eres un
principiante completo, un profesional experimentado o simplemente un curioso del mundo de
la programación, estamos seguros de que encontrarás valor y disfrutarás de tu viaje con Python.

Así que, ¡adelante, sumérgete en la increíble aventura de Python! Te esperan

grandes descubrimientos.

Lic. Diego Parrás (Director de CeMIACE)

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 8

 Tutorial Oficial de Python 3.1x

Python es un lenguaje de programación potente y fácil de aprender. Tiene

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

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

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

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

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

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

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

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 9

 1. Abriendo el apetito

Si trabajas mucho con ordenadores, en algún momento encontrarás que hay

alguna tarea que quieres automatizar. Por ejemplo, quizás quieres buscar y remplazar
un texto en muchos ficheros o renombrar y reordenar un montón de imágenes de forma
complicada. Quizás lo que quieres es escribir una pequeña base de datos personalizada,
una interfaz gráfica o un juego simple.

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

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

¡Python es justo el lenguaje para ti!

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

Python es fácil de utilizar y es un verdadero lenguaje de programación ofreciendo

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

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

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

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

durante el desarrollo ya que no es necesario compilar ni enlazar. El intérprete puede

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 10

 usarse interactivamente, lo que facilita experimentar con características del lenguaje,
escribir programas desechables o probar funciones cuando se hace desarrollo de
programas de abajo hacia arriba. Es también una calculadora de escritorio práctica.

Python permite escribir programas compactos y legibles. Los programas en Python

son típicamente más cortos que sus programas equivalentes en C, C++ o Java por varios
motivos:

• los tipos de datos de alto nivel permiten expresar operaciones complejas en una
sola instrucción;
• la agrupación de instrucciones se hace mediante indentación en vez de llaves de
apertura y cierre;
• no es necesario declarar variables ni argumentos.

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

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

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

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

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

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

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

El resto del tutorial introduce varias características del lenguaje y el sistema Python
a través de ejemplos, empezando con expresiones, instrucciones y tipos de datos
simples, pasando por funciones y módulos, y finalmente tocando conceptos avanzados
como excepciones y clases definidas por el usuario.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 11

 2. Usando el intérprete de Python
2.1. Invocar el intérprete

El intérprete de Python generalmente se instala como

/usr/local/bin/python3.11 en aquellas máquinas donde está disponible; poner
/usr/local/bin en la ruta de búsqueda de su shell de Unix hace posible iniciarlo
escribiendo el comando:

python3.11

en el terminal 1. Ya que la elección del directorio dónde vivirá el intérprete es una opción
del proceso de instalación, puede estar en otros lugares; consulta a tu gurú de Python
local o administrador de sistemas. (Por ejemplo, /usr/local/python es una
alternativa popular).

En máquinas con Windows en las que haya instalado Python desde Microsoft
Store, el comando python3.11 estará disponible. Si tiene el lanzador py.exe instalado,
puede usar el comando py. Consulte Excurso: configurar variables de entorno para
conocer otras formas de iniciar Python.

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

Las características para edición de líneas del intérprete incluyen edición

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

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 12

 Una segunda forma de iniciar el intérprete es python -c comando [arg]
..., que ejecuta las sentencias en comando, similar a la opción de shell -c . Como las
sentencias de Python a menudo contienen espacios u otros caracteres que son
especiales para el shell, generalmente se recomienda citar comando en su totalidad.

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

Cuando se usa un script, a veces es útil poder ejecutar el script y luego ingresar al
modo interactivo. Esto se puede hacer pasando la -i antes del nombre del script.

Todas las opciones de la línea de comandos se describen en Línea de comandos y

entorno.

2.1.1. Paso de argumentos

Cuando son conocidos por el intérprete, el nombre del script y los

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

2.1.2. Modo interactivo

Cuando se leen los comandos desde un terminal, se dice que el intérprete

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

$ python3.11
Python 3.11 (default, April 4 2021, 09:25:04)
[GCC 10.2.0] on linux
Type "help", "copyright", "credits" or "license" for more
information.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 13

 >>>

Las líneas de continuación son necesarias cuando se ingresa una construcción multilínea.
Como ejemplo, echa un vistazo a la sentencia if:

>>> the_world_is_flat = True

>>> if the_world_is_flat:
... print("Be careful not to fall off!")
...
Be careful not to fall off!

Para más información sobre el modo interactivo, ver Modo interactivo.

2.2. El intérprete y su entorno

2.2.1. Codificación del código fuente

De forma predeterminada, los archivos fuente de Python se tratan como

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

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

# -*- coding: encoding -*-

donde encoding es uno de los codecs soportados por Python.

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

primera línea del archivo de código fuente debe ser:

# -*- coding: cp1252 -*-

Una excepción a la regla de primera línea es cuando el código fuente comienza con
una linea UNIX «shebang». En ese caso, la declaración de codificación debe agregarse
como la segunda línea del archivo. Por ejemplo:

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 14

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

Notas al pie

1 En Unix, el intérprete de Python 3.x no está instalado por defecto con el ejecutable
llamado python, por lo que no entra en conflicto con un ejecutable de Python 2.x
instalado simultáneamente.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 15

 3. Una introducción informal a Python

En los siguientes ejemplos, la entrada y la salida se distinguen por la

presencia o ausencia de prompts (>>> y …): para repetir el ejemplo, escribe todo
después del prompt, cuando aparece; las líneas que no comienzan con un prompt son
emitidas desde el intérprete. Ten en cuenta que en un ejemplo un prompt secundario
en una linea en solitario significa que debes escribir una línea en blanco. Esto se utiliza
para finalizar un comando multilínea.

Puede alternar la visualización de mensajes y salida haciendo clic en >>> en la

esquina superior derecha de un cuadro de ejemplo. Si oculta las indicaciones y la salida
para un ejemplo, puede copiar y pegar fácilmente las líneas de entrada en su intérprete.

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

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

Algunos ejemplos:

# this is the first comment

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

3.1. Usando Python como una calculadora

Probemos algunos comandos simples de Python. Inicia el intérprete y espera

el prompt primario, >>>. (No debería tardar mucho.)

3.1.1. Números

El intérprete actúa como una calculadora simple: puede escribir una expresión en ella y
escribirá el valor. La sintaxis de la expresión es sencilla: los operadores+, -, * y / se
pueden usar para realizar aritmética; Los paréntesis (()) se puede utilizar para agrupar.
Por ejemplo:

>>> 2 + 2

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 16

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

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

La división (/) siempre retorna un número decimal de punto flotante. Para hacer
floor division y obtener un número entero como resultado puede usarse el operador //;
para calcular el resto puedes usar %:

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

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

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

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

El signo igual (=) se usa para asignar un valor a una variable. Después, no se
muestra ningún resultado antes del siguiente prompt interactivo:

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 17

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

>>> n # try to access an undefined variable

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

Hay soporte completo de punto flotante; operadores con operando mezclados

convertirán los enteros a punto flotante:

>>> 4 * 3.75 - 1
14.0

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

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

>>> tax = 12.5 / 100

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

Esta variable debe ser tratada como de sólo lectura por el usuario. No le asignes
explícitamente un valor; crearás una variable local independiente con el mismo nombre
enmascarando la variable con el comportamiento mágico.

Además de int y float, Python admite otros tipos de números, como Decimal
y Fraction. Python también tiene soporte incorporado para complex numbers, y usa
el sufijo j o J para indicar la parte imaginaria (por ejemplo, 3+5j).

3.1.2. Texto

Python puede manipular texto (representado por el tipo str, las llamadas
«cadenas»), así como números. Esto incluye personajes «!», palabras «conejo»,
nombres «París», frases «Got your back.», etc. «¡Yay! :)». Pueden incluirse
entre comillas simples ('...') o comillas dobles ("...") con el mismo resultado 2.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 18

 >>> 'spam eggs' # single quotes
'spam eggs'

>>> "Paris rabbit got your back :)! Yay!" # double quotes

'Paris rabbit got your back :)! Yay!'

>>> '1975' # digits and numerals enclosed in quotes are also
strings
'1975'

Para citar una cita, necesitamos «escapar» de ella, precediéndola con \.

Alternativamente, podemos usar el otro tipo de comillas:

>>> 'doesn\'t' # use \' to escape the single quote...

"doesn't"
>>> "doesn't" # ...or use double quotes instead
"doesn't"
>>> '"Yes," they said.'
'"Yes," they said.'
>>> "\"Yes,\" they said."
'"Yes," they said.'
>>> '"Isn\'t," they said.'
'"Isn\'t," they said.'

En el shell de Python, la definición de cadena y la cadena de salida pueden tener

un aspecto diferente. La función print() produce una salida más legible,
omitiendo las comillas adjuntas e imprimiendo caracteres de escape y especiales:

>>> s = 'First line.\nSecond line.' # \n means newline

>>> s # without print(), special characters are included in the
string
'First line.\nSecond line.'
>>> print(s) # with print(), special characters are interpreted,
so \n produces new line
First line.
Second line.

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 19

 >>> print('C:\some\name') # here \n means newline!
C:\some
ame
>>> print(r'C:\some\name') # note the r before the quote
C:\some\name

Hay un aspecto sutil de las cadenas sin formato: una cadena sin formato puede no
terminar en un número impar de \ caracteres; consulte la entrada de preguntas
frecuentes para obtener más información y soluciones alternativas.

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

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

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

Usage: thingy [OPTIONS]

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

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

repetir con *:

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

>>> 3 * 'un' + 'ium'
'unununium'

Dos o más cadenas literales (es decir, las encerradas entre comillas) una al lado de
la otra se concatena automáticamente.

>>> 'Py' 'thon'

'Python'

Esta característica es particularmente útil cuando quieres dividir cadenas largas:

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 20

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

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

>>> prefix = 'Py'

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

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

>>> prefix + 'thon'

'Python'

Las cadenas de texto se pueden indexar (subíndices), el primer carácter de la

cadena tiene el índice 0. No hay un tipo de dato diferente para los caracteres; un
carácter es simplemente una cadena de longitud uno:

>>> word = 'Python'

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

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

>>> word[-1] # last character

'n'

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 21

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

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

Además de los índices, las rebanadas también están soportadas. Mientras que los
índices se utilizar para obtener caracteres individuales, las rebanadas te permiten
obtener partes de las cadenas de texto:

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

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

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

>>> word[:2] # character from the beginning to position 2

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

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

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

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

Una forma de recordar cómo funcionan las rebanadas es pensar que los índices
apuntan entre caracteres, con el borde izquierdo del primer carácter numerado 0.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 22

 Luego, el punto derecho del último carácter de una cadena de n caracteres tiene
un índice n, por ejemplo:

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

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

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

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

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

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

>>> word[42] # the word only has 6 characters

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

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

satisfactoriamente cuando se usan para rebanar:

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

Las cadenas de Python no se pueden modificar, son immutables. Por eso, asignar
a una posición indexada de la cadena resulta en un error:

>>> word[0] = 'J'

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 23

 TypeError: 'str' object does not support item assignment

Si necesitas una cadena diferente, deberías crear una nueva:

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

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

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

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

Ver también
Cadenas de caracteres — str
Las cadenas de texto son ejemplos de tipos secuencias y soportan las operaciones
comunes para esos tipos.
Métodos de las cadenas de caracteres
Las cadenas de texto soportan una gran cantidad de métodos para transformaciones
básicas y búsqueda.
Literales de cadena formateados
Literales de cadena que tienen expresiones embebidas.
Sintaxis de formateo de cadena
Aquí se da información sobre formateo de cadenas de texto con str.format().
Formateo de cadenas al estilo *printf*
Aquí se describen con más detalle las antiguas operaciones para formateo utilizadas
cuando una cadena de texto está a la izquierda del operador %.

3.1.3. Listas

Python tiene varios tipos de datos compuestos, utilizados para agrupar otros
valores. El más versátil es la lista, la cual puede ser escrita como una lista de valores
separados por coma (ítems) entre corchetes. Las listas pueden contener ítems de
diferentes tipos, pero usualmente los ítems son del mismo tipo.

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 24

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

Al igual que las cadenas (y todas las demás tipos integrados sequence), las listas
se pueden indexar y segmentar:

>>> squares[0] # indexing returns the item

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

Todas las operaciones de rebanado retornan una nueva lista que contiene los
elementos pedidos. Esto significa que la siguiente rebanada retorna una shallow copy
de la lista:

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

Las listas también admiten operaciones como concatenación:

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

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

A diferencia de las cadenas, que son immutables, las listas son de tipo mutable, es
decir, es posible cambiar su contenido:

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

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

También puede agregar nuevos elementos al final de la lista, utilizando el método

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

>>> cubes.append(216) # add the cube of 6

>>> cubes.append(7 ** 3) # and the cube of 7

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 25

 >>> cubes
[1, 8, 27, 64, 125, 216, 343]

También es posible asignar a una rebanada, y esto incluso puede cambiar la

longitud de la lista o vaciarla totalmente:

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

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

La función predefinida len() también sirve para las listas

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

>>> len(letters)
4

Es posible anidar listas (crear listas que contengan otras listas), por ejemplo:

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 26

 3.2. Primeros pasos hacia la programación

Por supuesto, podemos usar Python para tareas más complicadas que sumar
dos más dos. Por ejemplo, podemos escribir una parte inicial de la serie de Fibonacci así:

>>> # Fibonacci series:

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

Este ejemplo introduce varias características nuevas.

• La primera línea contiene una asignación múltiple: las variables a y b obtienen

simultáneamente los nuevos valores 0 y 1. En la última línea esto se usa
nuevamente, demostrando que las expresiones de la derecha son evaluadas
primero antes de que se realice cualquiera de las asignaciones. Las expresiones del
lado derecho se evalúan de izquierda a derecha.
• El bucle while se ejecuta mientras la condición (aquí: a < 10) sea verdadera. En
Python, como en C, cualquier valor entero que no sea cero es verdadero; cero es
falso. La condición también puede ser una cadena de texto o una lista, de hecho,
cualquier secuencia; cualquier cosa con una longitud distinta de cero es verdadera,
las secuencias vacías son falsas. La prueba utilizada en el ejemplo es una
comparación simple. Los operadores de comparación estándar se escriben igual que
en C: < (menor que), > (mayor que), == (igual a), <= (menor que o igual a), >=
(mayor que o igual a) y != (distinto a).
• El cuerpo del bucle está indentado: la indentación es la forma que usa Python para
agrupar declaraciones. En el intérprete interactivo debes teclear un tabulador o
espacio(s) para cada línea indentada. En la práctica vas a preparar entradas más
complicadas para Python con un editor de texto; todos los editores de texto
modernos tienen la facilidad de agregar la indentación automáticamente. Cuando
se ingresa una instrucción compuesta de forma interactiva, se debe finalizar con
una línea en blanco para indicar que está completa (ya que el analizador no puede

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 27

 adivinar cuando tecleaste la última línea). Nota que cada línea de un bloque básico
debe estar sangrada de la misma forma.
• La función print() escribe el valor de los argumentos que se le dan. Difiere de
simplemente escribir la expresión que se quiere mostrar (como hicimos antes en los
ejemplos de la calculadora) en la forma en que maneja múltiples argumentos,
cantidades de punto flotante, y cadenas. Las cadenas de texto son impresas sin
comillas y un espacio en blanco se inserta entre los elementos, así puedes formatear
cosas de una forma agradable:

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

El parámetro nombrado end puede usarse para evitar el salto de linea al final de
la salida, o terminar la salida con una cadena diferente:

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

Notas al pie

1 Debido a que ** tiene una prioridad mayor que -, -3**2 se interpretará como -
(3**2), por lo tanto dará como resultado -9. Para evitar esto y obtener 9, puedes usar
(-3)**2.

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 28

 4. Más herramientas para control de flujo

Además de la declaración while que acabamos de presentar, Python usa

algunos más que encontraremos en este capítulo.

4.1. La sentencia if

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

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

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

Puede haber cero o más bloques elif, y el bloque else es opcional. La palabra
reservada elif es una abreviación de “else if”, y es útil para evitar un sangrado
excesivo.

Una secuencia if … elif … elif … sustituye las sentencias switch o case

encontradas en otros lenguajes. Si necesitas comparar un mismo valor con muchas
constantes, o comprobar que tenga un tipo o atributos específicos puede que
encuentres útil la sentencia match. Para más detalles véase La sentencia match.

4.2. La sentencia for

La sentencia for en Python difiere un poco de lo que uno puede estar

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

>>> # Measure some strings:

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 29

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

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

# Create a sample collection

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

# Strategy: Iterate over a copy

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

# Strategy: Create a new collection

active_users = {}
for user, status in users.items():
if status == 'active':
active_users[user] = status

4.3. La función range()

Si se necesita iterar sobre una secuencia de números, es apropiado utilizar la

función integrada range(), la cual genera progresiones aritméticas:

>>> for i in range(5):

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

3
4

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 30

 El valor final dado nunca es parte de la secuencia; range(10) genera 10 valores,
los índices correspondientes para los ítems de una secuencia de longitud 10. Es posible
hacer que el rango empiece con otro número, o especificar un incremento diferente
(incluso negativo; algunas veces se lo llama “paso”):

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

[5, 6, 7, 8, 9]

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

[0, 3, 6, 9]

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

[-10, -40, -70]

Para iterar sobre los índices de una secuencia, puedes combinar range() y
len() así:

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

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

En la mayoría de los casos, sin embargo, conviene usar la función enumerate(), ver
online Técnicas de iteración.

Algo extraño sucede si tan sólo muestras un range:

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

El objeto retornado por range() se comporta de muchas maneras como si fuera

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

Decimos que tal objeto es iterable; esto es, que se puede usar en funciones y
construcciones que esperan algo de lo cual obtener ítems sucesivos hasta que se

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 31

 termine. Hemos visto que la declaración for es una de esas construcciones, mientras
que un ejemplo de función que toma un iterable es la función sum():

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

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

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

La declaración break rompe el bucle interno del for o del while . Un bucle for o
while puede incluir una cláusula else. En un bucle for, la cláusula else se ejecuta
después de que el bucle alcanza su iteración final. En un bucle while, se ejecuta
después de que la condición del bucle se vuelve falsa. En cualquier tipo de bucle, la
cláusula else no se ejecuta si el bucle fue terminado por una declaración break .

Esto se ejemplifica en el siguiente bucle for, que busca números primos:

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

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

5 is a prime number
6 equals 2 * 3
7 is a prime number
8 equals 2 * 4
9 equals 3 * 3

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 32

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

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

ciclo:

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

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

4.5. La sentencia pass

La sentencia pass no hace nada. Se puede usar cuando una sentencia es

requerida por la sintaxis, pero el programa no requiere ninguna acción. Por ejemplo:

>>> while True:

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

Se usa normalmente para crear clases en su mínima expresión:

>>> class MyEmptyClass:

... pass
...

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 33

 >>> def initlog(*args):
... pass # Remember to implement this!
...

4.6. La sentencia match

Una sentencia match recibe una expresión y compara su valor con patrones
sucesivos dados en uno o más bloques case. Esto es similar a grandes rasgos con una
sentencia switch en C, Java o JavaScript (y muchos otros lenguajes) pero es más similar
a la comparación de patrones en lenguajes como Rust o Haskell. Sólo se ejecuta el primer
patrón que coincide y también es capaz de extraer componentes (elementos de una
secuencia o atributos de un objeto) de un valor y ponerlos en variables.

La forma más simple compara un valor expuesto con uno o más literales:

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

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

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

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

case 401 | 403 | 404:

return "Not allowed"

Los patrones pueden también verse como asignaciones que desempaquetan, y

pueden usarse para ligar variables:

# point is an (x, y) tuple

match point:
case (0, 0):
print("Origin")

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 34

 case (0, y):
print(f"Y={y}")
case (x, 0):
print(f"X={x}")
case (x, y):
print(f"X={x}, Y={y}")
case _:
raise ValueError("Not a point")

¡Observa este caso con cuidado! El primer patrón tiene dos literales y puede
considerarse una extensión del patrón literal que se mostró anteriormente. Pero los
siguientes dos patrones combinan un literal y una variable, y la variable liga uno de los
elementos del sujeto (point). El cuarto patrón captura ambos elementos, lo que lo hace
conceptualmente similar a la asignación que desempaqueta (x, y) = point.

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

class Point:
def __init__(self, x, y):
self.x = x
self.y = y

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

Puedes usar argumentos posicionales en algunas clases incorporadas que proveen

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 35

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

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

Los patrones se pueden anidar arbitrariamente. Por ejemplo, si tenemos una

lista corta de Puntos, con __match_args__ agregados, podríamos igualarla así:

class Point:
__match_args__ = ('x', 'y')
def __init__(self, x, y):
self.x = x
self.y = y

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

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

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 36

 Algunas otras propiedades importantes de esta sentencia:

• Al igual que las asignaciones con desempaquetado, los patrones de lista o tupla
tienen exactamente el mismo sentido y realmente coinciden con cualquier
secuencia arbitraria. Una excepción importante es que no coinciden ni con
iteradores ni con cadenas de caracteres.
• Los patrones de secuencia soportan desempaquetado extendido: [x, y,
*otros] y (x, y, *otros) funcionan de manera similar a las asignaciones con
desempaquetado. El nombre luego de * también puede ser _, con lo cual (x, y,
*_) coincide con cualquier secuencia de al menos dos elementos, sin ligar ninguno
de los demás elementos.
• Los patrones de mapeo: {"ancho_de_banda": c, "latencia": l} capturan
los valores "ancho_de_banda" y "latencia" de un diccionario. A diferencia de
los patrones de secuencia, las claves adicionales son ignoradas. Puede usarse un
desempaquetado como **otros . (Aunque **_ sería redundante, con lo cual no
está permitido)
• Pueden capturarse subpatrones usando la palabra clave as:

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

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

sea una secuencia de dos puntos)

• La mayoría de los literales se comparan por igualdad, pero las instancias únicas
True, False y None se comparan por identidad.
• En un patrón pueden usarse constantes con nombres. Los nombres deben tener
puntos para impedir que sean interpretados como variables a capturar:

from enum import Enum

class Color(Enum):
RED = 'red'
GREEN = 'green'
BLUE = 'blue'

color = Color(input("Enter your choice of 'red', 'blue' or

'green': "))

match color:
case Color.RED:
print("I see red!")
case Color.GREEN:
print("Grass is green")

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 37

 case Color.BLUE:
print("I'm feeling the blues :(")

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

4.7. Definir funciones

Podemos crear una función que escriba la serie de Fibonacci hasta un límite
determinado:

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

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

La palabra reservada def se usa para definir funciones. Debe seguirle el nombre
de la función y la lista de parámetros formales entre paréntesis. Las sentencias que
forman el cuerpo de la función empiezan en la línea siguiente, y deben estar con sangría.

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

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

La ejecución de una función introduce una nueva tabla de símbolos usada para las
variables locales de la función. Más precisamente, todas las asignaciones de variables
en la función almacenan el valor en la tabla de símbolos local; así mismo la referencia a
variables primero mira la tabla de símbolos local, luego en la tabla de símbolos local de
las funciones externas, luego la tabla de símbolos global, y finalmente la tabla de
nombres predefinidos. Así, a variables globales y a variables de funciones que engloban

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 38

 a una función no se les puede asignar directamente un valor dentro de una función (a
menos que se las nombre en la sentencia global, o mediante la sentencia nonlocal
para variables de funciones que engloban la función local), aunque si pueden ser
referenciadas.

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

en la tabla de símbolos local de la función llamada cuando ésta se llama; por lo tanto,
los argumentos se pasan usando llamada por valor (donde el valor es siempre una
referencia al objeto, no el valor del objeto). 1 Cuando una función llama a otra función,
o se llama a sí misma de forma recursiva, se crea una nueva tabla de símbolos locales
para esa llamada.

Una definición de función asocia el nombre de la función con el objeto de función

en la tabla de símbolos actual. El intérprete reconoce el objeto al que apunta ese nombre
como una función definida por el usuario. Otros nombres también pueden apuntar a ese
mismo objeto de función y también se pueden usar para acceder a la función:

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

Viniendo de otros lenguajes, puedes objetar que fib no es una función, sino un
procedimiento, porque no retorna un valor. De hecho, técnicamente hablando, los
procedimientos sin return sí retornan un valor, aunque uno bastante aburrido. Este
valor se llama None (es un nombre predefinido). El intérprete por lo general no escribe
el valor None si va a ser el único valor escrito. Puede verlo si realmente lo desea
utilizando print():

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

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

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

... """Return a list containing the Fibonacci series up to
n."""
... result = []

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 39

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

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

• La sentencia return retorna un valor en una función. return sin una expresión
como argumento retorna None. Si se alcanza el final de una función, también se
retorna None.
• La sentencia result.append(a) llama a un método del objeto lista result.

Un método es una función que “pertenece” a un objeto y se nombra

obj.methodname, dónde obj es algún objeto (puede ser una expresión), y
methodname es el nombre del método que está definido por el tipo del objeto. Distintos
tipos definen distintos métodos. Métodos de diferentes tipos pueden tener el mismo
nombre sin causar ambigüedad. (Es posible definir tus propios tipos de objetos y
métodos, usando clases, ver Clases). El método append() mostrado en el ejemplo está
definido para objetos lista; añade un nuevo elemento al final de la lista. En este ejemplo
es equivalente a result = result + [a], pero más eficiente.

4.8. Más sobre definición de funciones

También es posible definir funciones con un número variable de

argumentos. Hay tres formas que pueden ser combinadas.

4.8.1. Argumentos con valores por omisión

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 40

 def ask_ok(prompt, retries=4, reminder='Please try again!'):
while True:
ok = input(prompt)
if ok in ('y', 'ye', 'yes'):
return True
if ok in ('n', 'no', 'nop', 'nope'):
return False
retries = retries - 1
if retries < 0:
raise ValueError('invalid user response')
print(reminder)

Esta función puede ser llamada de distintas maneras:

• pasando sólo el argumento obligatorio: ask_ok('Do you really want to

quit?').

• pasando uno de los argumentos opcionales: ask_ok('OK to overwrite the

file?', 2).

• pasando todos los argumentos: ask_ok('OK to overwrite the file?',

2, 'Come on, only yes or no!')

Este ejemplo también introduce la palabra reservada in, la cual prueba si una
secuencia contiene o no un determinado valor.

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

función en el ámbito de la definición, entonces:

i = 5

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

i = 6
f()

imprimirá 5.

Advertencia importante: El valor por omisión es evaluado solo una vez. Existe una
diferencia cuando el valor por omisión es un objeto mutable como una lista, diccionario,

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 41

 o instancia de la mayoría de las clases. Por ejemplo, la siguiente función acumula los
argumentos que se le pasan en subsiguientes llamadas:

def f(a, L=[]):

L.append(a)
return L

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

Imprimirá

[1]
[1, 2]
[1, 2, 3]

Si no se quiere que el valor por omisión sea compartido entre subsiguientes

llamadas, se pueden escribir la función así:

def f(a, L=None):

if L is None:
L = []
L.append(a)
return L
4.8.2. Palabras claves como argumentos

Las funciones también pueden ser llamadas usando argumentos de palabras

clave (o argumentos nombrados) de la forma kwarg=value. Por ejemplo, la siguiente
función:

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

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

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 42

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

…pero estas otras llamadas serían todas inválidas:

parrot() # required argument missing

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

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

>>> def function(a):

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

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

un diccionario (ver Tipos mapa — dict) conteniendo todos los argumentos nombrados
excepto aquellos correspondientes a un parámetro formal. Esto puede ser combinado
con un parámetro formal de la forma *nombre (descrito en la siguiente sección) que
recibe una tupla conteniendo los argumentos posicionales además de la lista de

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 43

 parámetros formales. (*nombre debe ocurrir antes de **nombre). Por ejemplo, si
definimos una función así:

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

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

Puede ser llamada así:

cheeseshop("Limburger", "It's very runny, sir.",

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

…y por supuesto imprimirá:

-- Do you have any Limburger ?

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

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

4.8.3. Parámetros especiales

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 44

 La definición de una función puede ser como la siguiente:

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

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

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

parámetro según la forma en que los argumentos deben enviarse a la función: solo por
posición (positional-only), por posición o clave (positional-or-keyword) y solo por clave
(keyword-only). Parámetros por clave pueden también denominarse parámetros por
nombre o nombrados.

4.8.3.1. Argumentos posicionales o de palabras claves

Si / y * no están presentes en la definición de la función, los parámetros

pueden ser pasados a una función posicionalmente o por palabra clave.

4.8.3.2. Parámetros únicamente posicionales

Mirando esto con un poco más de detalle, es posible señalar algunos

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

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

de palabras claves.

4.8.3.3. Argumentos únicamente de palabras clave

Para señalar parámetros como únicamente de palabras clave, indicando que

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 45

 4.8.3.4. Ejemplos de Funciones

Considera el siguiente ejemplo de definiciones de funciones prestando

especial atención a los marcadores / y *:

>>> def standard_arg(arg):

... print(arg)
...
>>> def pos_only_arg(arg, /):
... print(arg)
...
>>> def kwd_only_arg(*, arg):
... print(arg)
...
>>> def combined_example(pos_only, /, standard, *, kwd_only):
... print(pos_only, standard, kwd_only)

La primer definición de función, standard_arg, la forma más familiar, no indica

ninguna restricción en las condiciones para llamarla y los parámetros deben ser pasados
por posición o utilizando palabras clave:

>>> standard_arg(2)
2

>>> standard_arg(arg=2)
2

La segunda función pos_only_arg está restringida a utilizar únicamente

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

>>> pos_only_arg(1)
1

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

La tercer función kwd_only_args solo permite parámetros con palabras clave,

indicado por un * en la definición de la función:

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 46

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

>>> kwd_only_arg(arg=3)
3

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

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

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

1 2 3

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

1 2 3

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

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

Finalmente, considere esta definición de función que contiene una colisión

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

def foo(name, **kwds):

return 'name' in kwds

No hay una llamada posible que lo haga retornar True ya que la palabra clave
'name' siempre se vinculará al primer parámetro. Por ejemplo:

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 47

 TypeError: foo() got multiple values for argument 'name'
>>>

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

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

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

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

En otras palabras, los nombres de parámetros únicamente posicionales pueden

ser utilizados en **kwds sin ambigüedad.

4.8.3.5. Resumen

El caso de uso determinará qué parámetros utilizar en una definición de

función:

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

A modo de guía:

• Utiliza únicamente posicionales si quiere que el nombre del parámetro esté

disponible para el usuario. Esto es útil cuando el nombre del parámetro no tiene un
significado real, si se quieres imponer el orden de los parámetros cuando una
función es llamada o si necesita tomar algunos parámetros posicionales y palabras
claves arbitrarias.

• Utiliza parámetros únicamente de palabras clave cuando los nombres de los

parámetros tienen un significado y la definición de la función será más entendible
usando nombres explícitos o cuando desea evitar que los usuarios dependan de la
posición de los parámetros que se pasan.

• En el caso de una API, use solo posicional para evitar que se rompan los cambios de
la API si el nombre del parámetro se modifica en el futuro.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 48

 4.8.4. Listas de argumentos arbitrarios

Finalmente, la opción menos frecuentemente usada es especificar que una

función puede ser llamada con un número arbitrario de argumentos. Estos argumentos
serán organizados en una tupla (ver Tuplas y secuencias). Antes del número variable de
argumentos, cero o más argumentos normales pueden estar presentes:

def write_multiple_items(file, separator, *args):

file.write(separator.join(args))

Normalmente estos argumentos variádicos serán los últimos en la lista de

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

>>> def concat(*args, sep="/"):

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

4.8.5. Desempaquetando una lista de argumentos

La situación inversa ocurre cuando los argumentos ya están en una lista o

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

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 49

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

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

... print("-- This parrot wouldn't", action, end=' ')

... print("if you put", voltage, "volts through it.", end='
')
... print("E's", state, "!")
...
>>> d = {"voltage": "four million", "state": "bleedin' demised",
"action": "VOOM"}
>>> parrot(**d)
-- This parrot wouldn't VOOM if you put four million volts
through it. E's bleedin' demised !

4.8.6. Expresiones lambda

Pequeñas funciones anónimas pueden ser creadas con la palabra reservada

lambda. Esta función retorna la suma de sus dos argumentos: lambda a, b: a+b
Las funciones Lambda pueden ser usadas en cualquier lugar donde sea requerido un
objeto de tipo función. Están sintácticamente restringidas a una sola expresión.
Semánticamente, son solo azúcar sintáctica para definiciones normales de funciones. Al
igual que las funciones anidadas, las funciones lambda pueden hacer referencia a
variables desde el ámbito que la contiene:

>>> def make_incrementor(n):

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

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 50

 4.8.7. Cadenas de texto de documentación

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

de texto de documentación.

La primera línea debe ser siempre un resumen corto y conciso del propósito del
objeto. Para ser breve, no se debe mencionar explícitamente el nombre o tipo del
objeto, ya que estos están disponibles de otros modos (excepto si el nombre es un verbo
que describe el funcionamiento de la función). Esta línea debe empezar con una letra
mayúscula y terminar con un punto.

Si hay más líneas en la cadena de texto de documentación, la segunda línea debe

estar en blanco, separando visualmente el resumen del resto de la descripción. Las líneas
siguientes deben ser uno o más párrafos describiendo las convenciones para llamar al
objeto, efectos secundarios, etc.

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

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

Este es un ejemplo de un docstring multilínea:

>>> def my_function():

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

No, really, it doesn't do anything.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 51

 4.8.8. Anotación de funciones

Las anotaciones de funciones son información completamente opcional

sobre los tipos usadas en funciones definidas por el usuario (ver PEP 3107 y PEP 484
para más información).

Las anotaciones se almacenan en el atributo __annotations__ de la función

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

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

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

4.9. Intermezzo: Estilo de programación

Ahora que estás a punto de escribir piezas de Python más largas y

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

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

• Usar sangrías de 4 espacios, no tabuladores. 4 espacios son un buen compromiso

entre una sangría pequeña (permite mayor nivel de sangrado) y una sangría grande

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 52

 (más fácil de leer). Los tabuladores introducen confusión y es mejor dejarlos de
lado.
• Recortar las líneas para que no superen los 79 caracteres. Esto ayuda a los usuarios
con pantallas pequeñas y hace posible tener varios archivos de código abiertos, uno
al lado del otro, en pantallas grandes.
• Usar líneas en blanco para separar funciones y clases, y bloques grandes de código
dentro de funciones.
• Cuando sea posible, poner comentarios en una sola línea.
• Usar docstrings.
• Usar espacios alrededor de operadores y luego de las comas, pero no directamente
dentro de paréntesis: a = f(1, 2) + g(3, 4).
• Nombrar las clases y funciones consistentemente; la convención es usar
NotacionCamello para clases y, para funciones o también métodos,
minusculas_con_guiones_bajos.
• Siempre usa self como el nombre para el primer argumento en los métodos (ver
Un primer vistazo a las clases para más información sobre clases y métodos).
• No uses codificaciones estrafalarias si esperas usar el código en entornos
internacionales. El default de Python, UTF-8, o incluso ASCII plano funcionan bien
en la mayoría de los casos.
• De la misma manera, no uses caracteres no-ASCII en los identificadores si hay
incluso una pequeñísima chance de que gente que hable otro idioma tenga que leer
o mantener el código.

Notas al pie

1 En realidad, llamadas por referencia de objeto sería una mejor descripción, ya que si
se pasa un objeto mutable, quien realiza la llamada verá cualquier cambio que se realice
sobre el mismo (por ejemplo, ítems insertados en una lista).

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 53

 5. Estructuras de datos

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

5.1. Más sobre listas

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

list.append(x)

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

list.extend(iterable)

Extiende la lista agregándole todos los ítems del iterable. Equivale a a[len(a):] =
iterable.

list.insert(i, x)

Inserta un ítem en una posición dada. El primer argumento es el índice del ítem delante
del cual se insertará, por lo tanto a.insert(0, x) inserta al principio de la lista y
a.insert(len(a), x) equivale a a.append(x).

list.remove(x)

Quita el primer ítem de la lista cuyo valor sea x. Lanza un ValueError si no existe tal
ítem.

list.pop([i])

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

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

list.clear()

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

list.index(x[, start[, end]])

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 54

 Los argumentos opcionales start y end son interpretados como la notación de rebanadas
y se usan para limitar la búsqueda a un segmento particular de la lista. El índice
retornado se calcula de manera relativa al inicio de la secuencia completa en lugar de
hacerlo con respecto al argumento start.

list.count(x)

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

list.sort(*, key=None, reverse=False)

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

list.reverse()

Invierte los elementos de la lista in situ.

list.copy()

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

Un ejemplo que usa la mayoría de los métodos de la lista:

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

'apple', 'banana']
>>> fruits.count('apple')
2
>>> fruits.count('tangerine')
0
>>> fruits.index('banana')
3
>>> fruits.index('banana', 4) # Find next banana starting at
position 4
6
>>> fruits.reverse()
>>> fruits
['banana', 'apple', 'kiwi', 'banana', 'pear', 'apple', 'orange']
>>> fruits.append('grape')
>>> fruits
['banana', 'apple', 'kiwi', 'banana', 'pear', 'apple', 'orange',
'grape']
>>> fruits.sort()
>>> fruits
['apple', 'apple', 'banana', 'banana', 'grape', 'kiwi',
'orange', 'pear']

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 55

 >>> fruits.pop()
'pear'

Es posible que haya notado que los métodos como insert, remove o sort que
solo modifican la lista no tienen ningún valor devuelto impreso: devuelven el valor
predeterminado None. 1 Este es un principio de diseño para todas las estructuras de
datos mutables en Python.

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

5.1.1. Usar listas como pilas

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

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

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

5.1.2. Usar listas como colas

También es posible usar una lista como una cola, donde el primer elemento
añadido es el primer elemento retirado («primero en entrar, primero en salir»); sin

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 56

 embargo, las listas no son eficientes para este propósito. Agregar y sacar del final de la
lista es rápido, pero insertar o sacar del comienzo de una lista es lento (porque todos los
otros elementos tienen que ser desplazados en uno).

Para implementar una cola, utiliza collections.deque el cual fue

diseñado para añadir y quitar de ambas puntas de forma rápida. Por ejemplo:

>>> from collections import deque

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

5.1.3. Comprensión de listas

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

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

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

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 57

 o, un equivalente:

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

que es más conciso y legible.

Una lista de comprensión consiste en corchetes rodeando una expresión seguida

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

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

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

y es equivalente a:

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

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

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

entre paréntesis.

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

>>> # create a new list with the values doubled
>>> [x*2 for x in vec]
[-8, -4, 0, 4, 8]
>>> # filter the list to exclude negative numbers
>>> [x for x in vec if x >= 0]
[0, 2, 4]
>>> # apply a function to all the elements
>>> [abs(x) for x in vec]
[4, 2, 0, 2, 4]
>>> # call a method on each element

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 58

 >>> freshfruit = [' banana', ' loganberry ', 'passion fruit
']
>>> [weapon.strip() for weapon in freshfruit]
['banana', 'loganberry', 'passion fruit']
>>> # create a list of 2-tuples like (number, square)
>>> [(x, x**2) for x in range(6)]
[(0, 0), (1, 1), (2, 4), (3, 9), (4, 16), (5, 25)]
>>> # the tuple must be parenthesized, otherwise an error is
raised
>>> [x, x**2 for x in range(6)]
File "<stdin>", line 1
[x, x**2 for x in range(6)]
^^^^^^^
SyntaxError: did you forget parentheses around the comprehension
target?
>>> # flatten a list using a listcomp with two 'for'
>>> vec = [[1,2,3], [4,5,6], [7,8,9]]
>>> [num for elem in vec for num in elem]
[1, 2, 3, 4, 5, 6, 7, 8, 9]

Las comprensiones de listas pueden contener expresiones complejas y funciones

anidadas:

>>> from math import pi

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

5.1.4. Listas por comprensión anidadas

La expresión inicial de una comprensión de listas puede ser cualquier

expresión arbitraria, incluyendo otra comprensión de listas.

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 59

 La siguiente comprensión de lista transpondrá las filas y columnas:

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

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

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

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

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

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

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

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

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

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

Puedes ver online Desempaquetando una lista de argumentos para detalles sobre el
asterisco de esta línea.

5.2. La instrucción del

Hay una manera de quitar un ítem de una lista dado su índice en lugar de su
valor: la instrucción del. Esta es diferente del método pop(), el cual retorna un valor.
La instrucción del también puede usarse para quitar secciones de una lista o vaciar la

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 60

 lista completa (lo que hacíamos antes asignando una lista vacía a la rebanada). Por
ejemplo:

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

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

del puede usarse también para eliminar variables:

>>> del a

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

5.3. Tuplas y secuencias

Vimos que las listas y cadenas tienen propiedades en común, como el

indexado y las operaciones de rebanado. Estas son dos ejemplos de datos de tipo
secuencia (ver Tipos secuencia — list, tuple, range). Como Python es un lenguaje en
evolución, otros datos de tipo secuencia pueden agregarse. Existe otro dato de tipo
secuencia estándar: la tupla.

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

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

>>> t[0]
12345
>>> t
(12345, 54321, 'hello!')
>>> # Tuples may be nested:
... u = t, (1, 2, 3, 4, 5)
>>> u
((12345, 54321, 'hello!'), (1, 2, 3, 4, 5))
>>> # Tuples are immutable:

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 61

 ... t[0] = 88888
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'tuple' object does not support item assignment
>>> # but they can contain mutable objects:
... v = ([1, 2, 3], [3, 2, 1])
>>> v
([1, 2, 3], [3, 2, 1])

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

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

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

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

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

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 62

 >>> x, y, z = t

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

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

5.4. Conjuntos

Python también incluye un tipo de dato para conjuntos. Un conjunto es una

colección no ordenada y sin elementos repetidos. Los usos básicos de éstos incluyen
verificación de pertenencia y eliminación de entradas duplicadas. Los conjuntos también
soportan operaciones matemáticas como la unión, intersección, diferencia, y diferencia
simétrica.

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

Una pequeña demostración:

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

'banana'}
>>> print(basket) # show that duplicates
have been removed
{'orange', 'banana', 'pear', 'apple'}
>>> 'orange' in basket # fast membership testing
True
>>> 'crabgrass' in basket
False
>>> # Demonstrate set operations on unique letters from two words
...
>>> a = set('abracadabra')
>>> b = set('alacazam')
>>> a # unique letters in a
{'a', 'r', 'b', 'c', 'd'}
>>> a - b # letters in a but not in
b
{'r', 'd', 'b'}
>>> a | b # letters in a or b or
both

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 63

 {'a', 'c', 'r', 'd', 'b', 'm', 'z', 'l'}
>>> a & b # letters in both a and
b
{'a', 'c'}
>>> a ^ b # letters in a or b but
not both
{'r', 'd', 'b', 'm', 'z', 'l'}

De forma similar a las comprensiones de listas, la comprensión de conjuntos está

también soportada:

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

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

5.5. Diccionarios

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

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

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

Las operaciones principales sobre un diccionario son guardar un valor con una
clave y extraer ese valor dada la clave. También es posible borrar un par clave:valor con
del. Si usás una clave que ya está en uso para guardar un valor, el valor que estaba
asociado con esa clave se pierde. Es un error extraer un valor usando una clave
inexistente.

Ejecutando list(d) en un diccionario retornará una lista con todas las claves
usadas en el diccionario, en el orden de inserción (si deseas que esté ordenada

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 64

 simplemente usa sorted(d) en su lugar). Para comprobar si una clave está en el
diccionario usa la palabra clave in.

Un pequeño ejemplo de uso de un diccionario:

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

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

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

pares clave-valor:

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

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

Además, las comprensiones de diccionarios se pueden usar para crear diccionarios

desde expresiones arbitrarias de clave y valor:

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

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

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

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 65

 5.6. Técnicas de iteración

Cuando iteramos sobre diccionarios, se pueden obtener al mismo tiempo la

clave y su valor correspondiente usando el método items().

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

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

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

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

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

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

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

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

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

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

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

... print(i)
...
9
7

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 66

 5
3
1

Para iterar sobre una secuencia ordenada, se utiliza la función sorted() la cual
retorna una nueva lista ordenada dejando a la original intacta.

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

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

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

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

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

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

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

>>> import math

>>> raw_data = [56.2, float('NaN'), 51.7, 55.3, 52.5,
float('NaN'), 47.8]
>>> filtered_data = []
>>> for value in raw_data:

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 67

 ... if not math.isnan(value):
... filtered_data.append(value)
...
>>> filtered_data
[56.2, 51.7, 55.3, 52.5, 47.8]

5.7. Más acerca de condiciones

Las condiciones usadas en las instrucciones while e if pueden contener

cualquier operador, no sólo comparaciones.

Los operadores de comparación in y not in verifican si un valor ocurre (o no

ocurre) en una secuencia. Los operadores is e is not comparan si dos objetos son
realmente el mismo objeto. Todos los operadores de comparación tienen la misma
prioridad, que es menor que la de todos los operadores numéricos.

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

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

Las comparaciones pueden combinarse mediante los operadores booleanos and

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

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

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

una variable. Por ejemplo,

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 68

 Nótese que, en Python, a diferencia de C, asignaciones dentro de expresiones
deben realizarse explícitamente con el operador walrus :=. Esto soluciona algunos
problemas comunes encontrados en C: escribiendo = en una expresión cuando se
intentaba escribir ==.

5.8. Comparando secuencias y otros tipos

Las secuencias pueden compararse con otros objetos del mismo tipo de
secuencia. La comparación usa orden lexicográfico: primero se comparan los dos
primeros ítems, si son diferentes esto ya determina el resultado de la comparación; si
son iguales, se comparan los siguientes dos ítems, y así sucesivamente hasta llegar al
final de alguna de las secuencias. Si dos ítems a comparar son ambos secuencias del
mismo tipo, la comparación lexicográfica es recursiva. Si todos los ítems de dos
secuencias resultan iguales, se considera que las secuencias son iguales. Si una secuencia
es la parte inicial de la otra, la secuencia más corta es la más pequeña. El orden
lexicográfico de las cadenas de caracteres utiliza el punto de código Unicode para
ordenar caracteres individuales. Algunos ejemplos de comparación entre secuencias del
mismo tipo:

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

[1, 2, 3] < [1, 2, 4]

'ABC' < 'C' < 'Pascal' < 'Python'

(1, 2, 3, 4) < (1, 2, 4)
(1, 2) < (1, 2, -1)
(1, 2, 3) == (1.0, 2.0, 3.0)
(1, 2, ('aa', 'ab')) < (1, 2, ('abc', 'a'), 4)

Observa que comparar objetos de diferentes tipos con < o > es legal siempre y
cuando los objetos tengan los métodos de comparación apropiados. Por ejemplo, los
tipos de números mezclados son comparados de acuerdo con su valor numérico, o sea
0 es igual a 0.0, etc. Si no es el caso, en lugar de proveer un ordenamiento arbitrario, el
intérprete lanzará una excepción TypeError.

Notas al pie

1 Otros lenguajes podrían retornar un objeto mutado, que permite encadenamiento de

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 69

 6. Módulos

Si sales del intérprete de Python y vuelves a entrar, las definiciones que

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

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

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

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

# Fibonacci numbers module

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

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

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

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

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

comando:

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 70

 >>> import fibo

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

actual namespace (ver Ámbitos y espacios de nombres en Python para más detalles);
sólo añade el nombre del módulo fibo allí. Usando el nombre del módulo puedes
acceder a las funciones:

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

Si pretendes utilizar una función frecuentemente puedes asignarla a un nombre

local:

>>> fib = fibo.fib

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

6.1. Más sobre los módulos

Un módulo puede contener tanto declaraciones ejecutables como

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

Cada módulo tiene su propio espacio de nombres privado, que es utilizado como
espacio de nombres global por todas las funciones definidas en el módulo. De este
modo, el autor de un módulo puede utilizar variables globales en el módulo sin
preocuparse por choques accidentales con las variables globales de un usuario. Por otro
lado, si sabes lo que estás haciendo puedes tocar las variables globales de un módulo
con la misma notación que se utiliza para referirse a sus funciones,
modname.itemname.

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

ubicar todas las declaraciones import al principio del módulo (o script, para el caso).
Los nombres de los módulos importados, si se colocan en el nivel superior de un módulo
(fuera de cualquier función o clase), se añaden al espacio de nombres global del módulo.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 71

 Hay una variante de la declaración import que importa los nombres de un
módulo directamente al espacio de nombres del módulo que hace la importación. Por
ejemplo:

>>> from fibo import fib, fib2

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

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

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

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

>>> from fibo import *

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

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

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

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

Si el nombre del módulo es seguido por as, el nombre siguiendo as queda ligado
directamente al módulo importado.

>>> import fibo as fib

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

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

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

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

>>> from fibo import fib as fibonacci

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 72

 Nota

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

6.1.1. Ejecutar módulos como scripts

Cuando ejecutes un módulo de Python con

python fibo.py <arguments>

el código en el módulo será ejecutado, tal como si lo hubieses importado, pero con
__name__ con el valor de "__main__". Eso significa que agregando este código al final
de tu módulo:

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

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

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

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

>>> import fibo

>>>

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

conveniente, o para fines de prueba (ejecutar el módulo como un script que ejecuta un
conjunto de pruebas).

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 73

 6.1.2. El camino de búsqueda de los módulos

Cuando se importa un módulo llamado spam, el intérprete busca primero

por un módulo con ese nombre que esté integrado en el intérprete. Estos nombres de
módulos están listados en sys.builtin_module_names. Si no lo encuentra,
entonces busca un archivo llamado spam.py en una lista de directorios especificada
por la variable sys.path. sys.path se inicializa con las siguientes ubicaciones:

• El directorio que contiene el script de entrada (o el directorio actual cuando no se

especifica archivo).
• PYTHONPATH (una lista de nombres de directorios, con la misma sintaxis que la
variable de la terminal PATH).
• El valor predeterminado dependiente de la instalación (por convención incluye un
directorio site-packages, manejado por el módulo site).

Más detalles en La inicialización de la ruta de búsqueda de módulo de sys.path.

Nota

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

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

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

6.1.3. Archivos «compilados» de Python

Para acelerar la carga de módulos, Python cachea las versiones compiladas de

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 74

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

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

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

Algunos consejos para expertos:

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

tamaño del módulo compilado. El modificador -O remueve las declaraciones assert,
el modificador -OO remueve declaraciones assert y cadenas __doc__. Dado que
algunos programas pueden confiar en tenerlos disponibles, solo deberías usar esta
opción si conoces lo que estás haciendo. Los módulos «optimizados» tienen una
etiqueta opt- y generalmente son mas pequeños. Releases futuras pueden
cambiar los efectos de la optimización.
• Un programa no se ejecuta mas rápido cuando es leído de un archivo .pyc que
cuando es leído de un archivo .py; la única cosa que es mas rápida en los archivos
.pyc es la velocidad con la cual son cargados.
• El módulo compileall puede crear archivos .pyc para todos los módulos en un
directorio.
• Hay mas detalle de este proceso, incluyendo un diagrama de flujo de decisiones, en
PEP 3147.
6.2. Módulos estándar

Python viene con una biblioteca de módulos estándar, descrita en un

documento separado, la Referencia de la Biblioteca de Python (de aquí en más,
«Referencia de la Biblioteca»). Algunos módulos se integran en el intérprete; estos
proveen acceso a operaciones que no son parte del núcleo del lenguaje pero que sin
embargo están integrados, tanto por eficiencia como para proveer acceso a primitivas
del sistema operativo, como llamadas al sistema. El conjunto de tales módulos es una
opción de configuración que también depende de la plataforma subyacente. Por
ejemplo, el módulo winreg sólo se provee en sistemas Windows. Un módulo en
particular merece algo de atención: sys, el que está integrado en todos los intérpretes
de Python. Las variables sys.ps1 y sys.ps2 definen las cadenas usadas como
cursores primarios y secundarios:

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 75

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

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

interactivo.

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

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

>>> import sys

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

6.3. La función dir()

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

>>> import fibo, sys

>>> dir(fibo)
['__name__', 'fib', 'fib2']
>>> dir(sys)
['__breakpointhook__', '__displayhook__', '__doc__',
'__excepthook__',
'__interactivehook__', '__loader__', '__name__',
'__package__', '__spec__',
'__stderr__', '__stdin__', '__stdout__', '__unraisablehook__',
'_clear_type_cache', '_current_frames', '_debugmallocstats',
'_framework',
'_getframe', '_git', '_home', '_xoptions', 'abiflags',
'addaudithook',
'api_version', 'argv', 'audit', 'base_exec_prefix',
'base_prefix',
'breakpointhook', 'builtin_module_names', 'byteorder',
'call_tracing',

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 76

 'callstats', 'copyright', 'displayhook',
'dont_write_bytecode', 'exc_info',
'excepthook', 'exec_prefix', 'executable', 'exit', 'flags',
'float_info',
'float_repr_style', 'get_asyncgen_hooks',
'get_coroutine_origin_tracking_depth',
'getallocatedblocks', 'getdefaultencoding', 'getdlopenflags',
'getfilesystemencodeerrors', 'getfilesystemencoding',
'getprofile',
'getrecursionlimit', 'getrefcount', 'getsizeof',
'getswitchinterval',
'gettrace', 'hash_info', 'hexversion', 'implementation',
'int_info',
'intern', 'is_finalizing', 'last_traceback', 'last_type',
'last_value',
'maxsize', 'maxunicode', 'meta_path', 'modules', 'path',
'path_hooks',
'path_importer_cache', 'platform', 'prefix', 'ps1', 'ps2',
'pycache_prefix',
'set_asyncgen_hooks', 'set_coroutine_origin_tracking_depth',
'setdlopenflags',
'setprofile', 'setrecursionlimit', 'setswitchinterval',
'settrace', 'stderr',
'stdin', 'stdout', 'thread_info', 'unraisablehook', 'version',
'version_info',
'warnoptions']

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

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

Nótese que lista todos los tipos de nombres: variables, módulos, funciones, etc.

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

>>> import builtins

>>> dir(builtins)
['ArithmeticError', 'AssertionError', 'AttributeError',
'BaseException',

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 77

 'BlockingIOError', 'BrokenPipeError', 'BufferError',
'BytesWarning',
'ChildProcessError', 'ConnectionAbortedError',
'ConnectionError',
'ConnectionRefusedError', 'ConnectionResetError',
'DeprecationWarning',
'EOFError', 'Ellipsis', 'EnvironmentError', 'Exception',
'False',
'FileExistsError', 'FileNotFoundError', 'FloatingPointError',
'FutureWarning', 'GeneratorExit', 'IOError', 'ImportError',
'ImportWarning', 'IndentationError', 'IndexError',
'InterruptedError',
'IsADirectoryError', 'KeyError', 'KeyboardInterrupt',
'LookupError',
'MemoryError', 'NameError', 'None', 'NotADirectoryError',
'NotImplemented',
'NotImplementedError', 'OSError', 'OverflowError',
'PendingDeprecationWarning', 'PermissionError',
'ProcessLookupError',
'ReferenceError', 'ResourceWarning', 'RuntimeError',
'RuntimeWarning',
'StopIteration', 'SyntaxError', 'SyntaxWarning',
'SystemError',
'SystemExit', 'TabError', 'TimeoutError', 'True', 'TypeError',
'UnboundLocalError', 'UnicodeDecodeError',
'UnicodeEncodeError',
'UnicodeError', 'UnicodeTranslateError', 'UnicodeWarning',
'UserWarning',
'ValueError', 'Warning', 'ZeroDivisionError', '_',
'__build_class__',
'__debug__', '__doc__', '__import__', '__name__',
'__package__', 'abs',
'all', 'any', 'ascii', 'bin', 'bool', 'bytearray', 'bytes',
'callable',
'chr', 'classmethod', 'compile', 'complex', 'copyright',
'credits',
'delattr', 'dict', 'dir', 'divmod', 'enumerate', 'eval',
'exec', 'exit',
'filter', 'float', 'format', 'frozenset', 'getattr',
'globals', 'hasattr',
'hash', 'help', 'hex', 'id', 'input', 'int', 'isinstance',
'issubclass',
'iter', 'len', 'license', 'list', 'locals', 'map', 'max',
'memoryview',

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 78

 'min', 'next', 'object', 'oct', 'open', 'ord', 'pow', 'print',
'property',
'quit', 'range', 'repr', 'reversed', 'round', 'set',
'setattr', 'slice',
'sorted', 'staticmethod', 'str', 'sum', 'super', 'tuple',
'type', 'vars',
'zip']

6.4. Paquetes

Los Paquetes son una forma de estructurar el espacio de nombres de

módulos de Python usando «nombres de módulo con puntos». Por ejemplo, el nombre
del módulo A.B designa un submódulo B en un paquete llamado A. Así como el uso de
módulos salva a los autores de diferentes módulos de tener que preocuparse por los
nombres de las variables globales de los demás, el uso de nombres de módulo con
puntos evita que los autores de paquetes multimódulos, como NumPy o Pillow, tengan
que preocuparse por los nombres de los módulos de los demás.

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

sound/ Top-level package

__init__.py Initialize the sound package
formats/ Subpackage for file format
conversions
__init__.py
wavread.py
wavwrite.py
aiffread.py
aiffwrite.py
auread.py
auwrite.py
...
effects/ Subpackage for sound effects
__init__.py

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 79

 echo.py
surround.py
reverse.py
...
filters/ Subpackage for filters
__init__.py
equalizer.py
vocoder.py
karaoke.py
...

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

buscando el sub-directorio del paquete.

El archivo __init__.py son necesarios para que Python trate los directorios que
contienen el archivo como paquetes. Esto evita que los directorios con un nombre
común, como cadena, oculten involuntariamente los módulos válidos que aparecen más
adelante en la ruta de búsqueda del módulo. En el caso más simple, __init__.py
puede ser simplemente un archivo vacío, pero también puede ejecutar código de
inicialización para el paquete o establecer la variable __all__, que se describe más
adelante.

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

import sound.effects.echo

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

con el nombre completo.

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

atten=4)

Otra alternativa para importar el submódulo es:

from sound.effects import echo

Esto también carga el submódulo echo, y lo deja disponible sin su prefijo de paquete,
por lo que puede usarse así:

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 80

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

from sound.effects.echo import echofilter

De nuevo, esto carga el submódulo echo, pero deja directamente disponible a la función
echofilter():

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

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

Por otro lado, cuando se usa la sintaxis como import

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

6.4.1. Importar * desde un paquete

Ahora, ¿qué sucede cuando el usuario escribe lo siguiente?

from sound.effects import *?

Idealmente, uno esperaría que esto de alguna manera vaya al sistema de archivos,
encuentre cuales submódulos están presentes en el paquete, y los importe a todos. Esto
puede tardar mucho y el importar sub-módulos puede tener efectos secundarios no
deseados que sólo deberían ocurrir cuando se importe explícitamente el sub-módulo.

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 81

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

Tenga en cuenta que los submódulos pueden quedar ensombrecidos por nombres
definidos localmente. Por ejemplo, si ha añadido una función reverse al archivo
sound/effects/__init__.py, la importación

from sound.effects import * sólo importaría los dos submódulos echo y

surround, pero no el submódulo reverse, ya que está ensombrecida por la función
inversa reverse definida localmente:

__all__ = [
"echo", # refers to the 'echo.py' file
"surround", # refers to the 'surround.py' file
"reverse", # !!! refers to the 'reverse' function now !!!
]

def reverse(msg: str): # <-- this name shadows the 'reverse.py'

submodule
return msg[::-1] # in the case of a 'from sound.effects
import *'

Si no se define __all__, la declaración from sound.effects import * no

importa todos los submódulos del paquete sound.effects al espacio de nombres
actual; sólo se asegura que se haya importado el paquete sound.effects
(posiblemente ejecutando algún código de inicialización que haya en __init__.py) y
luego importa aquellos nombres que estén definidos en el paquete. Esto incluye
cualquier nombre definido (y submódulos explícitamente cargados) por __init__.py.
También incluye cualquier submódulo del paquete que pudiera haber sido
explícitamente cargado por declaraciones import previas. Considera este código:

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

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

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 82

 Recuerda, ¡no hay nada malo al usar from package import
specific_submodule! De hecho, esta es la notación recomendada a menos que el
módulo que importamos necesite usar submódulos con el mismo nombre desde un
paquete diferente.

6.4.2. Referencias internas en paquetes

Cuando se estructuran los paquetes en sub-paquetes (como en el ejemplo

sound), puedes usar import absolutos para referirte a submódulos de paquetes
hermanos.

Por ejemplo, si el módulo sound.filters.vocoder necesita usar el

módulo echo en el paquete sound.effects, puede hacer from sound.effects
import echo. También puedes escribir import relativos con la forma from module
import name. Estos imports usan puntos adelante para indicar los paquetes actuales
o paquetes padres involucrados en el import relativo. En el ejemplo surround, podrías
hacer:
from . import echo
from .. import formats
from ..filters import equalizer

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

6.4.3. Paquetes en múltiples directorios

Los paquetes soportan un atributo especial más, __path__. Este se

inicializa a una lista que contiene el nombre del directorio donde está el archivo
__init__.py del paquete, antes de que el código en ese archivo se ejecute. Esta
variable puede modificarse, afectando búsquedas futuras de módulos y subpaquetes
contenidos en el paquete. Aunque esta característica no se necesita frecuentemente,
puede usarse para extender el conjunto de módulos que se encuentran en el paquete.

Notas al pie

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 83

 7. Entrada y salida

Hay diferentes métodos de presentar la salida de un programa; los datos

pueden ser impresos de una forma legible por humanos, o escritos a un archivo para uso
futuro. Este capítulo discutirá algunas de las posibilidades.

7.1. Formateo elegante de la salida

Hasta ahora encontramos dos maneras de escribir valores: declaraciones de

expresión y la función print(). (Una tercera manera es usando el método write()
de los objetos tipo archivo; el archivo de salida estándar puede referenciarse como
sys.stdout. Mirá la Referencia de la Biblioteca para más información sobre esto).

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

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

• Para usar literales de cadena formateados, comience una cadena con f o F antes
de la comilla de apertura o comillas triples. Dentro de esta cadena, se puede escribir
una expresión de Python entre los caracteres { y } que pueden hacer referencia a
variables o valores literales.

>>> year = 2016

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

• El método str.format() requiere más esfuerzo manual. Se seguirá usando { y }

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

>>> yes_votes = 42_572_654

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

• Por último, puede realizar todo el control de cadenas usted mismo mediante
operaciones de concatenación y segmentación de cadenas para crear cualquier
diseño que se pueda imaginar. El tipo de cadena tiene algunos métodos que realizan
operaciones útiles para rellenar cadenas a un ancho de columna determinado.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 84

 Cuando no necesita una salida elegante, pero solo desea una visualización rápida
de algunas variables con fines de depuración, puede convertir cualquier valor en una
cadena con las funciones repr() o str().

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

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

Algunos ejemplos:

>>> s = 'Hello, world.'

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

El módulo string contiene una clase Template que ofrece otra forma de
sustituir valores en cadenas, utilizando marcadores de posición como $x y
reemplazarlos con valores desde un diccionario, pero esto ofrece mucho menos control
en el formato.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 85

 7.1.1. Formatear cadenas literales

Literales de cadena formateados (también llamados f-strings para abreviar)

le permiten incluir el valor de las expresiones de Python dentro de una cadena
prefijando la cadena con f o F y escribiendo expresiones como {expresion}.

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

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

>>> import math

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

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

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

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

Se pueden utilizar otros modificadores para convertir el valor antes de

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

>>> animals = 'eels'

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

El especificador = puede utilizarse para expandir una expresión al texto de la

expresión, un signo igual y, a continuación, la representación de la expresión evaluada:

>>>

>>> bugs = 'roaches'

>>> count = 13
>>> area = 'living room'

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 86

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

Véase expresiones auto-documentadas para más información en el especificador

=. Para obtener una referencia sobre estas especificaciones de formato, consulte la guía
de referencia para Especificación de formato Mini-Lenguaje.

7.1.2. El método format() de cadenas

El uso básico del método str.format() es como esto:

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

We are the knights who say "Ni!"

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

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

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

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

referencian usando el nombre del argumento.

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

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

Se pueden combinar arbitrariamente argumentos posicionales y nombrados:

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

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

Si tiene una cadena de caracteres de formato realmente larga que no desea dividir,
sería bueno si pudiera hacer referencia a las variables que se formatearán por nombre
en lugar de por posición. Esto se puede hacer simplemente pasando el diccionario y
usando corchetes '[]' para acceder a las claves.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 87

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

Esto se podría hacer, también, pasando el diccionario table como argumentos

por palabra clave con la notación “**”.

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

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

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

retorna un diccionario conteniendo todas las variables locales.

Como ejemplo, las siguientes líneas producen un conjunto ordenado de columnas

que dan enteros y sus cuadrados y cubos:

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

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

Para una completa descripción del formateo de cadenas con str.format(), ver
Formato de cadena de caracteres personalizado.

7.1.3. Formateo manual de cadenas

Aquí está la misma tabla de cuadrados y cubos, formateados manualmente:

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

... print(repr(x).rjust(2), repr(x*x).rjust(3), end=' ')

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 88

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

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

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

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

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

izquierda con ceros. Entiende signos positivos y negativos:

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 89

 7.1.4. Viejo formateo de cadenas

El operador % (módulo) también se puede utilizar para formatear cadenas

de caracteres. Dados los 'cadena de caracteres' % valores, las instancias de
% en cadena de caracteres se reemplazan con cero o más elementos de valores.
Esta operación se conoce comúnmente como interpolación de cadenas. Por ejemplo:

>>> import math

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

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

*printf*.

7.2. Leyendo y escribiendo archivos

La función open() retorna un file object, y se usa normalmente con dos argumentos
posicionales y un argumento nombrado:

open(nombre_de_archivo, modo, encoding=None).

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

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

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

Normalmente, los ficheros se abren en modo texto, es decir, se leen y escriben

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

Cuando se lee en modo texto, por defecto se convierten los fin de lineas que son
específicos a las plataformas (\n en Unix, \r\n en Windows) a solamente \n. Cuando

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 90

 se escribe en modo texto, por defecto se convierten los \n a los fin de linea específicos
de la plataforma. Este cambio automático está bien para archivos de texto, pero
corrompería datos binarios como los de archivos JPEG o EXE. Asegúrese de usar modo
binario cuando lea y escriba tales archivos.

Es una buena práctica usar la declaración with cuando manejamos objetos

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

>>> with open('workfile', encoding="utf-8") as f:

... read_data = f.read()

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

Si no está utilizando la palabra clave with, entonces debe llamar a f.close()

para cerrar el archivo y liberar inmediatamente los recursos del sistema utilizados por
él.

Advertencia

Llamar a f.write() sin usar la palabra clave with o sin llamar a f.close() podría
dar como resultado que los argumentos de f.write() no se escriban completamente
en disco, incluso si el programa se termina correctamente.

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

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 91

 7.2.1. Métodos de los objetos Archivo

El resto de los ejemplos en esta sección asumirán que ya se creó un objeto

archivo llamado f.

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

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

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

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

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

>>> for line in f:

... print(line, end='')
...
This is the first line of the file.
Second line of the file

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 92

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

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

cantidad de caracteres escritos.

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

15

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

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

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

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

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

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

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

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

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

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

permiten solamente desplazamientos con seek relativos al comienzo (con la excepción

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 93

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

Los objetos archivo tienen algunos métodos más, como isatty() y

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

7.2.2. Guardar datos estructurados con json

Las cadenas pueden fácilmente escribirse y leerse de un archivo. Los

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

En lugar de tener a los usuarios constantemente escribiendo y debugueando

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

Nota

El formato JSON es comúnmente usado por aplicaciones modernas para permitir el

intercambio de datos. Muchos programadores ya están familiarizados con él, lo cual lo
convierte en una buena opción para la interoperabilidad.

Si tienes un objeto x, puedes ver su representación JSON con una simple línea de
código:

>>> import json

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 94

 Otra variante de la función dumps(), llamada dump(), simplemente serializa el
objeto a un archivo de texto. Así que, si f es un objeto archivo de texto abierto para
escritura, podemos hacer:

json.dump(x, f)

Para decodificar un objeto nuevamente, si f es un objeto binary file o text file que
fue abierto para lectura:

x = json.load(f)

Nota

Los archivos JSON deben estar codificados en UTF-8. Utilice encoding="utf-8" al

abrir un archivo JSON como text file tanto para lectura como para escritura.

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

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

Ver También

pickle - El módulo pickle

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 95

 8. Errores y excepciones

Hasta ahora los mensajes de error apenas habían sido mencionados, pero si
has probado los ejemplos anteriores probablemente hayas visto algunos. Hay (al menos)
dos tipos diferentes de errores: errores de sintaxis y excepciones.

8.1. Errores de sintaxis

Los errores de sintaxis, también conocidos como errores de interpretación, son

quizás el tipo de queja más común que tenés cuando todavía estás aprendiendo Python:

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

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

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

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

8.2. Excepciones

Incluso si una declaración o expresión es sintácticamente correcta, puede generar

un error cuando se intenta ejecutar. Los errores detectados durante la ejecución se
llaman excepciones, y no son incondicionalmente fatales: pronto aprenderás a
gestionarlos en programas Python. Sin embargo, la mayoría de las excepciones no son
gestionadas por el código, y resultan en mensajes de error como los mostrados aquí:

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 96

 File "<stdin>", line 1, in <module>
TypeError: can only concatenate str (not "int") to str

La última línea de los mensajes de error indica qué ha sucedido. Hay

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

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

causó.

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

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

Puedes consultar Excepciones incorporadas donde se linstan las excepciones

predefinidas y sus significados.

8.3. Gestionando excepciones

Es posible escribir programas que gestionen determinadas excepciones. Véase el

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

>>> while True:

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 97

 La sentencia try funciona de la siguiente manera.

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

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

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

... pass

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

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

class B(Exception):
pass

class C(B):
pass

class D(C):
pass

for cls in [B, C, D]:

try:
raise cls()
except D:

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 98

 print("D")
except C:
print("C")
except B:
print("B")

Nótese que si las cláusulas except estuvieran invertidas (con except B primero),
habría impreso B, B, B — se usa la primera cláusula except coincidente.

Cuando ocurre una excepción, puede tener un valor asociado, también conocido
como el argumento de la excepción. La presencia y el tipo de argumento depende del
tipo de excepción.

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

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

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

La salida __str__() de la excepción se imprime como la última parte (“detalle”) del

mensaje para las excepciones no gestionadas.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 99

 BaseException es la clase base común de todas las excepciones. Una de sus
subclases, Exception, es la clase base de todas las excepciones no fatales. Las
excepciones que no son subclases de Exception no se suelen manejar, porque se
utilizan para indicar que el programa debe terminar. Entre ellas se incluyen
SystemExit, que es lanzada por sys.exit() y KeyboardInterrupt, que se lanza
cuando un usuario desea interrumpir el programa.

Exception se puede utilizar como un comodín que atrapa (casi) todo. Sin
embargo, es una buena práctica ser lo más específico posible con los tipos de
excepciones que pretendemos manejar, y permitir que cualquier excepción inesperada
se propague.

El patrón más común para gestionar Exception es imprimir o registrar la

excepción y luego volver a re-lanzarla (permitiendo a un llamador manejar la excepción
también):

import sys

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

La declaración try … except tiene una cláusula else opcional, que, cuando está
presente, debe seguir todas las cláusulas except. Es útil para el código que debe
ejecutarse si la cláusula try no lanza una excepción. Por ejemplo:

for arg in sys.argv[1:]:

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 100

 El uso de la cláusula else es mejor que agregar código adicional en la cláusula try
porque evita capturar accidentalmente una excepción que no fue generada por el
código que está protegido por la declaración try … except.

Los gestores de excepciones no sólo gestionan excepciones que ocurren

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

>>> def this_fails():

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

8.4. Lanzando excepciones

La declaración raise permite al programador forzar a que ocurra una

excepción específica. Por ejemplo:

>>> raise NameError('HiThere')

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

El único argumento de raise indica la excepción a lanzar. Debe ser una instancia
de excepción o una clase de excepción (una clase que derive de BaseException, como
Exception o una de sus subclases). Si se pasa una clase de excepción, se instanciará
implícitamente llamando a su constructor sin argumentos:

raise ValueError # shorthand for 'raise ValueError()'

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

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

>>> try:
... raise NameError('HiThere')
... except NameError:
... print('An exception flew by!')

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 101

 ... raise
...
An exception flew by!
Traceback (most recent call last):
File "<stdin>", line 2, in <module>
NameError: HiThere

8.5. Encadenamiento de excepciones

Si se produce una excepción no gestionada dentro de una sección except, se le

adjuntará la excepción que se está gestionando y se incluirá en el mensaje de error:

>>> try:
... open("database.sqlite")
... except OSError:
... raise RuntimeError("unable to handle error")
...
Traceback (most recent call last):
File "<stdin>", line 2, in <module>
FileNotFoundError: [Errno 2] No such file or directory:
'database.sqlite'

During handling of the above exception, another exception

occurred:

Traceback (most recent call last):

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

Para indicar que una excepción es consecuencia directa de otra, la sentencia

raise permite una cláusula opcional from:

# exc must be exception instance or None.

raise RuntimeError from exc

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

>>> def func():

... raise ConnectionError
...
>>> try:
... func()

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 102

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

The above exception was the direct cause of the following

exception:

Traceback (most recent call last):

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

También permite deshabilitar el encadenamiento automático de excepciones

utilizando el modismo from None:

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

Para obtener más información sobre la mecánica del encadenamiento, consulta

online Excepciones incorporadas.

8.6. Excepciones definidas por el usuario

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

Las clases de Excepción pueden ser definidas de la misma forma que cualquier otra
clase, pero es habitual mantenerlas lo más simples posible, a menudo ofreciendo solo
un número de atributos con información sobre el error que leerán los gestores de la
excepción.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 103

 La mayoría de las excepciones se definen con nombres acabados en «Error», de
manera similar a la nomenclatura de las excepciones estándar.

Muchos módulos estándar definen sus propias excepciones para reportar errores
que pueden ocurrir en funciones propias.

8.7. Definiendo acciones de limpieza

La declaración try tiene otra cláusula opcional cuyo propósito es definir

acciones de limpieza que serán ejecutadas bajo ciertas circunstancias. Por ejemplo:

>>> try:
... raise KeyboardInterrupt
... finally:
... print('Goodbye, world!')
...
Goodbye, world!
KeyboardInterrupt
Traceback (most recent call last):
File "<stdin>", line 2, in <module>

Si una cláusula finally está presente, el bloque finally se ejecutará al final

antes de que todo el bloque try se complete. La cláusula finally se ejecuta
independientemente de que la cláusula try produzca o no una excepción. Los
siguientes puntos explican casos más complejos en los que se produce una excepción:

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 104

 Por ejemplo:

>>> def bool_return():

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

Un ejemplo más complicado:

>>> def divide(x, y):

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

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

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

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 105

 8.8. Acciones predefinidas de limpieza

Algunos objetos definen acciones de limpieza estándar para llevar a cabo

cuando el objeto ya no necesario, independientemente de que las operaciones sobre el
objeto hayan sido exitosas o no. Véase el siguiente ejemplo, que intenta abrir un archivo
e imprimir su contenido en la pantalla.

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

print(line, end="")

El problema con este código es que deja el archivo abierto por un periodo de
tiempo indeterminado luego de que esta parte termine de ejecutarse. Esto no es un
problema en scripts simples, pero puede ser un problema en aplicaciones más grandes.
La declaración with permite que los objetos como archivos sean usados de una forma
que asegure que siempre se los libera rápido y en forma correcta.:

with open("myfile.txt") as f:
for line in f:
print(line, end="")

Una vez que la declaración se ejecuta, el fichero f siempre se cierra, incluso si

aparece algún error durante el procesado de las líneas. Los objetos que, como los
ficheros, posean acciones predefinidas de limpieza lo indicarán en su documentación.

8.9. Lanzando y gestionando múltiples excepciones no relacionadas

Hay situaciones en las que es necesario informar de varias excepciones que

se han producido. Este es a menudo el caso en los marcos de concurrencia, cuando
varias tareas pueden haber fallado en paralelo, pero también hay otros casos de uso en
los que es deseable continuar la ejecución y recopilar múltiples errores en lugar de
plantear la primera excepción.

El incorporado ExceptionGroup envuelve una lista de instancias de excepción

para que puedan ser lanzadas juntas. Es una excepción en sí misma, por lo que puede
capturarse como cualquier otra excepción.

>>> def f():

... excs = [OSError('error 1'), SystemError('error 2')]
... raise ExceptionGroup('there were problems', excs)
...
>>> f()

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 106

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

Utilizando except* en lugar de except, podemos manejar selectivamente sólo

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

>>> def f():

... raise ExceptionGroup(
... "group1",
... [
... OSError(1),
... SystemError(2),
... ExceptionGroup(
... "group2",
... [
... OSError(3),
... RecursionError(4)
... ]
... )
... ]
... )
...
>>> try:
... f()
... except* OSError as e:
... print("There were OSErrors")

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 107

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

Ten en cuenta que las excepciones anidadas en un grupo de excepciones deben

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

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

8.10. Enriqueciendo excepciones con notas

Cuando se crea una excepción para ser lanzada, normalmente se inicializa

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 108

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

Por ejemplo, al recopilar excepciones en un grupo de excepciones, es posible que

queramos añadir información de contexto para los errores individuales. A continuación,
cada excepción del grupo tiene una nota que indica cuándo se ha producido ese error.

>>> def f():

... raise OSError('operation failed')
...
>>> excs = []
>>> for i in range(3):
... try:
... f()
... except Exception as e:
... e.add_note(f'Happened in Iteration {i+1}')
... excs.append(e)
...
>>> raise ExceptionGroup('We have some problems', excs)
+ Exception Group Traceback (most recent call last):
| File "<stdin>", line 1, in <module>
| ExceptionGroup: We have some problems (3 sub-exceptions)
+-+---------------- 1 ----------------
| Traceback (most recent call last):
| File "<stdin>", line 3, in <module>
| File "<stdin>", line 2, in f
| OSError: operation failed
| Happened in Iteration 1
+---------------- 2 ----------------
| Traceback (most recent call last):
| File "<stdin>", line 3, in <module>
| File "<stdin>", line 2, in f

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 109

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 110

 9. Clases

Las clases proveen una forma de empaquetar datos y funcionalidad juntos.

Al crear una nueva clase, se crea un nuevo tipo de objeto, permitiendo crear nuevas
instancias de ese tipo. Cada instancia de clase puede tener atributos adjuntos para
mantener su estado. Las instancias de clase también pueden tener métodos (definidos
por su clase) para modificar su estado.

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

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

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

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

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

9.1. Unas palabras sobre nombres y objetos

Los objetos tienen individualidad, y múltiples nombres (en muchos ámbitos)

pueden vincularse al mismo objeto. Esto se conoce como aliasing en otros lenguajes.
Normalmente no se aprecia esto a primera vista en Python, y puede ignorarse sin
problemas cuando se maneja tipos básicos inmutables (números, cadenas, tuplas). Sin

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 111

 embargo, el aliasing, o renombrado, tiene un efecto posiblemente sorpresivo sobre la
semántica de código Python que involucra objetos mutables como listas, diccionarios, y
la mayoría de otros tipos. Esto se usa normalmente para beneficio del programa, ya que
los renombres funcionan como punteros en algunos aspectos. Por ejemplo, pasar un
objeto es barato ya que la implementación solamente pasa el puntero; y si una función
modifica el objeto que fue pasado, el que la llama verá el cambio; esto elimina la
necesidad de tener dos formas diferentes de pasar argumentos, como en Pascal.

9.2. Ámbitos y espacios de nombres en Python

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

Comencemos con unas definiciones.

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

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

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

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

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

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 112

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

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

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

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

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

Aunque los alcances se determinan de forma estática, se utilizan de forma dinámica. En

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

• el alcance más interno, que es inspeccionado primero, contiene los nombres

locales.
• Los ámbitos de cualquier función de cierre, que se buscan a partir del ámbito de
cierre más cercano, contienen nombres no locales, pero también no globales.
• el penúltimo alcance contiene nombres globales del módulo actual.
• el alcance más externo (el último inspeccionado) es el espacio de nombres que
contiene los nombres integrados. local

Si un nombre se declara global, todas las referencias y asignaciones van

directamente al penúltimo ámbito que contiene los nombres globales del módulo. Para
volver a enlazar variables encontradas fuera del ámbito más interno, se puede usar la
instrucción no local; si no se declara nonlocal, esas variables son de solo lectura (un
intento de escribir en dicha variable simplemente creará una nueva variable local en el
ámbito más interno, dejando sin cambios la variable externa con el mismo nombre).

Habitualmente, el ámbito local referencia los nombres locales de la función actual.

Fuera de una función, el ámbito local referencia al mismo espacio de nombres que el

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 113

 ámbito global: el espacio de nombres del módulo. Las definiciones de clases crean un
espacio de nombres más en el ámbito local.

Es importante notar que los alcances se determinan textualmente: el ámbito

global de una función definida en un módulo es el espacio de nombres de ese módulo,
no importa desde dónde o con qué alias se llame a la función. Por otro lado, la búsqueda
de nombres se hace dinámicamente, en tiempo de ejecución; sin embargo, la definición
del lenguaje está evolucionando a hacer resolución de nombres estáticamente, en
tiempo de «compilación», ¡así que no te confíes de la resolución de nombres dinámica!
(De hecho, las variables locales ya se determinan estáticamente.)

Una peculiaridad especial de Python es que, si no hay una declaración global o

nonlocal en efecto, las asignaciones a nombres siempre van al ámbito interno. Las
asignaciones no copian datos, solamente asocian nombres a objetos. Lo mismo cuando
se borra: la declaración del x quita la asociación de x del espacio de nombres
referenciado por el ámbito local. De hecho, todas las operaciones que introducen
nuevos nombres usan el ámbito local: en particular, las instrucciones import y las
definiciones de funciones asocian el módulo o nombre de la función al espacio de
nombres en el ámbito local.

La declaración global puede usarse para indicar que ciertas variables viven en el
ámbito global y deberían reasignarse allí; la declaración nonlocal indica que ciertas
variables viven en un ámbito encerrado y deberían reasignarse allí.

9.2.1. Ejemplo de ámbitos y espacios de nombre

Este es un ejemplo que muestra cómo hacer referencia a distintos ámbitos y

espacios de nombres, y cómo las declaraciones global y nonlocal afectan la
asignación de variables:

def scope_test():
def do_local():
spam = "local spam"

def do_nonlocal():
nonlocal spam
spam = "nonlocal spam"

def do_global():
global spam
spam = "global spam"

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 114

 spam = "test spam"
do_local()
print("After local assignment:", spam)
do_nonlocal()
print("After nonlocal assignment:", spam)
do_global()
print("After global assignment:", spam)

scope_test()
print("In global scope:", spam)

El resultado del código ejemplo es:

After local assignment: test spam

After nonlocal assignment: nonlocal spam
After global assignment: nonlocal spam
In global scope: global spam

Nota como la asignación local (que es el comportamiento normal) no cambió la

vinculación de spam de scope_test. La asignación nonlocal cambió la vinculación de
spam de scope_test, y la asignación global cambió la vinculación a nivel de módulo.

También puedes ver que no había vinculación para spam antes de la asignación global.

9.3. Un primer vistazo a las clases

Las clases introducen un poquito de sintaxis nueva, tres nuevos tipos de objetos y
algo de semántica nueva.

9.3.1. Sintaxis de definición de clases

La forma más sencilla de definición de una clase se ve así:

class ClassName:
<statement-1>
.
.
.
<statement-N>

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 115

 Las definiciones de clases, al igual que las definiciones de funciones (instrucciones
def) deben ejecutarse antes de que tengan efecto alguno. (Es concebible poner una
definición de clase dentro de una rama de un if, o dentro de una función.)

En la práctica, las declaraciones dentro de una clase son definiciones de funciones,

pero otras declaraciones son permitidas, y a veces resultan útiles; veremos esto más
adelante. Las definiciones de funciones dentro de una clase normalmente tienen una
lista de argumentos peculiar, dictada por las convenciones de invocación de métodos; a
esto también lo veremos más adelante.

Cuando se ingresa una definición de clase, se crea un nuevo espacio de nombres,

el cual se usa como ámbito local; por lo tanto, todas las asignaciones a variables locales
van a este nuevo espacio de nombres. En particular, las definiciones de funciones
asocian el nombre de las funciones nuevas allí.

Cuando una definición de clase se finaliza normalmente se crea un objeto clase.

Básicamente, este objeto envuelve los contenidos del espacio de nombres creado por la
definición de la clase; aprenderemos más acerca de los objetos clase en la sección
siguiente. El ámbito local original (el que tenía efecto justo antes de que ingrese la
definición de la clase) es restablecido, y el objeto clase se asocia allí al nombre que se le
puso a la clase en el encabezado de su definición (ClassName en el ejemplo).

9.3.2. Objetos clase

Los objetos clase soportan dos tipos de operaciones: hacer referencia a

atributos e instanciación.

Para hacer referencia a atributos se usa la sintaxis estándar de todas las

referencias a atributos en Python: objeto.nombre. Los nombres de atributo válidos
son todos los nombres que estaban en el espacio de nombres de la clase cuando ésta se
creó. Por lo tanto, si la definición de la clase es así:

class MyClass:
"""A simple example class"""
i = 12345

def f(self):
return 'hello world'

entonces MyClass.i y MyClass.f son referencias de atributos válidas, que retornan

un entero y un objeto función respectivamente. Los atributos de clase también pueden
ser asignados, o sea que podés cambiar el valor de MyClass.i mediante asignación.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 116

 __doc__ también es un atributo válido, que retorna la documentación asociada a la
clase: "A simple example class".

La instanciación de clases usa la notación de funciones. Hacé de cuenta que el

objeto de clase es una función sin parámetros que retorna una nueva instancia de la
clase. Por ejemplo (para la clase de más arriba):

x = MyClass()

crea una nueva instancia de la clase y asigna este objeto a la variable local x.

La operación de instanciación («llamar» a un objeto clase) crea un objeto vacío.

Muchas clases necesitan crear objetos con instancias en un estado inicial particular. Por
lo tanto una clase puede definir un método especial llamado __init__(), de esta
forma:

def __init__(self):
self.data = []

Cuando una clase define un método __init__(), la creación de instancias de

clase invoca automáticamente __init__() para la instancia de clase recién creada.
Por lo tanto, en este ejemplo, se puede obtener una nueva instancia inicializada
mediante:

x = MyClass()

Por supuesto, el método __init__() puede tener argumentos para mayor

flexibilidad. En ese caso, los argumentos que se pasen al operador de instanciación de
la clase van a parar al método __init__(). Por ejemplo,

>>> class Complex:

... def __init__(self, realpart, imagpart):
... self.r = realpart
... self.i = imagpart
...
>>> x = Complex(3.0, -4.5)
>>> x.r, x.i
(3.0, -4.5)

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 117

 9.3.3. Objetos instancia

Ahora, ¿Qué podemos hacer con los objetos instancia? La única operación
que es entendida por los objetos instancia es la referencia de atributos. Hay dos tipos
de nombres de atributos válidos, atributos de datos y métodos.

Los atributos de datos se corresponden con las «variables de instancia» en

Smalltalk, y con las «variables miembro» en C++. Los atributos de datos no necesitan ser
declarados; tal como las variables locales son creados la primera vez que se les asigna
algo. Por ejemplo, si x es la instancia de MyClass creada más arriba, el siguiente pedazo
de código va a imprimir el valor 16, sin dejar ningún rastro:

x.counter = 1
while x.counter < 10:
x.counter = x.counter * 2
print(x.counter)
del x.counter

El otro tipo de atributo de instancia es el método. Un método es una función que

«pertenece a» un objeto. En Python, el término método no está limitado a instancias de
clase: otros tipos de objetos pueden tener métodos también. Por ejemplo, los objetos
lista tienen métodos llamados append, insert, remove, sort, y así sucesivamente. Pero,
en la siguiente explicación, usaremos el término método para referirnos exclusivamente
a métodos de objetos instancia de clase, a menos que se especifique explícitamente lo
contrario.

Los nombres válidos de métodos de un objeto instancia dependen de su clase. Por

definición, todos los atributos de clase que son objetos funciones definen métodos
correspondientes de sus instancias. Entonces, en nuestro ejemplo, x.f es una
referencia a un método válido, dado que MyClass.f es una función, pero x.i no lo es,
dado que MyClass.i no lo es. Pero x.f no es la misma cosa que MyClass.f; es un
objeto método, no un objeto función.

9.3.4. Objetos método

Generalmente, un método es llamado luego de ser vinculado:

x.f()

En el ejemplo MyClass, esto retorna la cadena 'hello world'. Pero no es

necesario llamar al método justo en ese momento: x.f es un objeto método, y puede
ser guardado y llamado más tarde. Por ejemplo:

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 118

 xf = x.f
while True:
print(xf())

continuará imprimiendo hello world hasta el fin de los días.

¿Qué sucede exactamente cuando un método es llamado? Debés haber notado

que x.f() fue llamado más arriba sin ningún argumento, a pesar de que la definición
de función de f() especificaba un argumento. ¿Qué pasó con ese argumento?
Seguramente Python lanza una excepción cuando una función que requiere un
argumento es llamada sin ninguno, aún si el argumento no es utilizado…

De hecho, tal vez hayas adivinado la respuesta: lo que tienen de especial los
métodos es que el objeto es pasado como el primer argumento de la función. En nuestro
ejemplo, la llamada x.f() es exactamente equivalente a MyClass.f(x). En general,
llamar a un método con una lista de n argumentos es equivalente a llamar a la función
correspondiente con una lista de argumentos que es creada insertando el objeto del
método antes del primer argumento.

Si todavía no entiendes cómo funcionan los métodos, una mirada a su

implementación quizás pueda aclarar dudas. Cuando un atributo sin datos de una
instancia es referenciado, la clase de la instancia es accedida. Si el nombre indica un
atributo de clase válido que sea un objeto función, se crea un objeto método
empaquetando (apunta a) la instancia y al objeto función, juntados en un objeto
abstracto: este es el objeto método. Cuando el objeto método es llamado con una lista
de argumentos, se crea una nueva lista de argumentos a partir del objeto instancia y la
lista de argumentos. Finalmente, el objeto función es llamado con esta nueva lista de
argumentos.

9.3.5. Variables de clase y de instancia

En general, las variables de instancia son para datos únicos de cada instancia y las
variables de clase son para atributos y métodos compartidos por todas las instancias de
la clase:

class Dog:

kind = 'canine' # class variable shared by all

instances

def __init__(self, name):

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 119

 self.name = name # instance variable unique to each
instance

>>> d = Dog('Fido')
>>> e = Dog('Buddy')
>>> d.kind # shared by all dogs
'canine'
>>> e.kind # shared by all dogs
'canine'
>>> d.name # unique to d
'Fido'
>>> e.name # unique to e
'Buddy'

Como se vio en Unas palabras sobre nombres y objetos, los datos compartidos
pueden tener efectos inesperados que involucren objetos mutable como ser listas y
diccionarios. Por ejemplo, la lista tricks en el siguiente código no debería ser usada como
variable de clase porque una sola lista sería compartida por todos las instancias de Dog:

class Dog:

tricks = [] # mistaken use of a class variable

def __init__(self, name):

self.name = name

def add_trick(self, trick):

self.tricks.append(trick)

>>> d = Dog('Fido')
>>> e = Dog('Buddy')
>>> d.add_trick('roll over')
>>> e.add_trick('play dead')
>>> d.tricks # unexpectedly shared by all dogs
['roll over', 'play dead']

El diseño correcto de esta clase sería usando una variable de instancia:

class Dog:

def __init__(self, name):

self.name = name

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 120

 self.tricks = [] # creates a new empty list for each
dog

def add_trick(self, trick):

self.tricks.append(trick)

>>> d = Dog('Fido')
>>> e = Dog('Buddy')
>>> d.add_trick('roll over')
>>> e.add_trick('play dead')
>>> d.tricks
['roll over']
>>> e.tricks
['play dead']

9.4. Algunas observaciones

Si el mismo nombre de atributo aparece tanto en la instancia como en la

clase, la búsqueda del atributo prioriza la instancia:

>>> class Warehouse:

... purpose = 'storage'
... region = 'west'
...
>>> w1 = Warehouse()
>>> print(w1.purpose, w1.region)
storage west
>>> w2 = Warehouse()
>>> w2.region = 'east'
>>> print(w2.purpose, w2.region)
storage east

A los atributos de datos los pueden hacer referencia tanto los métodos como los
usuarios («clientes») ordinarios de un objeto. En otras palabras, las clases no se usan
para implementar tipos de datos abstractos puros. De hecho, en Python no hay nada
que haga cumplir el ocultar datos; todo se basa en convención. (Por otro lado, la
implementación de Python, escrita en C, puede ocultar por completo detalles de
implementación y el control de acceso a un objeto si es necesario; esto se puede usar
en extensiones a Python escritas en C.)

Los clientes deben usar los atributos de datos con cuidado; éstos pueden romper
invariantes que mantienen los métodos si pisan los atributos de datos. Observa que los
clientes pueden añadir sus propios atributos de datos a una instancia sin afectar la

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 121

 validez de sus métodos, siempre y cuando se eviten conflictos de nombres; de nuevo,
una convención de nombres puede ahorrar un montón de dolores de cabeza.

No hay un atajo para hacer referencia a atributos de datos (¡u otros métodos!)
desde dentro de un método. A mi parecer, esto en realidad aumenta la legibilidad de los
métodos: no existe posibilidad alguna de confundir variables locales con variables de
instancia cuando repasamos un método.

A menudo, el primer argumento de un método se llama self (uno mismo). Esto

no es nada más que una convención: el nombre self no significa nada en especial para
Python. Observa que, sin embargo, si no seguís la convención tu código puede resultar
menos legible a otros programadores de Python, y puede llegar a pasar que un programa
navegador de clases pueda escribirse de una manera que dependa de dicha convención.

Cualquier objeto función que es un atributo de clase define un método para

instancias de esa clase. No es necesario que el la definición de la función esté
textualmente dentro de la definición de la clase: asignando un objeto función a una
variable local en la clase también está bien. Por ejemplo:

# Function defined outside the class

def f1(self, x, y):
return min(x, x+y)

class C:
f = f1

def g(self):
return 'hello world'

h = g

Ahora f, g y h son todos atributos de la clase C que hacen referencia a objetos

función, y consecuentemente son todos métodos de las instancias de C; h siendo
exactamente equivalente a g. Fijate que esta práctica normalmente sólo sirve para
confundir al que lea un programa.

Los métodos pueden llamar a otros métodos de la instancia usando el argumento

self:

class Bag:
def __init__(self):
self.data = []

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 122

 def add(self, x):
self.data.append(x)

def addtwice(self, x):

self.add(x)
self.add(x)

Los métodos pueden hacer referencia a nombres globales de la misma manera

que lo hacen las funciones comunes. El ámbito global asociado a un método es el
módulo que contiene su definición. (Una clase nunca se usa como un ámbito global). Si
bien es raro encontrar una buena razón para usar datos globales en un método, hay
muchos usos legítimos del ámbito global: por lo menos, las funciones y módulos
importados en el ámbito global pueden usarse por los métodos, al igual que las
funciones y clases definidas en él. Habitualmente, la clase que contiene el método está
definida en este ámbito global, y en la siguiente sección veremos algunas buenas
razones por las que un método querría hacer referencia a su propia clase.

Todo valor es un objeto, y por lo tanto tiene una clase (también llamado su tipo).
Ésta se almacena como objeto.__class__.

9.5. Herencia

Por supuesto, una característica del lenguaje no sería digna del nombre
«clase» si no soportara herencia. La sintaxis para una definición de clase derivada se ve
así:

class DerivedClassName(BaseClassName):
<statement-1>
.
.
.
<statement-N>

El nombre BaseClassName debe estar definido en un ámbito que contenga a la

definición de la clase derivada. En el lugar del nombre de la clase base se permiten otras
expresiones arbitrarias. Esto puede ser útil, por ejemplo, cuando la clase base está
definida en otro módulo:

class DerivedClassName(modname.BaseClassName):

La ejecución de una definición de clase derivada procede de la misma forma que

una clase base. Cuando el objeto clase se construye, se tiene en cuenta a la clase base.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 123

 Esto se usa para resolver referencias a atributos: si un atributo solicitado no se
encuentra en la clase, la búsqueda continúa por la clase base. Esta regla se aplica
recursivamente si la clase base misma deriva de alguna otra clase.

No hay nada en especial en la instanciación de clases derivadas:

DerivedClassName() crea una nueva instancia de la clase. Las referencias a métodos
se resuelven de la siguiente manera: se busca el atributo de clase correspondiente,
descendiendo por la cadena de clases base si es necesario, y la referencia al método es
válida si se entrega un objeto función.

Las clases derivadas pueden redefinir métodos de su clase base. Como los
métodos no tienen privilegios especiales cuando llaman a otros métodos del mismo
objeto, un método de la clase base que llame a otro método definido en la misma clase
base puede terminar llamando a un método de la clase derivada que lo haya redefinido.
(Para los programadores de C++: en Python todos los métodos son en efecto
virtuales.)

Un método redefinido en una clase derivada puede de hecho querer extender en

vez de simplemente reemplazar al método de la clase base con el mismo nombre. Hay
una manera simple de llamar al método de la clase base directamente: simplemente
llamás a BaseClassName.methodname(self, arguments). En ocasiones esto es
útil para los clientes también. (Observá que esto sólo funciona si la clase base es
accesible como BaseClassName en el ámbito global).

Python tiene dos funciones integradas que funcionan con herencia:

• Usar isinstance() para verificar el tipo de una instancia:

isinstance(obj, int) será True
sólo si obj.__class__ es int o alguna clase derivada de int.
• Usar issubclass() para verificar la herencia de clases:
issubclass(bool, int) es True ya que bool es una subclase de int.
Sin embargo, issubclass(float, int) es False ya que float no es una
subclase de int.

9.5.1. Herencia múltiple

Python también soporta una forma de herencia múltiple. Una definición de

clase con múltiples clases base se ve así:

class DerivedClassName(Base1, Base2, Base3):

<statement-1>

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 124

 .
.
.
<statement-N>

Para la mayoría de los propósitos, en los casos más simples, podés pensar en la
búsqueda de los atributos heredados de clases padres como primero en profundidad,
de izquierda a derecha, sin repetir la misma clase cuando está dos veces en la jerarquía.
Por lo tanto, si un atributo no se encuentra en DerivedClassName, se busca en
Base1, luego (recursivamente) en las clases base de Base1, y sólo si no se encuentra
allí se lo busca en Base2, y así sucesivamente.

En realidad es un poco más complejo que eso; el orden de resolución de métodos

cambia dinámicamente para soportar las llamadas cooperativas a super(). Este
enfoque es conocido en otros lenguajes con herencia múltiple como «llámese al
siguiente método» y es más poderoso que la llamada al superior que se encuentra en
lenguajes con sólo herencia simple.

El ordenamiento dinámico es necesario porque todos los casos de herencia múltiple

exhiben una o más relaciones en diamante (cuando se puede llegar al menos a una de
las clases base por distintos caminos desde la clase de más abajo). Por ejemplo, todas
las clases heredan de object, por lo tanto cualquier caso de herencia múltiple provee
más de un camino para llegar a object. Para que las clases base no sean accedidas más
de una vez, el algoritmo dinámico hace lineal el orden de búsqueda de manera que se
preserve el orden de izquierda a derecha especificado en cada clase, que se llame a cada
clase base sólo una vez, y que sea monótona (lo cual significa que una clase puede tener
clases derivadas sin afectar el orden de precedencia de sus clases bases). En conjunto,
estas propiedades hacen posible diseñar clases confiables y extensibles con herencia
múltiple.

Para más detalles visita https://www.python.org/download/releases/2.3/mro/.

9.6. Variables privadas

Las variables «privadas» de instancia, que no pueden accederse excepto

desde dentro de un objeto, no existen en Python. Sin embargo, hay una convención que
se sigue en la mayoría del código Python: un nombre prefijado con un guión bajo (por
ejemplo, _spam) debería tratarse como una parte no pública de la API (más allá de que
sea una función, un método, o un dato). Debería considerarse un detalle de
implementación y que está sujeto a cambios sin aviso.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 125

 Ya que hay un caso de uso válido para los identificadores privados de clase (a
saber: colisión de nombres con nombres definidos en las subclases), hay un soporte
limitado para este mecanismo. Cualquier identificador con la forma __spam (al menos
dos guiones bajos al principio, como mucho un guión bajo al final) es textualmente
reemplazado por _nombredeclase__spam, donde nombredeclase es el nombre de
clase actual al que se le sacan guiones bajos del comienzo (si los tuviera). Se modifica el
nombre del identificador sin importar su posición sintáctica, siempre y cuando ocurra
dentro de la definición de una clase.

La modificación de nombres es útil para dejar que las subclases sobreescriban los
métodos sin romper las llamadas a los métodos desde la misma clase. Por ejemplo:

class Mapping:
def __init__(self, iterable):
self.items_list = []
self.__update(iterable)

def update(self, iterable):

for item in iterable:
self.items_list.append(item)

__update = update # private copy of original update()

method

class MappingSubclass(Mapping):

def update(self, keys, values):

# provides new signature for update()
# but does not break __init__()
for item in zip(keys, values):
self.items_list.append(item)

El ejemplo de arriba funcionaría incluso si MappingSubclass introdujera un

identificador __update ya que se reemplaza con _Mapping__update en la clase
Mapping y _MappingSubclass__update en la clase MappingSubclass
respectivamente.

Hay que aclarar que las reglas de modificación de nombres están diseñadas
principalmente para evitar accidentes; es posible acceder o modificar una variable que
es considerada como privada. Esto hasta puede resultar útil en circunstancias especiales,
tales como en el depurador.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 126

 Notar que el código pasado a exec o eval() no considera que el nombre de clase
de la clase que invoca sea la clase actual; esto es similar al efecto de la sentencia
global, efecto que es de similar manera restringido a código que es compilado en
conjunto. La misma restricción aplica a getattr(), setattr() y delattr(), así
como cuando se referencia a __dict__ directamente.

9.7. Cambalache

A veces es útil tener un tipo de datos similar al «registro» de Pascal o al «struct» de C,

agrupando algunos elementos de datos con nombre. El enfoque idiomático consiste en
utilizar dataclasses para este propósito:

from dataclasses import dataclass

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

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

>>> john.dept
'computer lab'
>>> john.salary
1000

Algún código Python que espera un tipo abstracto de datos en particular puede
frecuentemente recibir en cambio una clase que emula los métodos de aquel tipo de
datos. Por ejemplo, si tenés una función que formatea algunos datos a partir de un
objeto archivo, podés definir una clase con métodos read() y readline() que
obtengan los datos de alguna cadena en memoria intermedia, y pasarlo como
argumento.

Los objetos método de instancia tienen atributos también: m.__self__ es el

objeto instancia con el método m(), y m.__func__ es el objeto función
correspondiente al método.

9.8. Iteradores

Es probable que hayas notado que la mayoría de los objetos contenedores pueden
ser recorridos usando una sentencia for:

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 127

 for element in [1, 2, 3]:
print(element)
for element in (1, 2, 3):
print(element)
for key in {'one':1, 'two':2}:
print(key)
for char in "123":
print(char)
for line in open("myfile.txt"):
print(line, end='')

Este estilo de acceso es limpio, conciso y conveniente. El uso de iteradores está

impregnado y unifica a Python. En bambalinas, la sentencia for llama a iter() en el
objeto contenedor. La función retorna un objeto iterador que define el método
__next__() que accede elementos en el contenedor de a uno por vez. Cuando no hay
más elementos, __next__() lanza una excepción StopIteration que le avisa al
bucle del for que hay que terminar. Podés llamar al método __next__() usando la
función integrada next(); este ejemplo muestra como funciona todo esto:

>>> s = 'abc'
>>> it = iter(s)
>>> it
<str_iterator object at 0x10c90e650>
>>> next(it)
'a'
>>> next(it)
'b'
>>> next(it)
'c'
>>> next(it)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
next(it)
StopIteration

Habiendo visto la mecánica del protocolo de iteración, es fácil agregar

comportamiento de iterador a tus clases. Definí un método __iter__() que retorne
un objeto con un método __next__(). Si la clase define __next__(), entonces
alcanza con que __iter__() retorne self:

class Reverse:
"""Iterator for looping over a sequence backwards."""
def __init__(self, data):

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 128

 self.data = data
self.index = len(data)

def __iter__(self):
return self

def __next__(self):
if self.index == 0:
raise StopIteration
self.index = self.index - 1
return self.data[self.index]
>>>

>>> rev = Reverse('spam')

>>> iter(rev)
<__main__.Reverse object at 0x00A1DB50>
>>> for char in rev:
... print(char)
...
m
a
p
s

9.9. Generadores

Generators son una herramienta simple y poderosa para crear iteradores. Están
escritas como funciones regulares pero usan la palabra clave yield siempre que
quieran retornar datos. Cada vez que se llama a next(), el generador se reanuda donde
lo dejó (recuerda todos los valores de datos y qué instrucción se ejecutó por última vez).
Un ejemplo muestra que los generadores pueden ser trivialmente fáciles de crear:

def reverse(data):
for index in range(len(data)-1, -1, -1):
yield data[index]
>>>

>>> for char in reverse('golf'):

... print(char)
...
f
l
o
g

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 129

 Todo lo que puede ser hecho con generadores también puede ser hecho con
iteradores basados en clases, como se describe en la sección anterior. Lo que hace que
los generadores sean tan compactos es que los métodos __iter__() y __next__()
son creados automáticamente.

Otra característica clave es que las variables locales y el estado de la ejecución son
guardados automáticamente entre llamadas. Esto hace que la función sea más fácil de
escribir y quede mucho más claro que hacerlo usando variables de instancia tales como
self.indice y self.datos.

Además de la creación automática de métodos y el guardar el estado del

programa, cuando los generadores terminan automáticamente lanzan
StopIteration. Combinadas, estas características facilitan la creación de iteradores,
y hacen que no sea más esfuerzo que escribir una función regular.

9.10. Expresiones generadoras

Algunos generadores simples pueden ser escritos de manera concisa como expresiones
usando una sintaxis similar a las comprensiones de listas, pero con paréntesis en lugar
de corchetes. Estas expresiones están hechas para situaciones donde el generador es
utilizado de inmediato por la función que lo encierra. Las expresiones generadoras son
más compactas, pero menos versátiles que las definiciones completas de generadores y
tienden a ser más amigables con la memoria que sus comprensiones de listas
equivalentes.

Ejemplos:

>>> sum(i*i for i in range(10)) # sum of squares

285

>>> xvec = [10, 20, 30]

>>> yvec = [7, 5, 3]
>>> sum(x*y for x,y in zip(xvec, yvec)) # dot product
260

>>> unique_words = set(word for line in page for word in

line.split())

>>> valedictorian = max((student.gpa, student.name) for student

in graduates)

>>> data = 'golf'

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 130

 >>> list(data[i] for i in range(len(data)-1, -1, -1))
['f', 'l', 'o', 'g']

Notas al pie

1 Excepto por una cosa. Los objetos módulo tienen un atributo de sólo lectura secreto
llamado __dict__ que retorna el diccionario usado para implementar el espacio de
nombres del módulo; el nombre __dict__ es un atributo pero no un nombre global.
Obviamente, usar esto viola la abstracción de la implementación del espacio de
nombres, y debería ser restringido a cosas como depuradores post-mortem.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 131

 10. Pequeño paseo por la Biblioteca Estándar
10.1. Interfaz al sistema operativo

El módulo os provee docenas de funciones para interactuar con el sistema

operativo:

>>> import os
>>> os.getcwd() # Return the current working directory
'C:\\Python311'
>>> os.chdir('/server/accesslogs') # Change current working
directory
>>> os.system('mkdir today') # Run the command mkdir in the
system shell
0

Asegúrate de usar el estilo import os en lugar de from os import *. Esto

evitará que os.open() oculte a la función integrada open(), que trabaja bastante
diferente.

Las funciones integradas dir() y help() son útiles como ayudas interactivas
para trabajar con módulos grandes como os:

>>> import os
>>> dir(os)
<returns a list of all module functions>
>>> help(os)
<returns an extensive manual page created from the module's
docstrings>

Para tareas diarias de administración de archivos y directorios, el módulo shutil

provee una interfaz de más alto nivel que es más fácil de usar:

>>> import shutil

>>> shutil.copyfile('data.db', 'archive.db')
'archive.db'
>>> shutil.move('/build/executables', 'installdir')
'installdir'

10.2. Comodines de archivos

El módulo glob provee una función para hacer listas de archivos a partir de
búsquedas con comodines en directorios:

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 132

 >>> import glob
>>> glob.glob('*.py')
['primes.py', 'random.py', 'quote.py']

10.3. Argumentos de linea de órdenes

Los programas frecuentemente necesitan procesar argumentos de linea de

órdenes. Estos argumentos se almacenan en el atributo argv del módulo sys como una
lista. Por ejemplo, la siguiente salida resulta de ejecutar Python demo.py uno dos
tres en la línea de órdenes:

>>> import sys

>>> print(sys.argv)
['demo.py', 'one', 'two', 'three']

El módulo argparse provee un mecanismo más sofisticado para procesar

argumentos recibidos vía línea de comandos. El siguiente script extrae uno o más
nombres de archivos y un número opcional de líneas para mostrar:

import argparse

parser = argparse.ArgumentParser(
prog='top',
description='Show top lines from each file')
parser.add_argument('filenames', nargs='+')
parser.add_argument('-l', '--lines', type=int, default=10)
args = parser.parse_args()
print(args)

Cuando se ejecuta por línea de comandos haciendo Python top.py --

lines=5 alpha.txt beta.txt, el script establece args.lines a 5 y
args.filenames a ['alpha.txt', 'beta.txt'].

10.4. Redirigir la salida de error y finalización del programa

El módulo sys también tiene atributos para stdin, stdout, y stderr. Este
último es útil para emitir mensajes de alerta y error para que se vean incluso cuando se
haya redirigido stdout:

>>> sys.stderr.write('Warning, log file not found starting a new

one\n')
Warning, log file not found starting a new one

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 133

 La forma más directa de terminar un programa es usar sys.exit().

10.5. Coincidencia en patrones de cadenas

El módulo re provee herramientas de expresiones regulares para un

procesamiento avanzado de cadenas. Para manipulación y coincidencias complejas, las
expresiones regulares ofrecen soluciones concisas y optimizadas:

>>> import re
>>> re.findall(r'\bf[a-z]*', 'which foot or hand fell fastest')
['foot', 'fell', 'fastest']
>>> re.sub(r'(\b[a-z]+) \1', r'\1', 'cat in the the hat')
'cat in the hat'

Cuando se necesita algo más sencillo solamente, se prefieren los métodos de las cadenas
porque son más fáciles de leer y depurar:

>>> 'tea for too'.replace('too', 'two')

'tea for two'

10.6. Matemática

El módulo math permite el acceso a las funciones de la biblioteca C subyacente

para la matemática de punto flotante:

>>> import math

>>> math.cos(math.pi / 4)
0.70710678118654757
>>> math.log(1024, 2)
10.0

El módulo random provee herramientas para realizar selecciones al azar:

>>> import random

>>> random.choice(['apple', 'pear', 'banana'])
'apple'
>>> random.sample(range(100), 10) # sampling without
replacement
[30, 83, 16, 4, 8, 81, 41, 50, 18, 33]
>>> random.random() # random float
0.17970987693706186
>>> random.randrange(6) # random integer chosen from range(6)
4

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 134

 El módulo statistics calcula propiedades de estadística básica (la media,
mediana, varianza, etc) de datos numéricos:

>>> import statistics

>>> data = [2.75, 1.75, 1.25, 0.25, 0.5, 1.25, 3.5]
>>> statistics.mean(data)
1.6071428571428572
>>> statistics.median(data)
1.25
>>> statistics.variance(data)
1.3720238095238095

El proyecto SciPy <https://scipy.org> tiene muchos otros módulos para cálculos

numéricos.

10.7. Acceso a Internet

Hay varios módulos para acceder a Internet y procesar sus protocolos. Dos de los
más simples son urllib.request para traer data de URLs y smtplib para mandar
correos:

>>> from urllib.request import urlopen

>>> with
urlopen('http://worldtimeapi.org/api/timezone/etc/UTC.txt') as
response:
... for line in response:
... line = line.decode() # Convert bytes to
a str
... if line.startswith('datetime'):
... print(line.rstrip()) # Remove trailing
newline
...
datetime: 2022-01-01T01:36:47.689215+00:00

>>> import smtplib

>>> server = smtplib.SMTP('localhost')
>>> server.sendmail('soothsayer@example.org',
'jcaesar@example.org',
... """To: jcaesar@example.org
... From: soothsayer@example.org
...
... Beware the Ides of March.
... """)
>>> server.quit()

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 135

 (Nota que el segundo ejemplo necesita un servidor de correo corriendo en la máquina
local)

10.8. Fechas y tiempos

El módulo datetime ofrece clases para gestionar fechas y tiempos tanto de

manera simple como compleja. Aunque soporta aritmética sobre fechas y tiempos, el
foco de la implementación es en la extracción eficiente de partes para gestionarlas o
formatear la salida. El módulo también soporta objetos que son conscientes de la zona
horaria.

>>> # dates are easily constructed and formatted

>>> from datetime import date
>>> now = date.today()
>>> now
datetime.date(2003, 12, 2)
>>> now.strftime("%m-%d-%y. %d %b %Y is a %A on the %d day of
%B.")
'12-02-03. 02 Dec 2003 is a Tuesday on the 02 day of December.'

>>> # dates support calendar arithmetic

>>> birthday = date(1964, 7, 31)
>>> age = now - birthday
>>> age.days
14368

10.9. Compresión de datos

Los formatos para archivar y comprimir datos se soportan directamente con

los módulos: zlib, gzip, bz2, lzma, zipfile y tarfile.

>>> import zlib

>>> s = b'witch which has which witches wrist watch'
>>> len(s)
41
>>> t = zlib.compress(s)
>>> len(t)
37
>>> zlib.decompress(t)
b'witch which has which witches wrist watch'
>>> zlib.crc32(s)
226805979

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 136

 10.10. Medición de rendimiento

Algunos usuarios de Python desarrollan un profundo interés en saber el

rendimiento relativo de las diferentes soluciones al mismo problema. Python provee
una herramienta de medición que responde esas preguntas inmediatamente.

Por ejemplo, puede ser tentador usar la característica de empaquetado y

desempaquetado de las tuplas en lugar de la solución tradicional para intercambiar
argumentos. El módulo timeit muestra rápidamente una modesta ventaja de
rendimiento:

>>>

>>> from timeit import Timer

>>> Timer('t=a; a=b; b=t', 'a=1; b=2').timeit()
0.57535828626024577
>>> Timer('a,b = b,a', 'a=1; b=2').timeit()
0.54962537085770791

En contraste con el fino nivel de medición del módulo timeit, los módulos
profile y pstats proveen herramientas para identificar secciones críticas de tiempo
en bloques de código más grandes.

10.11. Control de calidad

Una forma para desarrollar software de alta calidad es escribir pruebas para
cada función mientras se la desarrolla, y correr esas pruebas frecuentemente durante el
proceso de desarrollo.

El módulo doctest provee una herramienta para revisar un módulo y validar las
pruebas integradas en las cadenas de documentación (o docstring) del programa. La
construcción de las pruebas es tan sencilla como cortar y pegar una ejecución típica
junto con sus resultados en los docstrings. Esto mejora la documentación al proveer al
usuario un ejemplo y permite que el módulo doctest se asegure que el código
permanece fiel a la documentación:

def average(values):
"""Computes the arithmetic mean of a list of numbers.

>>> print(average([20, 30, 70]))

40.0
"""

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 137

 return sum(values) / len(values)

import doctest
doctest.testmod() # automatically validate the embedded tests

El módulo unittest necesita más esfuerzo que el módulo doctest, pero

permite que se mantenga en un archivo separado un conjunto más comprensivo de
pruebas:

import unittest

class TestStatisticalFunctions(unittest.TestCase):

def test_average(self):
self.assertEqual(average([20, 30, 70]), 40.0)
self.assertEqual(round(average([1, 5, 7]), 1), 4.3)
with self.assertRaises(ZeroDivisionError):
average([])
with self.assertRaises(TypeError):
average(20, 30, 70)

unittest.main() # Calling from the command line invokes all

tests

10.12. Las pilas incluidas

Python tiene una filosofía de «pilas incluidas». Esto se ve mejor en las capacidades
robustas y sofisticadas de sus paquetes más grandes. Por ejemplo:

• Los módulos xmlrpc.client y xmlrpc.server convierten la implementación

de llamadas a procedimientos remotos en una tarea casi trivial. A pesar de los
nombres de los módulos, no se necesita conocimiento directo o manejo de XML.

• El paquete email es una biblioteca para administrar mensajes de correo

electrónico, incluidos MIME y otros documentos de mensajes basados en RFC 2822.
A diferencia de smtplib y poplib que realmente envían y reciben mensajes, el
paquete de correo electrónico tiene un conjunto de herramientas completo para
crear o decodificar estructuras de mensajes complejas (incluidos los archivos
adjuntos) y para implementar protocolos de codificación y encabezado de Internet.

• El paquete json proporciona un sólido soporte para analizar este popular formato
de intercambio de datos. El módulo csv admite la lectura y escritura directa de
archivos en formato de valor separado por comas, comúnmente compatible con
bases de datos y hojas de cálculo. El procesamiento XML es compatible con los

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 138

 paquetes xml.etree.ElementTree, xml.dom y xml.sax. Juntos, estos
módulos y paquetes simplifican en gran medida el intercambio de datos entre
aplicaciones de Python y otras herramientas.

• El módulo sqlite3 es un wrapper para la biblioteca de bases de datos SQLite,

proporcionando una base de datos persistente que se puede actualizar y acceder
mediante una sintaxis SQL ligeramente no estándar.

• La internacionalización es compatible con una serie de módulos, incluyendo

gettext, locale, y el paquete codecs.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 139

 11. Pequeño paseo por la Biblioteca Estándar— Parte II

Este segundo paseo cubre módulos más avanzados que facilitan necesidades
de programación complejas. Estos módulos raramente se usan en scripts cortos.

11.1. Formato de salida

El módulo reprlib provee una versión de repr() ajustada para mostrar

contenedores grandes o profundamente anidados, en forma abreviada:

>>> import reprlib

>>> reprlib.repr(set('supercalifragilisticexpialidocious'))
"{'a', 'c', 'd', 'e', 'f', 'g', ...}"

El módulo pprint ofrece un control más sofisticado de la forma en que se

imprimen tanto los objetos predefinidos como los objetos definidos por el usuario, de
manera que sean legibles por el intérprete. Cuando el resultado ocupa más de una línea,
el generador de «impresiones lindas» agrega saltos de línea y sangrías para mostrar la
estructura de los datos más claramente:

>>> import pprint

>>> t = [[[['black', 'cyan'], 'white', ['green', 'red']],
[['magenta',
... 'yellow'], 'blue']]]
...
>>> pprint.pprint(t, width=30)
[[[['black', 'cyan'],
'white',
['green', 'red']],
[['magenta', 'yellow'],
'blue']]]

El módulo textwrap formatea párrafos de texto para que quepan dentro de

cierto ancho de pantalla:

>>> import textwrap

>>> doc = """The wrap() method is just like fill() except that
it returns
... a list of strings instead of one big string with newlines to
separate
... the wrapped lines."""
...

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 140

 >>> print(textwrap.fill(doc, width=40))
The wrap() method is just like fill()
except that it returns a list of strings
instead of one big string with newlines
to separate the wrapped lines.

El módulo locale accede a una base de datos de formatos específicos a una

cultura. El atributo grouping de la función format permite una forma directa de
formatear números con separadores de grupo:

>>> import locale

>>> locale.setlocale(locale.LC_ALL, 'English_United
States.1252')
'English_United States.1252'
>>> conv = locale.localeconv() # get a mapping of
conventions
>>> x = 1234567.8
>>> locale.format("%d", x, grouping=True)
'1,234,567'
>>> locale.format_string("%s%.*f", (conv['currency_symbol'],
... conv['frac_digits'], x), grouping=True)
'$1,234,567.80'

11.2. Plantillas

El módulo string incluye una clase versátil Template (plantilla) con una
sintaxis simplificada apta para ser editada por usuarios finales. Esto permite que los
usuarios personalicen sus aplicaciones sin necesidad de modificar la aplicación en sí.

El formato usa marcadores cuyos nombres se forman con $ seguido de

identificadores Python válidos (caracteres alfanuméricos y guión de subrayado). Si se los
encierra entre llaves, pueden seguir más caracteres alfanuméricos sin necesidad de
dejar espacios en blanco. $$ genera un $:

>>> from string import Template

>>> t = Template('${village}folk send $$10 to $cause.')
>>> t.substitute(village='Nottingham', cause='the ditch fund')
'Nottinghamfolk send $10 to the ditch fund.'

El método substitute() lanza KeyError cuando no se suministra ningún valor

para un marcador mediante un diccionario o argumento por nombre. Para algunas
aplicaciones los datos suministrados por el usuario puede ser incompletos, y el método

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 141

 safe_substitute() puede ser más apropiado: deja los marcadores inalterados
cuando falten datos:

>>> t = Template('Return the $item to $owner.')

>>> d = dict(item='unladen swallow')
>>> t.substitute(d)
Traceback (most recent call last):
...
KeyError: 'owner'
>>> t.safe_substitute(d)
'Return the unladen swallow to $owner.'

Las subclases de Template pueden especificar un delimitador propio. Por ejemplo,

una utilidad de renombrado por lotes para una galería de fotos puede escoger usar
signos de porcentaje para los marcadores tales como la fecha actual, el número de
secuencia de la imagen, o el formato de archivo:

>>> import time, os.path

>>> photofiles = ['img_1074.jpg', 'img_1076.jpg',
'img_1077.jpg']
>>> class BatchRename(Template):
... delimiter = '%'
...
>>> fmt = input('Enter rename style (%d-date %n-seqnum %f-
format): ')
Enter rename style (%d-date %n-seqnum %f-format): Ashley_%n%f

>>> t = BatchRename(fmt)
>>> date = time.strftime('%d%b%y')
>>> for i, filename in enumerate(photofiles):
... base, ext = os.path.splitext(filename)
... newname = t.substitute(d=date, n=i, f=ext)
... print('{0} --> {1}'.format(filename, newname))

img_1074.jpg --> Ashley_0.jpg

img_1076.jpg --> Ashley_1.jpg
img_1077.jpg --> Ashley_2.jpg

Las plantillas también pueden ser usadas para separar la lógica del programa de
los detalles de múltiples formatos de salida. Esto permite sustituir plantillas específicas
para archivos XML, reportes en texto plano, y reportes web en HTML.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 142

 11.3. Trabajar con registros estructurados conteniendo datos binarios

El módulo struct provee las funciones pack() y unpack() para trabajar

con formatos de registros binarios de longitud variable. El siguiente ejemplo muestra
cómo recorrer la información de encabezado en un archivo ZIP sin usar el módulo
zipfile. Los códigos "H" e "I" representan números sin signo de dos y cuatro bytes
respectivamente. El "<" indica que son de tamaño estándar y los bytes tienen
ordenamiento little-endian:

import struct

with open('myfile.zip', 'rb') as f:

data = f.read()

start = 0
for i in range(3): # show the first 3 file
headers
start += 14
fields = struct.unpack('<IIIHH', data[start:start+16])
crc32, comp_size, uncomp_size, filenamesize, extra_size =
fields

start += 16
filename = data[start:start+filenamesize]
start += filenamesize
extra = data[start:start+extra_size]
print(filename, hex(crc32), comp_size, uncomp_size)

start += extra_size + comp_size # skip to the next header

11.4. Multi-hilos

La técnica de multi-hilos (o multi-threading) permite desacoplar tareas que

no tienen dependencia secuencial. Los hilos se pueden usar para mejorar el grado de
reacción de las aplicaciones que aceptan entradas del usuario mientras otras tareas se
ejecutan en segundo plano. Un caso de uso relacionado es ejecutar E/S en paralelo con
cálculos en otro hilo.

El código siguiente muestra cómo el módulo de alto nivel threading puede

ejecutar tareas en segundo plano mientras el programa principal continúa su ejecución:

import threading, zipfile

class AsyncZip(threading.Thread):

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 143

 def __init__(self, infile, outfile):
threading.Thread.__init__(self)
self.infile = infile
self.outfile = outfile

def run(self):
f = zipfile.ZipFile(self.outfile, 'w',
zipfile.ZIP_DEFLATED)
f.write(self.infile)
f.close()
print('Finished background zip of:', self.infile)

background = AsyncZip('mydata.txt', 'myarchive.zip')

background.start()
print('The main program continues to run in foreground.')

background.join() # Wait for the background task to finish

print('Main program waited until background was done.')

El desafío principal de las aplicaciones multi-hilo es la coordinación entre los hilos

que comparten datos u otros recursos. A ese fin, el módulo threading provee una serie
de primitivas de sincronización que incluyen bloqueos, eventos, variables de condición,
y semáforos.

Aun cuando esas herramientas son poderosas, pequeños errores de diseño

pueden resultar en problemas difíciles de reproducir. La forma preferida de coordinar
tareas es concentrar todos los accesos a un recurso en un único hilo y después usar el
módulo queue para alimentar dicho hilo con pedidos desde otros hilos. Las aplicaciones
que usan objetos Queue para comunicación y coordinación entre hilos son más fáciles
de diseñar, más legibles, y más confiables.

11.5. Registrando

El módulo logging ofrece un sistema de registros (logs) completo y

flexible. En su forma más simple, los mensajes de registro se envían a un archivo o a
sys.stderr:

import logging
logging.debug('Debugging information')
logging.info('Informational message')
logging.warning('Warning:config file %s not found',
'server.conf')

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 144

 logging.error('Error occurred')
logging.critical('Critical error -- shutting down')

Ésta es la salida obtenida:

WARNING:root:Warning:config file server.conf not found

ERROR:root:Error occurred
CRITICAL:root:Critical error -- shutting down

De forma predeterminada, los mensajes de depuración e informativos se

suprimen, y la salida se envía al error estándar. Otras opciones de salida incluyen
mensajes de enrutamiento a través de correo electrónico, datagramas, sockets, o un
servidor HTTP. Nuevos filtros pueden seleccionar diferentes rutas basadas en la
prioridad del mensaje: DEBUG, INFO, WARNING, ERROR, y CRITICAL (Depuración,
Informativo, Atención, Error y Crítico respectivamente)

El sistema de registro puede configurarse directamente desde Python o puede

cargarse la configuración desde un archivo modificable por el usuario para personalizar
el registro sin alterar la aplicación.

11.6. Referencias débiles

Python realiza administración de memoria automática (cuenta de referencias para

la mayoría de los objetos, y garbage collection para eliminar ciclos). La memoria se libera
poco después de que la última referencia a la misma haya sido eliminada.

Este enfoque funciona bien para la mayoría de las aplicaciones, pero de vez en
cuando existe la necesidad de controlar objetos sólo mientras estén siendo utilizados
por otra cosa. Desafortunadamente, el sólo hecho de controlarlos crea una referencia
que los convierte en permanentes. El módulo weakref provee herramientas para
controlar objetos sin crear una referencia. Cuando el objeto no se necesita más, es
removido automáticamente de una tabla de referencias débiles y se dispara una callback
para objetos weakref. Comúnmente las aplicaciones incluyen cacheo de objetos que son
costosos de crear:

>>> import weakref, gc

>>> class A:
... def __init__(self, value):
... self.value = value
... def __repr__(self):
... return str(self.value)
...

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 145

 >>> a = A(10) # create a reference
>>> d = weakref.WeakValueDictionary()
>>> d['primary'] = a # does not create a reference
>>> d['primary'] # fetch the object if it is still
alive
10
>>> del a # remove the one reference
>>> gc.collect() # run garbage collection right
away
0
>>> d['primary'] # entry was automatically removed
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
d['primary'] # entry was automatically removed
File "C:/python311/lib/weakref.py", line 46, in __getitem__
o = self.data[key]()
KeyError: 'primary'

11.7. Herramientas para trabajar con listas

Muchas necesidades de estructuras de datos pueden ser satisfechas con el

tipo integrado lista. Sin embargo, a veces se hacen necesarias implementaciones
alternativas con rendimientos distintos.

El módulo array provee un objeto array() (vector) que es como una lista que
almacena sólo datos homogéneos y de una manera más compacta. Los ejemplos a
continuación muestran un vector de números guardados como dos números binarios
sin signo de dos bytes (código de tipo "H") en lugar de los 16 bytes por elemento
habituales en listas de objetos int de Python:

>>> from array import array

>>> a = array('H', [4000, 10, 700, 22222])
>>> sum(a)
26932
>>> a[1:3]
array('H', [10, 700])

El módulo collections provee un objeto deque() que es como una lista más
rápida para agregar y quitar elementos por el lado izquierdo pero con búsquedas más
lentas por el medio. Estos objetos son adecuados para implementar colas y árboles de
búsqueda a lo ancho:

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 146

 >>> from collections import deque
>>> d = deque(["task1", "task2", "task3"])
>>> d.append("task4")
>>> print("Handling", d.popleft())
Handling task1
unsearched = deque([starting_node])
def breadth_first_search(unsearched):
node = unsearched.popleft()
for m in gen_moves(node):
if is_goal(m):
return m
unsearched.append(m)

Además de las implementaciones alternativas de listas, la biblioteca ofrece otras

herramientas como el módulo bisect con funciones para manipular listas ordenadas:

>>> import bisect

>>> scores = [(100, 'perl'), (200, 'tcl'), (400, 'lua'), (500,
'python')]
>>> bisect.insort(scores, (300, 'ruby'))
>>> scores
[(100, 'perl'), (200, 'tcl'), (300, 'ruby'), (400, 'lua'), (500,
'python')]

El módulo heapq provee funciones para implementar pilas (heaps) basados en

listas comunes. El menor valor ingresado se mantiene en la posición cero. Esto es útil
para aplicaciones que acceden a menudo al elemento más chico pero no quieren hacer
un orden completo de la lista:

>>> from heapq import heapify, heappop, heappush

>>> data = [1, 3, 5, 7, 9, 2, 4, 6, 8, 0]
>>> heapify(data) # rearrange the list into
heap order
>>> heappush(data, -5) # add a new entry
>>> [heappop(data) for i in range(3)] # fetch the three smallest
entries
[-5, 0, 1]

11.8. Aritmética de punto flotante decimal

El módulo decimal provee un tipo de dato Decimal para soportar aritmética de

punto flotante decimal. Comparado con float, la implementación de punto flotante
binario incluida, la clase es muy útil especialmente para

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 147

 • aplicaciones financieras y otros usos que requieren representación decimal
exacta,
• control sobre la precisión,
• control sobre el redondeo para cumplir requisitos legales,
• seguimiento de dígitos decimales significativos, o
• aplicaciones donde el usuario espera que los resultados coincidan con cálculos
hecho a mano.

Por ejemplo, calcular un impuesto del 5% de una tarifa telefónica de 70 centavos

da resultados distintos con punto flotante decimal y punto flotante binario. La diferencia
se vuelve significativa si los resultados se redondean al centavo más próximo:

>>> from decimal import *

>>> round(Decimal('0.70') * Decimal('1.05'), 2)
Decimal('0.74')
>>> round(.70 * 1.05, 2)
0.73

El resultado con Decimal conserva un cero al final, calculando automáticamente

cuatro cifras significativas a partir de los multiplicandos con dos cifras significativas.
Decimal reproduce la matemática como se la hace a mano, y evita problemas que
pueden surgir cuando el punto flotante binario no puede representar exactamente
cantidades decimales.

La representación exacta permite a la clase Decimal hacer cálculos de modulo y

pruebas de igualdad que son inadecuadas para punto flotante binario:

>>> Decimal('1.00') % Decimal('.10')

Decimal('0.00')
>>> 1.00 % 0.10
0.09999999999999995

>>> sum([Decimal('0.1')]*10) == Decimal('1.0')

True
>>> sum([0.1]*10) == 1.0
False

El módulo decimal provee aritmética con tanta precisión como haga falta:

>>> getcontext().prec = 36
>>> Decimal(1) / Decimal(7)
Decimal('0.142857142857142857142857142857142857')

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 148

 12. Entornos virtuales y paquetes
12.1. Introducción

Las aplicaciones en Python usualmente hacen uso de paquetes y módulos

que no forman parte de la librería estándar. Las aplicaciones a veces necesitan una
versión específica de una librería, debido a que dicha aplicación requiere que un bug
particular haya sido solucionado o bien la aplicación ha sido escrita usando una versión
obsoleta de la interfaz de la librería.

Esto significa que tal vez no sea posible para una instalación de Python cumplir los
requerimientos de todas las aplicaciones. Si la aplicación A necesita la versión 1.0 de un
módulo particular y la aplicación B necesita la versión 2.0, entonces los requerimientos
entran en conflicto e instalar la versión 1.0 o 2.0 dejará una de las aplicaciones sin
funcionar.

La solución a este problema es crear un entorno virtual, un directorio que contiene

una instalación de Python de una versión en particular, además de unos cuantos
paquetes adicionales.

Diferentes aplicaciones pueden entonces usar entornos virtuales diferentes. Para

resolver el ejemplo de requerimientos en conflicto citado anteriormente, la aplicación
A puede tener su propio entorno virtual con la versión 1.0 instalada mientras que la
aplicación B tiene otro entorno virtual con la versión 2.0. Si la aplicación B requiere que
actualizar la librería a la versión 3.0, ésto no afectará el entorno virtual de la aplicación
A.

12.2. Creando entornos virtuales

El script usado para crear y manejar entornos virtuales es pyvenv. pyvenv

normalmente instalará la versión mas reciente de Python que tengas disponible; el script
también es instalado con un número de versión, con lo que si tienes múltiples versiones
de Python en tu sistema puedes seleccionar una versión de Python específica
ejecutando python3 o la versión que desees.

Para crear un entorno virtual, decide en que carpeta quieres crearlo y ejecuta el
módulo venv como script con la ruta a la carpeta:

python -m venv tutorial-env

Esto creará el directorio tutorial-env si no existe, y también creará directorios

dentro de él que contienen una copia del intérprete de Python y varios archivos de
soporte.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 149

 Una ruta común para el directorio de un entorno virtual es .venv. Ese nombre
mantiene el directorio típicamente escondido en la consola y fuera de vista mientras le
da un nombre que explica cuál es el motivo de su existencia. También permite que no
haya conflicto con los ficheros de definición de variables de entorno .env que algunas
herramientas soportan. Una vez creado el entorno virtual, podrás activarlo.

En Windows, ejecuta:

tutorial-env\Scripts\activate.bat

En Unix o MacOS, ejecuta:

source tutorial-env/bin/activate

(Este script está escrito para la consola bash. Si usas las consolas csh or fish, hay scripts
alternativos activate.csh y activate.fish que deberá usar en su lugar.)

Activar el entorno virtual cambiará el prompt de tu consola para mostrar que

entorno virtual está usando, y modificará el entorno para que al ejecutar python sea
con esa versión e instalación en particular. Por ejemplo:

$ source ~/envs/tutorial-env/bin/activate
(tutorial-env) $ python
Python 3.5.1 (default, May 6 2016, 10:59:36)
...
>>> import sys
>>> sys.path
['', '/usr/local/lib/python35.zip', ...,
'~/envs/tutorial-env/lib/python3.5/site-packages']
>>>

Para desactivar el entorno virtual, digita en el terminal.

:deactivate

12.3. Manejando paquetes con pip

Puedes instalar, actualizar y eliminar paquetes mediante un programa llamado pip. De

forma predeterminada, pip instalará paquetes desde el índice de paquetes de Python.
Puede navegar por el índice de paquetes de Python yendo a él en su navegador web.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 150

 pip tiene varios subcomandos: «install», «uninstall», «freeze», etc. (Consulta la
guía Instalando módulos de Python para obtener la documentación completa de pip).

Se puede instalar la última versión de un paquete especificando el nombre del

paquete:

(tutorial-env) $ python -m pip install novas

Collecting novas
Downloading novas-3.1.1.3.tar.gz (136kB)
Installing collected packages: novas
Running setup.py install for novas
Successfully installed novas-3.1.1.3

También se puede instalar una versión específica de un paquete ingresando el

nombre del paquete seguido de == y el número de versión:

(tutorial-env) $ python -m pip install requests==2.6.0

Collecting requests==2.6.0
Using cached requests-2.6.0-py2.py3-none-any.whl
Installing collected packages: requests
Successfully installed requests-2.6.0

Si se ejecuta de nuevo el comando, pip detectará que la versión ya está instalada

y no hará nada. Se puede ingresar un número de versión diferente para instalarlo, o se
puede ejecutar pip install --upgrade para actualizar el paquete a la última
versión:

(tutorial-env) $ python -m pip install --upgrade requests

Collecting requests
Installing collected packages: requests
Found existing installation: requests 2.6.0
Uninstalling requests-2.6.0:
Successfully uninstalled requests-2.6.0
Successfully installed requests-2.7.0

pip -m pip uninstall seguido de uno o varios nombres de paquetes eliminará los
paquetes del entorno virtual.

python -m pip show mostrará información de un paquete en particular:

(tutorial-env) $ python -m pip show requests

---
Metadata-Version: 2.0

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 151

 Name: requests
Version: 2.7.0

Summary: Python HTTP for Humans.

Home-page: http://python-requests.org
Author: Kenneth Reitz
Author-email: me@kennethreitz.com
License: Apache 2.0
Location: /Users/akuchling/envs/tutorial-
env/lib/python3.4/site-packages
Requires:

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

(tutorial-env) $ python -m pip list

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

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

(tutorial-env) $ python -m pip freeze > requirements.txt

(tutorial-env) $ cat requirements.txt
novas==3.1.1.3
numpy==1.9.2
requests==2.7.0

El archivo requirements.txt puede ser agregado al controlador de versiones

y distribuido como parte de la aplicación. Los usuarios pueden entonces instalar todos
los paquetes necesarios con install -r:

(tutorial-env) $ python -m pip install -r requirements.txt

Collecting novas==3.1.1.3 (from -r requirements.txt (line 1))
...
Collecting numpy==1.9.2 (from -r requirements.txt (line 2))
...
Collecting requests==2.7.0 (from -r requirements.txt (line 3))
...

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 152

 Installing collected packages: novas, numpy, requests
Running setup.py install for novas
Successfully installed novas-3.1.1.3 numpy-1.9.2 requests-2.7.0

pip tiene muchas más opciones. Consulta la guía Instalando módulos de Python
para obtener documentación completa de pip. Cuando haya escrito un paquete y desee
que esté disponible en el índice de paquetes de Python, consulte la guía Distribuir
módulos de Python.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 153

 13. ¿Y ahora qué?

Leer este tutorial probablemente reforzó tu interés por usar Python, deberías
estar ansioso por aplicar Python a la resolución de tus problemas reales. ¿A dónde
deberías ir para aprender más?

Este tutorial forma parte del conjunto de documentación de Python. Algunos otros
documentos que encontrarás en este conjunto son:

• La biblioteca estándar de Python:

Deberías navegar a través de este manual, que da una completa (aunque breve)
referencia sobre los tipos, funciones y módulos en la librería estándar. La distribución
estándar de Python incluye mucho más código adicional. Hay módulos para leer
buzones Unix, recuperar documentos vía HTTP, generar números aleatorios, analizar
opciones de línea de comandos, escribir programas CGI, comprimir datos y muchas
más tareas. Echar una ojeada a la Librería de Referencia te dará una idea de lo que
está disponible.

• Instalando módulos de Python:

Explica como instalar módulos adicionales escritos por otros usuarios de Python.

• Referencia del Lenguaje Python:

Una explicación detallada de la sintaxis y la semántica de Python. Es una lectura

pesada, pero es muy útil como guía complete del lenguaje.

• Más recursos sobre Python:

https://www.python.org: El mayor sitio web de Python. Contiene código,

documentación, y enlaces a páginas web relacionadas con Python.

https://docs.python.org: Acceso rápido a la documentación de Python.

https://pypi.org: El Python Package Index, apodado previamente la Tienda de Queso

1, es un índice de módulos de Python creados por usuarios que están disponibles para
su descarga. Cuando empiezas a distribuir código, lo puedes registrar allí para que
otros lo encuentren.

https://code.activestate.com/recipes/langs/python/: El Python Cookbook es una

gran colección de ejemplos de código, módulos grandes y scripts útiles. Las
contribuciones más notables también están recogidas en un libro titulado Python
Cookbook (O’Reilly & Associates, ISBN 0-596-00797-3.)

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 154

 http://www.pyvideo.org recoge enlaces a vídeos relacionados con Python
provenientes de conferencias y reuniones de grupos de usuarios.

https://scipy.org: El proyecto de Python científico incluye módulos para el cálculo

rápido de operaciones y manipulaciones sobre arrays además de muchos paquetes
para cosas como Álgebra Lineal, Transformadas de Fourier, solucionadores de
sistemas no-lineales, distribuciones de números aleatorios, análisis estadísticos y
otras herramientas.

Para preguntas relacionadas con Python y reportes de problemas puedes escribir

al grupo de noticias comp.lang.python, o enviarlas a la lista de correo que hay en python-
list@python.org. El grupo de noticias y la lista de correo están conectados, por lo que
los mensajes enviados a uno serán retransmitidos al otro. Hay alrededor de cientos de
mensajes diarios (con picos de hasta varios cientos), haciendo (y respondiendo)
preguntas, sugiriendo nuevas características, y anunciando nuevos módulos. Los
archivos de la lista de correos están disponibles en https://mail.python.org/pipermail/.

Antes de escribir, asegúrate de haber revisado la lista de Frequently Asked

Questions (también llamado el FAQ). Muchas veces responde las preguntas que se
hacen una y otra vez, y quizás contenga la solución a tu problema.

Notas al pie

1 La tienda de queso, Cheese Shop, es un chiste de Monty Python: un cliente entra a

una tienda de queso pero para cualquier queso que pide, el vendedor le dice que no lo
tienen.

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 155

 Conclusión

A modo de despedida de este exhaustivo recorrido por el maravilloso mundo de

Python, nos gustaría expresar nuestra gratitud por tu tiempo y dedicación a este increíble
lenguaje de programación.

Esperamos que hayas encontrado este material accesible, enriquecedor y útil, sin
importar en qué punto te encuentres en tu viaje de programación. Con su versatilidad,
simplicidad y gran cantidad de aplicaciones, Python es verdaderamente un lenguaje para todos,
y confiamos en que este recurso te ha proporcionado las herramientas necesarias para
aprovecharlo al máximo.

Recuerda que la programación, al igual que cualquier otra habilidad, mejora con la
práctica. No te desesperes si no entiendes un concepto de inmediato. Tómate tu tiempo, vuelve
a los temas que te resulten más desafiantes y no dudes en buscar ayuda cuando la necesites.

Python es un lenguaje en constante evolución, con una comunidad global vibrante

y apasionada que siempre está buscando formas de mejorar y expandir sus capacidades. Te
animamos a unirte a esta comunidad, a compartir tus propios proyectos e ideas, y a seguir
aprendiendo y creciendo con Python.

Si bien este puede ser el final de esta compilación de la documentación oficial de

Python, ciertamente no es el final de tu viaje. De hecho, solo es el comienzo. Con los
fundamentos que has adquirido aquí, estás listo para explorar nuevos desafíos y oportunidades
en el vasto ecosistema de Python.

Por último, desde el Centro de Estudios en Modelos de Inteligencia Artificial

aplicados a las Ciencias Económicas de la Universidad de Buenos Aires te felicitamos por elegir
Python y te agradecemos por confiar en nosotros para guiarte en tu viaje de aprendizaje.
Esperamos que continúes explorando, creando y descubriendo con Python.

¡Feliz programación!

EL TUTORIAL DE PYTHON 3.11 (COMPAGINADO Y EDITADO POR DIEGO PARRÁS) 156

VERSION DE LIBRE DISTRIBUCIÓN. PROHIBIDA SU COMERCIALIZACIÓN.

Tutorial Oficial
de Python 3.1x
Extraído de: https://docs.python.org/es/3/
Python destaca por su legibilidad, simplicidad y versatilidad. Esto lo
convierte en un excelente lenguaje tanto para los que apenas comienzan en el
mundo de la programación como para los programadores experimentados que
buscan mayor eficiencia y flexibilidad. Desde el desarrollo web y análisis de datos
hasta la inteligencia artificial, Python se utiliza en una multitud de campos.
Desde el Centro de Estudios en Modelos de Inteligencia Artificial Aplicados
a las Ciencias Económicas (CeMIACE), hemos trabajado con dedicación para hacer
de este material una guía completa, clara y fácil de seguir. Desde los fundamentos
hasta los detalles más intrincados, estamos seguros de que aquí encontrarás lo
que necesitas para tener éxito en tu camino con Python.
Hemos compilado y mejorado la documentación oficial de la versión 3.1x de
Python, para que puedas disfrutarla de una manera más amena, cercana a la
experiencia de leer un libro.