Tutorial de Python

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

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

El intérprete de Python y la extensiva librería estándar se encuentran

disponibles libremente en código fuente y forma binaria para la mayoría de
plataformas desde la Web de Python, [Link] y se pueden
distribuir libremente. El mismo sitio contiene distribuciones y direcciones a
muchos módulos de Python de terceras partes, programas, herramientas y
adicionalmente documentación.

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

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

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

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

Para una descripción de los objetos estándar y de los módulos, ver La

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

Este tutorial no pretende ser comprensible y cubrir todas las funcionalidades, o

incluso ni las más utilizadas. Pretende introducir muchas de las funcionalidades
más notables y dar una idea del estilo y el tipo de lenguaje. Después de leerlo
podrás leer y escribir módulos y programas en Python y estarás listo para
aprender sobre varias librerías y módulos descritos en La Biblioteca Estándar
de Python.

Es interesante leer el Glosario.

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

1. Abriendo el apetito
Si trabajas mucho con ordenadores, en algún momento encontrarás que hay
alguna tarea que quieres automatizar. Por ejemplo, quizás quieres buscar y
remplazar un texto en muchos ficheros o renombrar y reordenar un montón de
imágenes de forma complicada. Quizás lo que quieres es escribir una pequeña
base de datos personalizada, una interfaz gráfica o un juego simple.

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

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

Python es justo el lenguaje para ti.

Podrías escribir un shell script de Unix o un fichero batch de Windows para

alguna de estas tareas pero los shell scripts son mejores para mover ficheros y
cambiar texto no para aplicaciones con interfaz gráfica o juegos. Podrías
escribir un programa en C/C++/Java pero puede llevar mucho tiempo de
desarrollo incluso para tener el primer borrador. Python es más simple de
utilizar, disponible en los sistemas operativos Windows, Mac OS X y Unix y te
ayudará a realizar el trabajo de forma más rápida.

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

mucha más estructura y soporte para programas grandes que la que ofrecen
shell scripts o ficheros batch. Por otro lado, Python también ofrece mayor
comprobación de errores que C y siendo un lenguaje de muy alto nivel tiene
tipos de datos de alto nivel incorporados como listas flexibles y diccionarios.
Debido a sus tipos de datos más generales, Python es aplicable a más
dominios que Awk o Perl, aunque hay muchas cosas que son tan sencillas en
Python como en esos lenguajes.
Python te permite dividir tu programa en módulos que pueden reutilizarse en
otros programas de Python. Tiene una gran colección de módulos estándar que
puedes utilizar como la base de tus programas o como ejemplos para empezar
a aprender Python. Algunos de estos módulos proporcionan cosas como
entrada/salida de ficheros, llamadas a sistema, sockets e incluso interfaces a
herramientas de interfaz gráfica como Tk.

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

durante el desarrollo ya que no es necesario compilar ni enlazar. El intérprete
puede usarse interactivamente, lo que facilita experimentar con características
del lenguaje, escribir programas desechables o probar funciones cuando se
hace desarrollo de programas de abajo hacia arriba. Es también una
calculadora de escritorio práctica.

Python permite escribir programas compactos y legibles. Los programas en

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

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

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

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

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

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

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

Ahora que estás emocionado con Python, querrás verlo en más detalle. Como
la mejor forma de aprender un lenguaje es usarlo, el tutorial te invita a que
juegues con el intérprete de Python a medida que vas leyendo.
En el próximo capítulo se explicará la mecánica de uso del intérprete. Esta es
información bastante mundana, pero es esencial para poder probar los
ejemplos que aparecerán más adelante.

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

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

2. Usando el intérprete de Python¶

2.1. Invocando al intérprete
The Python interpreter is usually installed as /usr/local/bin/python3.9 on
those machines where it is available; putting /usr/local/bin in your Unix
shell’s search path makes it possible to start it by typing the command:

python3.9

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

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

On Windows machines where you have installed Python from the Microsoft
Store, the python3.9 command will be available. If you have the [Link]
launcher installed, you can use the py command. See Excurso: configurar
variables de entorno for other ways to launch Python.

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

Las características para edición de líneas del intérprete incluyen edición

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

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

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

Una segunda forma de iniciar el intérprete es python -

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

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

Cuando se usa un script, a veces es útil poder ejecutar el script y luego

ingresar al modo interactivo. Esto se puede hacer pasando la -i antes del
nombre del script.

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

comandos y entorno.

2.1.1. Paso de argumentos

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

$ python3.9
Python 3.9 (default, June 4 2019, 09:25:04)
[GCC 4.8.2] on linux
Type "help", "copyright", "credits" or "license" for more
information.
>>>

Las líneas de continuación son necesarias cuando se ingresa una construcción

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

>>>

>>> the_world_is_flat = True

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

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

2.2. El intérprete y su entorno

2.2.1. Codificación del código fuente
De forma predeterminada, los archivos fuente de Python se tratan como
codificados en UTF-8. En esa codificación, los caracteres de la mayoría de los
idiomas del mundo se pueden usar simultáneamente en literales,
identificadores y comentarios, aunque la biblioteca estándar solo usa
caracteres ASCII para los identificadores, una convención que debería seguir
cualquier código que sea [Link] mostrar todos estos caracteres
correctamente, tu editor debe reconocer que el archivo es UTF-8, y debe usar
una fuente que admita todos los caracteres del archivo.
Para declarar una codificación que no sea la predeterminada, se debe agregar
una línea de comentario especial como la primera línea del archivo. La sintaxis
es la siguiente:

# -*- coding: encoding -*-

donde codificación es uno de los codecs soportados por Python.

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

primera línea del archivo de código fuente debe ser:

# -*- coding: cp1252 -*-

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

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

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

Notas al pie

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

ejecutable llamado python, por lo que no entra en conflicto con un
ejecutable de Python 2.x instalado simultáneamente.

3. Una introducción informal a Python¶

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

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

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

Algunos ejemplos:

# this is the first comment

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

3.1. Usando Python como una calculadora

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

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

>>>

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

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

La división (/) siempre retorna un punto flotante. Para hacer floor division y
obtener un resultado entero (descartando cualquier resultado fraccionario)
puede usarse el operador //; para calcular el resto puedes usar %:
>>>

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

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

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

>>>

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

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

>>>

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

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

usarla dará un error:

>>>

>>> n # try to access an undefined variable

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

Hay soporte completo de punto flotante; operadores con operando mezclados

convertirán los enteros a punto flotante:

>>>
>>> 4 * 3.75 - 1
14.0

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

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

>>>

>>> tax = 12.5 / 100

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

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

Además de int y float, Python admite otros tipos de números,

como Decimal y Fraction. Python también tiene soporte incorporado
para complex numbers, y usa el sufijo j o J para indicar la parte imaginaria (por
ejemplo, 3+5j).

3.1.2. Cadenas de caracteres

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

>>>

>>> 'spam eggs' # single quotes

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

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

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

>>>

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

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

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

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

>>>

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

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

Las cadenas de texto literales pueden contener múltiples líneas. Una forma es
usar triples comillas: """...""" o '''...'''. Los fin de línea son incluidos
automáticamente, pero es posible prevenir esto agregando una \ al final de la
línea. Por ejemplo:
print("""\
Usage: thingy [OPTIONS]
-h Display this usage message
-H hostname Hostname to connect to
""")

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

incluida):

Usage: thingy [OPTIONS]

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

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

pueden repetir con *:

>>>

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

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

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

>>>

>>> 'Py' 'thon'

'Python'

Esta característica es particularmente útil cuando quieres dividir cadenas

largas:

>>>

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

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

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

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

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

>>>

>>> prefix + 'thon'

'Python'

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

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

>>>

>>> word = 'Python'

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

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

>>>

>>> word[-1] # last character

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

Nota que -0 es lo mismo que 0, los índice negativos comienzan desde -1.
Además de los índices, las rebanadas también están soportadas. Mientras que
los índices se utilizar para obtener caracteres individuales, las rebanadas te
permiten obtener partes de las cadenas de texto:

>>>

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

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

Nota cómo el inicio siempre se incluye y el final siempre se excluye. Esto

asegura que s[:i] + s[i:] siempre sea igual a s:

>>>

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

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

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'

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

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

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

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

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

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

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

>>>

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

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

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

satisfactoriamente cuando se usan para rebanar:

>>>

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

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

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

>>>

>>> word[0] = 'J'

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

Si necesitas una cadena diferente, deberías crear una nueva:

>>>

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

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

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

>>>

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

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

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

Las cadenas de texto soportan una gran cantidad de métodos para

transformaciones básicas y búsqueda.
Literales de cadena formateados

Literales de cadena que tienen expresiones embebidas.

Sintaxis de formateo de cadena

Aquí se da información sobre formateo de cadenas de texto

con [Link]().
Formateo de cadenas al estilo *printf*

Aquí se describen con más detalle las antiguas operaciones para

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

>>>

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

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

Al igual que las cadenas (y todas las demás tipos

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

>>>

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

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

Todas las operaciones de rebanado retornan una nueva

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

>>>

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

Las listas también admiten operaciones como

concatenación:

>>>

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

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

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

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

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

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

También puede agregar nuevos elementos al final de la

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

>>>

>>> [Link](216) # add the cube of 6

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

También es posible asignar a una rebanada, y esto

incluso puede cambiar la longitud de la lista o vaciarla
totalmente:

>>>

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

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

La función predefinida len() también sirve para las listas

>>>

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

>>> len(letters)
4

Es posible anidar listas (crear listas que contengan otras

listas), por ejemplo:

>>>

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

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

3.2. Primeros pasos hacia la

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

>>>

>>> # Fibonacci series:

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

 La primera línea contiene una asignación múltiple:

las variables a y b obtienen simultáneamente los
nuevos valores 0 y 1. En la última línea esto se usa
nuevamente, demostrando que las expresiones de
la derecha son evaluadas primero antes de que se
realice cualquiera de las asignaciones. Las
expresiones del lado derecho se evalúan de
izquierda a derecha.
 El bucle while se ejecuta mientras la condición
(aquí: a < 10) sea verdadera. En Python, como en
C, cualquier valor entero que no sea cero es
verdadero; cero es falso. La condición también
puede ser una cadena de texto o una lista, de
hecho, cualquier secuencia; cualquier cosa con una
longitud distinta de cero es verdadera, las
secuencias vacías son falsas. La prueba utilizada
en el ejemplo es una comparación simple. Los
operadores de comparación estándar se escriben
igual que en C: < (menor que), > (mayor
que), == (igual a), <= (menor que o igual
a), >= (mayor que o igual a) y != (distinto a).
 El cuerpo del bucle está indentado: la indentación
es la forma que usa Python para agrupar
declaraciones. En el intérprete interactivo debes
teclear un tabulador o espacio(s) para cada línea
indentada. En la práctica vas a preparar entradas
más complicadas para Python con un editor de
texto; todos los editores de texto modernos tienen
la facilidad de agregar la indentación
automáticamente. Cuando se ingresa una
instrucción compuesta de forma interactiva, se
debe finalizar con una línea en blanco para indicar
que está completa (ya que el analizador no puede
adivinar cuando tecleaste la última línea). Nota que
cada línea de un bloque básico debe estar
sangrada de la misma forma.
 La función print() escribe el valor de los
argumentos que se le dan. Difiere de simplemente
escribir la expresión que se quiere mostrar (como
 hicimos antes en los ejemplos de la calculadora) en
la forma en que maneja múltiples argumentos,
cantidades de punto flotante y cadenas. Las
cadenas de texto son impresas sin comillas y un
espacio en blanco se inserta entre los elementos,
así puedes formatear cosas de una forma
agradable:

>>>

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

El parámetro nombrado end puede usarse para

evitar el salto de linea al final de la salida, o
terminar la salida con una cadena diferente:

>>>

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

Notas al pie

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

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

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

mismo significado con simple('...') y dobles ("...") comillas. La
única diferencia entre las dos es que dentro de las comillas simples no
existe la necesidad de escapar " (pero tienes que escapar \') y
viceversa.
4. Más herramientas para control de
flujo¶
Además de la sentencia while que acabamos de introducir, Python soporta las
sentencias de control de flujo que podemos encontrar en otros lenguajes, con
algunos cambios.

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

>>>

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

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

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

palabra reservada “elif’es una abreviación de “else if”, y es útil para evitar un
sangrado excesivo. Una secuencia if … elif … elif … sustituye las
sentencias switch o case encontradas en otros lenguajes.

4.2. La sentencia for

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

>>> # Measure some strings:

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

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

# Strategy: Iterate over a copy

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

# Strategy: Create a new collection

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

4.3. La función range()

Si se necesita iterar sobre una secuencia de números, es apropiado utilizar la
función integrada range(), la cual genera progresiones aritméticas:

>>>

>>> for i in range(5):

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

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

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

>>>

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

[5, 6, 7, 8, 9]

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

[0, 3, 6, 9]

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

[-10, -40, -70]

Para iterar sobre los índices de una secuencia, puedes

combinar range() y len() así:

>>>

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

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

En la mayoría de los casos, sin embargo, conviene usar la

función enumerate(), mira Técnicas de iteración.

Algo extraño sucede si muestras un ` range`:

>>>

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

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

fuera una lista, pero no lo es. Es un objeto que retorna los ítems sucesivos de
la secuencia deseada cuando iteras sobre él, pero realmente no construye la
lista, ahorrando entonces espacio.
Decimos que tal objeto es iterable; esto es, que se puede usar en funciones y
construcciones que esperan algo de lo cual obtener ítems sucesivos hasta que
se termine. Hemos visto que la declaración for es una de esas construcciones,
mientras que un ejemplo de función que toma un iterable es la función sum():

>>>

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

Later we will see more functions that return iterables and take iterables as
arguments. In chapter Estructuras de datos, we will discuss in more detail
about list().

4.4. Las sentencias break, continue,

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

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

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

>>>

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

... for x in range(2, n):
... if n % x == 0:
... print(n, 'equals', x, '*', n//x)
... break
... else:
... # loop fell through without finding a factor
... print(n, 'is a prime number')
...
2 is a prime number
3 is a prime number
4 equals 2 * 2
5 is a prime number
6 equals 2 * 3
7 is a prime number
8 equals 2 * 4
9 equals 3 * 3
(Sí, este es el código correcto. Fíjate bien: el else pertenece al ciclo for, no
al if.)

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

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

iteración del ciclo:

>>>

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

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

4.5. La sentencia pass

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

>>>

>>> while True:

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

Se usa normalmente para crear clases en su mínima expresión:

>>>
>>> class MyEmptyClass:
... pass
...

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

>>>

>>> def initlog(*args):

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

4.6. Definiendo funciones

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

>>>

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

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

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

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

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

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

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

The actual parameters (arguments) to a function call are introduced in the local
symbol table of the called function when it is called; thus, arguments are passed
using call by value (where the value is always an object reference, not the value
of the object). 1 When a function calls another function, or calls itself
recursively, a new local symbol table is created for that call.

A function definition associates the function name with the function object in the
current symbol table. The interpreter recognizes the object pointed to by that
name as a user-defined function. Other names can also point to that same
function object and can also be used to access the function:

>>>

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

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

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

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

>>>

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

... """Return a list containing the Fibonacci series up
to n."""
... result = []
... a, b = 0, 1
... while a < n:
... [Link](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 [Link](a) llama a un método del objeto
lista result. Un método es una función que “pertenece” a un objeto y se
nombra [Link], dónde obj es algún objeto (puede ser una
expresión), y methodname es el nombre del método que está definido
por el tipo del objeto. Distintos tipos definen distintos métodos. Métodos
de diferentes tipos pueden tener el mismo nombre sin causar
ambigüedad. (Es posible definir tipos de objetos propios, y métodos,
usando clases, mira Clases). El método append() mostrado en el
ejemplo está definido para objetos lista; añade un nuevo elemento al
final de la lista. En este ejemplo es equivalente
a result = result + [a], pero más eficiente.
4.7. Más sobre definición de funciones
También es posible definir funciones con un número variable de argumentos.
Hay tres formas que pueden ser combinadas.

4.7.1. Argumentos con valores por omisión

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

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

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

Esta función puede ser llamada de distintas maneras:

 pasando sólo el argumento

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

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

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

función, en el ámbito de la definición, entonces:

i = 5

def f(arg=i):
print(arg)
i = 6
f()

…imprimirá `5.

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

def f(a, L=[]):

[Link](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 = []
[Link](a)
return L

4.7.2. Palabras claves como argumentos

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

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

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

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

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

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

…pero estas otras llamadas serían todas inválidas:

parrot() # required argument missing

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

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

>>>

>>> def function(a):

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

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

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

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

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

Puede ser llamada así:

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

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

…y por supuesto imprimirá:

-- Do you have any Limburger ?

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

Se debe notar que el orden en el cual los argumentos nombrados son impresos
está garantizado para coincidir con el orden en el cual fueron provistos en la
llamada a la función.
4.7.3. Parámetros especiales
Por defecto, los argumentos pueden enviarse a una función Python o bien por
posición o explícitamente por clave. Para legibilidad y rendimiento tiene sentido
restringir como se pueden enviar los argumentos, así un desarrollador
necesitará mirar solamente la definición de la función para determinar si los
argumentos se deben enviar por posición, por posición o clave, o por clave.

La definición de una función puede ser como la siguiente:

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

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

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

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

[Link]. 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.

[Link]. Parámetros únicamente posicionales

En detalle, es posible señalar algunos parámetros como únicamente

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

Los parámetros luego de una / pueden ser únicamente

posicionales o unicamente de palabras claves.

[Link]. Argumentos únicamente de palabras clave

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

[Link]. Ejemplos de Funciones

Considere el siguiente ejemplo de definiciones de funciones prestando especial

atención a los marcadores / y *:

>>>

>>> def standard_arg(arg):

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

La primer definición de función, standard_arg, la forma mas familiar, no

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

>>>

>>> standard_arg(2)
2

>>> standard_arg(arg=2)
2

La segunda función pos_only_arg está restringida a utilizar únicamente

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

>>>

>>> pos_only_arg(1)
1

>>> pos_only_arg(arg=1)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: pos_only_arg() got an unexpected keyword argument
'arg'

La tercer función kwd_only_args solo permite parámetros con palabras clave,

indicado por un * en la definición de la función:

>>>

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

>>> kwd_only_arg(arg=3)
3

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

>>>

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

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

1 2 3

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

1 2 3

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

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: combined_example() got an unexpected keyword
argument '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
There is no possible call that will make it return True as the
keyword 'name' will always bind to the first parameter. For example:

>>>

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

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

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

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

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

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

En otras palabras, los nombres de parámetros únicamente posicionales pueden

ser utilizados en **kwds sin ambigüedad.

[Link]. Resumen

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

función:

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

A modo de guía:

 Utilice únicamente posicionales si quiere que el nombre del parámetro

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

def write_multiple_items(file, separator, *args):

[Link]([Link](args))

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

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

>>>

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

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

4.7.5. Desempaquetando una lista de argumentos

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

>>>

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

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

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

>>>

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

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

4.7.6. 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')]
>>> [Link](key=lambda pair: pair[1])
>>> pairs
[(4, 'four'), (1, 'one'), (3, 'three'), (2, 'two')]

4.7.7. Cadenas de texto de documentación

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

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

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

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

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

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

Este es un ejemplo de un docstring multi-línea:

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

No, really, it doesn't do anything.

4.7.8. Anotación de funciones

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

Annotations are stored in the __annotations__ attribute of the function as a

dictionary and have no effect on any other part of the function. Parameter
annotations are defined by a colon after the parameter name, followed by an
expression evaluating to the value of the annotation. Return annotations are
defined by a literal ->, followed by an expression, between the parameter list
and the colon denoting the end of the def statement. The following example
has a required argument, an optional argument, and the return value annotated:

>>>

>>> 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'

4.8. Intermezzo: Estilo de codificación

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

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

 Usar sangrías de 4 espacios, no tabuladores.

4 espacios son un buen compromiso entre una sangría pequeña

(permite mayor nivel de sangrado)y una sangría grande (más fácil de
leer). Los tabuladores introducen confusión y es mejor dejarlos de lado.
 Recortar las líneas para que no superen los 79 caracteres.

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

Notas al pie

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).

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

5.1. Más sobre listas

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

[Link](x)

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

[Link](iterable)

Extiende la lista agregándole todos los ítems del iterable. Equivale

a a[len(a):] = iterable.

[Link](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 [Link](0, x) inserta al principio de la lista
y [Link](len(a), x) equivale a [Link](x).

[Link](x)

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

un ValueError si no existe tal ítem.

[Link]([i])

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

especifica un índice, [Link]() 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.)

[Link]()

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

[Link](x[, start[, end]])

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

Los argumentos opcionales start y end son interpretados como la

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

[Link](x)

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

[Link](*, 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).

[Link]()

Invierte los elementos de la lista in situ.

[Link]()

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']
>>> [Link]('apple')
2
>>>
[Link]('tangerine')
0
>>>
[Link]('banana')
3
>>>
[Link]('banana', 4)
# Find next banana
starting a position 4
6
>>> [Link]()
>>> fruits
['banana', 'apple',
'kiwi', 'banana', 'pear',
'apple', 'orange']
>>>
[Link]('grape')
>>> fruits
['banana', 'apple',
'kiwi', 'banana', 'pear',
'apple', 'orange',
'grape']
>>> [Link]()
>>> fruits
['apple', 'apple',
'banana', 'banana',
'grape', 'kiwi',
'orange', 'pear']
>>> [Link]()
'pear'

Quizás hayas notado que

métodos
como insert`, remove o sort qu
e únicamente modifican la lista
no tienen impreso un valor de
retorno – retornan el valor por
defecto None. 1 Esto es un
principio de diseño para todas
las estructuras de datos
mutables en Python.
Otra cosa que puedes observar
es que no todos los datos se
pueden ordenar o comparar. Por
ejemplo, [None, 'hello', 10
] no se puede ordenar ya que
los enteros no se pueden
comparar con strings y None no
se puede comparar con los otros
tipos. También hay algunos tipos
que no tienen una relación de
orden definida. Por
ejemplo, 3+4j < 5+7j no es
una comparación válida.

5.1.1. Usando listas

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

>>>

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

>>> [Link](6)
>>> [Link](7)
>>> stack
[3, 4, 5, 6, 7]
>>> [Link]()
7
>>> stack
[3, 4, 5, 6]
>>> [Link]()
6
>>> [Link]()
5
>>> stack
[3, 4]

5.1.2. Usando listas

como colas
También es posible usar una
lista como una cola, donde el
primer elemento añadido es el
primer elemento retirado
(«primero en entrar, primero en
salir»); sin embargo, las listas no
son eficientes para este
propósito. Agregar y sacar del
final de la lista es rápido, pero
insertar o sacar del comienzo de
una lista es lento (porque todos
los otros elementos tienen que
ser desplazados por uno).

Para implementar una cola,

utiliza [Link] 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"])
>>> [Link]("Terry")
# Terry arrives
>>>
[Link]("Graham")
# Graham arrives
>>> [Link]()
# The first to arrive now
leaves
'Eric'
>>> [Link]()
# 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):
...
[Link](x**2)
...
>>> squares
[0, 1, 4, 9, 16, 25, 36,
49, 64, 81]

Nota que esto crea (o

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

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

o, un equivalente:

squares = [x**2 for x in

range(10)]

que es más conciso y legible.

Una lista de comprensión

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

>>>

>>> [(x, y) for x in

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

y es equivalente a:

>>>

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

Notá como el orden de

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

Si la expresión es una tupla

(como el (x, y) en el ejemplo
anterior), debe estar entre
paréntesis.

>>>

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

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

Las comprensiones de listas

pueden contener expresiones
complejas y funciones anidadas:

>>>

>>> from math import pi

>>> [str(round(pi, i))
for i in range(1, 6)]
['3.1', '3.14', '3.142',
'3.1416', '3.14159']
5.1.4. Listas por
comprensión
anidadas
La expresión inicial de una
comprensión de listas puede ser
cualquier expresión arbitraria,
incluyendo otra comprensión de
listas.

Considerá el siguiente ejemplo

de una matriz de 3x4
implementada como una lista de
tres listas de largo 4:

>>>

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

La siguiente comprensión de
lista transpondrá las filas y
columnas:

>>>

>>> [[row[i] for row in

matrix] for i in
range(4)]
[[1, 5, 9], [2, 6, 10],
[3, 7, 11], [4, 8, 12]]

Como vimos en la sección

anterior, la lista de comprensión
anidada se evalúa en el contexto
del for que lo sigue, por lo que
este ejemplo equivale a:

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

En el mundo real, deberías

preferir funciones predefinidas a
declaraciones con flujo complejo.
La función zip() haría un buen
trabajo para este caso de uso:

>>>

>>> list(zip(*matrix))
[(1, 5, 9), (2, 6, 10),
(3, 7, 11), (4, 8, 12)]
Ver Desempaquetando una lista
de argumentos para detalles en
el asterisco de esta línea.

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

>>>

>>> a = [-1, 1, 66.25,

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

del puede usarse también para

eliminar variables:

>>>

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

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

Una tupla consiste de un número

de valores separados por comas,
por ejemplo:

>>>

>>> t = 12345, 54321,

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

Como puedes ver, en la salida

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

A pesar de que las tuplas

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

Un problema particular es la
construcción de tuplas que
contengan 0 o 1 ítem: la sintaxis
presenta algunas peculiaridades
para estos casos. Las tuplas
vacías se construyen mediante
un par de paréntesis vacío; una
tupla con un ítem se construye
poniendo una coma a
continuación del valor (no
alcanza con encerrar un único
valor entre paréntesis). Feo, pero
efectivo. Por ejemplo:

>>>

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

La
declaración t = 12345, 54321
, 'hola!' es un ejemplo
de empaquetado de tuplas: los
valores 12345, 54321 y 'hola!
' se empaquetan juntos en una
tupla. La operación inversa
también es posible:

>>>
>>> x, y, z = t

Esto se llama,
apropiadamente, desempaqueta
do de secuencias, y funciona
para cualquier secuencia en el
lado derecho del igual. El
desempaquetado de secuencias
requiere que la cantidad de
variables a la izquierda del signo
igual sea el tamaño de la
secuencia. Notá que la
asignación múltiple es en
realidad sólo una combinación
de empaquetado de tuplas y
desempaquetado de secuencias.

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

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

>>>

>>> basket = {'apple',

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

>>> # Demonstrate set

operations on unique
letters from two words
...
>>> a =
set('abracadabra')
>>> b = set('alacazam')
>>> a
# unique letters in a
{'a', 'r', 'b', 'c', 'd'}
>>> a - b
# letters in a but not in
b
{'r', 'd', 'b'}
>>> a | b
# letters in a or b or
both
{'a', 'c', 'r', 'd', 'b',
'm', 'z', 'l'}
>>> a & b
# letters in both a and b
{'a', 'c'}
>>> a ^ b
# letters in a or b but
not both
{'r', 'd', 'b', 'm', 'z',
'l'}
De forma similar a
las comprensiones de listas, está
también soportada la
comprensión de conjuntos:

>>>

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

5.5. Diccionarios
Otro tipo de dato útil incluido en
Python es
el diccionario (ver Tipos Mapa —
dict). Los diccionarios se
encuentran a veces en otros
lenguajes como «memorias
asociativas» o «arreglos
asociativos». A diferencia de las
secuencias, que se indexan
mediante un rango numérico, los
diccionarios se indexan
con claves, que pueden ser
cualquier tipo inmutable; las
cadenas y números siempre
pueden ser claves. Las tuplas
pueden usarse como claves si
solamente contienen cadenas,
números o tuplas; si una tupla
contiene cualquier objeto
mutable directa o indirectamente,
no puede usarse como clave. No
podés usar listas como claves,
ya que las listas pueden
modificarse usando asignación
por índice, asignación por
sección, o métodos
como append() y extend().
Es mejor pensar en un
diccionario como un conjunto de
pares clave:valor con el
requerimiento de que las claves
sean únicas (dentro de un
diccionario). Un par de llaves
crean un diccionario vacío: {}.
Colocar una lista de pares
clave:valor separada por comas
dentro de las llaves agrega, de
inicio, pares clave:valor al
diccionario; esta es, también, la
forma en que los diccionarios se
muestran en la salida.

Las operaciones principales

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

Ejecutando list(d) en un
diccionario retornará una lista
con todas las claves usadas en
el diccionario, en el orden de
inserción (si deseas que esté
ordenada simplemente
usa sorted(d) en su lugar).
Para comprobar si una clave
está en el diccionario usa la
palabra clave in.

Un pequeño ejemplo de uso de

un diccionario:
>>>

>>> tel = {'jack': 4098,

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

El constructor dict() crea un

diccionario directamente desde
secuencias de pares clave-valor:

>>>

>>> dict([('sape', 4139),

('guido', 4127), ('jack',
4098)])
{'sape': 4139, 'guido':
4127, 'jack': 4098}

Además, las comprensiones de

diccionarios se pueden usar para
crear diccionarios desde
expresiones arbitrarias de clave
y valor:

>>>

>>> {x: x**2 for x in (2,

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

Cuando las claves son cadenas

simples, a veces resulta más
fácil especificar los pares usando
argumentos por palabra clave:

>>>

>>> dict(sape=4139,
guido=4127, jack=4098)
{'sape': 4139, 'guido':
4127, 'jack': 4098}

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

>>>

>>> knights =
{'gallahad': 'the pure',
'robin': 'the brave'}
>>> for k, v in
[Link]():
... print(k, v)
...
gallahad the pure
robin the brave

Cuando se itera sobre una

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

>>>
>>> for i, v in
enumerate(['tic', 'tac',
'toe']):
... print(i, v)
...
0 tic
1 tac
2 toe

Para iterar sobre dos o más

secuencias al mismo tiempo, los
valores pueden emparejarse con
la función zip().

>>>

>>> questions = ['name',

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

Para iterar sobre una secuencia

en orden inverso, se especifica
primero la secuencia al derecho
y luego se llama a la
función reversed().

>>>
>>> for i in
reversed(range(1, 10,
2)):
... print(i)
...
9
7
5
3
1

Para iterar sobre una secuencia

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

>>>

>>> basket = ['apple',

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

Using set() on a sequence

eliminates duplicate elements.
The use of sorted() in
combination with set() over a
sequence is an idiomatic way to
loop over unique elements of the
sequence in sorted order.

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

A veces uno intenta cambiar una

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

>>>

>>> import math

>>> raw_data = [56.2,
float('NaN'), 51.7, 55.3,
52.5, float('NaN'), 47.8]
>>> filtered_data = []
>>> for value in
raw_data:
... if not
[Link](value):
...
filtered_data.append(valu
e)
...
>>> 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 puede
n contener cualquier operador,
no sólo comparaciones.
The comparison
operators in and not in check
whether a value occurs (does not
occur) in a sequence. The
operators is and is not compa
re whether two objects are really
the same object. All comparison
operators have the same priority,
which is lower than that of all
numerical operators.

Las comparaciones pueden

encadenarse. Por
ejemplo, a < b == c verifica
si a es menor que b y además
si b es igual a c.

Las comparaciones pueden

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

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

Es posible asignar el resultado

de una comparación u otra
expresión booleana a una
variable. Por ejemplo,

>>>

>>> string1, string2,

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

Nota que en Python, a diferencia

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

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

Observá que comparar objetos

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

Notas al pie

Otros lenguajes podrían retornar un objeto mutado, que permite

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

6. Módulos
Si sales del intérprete de Python y vuelves a entrar, las definiciones que habías
hecho (funciones y variables) se pierden. Por lo tanto, si quieres escribir un
programa más o menos largo, es mejor que utilices un editor de texto para
preparar la entrada para el intérprete y ejecutarlo con ese archivo como
entrada. Esto se conoce como crear un script. A medida que tu programa
crezca, quizás quieras separarlo en varios archivos para que el mantenimiento
sea más sencillo. Quizás también quieras usar una función útil que has escrito
en distintos programas sin copiar su definición en cada programa.
Para soportar esto, Python tiene una manera de poner definiciones en un
archivo y usarlos en un script o en una instancia del intérprete. Este tipo de
ficheros se llama módulo; las definiciones de un módulo pueden
ser importadas a otros módulos o al módulo principal (la colección de variables
a las que tienes acceso en un script ejecutado en el nivel superior y en el modo
calculadora).

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

El nombre de archivo es el nombre del módulo con el sufijo .py agregado.
Dentro de un módulo, el nombre del mismo módulo (como cadena) está
disponible en el valor de la variable global __name__. Por ejemplo, utiliza tu
editor de texto favorito para crear un archivo llamado [Link] 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:
[Link](a)
a, b = b, a+b
return result

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

comando:

>>>

>>> import fibo

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

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

>>>
>>> [Link](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 = [Link]

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

6.1. Más sobre los módulos

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

Cada módulo tiene su propio espacio de nombres, el cual es usado como

espacio de nombres global para todas las funciones definidas en el módulo.
Por lo tanto, el autor de un módulo puede usar variables globales en el módulo
sin preocuparse acerca de conflictos con una variable global del usuario. Por
otro lado, si sabes lo que estás haciendo puedes acceder a las variables
globales de un módulo con la misma notación usada para referirte a sus
funciones, [Link].

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

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

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

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

>>>

>>> from fibo import fib, fib2

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

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

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

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

>>>

>>> from fibo import *

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

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

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

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

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

ligado directamente al módulo importado.

>>>

>>> import fibo as fib

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

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

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

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

>>>

>>> from fibo import fib as fibonacci

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

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

python [Link] <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([Link][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 [Link] 50
0 1 1 2 3 5 8 13 21 34

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

>>>

>>> import fibo

>>>

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

conveniente, o para propósitos de prueba (ejecutar el módulo como un script
ejecuta el juego de pruebas).
6.1.2. El camino de búsqueda de los módulos
Cuando se importa un módulo llamado spam, el intérprete busca primero por un
módulo con ese nombre que esté integrado en el intérprete. Si no lo encuentra,
entonces busca un archivo llamado [Link] en una lista de directorios
especificada por la variable [Link]. [Link] 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).
 La instalación de dependencias por defecto.
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 [Link].

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

6.1.3. Archivos «compilados» de Python

Para acelerar la carga de módulos, Python cachea las versiones compiladas de
cada módulo en el directorio __pycache__ bajo el
nombre [Link], 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 [Link] sería
cacheada como __pycache__/[Link]. Este convención de
nombre permite compilar módulos desde diferentes releases y versiones de
Python para coexistir.

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

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

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

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

Algunos consejos para expertos:

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

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

>>> import sys

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

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

interactivo.

La variable [Link] 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

>>> [Link]('/ufs/guido/lib/python')

6.3. La función dir()

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

>>>

>>> import fibo, sys

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

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

>>>

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

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

>>>

>>> import builtins

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

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

Supongamos que quieres designar una colección de módulos (un «paquete»)

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

sound/ Top-level package

__init__.py Initialize the sound package
formats/ Subpackage for file format
conversions
__init__.py
 [Link]
[Link]
[Link]
[Link]
[Link]
[Link]
...
effects/ Subpackage for sound effects
__init__.py
[Link]
[Link]
[Link]
...
filters/ Subpackage for filters
__init__.py
[Link]
[Link]
[Link]
...

Al importar el paquete, Python busca a través de los directorios en [Link],

buscando el sub-directorio del paquete.

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

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

import [Link]

Esto carga el submódulo [Link]. Debe hacerse referencia al

mismo con el nombre completo.

[Link](input, output, delay=0.7,

atten=4)

Otra alternativa para importar el submódulo es:

from [Link] import echo

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

paquete, por lo que puede usarse así:

[Link](input, output, delay=0.7, atten=4)

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

from [Link] import echofilter

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

la función echofilter():

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

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

Por otro lado, cuando se usa la sintaxis

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

6.4.1. Importando * desde un paquete

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

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

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

Esto significaría que from [Link] import * importaría esos tres

submódulos del paquete sound.

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

import [Link]
import [Link]
from [Link] import *

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

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

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

Recuerda, ¡no hay nada malo al

usar from package import specific_submodule! De hecho, esta es la
notación recomendada a menos que el módulo que importamos necesite usar
submódulos con el mismo nombre desde un paquete diferente.
6.4.2. Referencias internas en paquetes
Cuando se estructuran los paquetes en sub-paquetes (como en el
ejemplo sound), puedes usar import absolutos para referirte a submódulos de
paquetes hermanos. Por ejemplo, si el
módulo [Link] necesita usar el módulo echo en el
paquete [Link], puede hacer from [Link] import echo.

También puedes escribir import relativos con la

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

from . import echo

from .. import formats
from ..filters import equalizer

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

6.4.3. Paquetes en múltiples directorios

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

Aunque esta característica no se necesita frecuentemente, puede usarse para

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

Notas al pie

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

que se «ejecutan»; la ejecución de una definición de función a nivel de
módulo, ingresa el nombre de la función en el espacio de nombres
global del módulo.
7. Entrada y salida
Hay diferentes métodos de presentar la salida de un programa; los datos
pueden ser impresos de una forma legible por humanos, o escritos a un archivo
para uso futuro. Este capítulo discutirá algunas de las posibilidades.

7.1. Formateo elegante de la salida

Hasta ahora encontramos dos maneras de escribir valores: declaraciones de
expresión y la función print(). (Una tercera manera es usando el
método write() de los objetos tipo archivo; el archivo de salida estándar
puede referenciarse como [Link]. Mirá la Referencia de la Biblioteca
para más información sobre esto).

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

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

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

>>>

>>> year = 2016

>>> event = 'Referendum'
>>> f'Results of the {year} {event}'
'Results of the 2016 Referendum'
 El método [Link]() requiere más esfuerzo manual. Se seguirá
usando { y } para marcar dónde se sustituirá una variable y puede
proporcionar directivas de formato detalladas, pero también se debe
proporcionar la información de lo que se va a formatear.

>>>

>>> yes_votes = 42_572_654

>>> no_votes = 43_132_495
>>> percentage = yes_votes / (yes_votes + no_votes)
>>> '{:-9} YES votes {:2.2%}'.format(yes_votes,
percentage)
 ' 42572654 YES votes 49.67%'
 Por último, puede realizar todo el control de cadenas usted mismo
mediante operaciones de concatenación y segmentación de cadenas
para crear cualquier diseño que se pueda imaginar. El tipo de cadena
tiene algunos métodos que realizan operaciones útiles para rellenar
cadenas a un ancho de columna determinado.

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

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

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

Algunos ejemplos:

>>>

>>> s = 'Hello, world.'

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

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

7.1.1. Formatear cadenas literales

Formatted string literals (también llamados f-strings para abreviar) le permiten
incluir el valor de las expresiones de Python dentro de una cadena prefijando la
cadena con f o F y escribiendo expresiones como {expresion}.

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

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

>>>

>>> import math

>>> print(f'The value of pi is approximately {[Link]:.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 [Link]():
... print(f'{name:10} ==> {phone:10d}')
...
Sjoerd ==> 4127
Jack ==> 4098
Dcab ==> 7678

Se pueden utilizar otros modificadores para convertir el valor antes de

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

>>>

>>> animals = 'eels'

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

Para obtener una referencia sobre estas especificaciones de formato, consulte

la guía de referencia para Especificación de formato Mini-Lenguaje.

7.1.2. El método format() de cadenas

El uso básico del método [Link]() 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 [Link](). Un
número en las llaves se refiere a la posición del objeto pasado en el
método [Link]().

>>>

>>> 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 [Link](), 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.

If you have a really long format string that you don’t want to split up, it would be
nice if you could reference the variables to be formatted by name instead of by
position. This can be done by simply passing the dict and using square
brackets '[]' to access the keys.

>>>

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

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

Esto se podría hacer, también, pasando la tabla como argumentos nombrados

con la notación “**”.

>>>

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

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

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

que retorna un diccionario conteniendo todas las variables locales.

Como ejemplo, las siguientes lineas producen un conjunto de columnas

alineadas ordenadamente que dan enteros y sus cuadrados y cubos:

>>>

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

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

Para una completa descripción del formateo de cadenas con [Link](),

mirá en Formato de cadena de caracteres personalizado.

7.1.3. Formateo manual de cadenas

Aquí está la misma tabla de cuadrados y cubos, formateados manualmente:

>>>

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

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

(Resaltar que el espacio existente entre cada columna es añadido debido a

como funciona print(): siempre añade espacios entre sus argumentos).

El método [Link]() 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 [Link]() y [Link](). Estos métodos
no escriben nada, simplemente retornan una nueva cadena. Si la cadena de
entrada es demasiado larga no la truncarán sino que la retornarán sin cambios;
esto desordenará la disposición de la columna que es, normalmente, mejor que
la alternativa, la cual podría dejar sin usar un valor. (Si realmente deseas
truncado siempre puedes añadir una operación de rebanado, como
en [Link](n)[:n].)
Hay otro método, [Link](), el cual rellena una cadena numérica a la
izquierda con ceros. Entiende signos positivos y negativos:

>>>

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

7.1.4. Viejo formateo de cadenas

The % operator (modulo) can also be used for string formatting.
Given 'string' % values, instances of % in string are replaced with zero
or more elements of values. This operation is commonly known as string
interpolation. For example:

>>>

>>> import math

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

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

*printf*.

7.2. Leyendo y escribiendo archivos

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

>>>

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

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

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

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

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

Es una buena práctica usar la declaración with cuando manejamos objetos

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

>>>

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

... read_data = [Link]()

>>> # We can check that the file has been automatically

closed.
>>> [Link]
True

If you’re not using the with keyword, then you should call [Link]() to close
the file and immediately free up any system resources used by it.

Advertencia

Calling [Link]() without using the with keyword or

calling [Link]() might result in the arguments of [Link]() not being
completely written to the disk, even if the program exits successfully.
Después de que un objeto de archivo es cerrado, ya sea por with o llamando
a [Link](), intentar volver a utilizarlo fallará automáticamente:

>>>

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

7.2.1. Métodos de los objetos Archivo

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

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

>>>

>>> [Link]()
'This is the entire file.\n'
>>> [Link]()
''

[Link]() 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 [Link]() 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.

>>>

>>> [Link]()
'This is the first line of the file.\n'
>>> [Link]()
'Second line of the file\n'
>>> [Link]()
''

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

>>>

>>> for line in f:

... print(line, end='')
...
This is the first line of the file.
Second line of the file

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

[Link](cadena) escribe el contenido de la cadena al archivo, retornando la

cantidad de caracteres escritos.

>>>

>>> [Link]('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
>>> [Link](s)
18

[Link]() 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 [Link](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+')

>>> [Link](b'0123456789abcdef')
16
>>> [Link](5) # Go to the 6th byte in the file
5
>>> [Link](1)
b'5'
>>> [Link](-3, 2) # Go to the 3rd byte before the end
13
>>> [Link](1)
b'd'

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

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

Los objetos archivo tienen algunos métodos más,

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

7.2.2. Guardar datos estructurados con json

Las cadenas pueden fácilmente escribirse y leerse de un archivo. Los números

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

En lugar de tener a los usuarios constantemente escribiendo y debugueando

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

Nota

El formato JSON es comúnmente usando por aplicaciones modernas para

permitir el intercambio de datos. Muchos programadores ya están
familiarizados con él, lo cual lo convierte en una buena opción para la
interoperabilidad.

Si tienes un objeto x, puedes ver su representación JSON con una simple línea
de código:

>>>

>>> import json

>>> x = [1, 'simple', 'list']
>>> [Link](x)
'[1, "simple", "list"]'

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

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

[Link](x, f)

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

fue abierto para lectura:

x = [Link](f)

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

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

Ver también

pickle - El módulo pickle

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

8. Errores y excepciones¶
Hasta ahora los mensajes de error apenas habían sido mencionados, pero si
has probado los ejemplos anteriores probablemente hayas visto algunos. Hay
(al menos) dos tipos diferentes de errores: errores de sintaxis y excepciones.

8.1. Errores de sintaxis

Los errores de sintaxis, también conocidos como errores de interpretación, son
quizás el tipo de queja más común que tenés cuando todavía estás
aprendiendo Python:

>>>

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

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

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

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

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

>>>

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

La última línea de los mensajes de error indica qué ha sucedido. Hay

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

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

la causó.

The preceding part of the error message shows the context where the exception
occurred, in the form of a stack traceback. In general it contains a stack
traceback listing source lines; however, it will not display lines read from
standard input.

Excepciones incorporadas lista las excepciones predefinidas y sus significados.

8.3. Gestionando excepciones

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

>>>

>>> while True:

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

La declaración 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 el resto
de la cláusula se omite. Entonces, si el tipo de excepción coincide con la
excepción indicada después de la except, la cláusula except se ejecuta,
y la ejecución continua después de la try.
 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 un except, para especificar gestores
para distintas excepciones. A lo sumo un bloque será ejecutado. Sólo se
gestionarán excepciones que ocurren en el correspondiente try, no en otros
bloques del mismo try. Un except puede nombrar múltiples excepciones
usando paréntesis, por ejemplo:

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

... pass

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

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

class C(B):
pass

class D(C):
pass

for cls in [B, C, D]:

try:
raise cls()
except D:
print("D")
except C:
print("C")
except B:
print("B")

Nótese que si las cláusulas except estuvieran invertidas

(con except B primero), habría impreso B, B, B — se usa la primera
cláusula except coincidente.

El último except puede omitir el nombre de la excepción capturada y servir

como comodín. Se debe usar esta posibilidad con extremo cuidado, ya que de
esta manera es fácil ocultar un error real de programación. También puede
usarse para mostrar un mensaje de error y luego re-generar la excepción
(permitiéndole al que llama, gestionar también la excepción):

import sys

try:
f = open('[Link]')
s = [Link]()
i = int([Link]())
except OSError as err:
print("OS error: {0}".format(err))
except ValueError:
print("Could not convert data to an integer.")
except:
print("Unexpected error:", sys.exc_info()[0])
raise
Las declaraciones try … except tienen un bloque else opcional, el cual,
cuando está presente, debe seguir a los except. Es útil para aquel código que
debe ejecutarse si el bloque try no genera una excepción. Por ejemplo:

for arg in [Link][1:]:

try:
f = open(arg, 'r')
except OSError:
print('cannot open', arg)
else:
print(arg, 'has', len([Link]()), 'lines')
[Link]()

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

cláusula try porque evita capturar accidentalmente una excepción que no fue
generada por el código que está protegido por la declaración try … except.

Cuando ocurre una excepción, puede tener un valor asociado, también

conocido como el argumento de la excepción. La presencia y el tipo de
argumento depende del tipo de excepción.

La cláusula except puede especificar una variable después del nombre de

excepción. La variable se vincula a una instancia de la excepción con los
argumentos almacenados en [Link]. Por conveniencia, la instancia
de excepción define __str__() para que se pueda mostrar los argumentos
directamente, sin necesidad de hacer referencia a .args. También se puede
instanciar la excepción primero, antes de generarla, y agregarle los atributos
que se desee:

>>>

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

Si una excepción tiene argumentos, estos se imprimen como en la parte final

(el “detalle”) del mensaje para las excepciones no gestionadas (“Unhandled
exception”).

Los gestores de excepciones no se encargan solamente de las excepciones

que ocurren en el bloque try, también gestionan las excepciones que ocurren
dentro de las funciones que se llaman (inclusive indirectamente) dentro
del bloque try. Por ejemplo:

>>>

>>> def this_fails():

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

8.4. Lanzando excepciones

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

>>>

>>> raise NameError('HiThere')

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

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

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

raise ValueError # shorthand for 'raise ValueError()'

Si es necesario determinar si una excepción fue lanzada pero sin intención de
gestionarla, una versión simplificada de la instrucción raise te permite
relanzarla:

>>>

>>> try:
... raise NameError('HiThere')
... except NameError:
... print('An exception flew by!')
... raise
...
An exception flew by!
Traceback (most recent call last):
File "<stdin>", line 2, in <module>
NameError: HiThere

8.5. Exception Chaining

The raise statement allows an optional from which enables chaining
exceptions. For example:

# exc must be exception instance or None.

raise RuntimeError from exc

This can be useful when you are transforming exceptions. For example:

>>>

>>> def func():

... raise IOError
...
>>> try:
... func()
... except IOError 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
OSError

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

Exception chaining happens automatically when an exception is raised inside

an except or finally section. Exception chaining can be disabled by
using from None idiom:

>>>

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

For more information about chaining mechanics, see Excepciones

incorporadas.

8.6. Excepciones definidas por el usuario

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

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. Al crear un módulo que puede lanzar
varios errores distintos, una práctica común es crear una clase base para
excepciones definidas en ese módulo y extenderla para crear clases
excepciones específicas para distintas condiciones de error:

class Error(Exception):
"""Base class for exceptions in this module."""
pass

class InputError(Error):
"""Exception raised for errors in the input.
 Attributes:
expression -- input expression in which the error
occurred
message -- explanation of the error
"""

def __init__(self, expression, message):

[Link] = expression
[Link] = message

class TransitionError(Error):
"""Raised when an operation attempts a state transition
that's not
allowed.

Attributes:
previous -- state at beginning of transition
next -- attempted new state
message -- explanation of why the specific transition
is not allowed
"""

def __init__(self, previous, next, message):

[Link] = previous
[Link] = next
[Link] = message

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

de manera similar a la nomenclatura de las excepciones estándar.

Muchos módulos estándar definen sus propias excepciones para reportar

errores que pueden ocurrir en funciones propias. Se puede encontrar más
información sobre clases en el capítulo Clases.

8.7. Definiendo acciones de limpieza

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

>>>

>>> try:
... raise KeyboardInterrupt
... finally:
... print('Goodbye, world!')
...
Goodbye, world!
KeyboardInterrupt
Traceback (most recent call last):
File "<stdin>", line 2, in <module>

Si una cláusula finally está presente, el bloque finally se ejecutará al final

antes de que todo el bloque try se complete. La cláusula finally se ejecuta
independientemente de que la cláusula try produzca o no una excepción. Los
siguientes puntos explican casos más complejos en los que se produce una
excepción:

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

excepción podría ser gestionada por una cláusula except. Si la
excepción no es gestionada por una cláusula except, la excepción es
relanzada después de que se ejecute el bloque de la cláusula finally.
 Podría aparecer una excepción durante la ejecución de una
cláusula except o else. De nuevo, la excepción será relanzada
después de que el bloque de la cláusula finally se ejecute.
 If the finally clause executes
a break, continue or return statement, exceptions are not re-raised.
 Si el bloque try llega a una sentencia break, continue o return, la
cláusula finally se ejecutará justo antes de la ejecución de dicha
sentencia.
 Si una cláusula finally incluye una sentencia return, el valor
retornado será el de la cláusula finally, no la del de la
sentencia return de la cláusula try.

Por ejemplo:

>>>

>>> def bool_return():

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

Un ejemplo más complicado:

>>>

>>> def divide(x, y):

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

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

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

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

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

8.8. Acciones predefinidas de limpieza

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

for line in open("[Link]"):

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("[Link]") as f:
for line in f:
print(line, end="")

Una vez que la declaración se ejecuta, el fichero f siempre se cierra, incluso si

aparece algún error durante el procesado de las líneas. Los objetos que, como
los ficheros, posean acciones predefinidas de limpieza lo indicarán en su
documentación.

9. Clases
Las clases proveen una forma de empaquetar datos y funcionalidad juntos. Al
crear una nueva clase, se crea un nuevo tipo de objeto, permitiendo crear
nuevas instancias de ese tipo. Cada instancia de clase puede tener atributos
adjuntos para mantener su estado. Las instancias de clase también pueden
tener métodos (definidos por su clase) para modificar su estado.

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

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

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

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

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

9.1. Unas palabras sobre nombres y objetos

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

9.2. Ámbitos y espacios de nombres en

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

Comencemos con unas definiciones.

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

Por cierto, yo uso la palabra atributo para cualquier cosa después de un punto;
por ejemplo, en la expresión [Link], real es un atributo del objeto z.
Estrictamente hablando, las referencias a nombres en módulos son referencias
a atributos: en la expresión [Link], modulo es un objeto módulo
y funcion es un atributo de éste. En este caso hay una relación directa entre
los atributos del módulo y los nombres globales definidos en el módulo: ¡están
compartiendo el mismo espacio de nombres! 1

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

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

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

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

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

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

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

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

Although scopes are determined statically, they are used dynamically. At any
time during execution, there are 3 or 4 nested scopes whose namespaces are
directly accessible:

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

nombres locales
 los alcances de las funciones que encierran a la función actual, que son
inspeccionados a partir del alcance más cercano, contienen nombres no
locales, pero también no globales
 el penúltimo alcance contiene nombres globales del módulo actual
 el alcance más externo (el último inspeccionado) es el espacio de
nombres que contiene los nombres integrados

Si un nombre se declara como global, entonces todas las referencias y

asignaciones al mismo van directo al ámbito intermedio que contiene los
nombres globales del módulo. Para reasignar nombres encontrados afuera del
ámbito más interno, se puede usar la declaración nonlocal; si no se declara
nonlocal, esas variables serán de sólo lectura (un intento de escribir a esas
variables simplemente crea una nueva variable local en el ámbito interno,
dejando intacta la variable externa del mismo nombre).

Habitualmente, el ámbito local referencia los nombres locales de la función

actual. Fuera de una función, el ámbito local referencia al mismo espacio de
nombres que el ámbito global: el espacio de nombres del módulo. Las
definiciones de clases crean un espacio de nombres más en el ámbito local.

Es importante notar que los alcances se determinan textualmente: el ámbito

global de una función definida en un módulo es el espacio de nombres de ese
módulo, no importa desde dónde o con qué alias se llame a la función. Por otro
lado, la búsqueda de nombres se hace dinámicamente, en tiempo de ejecución;
sin embargo, la definición del lenguaje está evolucionando a hacer resolución
de nombres estáticamente, en tiempo de «compilación», ¡así que no te confíes
de la resolución de nombres dinámica! (De hecho, las variables locales ya se
determinan estáticamente.)
Una peculiaridad especial de Python es que, si no hay una
declaración global o nonlocal en efecto, las asignaciones a nombres
siempre van al ámbito interno. Las asignaciones no copian datos, solamente
asocian nombres a objetos. Lo mismo cuando se borra: la
declaración del x quita la asociación de x del espacio de nombres
referenciado por el ámbito local. De hecho, todas las operaciones que
introducen nuevos nombres usan el ámbito local: en particular, las
instrucciones import y las definiciones de funciones asocian el módulo o
nombre de la función al espacio de nombres en el ámbito local.

La declaración global puede usarse para indicar que ciertas variables viven
en el ámbito global y deberían reasignarse allí; la declaración nonlocal indica
que ciertas variables viven en un ámbito encerrado y deberían reasignarse allí.

9.2.1. Ejemplo de ámbitos y espacios de nombre

Este es un ejemplo que muestra como hacer referencia a distintos ámbitos y
espacios de nombres, y cómo las declaraciones global y nonlocal afectan la
asignación de variables:

def scope_test():
def do_local():
spam = "local spam"

def do_nonlocal():
nonlocal spam
spam = "nonlocal spam"

def do_global():
global spam
spam = "global spam"

spam = "test spam"

do_local()
print("After local assignment:", spam)
do_nonlocal()
print("After nonlocal assignment:", spam)
do_global()
print("After global assignment:", spam)

scope_test()
print("In global scope:", spam)

El resultado del código ejemplo es:

After local assignment: test spam
After nonlocal assignment: nonlocal spam
After global assignment: nonlocal spam
In global scope: global spam

Notá como la asignación local (que es el comportamiento normal) no cambió la

vinculación de algo de prueba_ambitos. La asignación nonlocal cambió la
vinculación de algo de prueba_ambitos, y la asignación global cambió la
vinculación a nivel de módulo.

También podés ver que no había vinculación para algo antes de la

asignación global.

9.3. Un primer vistazo a las clases

Las clases introducen un poquito de sintaxis nueva, tres nuevos tipos de
objetos y algo de semántica nueva.

9.3.1. Sintaxis de definición de clases

La forma más sencilla de definición de una clase se ve así:

class ClassName:
<statement-1>
.
.
.
<statement-N>

Las definiciones de clases, al igual que las definiciones de funciones

(instrucciones def) deben ejecutarse antes de que tengan efecto alguno. (Es
concebible poner una definición de clase dentro de una rama de un if, o
dentro de una función.)

En la práctica, las declaraciones dentro de una clase son definiciones de

funciones, pero otras declaraciones son permitidas, y a veces resultan útiles;
veremos esto más adelante. Las definiciones de funciones dentro de una clase
normalmente tienen una lista de argumentos peculiar, dictada por las
convenciones de invocación de métodos; a esto también lo veremos más
adelante.
Cuando se ingresa una definición de clase, se crea un nuevo espacio de
nombres, el cual se usa como ámbito local; por lo tanto, todas las asignaciones
a variables locales van a este nuevo espacio de nombres. En particular, las
definiciones de funciones asocian el nombre de las funciones nuevas allí.

Cuando una definición de clase se finaliza normalmente se crea un objeto

clase. Básicamente, este objeto envuelve los contenidos del espacio de
nombres creado por la definición de la clase; aprenderemos más acerca de los
objetos clase en la sección siguiente. El ámbito local original (el que tenía
efecto justo antes de que ingrese la definición de la clase) es restablecido, y el
objeto clase se asocia allí al nombre que se le puso a la clase en el
encabezado de su definición (Clase en el ejemplo).

9.3.2. Objetos clase

Los objetos clase soportan dos tipos de operaciones: hacer referencia a
atributos e instanciación.

Para hacer referencia a atributos se usa la sintaxis estándar de todas las

referencias a atributos en Python: [Link]. Los nombres de atributo
válidos son todos los nombres que estaban en el espacio de nombres de la
clase cuando ésta se creó. Por lo tanto, si la definición de la clase es así:

class MyClass:
"""A simple example class"""
i = 12345

def f(self):
return 'hello world'

…entonces MiClase.i y MiClase.f son referencias de atributos válidas, que

retornan un entero y un objeto función respectivamente. Los atributos de clase
también pueden ser asignados, o sea que podés cambiar el valor
de MiClase.i mediante asignación. __doc__ también es un atributo válido,
que retorna la documentación asociada a la
clase: "Simple clase de ejemplo".

La instanciación de clases usa la notación de funciones. Hacé de cuenta que el

objeto de clase es una función sin parámetros que retorna una nueva instancia
de la clase. Por ejemplo (para la clase de más arriba):

x = MyClass()
…crea una nueva instancia de la clase y asigna este objeto a la variable
local x.

La operación de instanciación («llamar» a un objeto clase) crea un objeto vacío.

Muchas clases necesitan crear objetos con instancias en un estado inicial
particular. Por lo tanto una clase puede definir un método especial
llamado __init__(), de esta forma:

def __init__(self):
[Link] = []

Cuando una clase define un método __init__(), la instanciación de la clase

automáticamente invoca a __init__() para la instancia recién creada.
Entonces, en este ejemplo, una instancia nueva e inicializada se puede obtener
haciendo:

x = MyClass()

Por supuesto, el método __init__() puede tener argumentos para mayor

flexibilidad. En ese caso, los argumentos que se pasen al operador de
instanciación de la clase van a parar al método __init__(). Por ejemplo,

>>>

>>> class Complex:

... def __init__(self, realpart, imagpart):
... self.r = realpart
... self.i = imagpart
...
>>> x = Complex(3.0, -4.5)
>>> x.r, x.i
(3.0, -4.5)

9.3.3. Objetos instancia

Ahora, ¿Qué podemos hacer con los objetos instancia? La única operación que
es entendida por los objetos instancia es la referencia de atributos. Hay dos
tipos de nombres de atributos válidos, atributos de datos y métodos.

Los atributos de datos se corresponden con las «variables de instancia» en

Smalltalk, y con las «variables miembro» en C++. Los atributos de datos no
necesitan ser declarados; tal como las variables locales son creados la primera
vez que se les asigna algo. Por ejemplo, si x es la instancia
de MiClase creada más arriba, el siguiente pedazo de código va a imprimir el
valor 16, sin dejar ningún rastro:

[Link] = 1
while [Link] < 10:
[Link] = [Link] * 2
print([Link])
del [Link]

El otro tipo de atributo de instancia es el método. Un método es una función

que «pertenece a» un objeto. En Python, el término método no está limitado a
instancias de clase: otros tipos de objetos pueden tener métodos también. Por
ejemplo, los objetos lista tienen métodos llamados append, insert, remove, sort,
y así sucesivamente. Pero, en la siguiente explicación, usaremos el término
método para referirnos exclusivamente a métodos de objetos instancia de
clase, a menos que se especifique explícitamente lo contrario.

Los nombres válidos de métodos de un objeto instancia dependen de su clase.

Por definición, todos los atributos de clase que son objetos funciones definen
métodos correspondientes de sus instancias. Entonces, en nuestro
ejemplo, x.f es una referencia a un método válido, dado que MiClase.f es
una función, pero x.i no lo es, dado que MiClase.i no lo es. Pero x.f no es
la misma cosa que MiClase.f; es un objeto método, no un objeto función.

9.3.4. Objetos método

Generalmente, un método es llamado luego de ser vinculado:

x.f()

En el ejemplo MiClase, esto retorna la cadena 'hola mundo'. Pero no es

necesario llamar al método justo en ese momento: x.f es un objeto método, y
puede ser guardado y llamado más tarde. Por ejemplo:

xf = x.f
while True:
print(xf())

…continuará imprimiendo hola mundo hasta el fin de los días.

¿Qué sucede exactamente cuando un método es llamado? Debés haber

notado que x.f() fue llamado más arriba sin ningún argumento, a pesar de
que la definición de función de f() especificaba un argumento. ¿Qué pasó con
ese argumento? Seguramente Python levanta una excepción cuando una
función que requiere un argumento es llamada sin ninguno, aún si el argumento
no es utilizado…

De hecho, tal vez hayas adivinado la respuesta: lo que tienen de especial los
métodos es que el objeto es pasado como el primer argumento de la función.
En nuestro ejemplo, la llamada x.f() es exactamente equivalente
a MiClase.f(x). En general, llamar a un método con una lista
de n argumentos es equivalente a llamar a la función correspondiente con una
lista de argumentos que es creada insertando el objeto del método antes del
primer argumento.

Si todavía no entiendes como funcionan los métodos, una mirada a su

implementación quizás pueda aclarar dudas. Cuando un atributo sin datos de
una instancia es referenciado, la clase de la instancia es accedida. Si el
nombre indica un atributo de clase válido que sea un objeto función, se crea un
objeto método empaquetando (apunta a) la instancia y al objeto función,
juntados en un objeto abstracto: este es el objeto método. Cuando el objeto
método es llamado con una lista de argumentos, se crea una nueva lista de
argumentos a partir del objeto instancia y la lista de argumentos. Finalmente el
objeto función es llamado con esta nueva lista de argumentos.

9.3.5. Variables de clase y de instancia

En general, las variables de instancia son para datos únicos de cada instancia
y las variables de clase son para atributos y métodos compartidos por todas las
instancias de la clase:

class Dog:

kind = 'canine' # class variable shared by all

instances

def __init__(self, name):

[Link] = name # instance variable unique to
each instance

>>> d = Dog('Fido')
>>> e = Dog('Buddy')
>>> [Link] # shared by all dogs
'canine'
>>> [Link] # shared by all dogs
'canine'
>>> [Link] # unique to d
'Fido'
>>> [Link] # unique to e
'Buddy'

Como se vio en Unas palabras sobre nombres y objetos, los datos compartidos
pueden tener efectos inesperados que involucren objetos mutable como ser
listas y diccionarios. Por ejemplo, la lista trucos en el siguiente código no
debería ser usada como variable de clase porque una sola lista sería
compartida por todos las instancias de Perro:

class Dog:

tricks = [] # mistaken use of a class

variable

def __init__(self, name):

[Link] = name

def add_trick(self, trick):

[Link](trick)

>>> d = Dog('Fido')
>>> e = Dog('Buddy')
>>> d.add_trick('roll over')
>>> e.add_trick('play dead')
>>> [Link] # 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):

[Link] = name
[Link] = [] # creates a new empty list for
each dog

def add_trick(self, trick):

[Link](trick)

>>> d = Dog('Fido')
>>> e = Dog('Buddy')
>>> d.add_trick('roll over')
>>> e.add_trick('play dead')
>>> [Link]
['roll over']
>>> [Link]
['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([Link], [Link])
storage west
>>> w2 = Warehouse()
>>> [Link] = 'east'
>>> print([Link], [Link])
storage east

A los atributos de datos los pueden hacer referencia tanto los métodos como
los usuarios («clientes») ordinarios de un objeto. En otras palabras, las clases
no se usan para implementar tipos de datos abstractos puros. De hecho, en
Python no hay nada que haga cumplir el ocultar datos; todo se basa en
convención. (Por otro lado, la implementación de Python, escrita en C, puede
ocultar por completo detalles de implementación y el control de acceso a un
objeto si es necesario; esto se puede usar en extensiones a Python escritas en
C.)

Los clientes deben usar los atributos de datos con cuidado; éstos pueden
romper invariantes que mantienen los métodos si pisan los atributos de datos.
Observá que los clientes pueden añadir sus propios atributos de datos a una
instancia sin afectar la validez de sus métodos, siempre y cuando se eviten
conflictos de nombres; de nuevo, una convención de nombres puede ahorrar
un montón de dolores de cabeza.

No hay un atajo para hacer referencia a atributos de datos (¡u otros métodos!)
desde dentro de un método. A mi parecer, esto en realidad aumenta la
legibilidad de los métodos: no existe posibilidad alguna de confundir variables
locales con variables de instancia cuando repasamos un método.

A menudo, el primer argumento de un método se llama self (uno mismo).

Esto no es nada más que una convención: el nombre self no significa nada en
especial para Python. Observá que, sin embargo, si no seguís la convención tu
código puede resultar menos legible a otros programadores de Python, y puede
llegar a pasar que un programa navegador de clases pueda escribirse de una
manera que dependa de dicha convención.

Cualquier objeto función que es un atributo de clase define un método para

instancias de esa clase. No es necesario que el la definición de la función esté
textualmente dentro de la definición de la clase: asignando un objeto función a
una variable local en la clase también está bien. Por ejemplo:

# Function defined outside the class

def f1(self, x, y):
return min(x, x+y)

class C:
f = f1

def g(self):
return 'hello world'

h = g

Ahora f, g y h son todos atributos de la clase C que hacen referencia a objetos

función, y consecuentemente son todos métodos de las instancias
de C; h siendo exactamente equivalente a g. Fijate que esta práctica
normalmente sólo sirve para confundir al que lea un programa.

Los métodos pueden llamar a otros métodos de la instancia usando el

argumento self:

class Bag:
def __init__(self):
[Link] = []

def add(self, x):

[Link](x)

def addtwice(self, x):

[Link](x)
 [Link](x)

Los métodos pueden hacer referencia a nombres globales de la misma manera

que lo hacen las funciones comunes. El ámbito global asociado a un método es
el módulo que contiene su definición. (Una clase nunca se usa como un ámbito
global.) Si bien es raro encontrar una buena razón para usar datos globales en
un método, hay muchos usos legítimos del ámbito global: por lo menos, las
funciones y módulos importados en el ámbito global pueden usarse por los
métodos, al igual que las funciones y clases definidas en él. Habitualmente, la
clase que contiene el método está definida en este ámbito global, y en la
siguiente sección veremos algunas buenas razones por las que un método
querría hacer referencia a su propia clase.

Todo valor es un objeto, y por lo tanto tiene una clase (también llamado
su tipo). Ésta se almacena como objeto.__class__.

9.5. Herencia
Por supuesto, una característica del lenguaje no sería digna del nombre
«clase» si no soportara herencia. La sintaxis para una definición de clase
derivada se ve así:

class DerivedClassName(BaseClassName):
<statement-1>
.
.
.
<statement-N>

El nombre ClaseBase debe estar definido en un ámbito que contenga a la

definición de la clase derivada. En el lugar del nombre de la clase base se
permiten otras expresiones arbitrarias. Esto puede ser útil, por ejemplo, cuando
la clase base está definida en otro módulo:

class DerivedClassName([Link]):

La ejecución de una definición de clase derivada procede de la misma forma

que una clase base. Cuando el objeto clase se construye, se tiene en cuenta a
la clase base. Esto se usa para resolver referencias a atributos: si un atributo
solicitado no se encuentra en la clase, la búsqueda continúa por la clase base.
Esta regla se aplica recursivamente si la clase base misma deriva de alguna
otra clase.
No hay nada en especial en la instanciación de clases
derivadas: ClaseDerivada() crea una nueva instancia de la clase. Las
referencias a métodos se resuelven de la siguiente manera: se busca el
atributo de clase correspondiente, descendiendo por la cadena de clases base
si es necesario, y la referencia al método es válida si se entrega un objeto
función.

Las clases derivadas pueden redefinir métodos de su clase base. Como los
métodos no tienen privilegios especiales cuando llaman a otros métodos del
mismo objeto, un método de la clase base que llame a otro método definido en
la misma clase base puede terminar llamando a un método de la clase derivada
que lo haya redefinido. (Para los programadores de C++: en Python todos los
métodos son en efecto virtuales.)

Un método redefinido en una clase derivada puede de hecho querer extender

en vez de simplemente reemplazar al método de la clase base con el mismo
nombre. Hay una manera simple de llamar al método de la clase base
directamente: simplemente llamás
a [Link](self, argumentos). En ocasiones esto es útil para
los clientes también. (Observá que esto sólo funciona si la clase base es
accesible como ClaseBase en el ámbito global.)

Python tiene dos funciones integradas que funcionan con herencia:

 Usar isinstance() para verificar el tipo de una

instancia: isinstance(obj, int) será True sólo
si obj.__class__ es int o alguna clase derivada de int.
 Usar issubclass() para verificar la herencia de
clases: issubclass(bool, int) es True ya que bool es una
subclase de int. Sin
embargo, issubclass(float, int) es False ya que float no es
una subclase de int.
9.5.1. Herencia múltiple
Python también soporta una forma de herencia múltiple. Una definición de
clase con múltiples clases base se ve así:

class DerivedClassName(Base1, Base2, Base3):

<statement-1>
.
.
.
 <statement-N>

Para la mayoría de los propósitos, en los casos más simples, podés pensar en
la búsqueda de los atributos heredados de clases padres como primero en
profundidad, de izquierda a derecha, sin repetir la misma clase cuando está
dos veces en la jerarquía. Por lo tanto, si un atributo no se encuentra
en ClaseDerivada, se busca en Base1, luego (recursivamente) en las clases
base de Base1, y sólo si no se encuentra allí se lo busca en Base2, y así
sucesivamente.

En realidad es un poco más complejo que eso; el orden de resolución de

métodos cambia dinámicamente para soportar las llamadas cooperativas
a super(). Este enfoque es conocido en otros lenguajes con herencia múltiple
como «llámese al siguiente método» y es más poderoso que la llamada al
superior que se encuentra en lenguajes con sólo herencia simple.

El ordenamiento dinámico es necesario porque todos los casos de herencia

múltiple exhiben una o más relaciones en diamante (cuando se puede llegar al
menos a una de las clases base por distintos caminos desde la clase de más
abajo). Por ejemplo, todas las clases heredan de object, por lo tanto cualquier
caso de herencia múltiple provee más de un camino para llegar a object. Para
que las clases base no sean accedidas más de una vez, el algoritmo dinámico
hace lineal el orden de búsqueda de manera que se preserve el orden de
izquierda a derecha especificado en cada clase, que se llame a cada clase
base sólo una vez, y que sea monótona (lo cual significa que una clase puede
tener clases derivadas sin afectar el orden de precedencia de sus clases
bases). En conjunto, estas propiedades hacen posible diseñar clases
confiables y extensibles con herencia múltiple. Para más detalles
mirá [Link]

9.6. Variables privadas

Las variables «privadas» de instancia, que no pueden accederse excepto
desde dentro de un objeto, no existen en Python. Sin embargo, hay una
convención que se sigue en la mayoría del código Python: un nombre prefijado
con un guión bajo (por ejemplo, _spam) debería tratarse como una parte no
pública de la API (más allá de que sea una función, un método, o un dato).
Debería considerarse un detalle de implementación y que está sujeto a
cambios sin aviso.
Ya que hay un caso de uso válido para los identificadores privados de clase (a
saber: colisión de nombres con nombres definidos en las subclases), hay un
soporte limitado para este mecanismo. Cualquier identificador con la
forma __spam (al menos dos guiones bajos al principio, como mucho un guión
bajo al final) es textualmente reemplazado por _nombredeclase__spam,
donde nombredeclase es el nombre de clase actual al que se le sacan
guiones bajos del comienzo (si los tuviera). Se modifica el nombre del
identificador sin importar su posición sintáctica, siempre y cuando ocurra dentro
de la definición de una clase.

La modificación de nombres es útil para dejar que las subclases sobreescriban

los métodos sin romper las llamadas a los métodos desde la misma clase. Por
ejemplo:

class Mapping:
def __init__(self, iterable):
self.items_list = []
self.__update(iterable)

def update(self, iterable):

for item in iterable:
self.items_list.append(item)

__update = update # private copy of original update()

method

class MappingSubclass(Mapping):

def update(self, keys, values):

# provides new signature for update()
# but does not break __init__()
for item in zip(keys, values):
self.items_list.append(item)

El ejemplo de arriba funcionaría incluso si MappingSubclass introdujera un

identificador __update ya que se reemplaza con _Mapping__update en la
clase Mapping y _MappingSubclass__update en la
clase MappingSubclass respectivamente.

Hay que aclarar que las reglas de modificación de nombres están diseñadas
principalmente para evitar accidentes; es posible acceder o modificar una
variable que es considerada como privada. Esto hasta puede resultar útil en
circunstancias especiales, tales como en el depurador.
Notar que el código pasado a exec o eval() no considera que el nombre de
clase de la clase que invoca sea la clase actual; esto es similar al efecto de la
sentencia global, efecto que es de similar manera restringido a código que es
compilado en conjunto. La misma restricción aplica
a getattr(), setattr() y delattr(), así como cuando se referencia
a __dict__ directamente.

9.7. Cambalache
A veces es útil tener un tipo de datos similar al «registro» de Pascal o la
«estructura» de C, que sirva para juntar algunos pocos ítems con nombre. Una
definición de clase vacía funcionará perfecto:

class Employee:
pass

john = Employee() # Create an empty employee record

# Fill the fields of the record

[Link] = 'John Doe'
[Link] = 'computer lab'
[Link] = 1000

Algún código Python que espera un tipo abstracto de datos en particular puede
frecuentemente recibir en cambio una clase que emula los métodos de aquel
tipo de datos. Por ejemplo, si tenés una función que formatea algunos datos a
partir de un objeto archivo, podés definir una clase con
métodos read() y readline() que obtengan los datos de alguna cadena en
memoria intermedia, y pasarlo como argumento.

Los objetos método de instancia tienen atributos también: m.__self__ es el

objeto instancia con el método m(), y m.__func__ es el objeto función
correspondiente al método.

9.8. Iteradores
Es probable que hayas notado que la mayoría de los objetos contenedores
pueden ser recorridos usando una sentencia for:

for element in [1, 2, 3]:

print(element)
for element in (1, 2, 3):
 print(element)
for key in {'one':1, 'two':2}:
print(key)
for char in "123":
print(char)
for line in open("[Link]"):
print(line, end='')

Este estilo de acceso es limpio, conciso y conveniente. El uso de iteradores

está impregnado y unifica a Python. En bambalinas, la sentencia for llama
a iter() en el objeto contenedor. La función retorna un objeto iterador que
define el método __next__() que accede elementos en el contenedor de a
uno por vez. Cuando no hay más elementos, __next__() levanta una
excepción StopIteration que le avisa al bucle del for que hay que terminar.
Podés llamar al método __next__() usando la función integrada next(); este
ejemplo muestra como funciona todo esto:

>>>

>>> s = 'abc'
>>> it = iter(s)
>>> it
<iterator object at 0x00A1DB50>
>>> 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):
[Link] = data
 [Link] = len(data)

def __iter__(self):
return self

def __next__(self):
if [Link] == 0:
raise StopIteration
[Link] = [Link] - 1
return [Link][[Link]]
>>>

>>> rev = Reverse('spam')

>>> iter(rev)
<__main__.Reverse object at 0x00A1DB50>
>>> for char in rev:
... print(char)
...
m
a
p
s

9.9. Generadores
Generators are a simple and powerful tool for creating iterators. They are
written like regular functions but use the yield statement whenever they want
to return data. Each time next() is called on it, the generator resumes where it
left off (it remembers all the data values and which statement was last
executed). An example shows that generators can be trivially easy to create:

def reverse(data):
for index in range(len(data)-1, -1, -1):
yield data[index]
>>>

>>> for char in reverse('golf'):

... print(char)
...
f
l
o
g
Todo lo que puede ser hecho con generadores también puede ser hecho con
iteradores basados en clases, como se describe en la sección anterior. Lo que
hace que los generadores sean tan compactos es que los
métodos __iter__() y __next__() son creados automáticamente.

Otra característica clave es que las variables locales y el estado de la ejecución

son guardados automáticamente entre llamadas. Esto hace que la función sea
más fácil de escribir y quede mucho más claro que hacerlo usando variables de
instancia tales como [Link] y [Link].

Además de la creación automática de métodos y el guardar el estado del

programa, cuando los generadores terminan automáticamente
levantan StopIteration. Combinadas, estas características facilitan la
creación de iteradores, y hacen que no sea más esfuerzo que escribir una
función regular.

9.10. Expresiones generadoras

Algunos generadores simples pueden ser escritos de manera concisa como
expresiones usando una sintaxis similar a las comprensiones de listas pero con
paréntesis en lugar de corchetes. Estas expresiones están hechas para
situaciones donde el generador es utilizado de inmediato por la función que lo
encierra. Las expresiones generadoras son más compactas pero menos
versátiles que las definiciones completas de generadores y tienden a ser más
amigables con la memoria que sus comprensiones de listas equivalentes.

Ejemplos:

>>>

>>> sum(i*i for i in range(10)) # sum of

squares
285

>>> xvec = [10, 20, 30]

>>> yvec = [7, 5, 3]
>>> sum(x*y for x,y in zip(xvec, yvec)) # dot product
260

>>> unique_words = set(word for line in page for word in

[Link]())

>>> valedictorian = max(([Link], [Link]) for

student in graduates)
>>> data = 'golf'
>>> list(data[i] for i in range(len(data)-1, -1, -1))
['f', 'l', 'o', 'g']

Notas al pie

Excepto por una cosa. Los objetos módulo tienen un atributo de sólo
lectura secreto llamado __dict__ que retorna el diccionario usado para
implementar el espacio de nombres del módulo; el nombre __dict__ es
un atributo pero no un nombre global. Obviamente, usar esto viola la
abstracción de la implementación del espacio de nombres, y debería ser
restringido a cosas como depuradores post-mortem.

10. Pequeño paseo por la Biblioteca

Estándar¶
10.1. Interfaz al sistema operativo
El módulo os provee docenas de funciones para interactuar con el sistema
operativo:

>>>

>>> import os
>>> [Link]() # Return the current working directory
'C:\\Python39'
>>> [Link]('/server/accesslogs') # Change current working
directory
>>> [Link]('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 [Link]() 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

>>> [Link]('[Link]', '[Link]')
'[Link]'
>>> [Link]('/build/executables', 'installdir')
'installdir'

10.2. Comodines de archivos

El módulo glob provee una función para hacer listas de archivos a partir de
búsquedas con comodines en directorios:

>>>

>>> import glob

>>> [Link]('*.py')
['[Link]', '[Link]', '[Link]']

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 [Link] uno dos tres en la línea de órdenes:

>>>

>>> import sys

>>> print([Link])
['[Link]', 'one', 'two', 'three']
El modulo argparse provee un mecanismo más sofisticado para procesar
argumentos recibidos vía línea de comandos. El siguiente script extrae uno o
más nombres de archivos y un número opcional de líneas para mostrar:

import argparse

parser = [Link](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 [Link] --

lines=5 [Link] [Link],
el script establece [Link] a 5 y [Link] a ['[Link]', 'b
[Link]'].

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:

>>>

>>> [Link]('Warning, log file not found starting a

new one\n')
Warning, log file not found starting a new one

La forma más directa de terminar un programa es usar [Link]().

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
>>> [Link](r'\bf[a-z]*', 'which foot or hand fell
fastest')
['foot', 'fell', 'fastest']
>>> [Link](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

>>> [Link]([Link] / 4)
0.70710678118654757
>>> [Link](1024, 2)
10.0

El módulo random provee herramientas para realizar selecciones al azar:

>>>

>>> import random

>>> [Link](['apple', 'pear', 'banana'])
'apple'
>>> [Link](range(100), 10) # sampling without
replacement
[30, 83, 16, 4, 8, 81, 41, 50, 18, 33]
>>> [Link]() # random float
0.17970987693706186
>>> [Link](6) # random integer chosen from
range(6)
4

El módulo statistics calcula propiedades de estadística básica (la media,

mediana, varianza, etc) de datos numéricos:
>>>

>>> import statistics

>>> data = [2.75, 1.75, 1.25, 0.25, 0.5, 1.25, 3.5]
>>> [Link](data)
1.6071428571428572
>>> [Link](data)
1.25
>>> [Link](data)
1.3720238095238095

El proyecto SciPy <[Link] 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 [Link] para traer data de URLs
y smtplib para mandar correos:

>>>

>>> from [Link] import urlopen

>>> with
urlopen('[Link] as
response:
... for line in response:
... line = [Link]('utf-8') # Decoding the
binary data to text.
... if 'EST' in line or 'EDT' in line: # look for
Eastern Time
... print(line)

<BR>Nov. 25, 09:43:32 PM EST

>>> import smtplib

>>> server = [Link]('localhost')
>>> [Link]('soothsayer@[Link]',
'jcaesar@[Link]',
... """To: jcaesar@[Link]
... From: soothsayer@[Link]
...
... Beware the Ides of March.
... """)
>>> [Link]()
(Notá que el segundo ejemplo necesita un servidor de correo corriendo en la
máquina local)

10.8. Fechas y tiempos

El módulo datetime ofrece clases para gestionar fechas y tiempos tanto de
manera simple como compleja. Aunque soporta aritmética sobre fechas y
tiempos, el foco de la implementación es en la extracción eficiente de partes
para gestionarlas o formatear la salida. El módulo también soporta objetos que
son conscientes de la zona horaria.

>>>

>>> # dates are easily constructed and formatted

>>> from datetime import date
>>> now = [Link]()
>>> now
[Link](2003, 12, 2)
>>> [Link]("%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
>>> [Link]
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 = [Link](s)
>>> len(t)
37
>>> [Link](t)
b'witch which has which witches wrist watch'
>>> zlib.crc32(s)
226805979

10.10. Medición de rendimiento

Algunos usuarios de Python desarrollan un profundo interés en saber el
rendimiento relativo de las diferentes soluciones al mismo problema. Python
provee una herramienta de medición que responde esas preguntas
inmediatamente.

Por ejemplo, puede ser tentador usar la característica de empaquetado y

desempaquetado de las tuplas en lugar de la solución tradicional para
intercambiar argumentos. El módulo timeit muestra rápidamente una
modesta ventaja de rendimiento:

>>>

>>> from timeit import Timer

>>> Timer('t=a; a=b; b=t', 'a=1; b=2').timeit()
0.57535828626024577
>>> Timer('a,b = b,a', 'a=1; b=2').timeit()
0.54962537085770791

En contraste con el fino nivel de medición del módulo timeit, los

módulos profile y pstats proveen herramientas para identificar secciones
críticas de tiempo en bloques de código más grandes.

10.11. Control de calidad

Una forma para desarrollar software de alta calidad es escribir pruebas para
cada función mientras se la desarrolla, y correr esas pruebas frecuentemente
durante el proceso de desarrollo.

El módulo doctest provee una herramienta para revisar un módulo y validar

las pruebas integradas en las cadenas de documentación (o docstring) del
programa. La construcción de las pruebas es tan sencillo como cortar y pegar
una ejecución típica junto con sus resultados en los docstrings. Esto mejora la
documentación al proveer al usuario un ejemplo y permite que el
módulo doctest se asegure que el código permanece fiel a la documentación:

def average(values):
"""Computes the arithmetic mean of a list of numbers.

>>> print(average([20, 30, 70]))

 40.0
"""
return sum(values) / len(values)

import doctest
[Link]() # 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([Link]):

def test_average(self):
[Link](average([20, 30, 70]), 40.0)
[Link](round(average([1, 5, 7]), 1), 4.3)
with [Link](ZeroDivisionError):
average([])
with [Link](TypeError):
average(20, 30, 70)

[Link]() # Calling from the command line invokes all

tests

10.12. Las pilas incluidas

Python tiene una filosofía de «pilas incluidas». Esto se ve mejor en las
capacidades robustas y sofisticadas de sus paquetes más grandes. Por
ejemplo:

 Los módulo [Link] y [Link] convierten una

implementación de la llamada a un procedimiento en una tarea casi
trivial. A pesar de los nombres de los nombres, no se necesita ningún
conocimiento o manejo de archivos XML.
 El paquete email es una biblioteca para administrar mensajes de correo
electrónico, incluidos MIME y otros documentos de mensajes basados
en RFC 2822. A diferencia de smtplib y poplib que realmente envían
y reciben mensajes, el paquete de correo electrónico tiene un conjunto
de herramientas completo para crear o decodificar estructuras de
mensajes complejas (incluidos los archivos adjuntos) y para implementar
protocolos de codificación y encabezado de Internet.
  El paquete json proporciona un sólido soporte para analizar este
popular formato de intercambio de datos. El módulo csv admite la
lectura y escritura directa de archivos en formato de valor separado por
comas, comúnmente compatible con bases de datos y hojas de cálculo.
El procesamiento XML es compatible con los
paquetes [Link], [Link] y [Link]. Juntos,
estos módulos y paquetes simplifican en gran medida el intercambio de
datos entre aplicaciones de Python y otras herramientas.
 El módulo sqlite3 es un wrapper para la biblioteca de bases de datos
SQLite, proporcionando una base de datos persistente que se puede
actualizar y acceder mediante una sintaxis SQL ligeramente no
estándar.
 La internacionalización es compatible con una serie de módulos,
incluyendo gettext, locale, y el paquete codecs.

11. Pequeño paseo por la Biblioteca

Estándar— Parte II
Este segundo paseo cubre módulos más avanzados que facilitan necesidades
de programación complejas. Estos módulos raramente se usan en scripts
cortos.

11.1. Formato de salida

El módulo reprlib provee una versión de repr() ajustada para mostrar
contenedores grandes o profundamente anidados, en forma abreviada:

>>>

>>> import reprlib

>>> [Link](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']]]
...
>>> [Link](t, width=30)
[[[['black', 'cyan'],
'white',
['green', 'red']],
[['magenta', 'yellow'],
'blue']]]

El módulo textwrap formatea párrafos de texto para que quepan dentro de

cierto ancho de pantalla:

>>>

>>> import textwrap

>>> doc = """The wrap() method is just like fill() except
that it returns
... a list of strings instead of one big string with newlines
to separate
... the wrapped lines."""
...
>>> print([Link](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

>>> [Link](locale.LC_ALL, 'English_United
States.1252')
'English_United States.1252'
>>> conv = [Link]() # get a mapping of
conventions
>>> x = 1234567.8
>>> [Link]("%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.')
>>> [Link](village='Nottingham', cause='the ditch
fund')
'Nottinghamfolk send $10 to the ditch fund.'

El método substitute() lanza KeyError cuando no se suministra ningún

valor para un marcador mediante un diccionario o argumento por nombre. Para
algunas aplicaciones los datos suministrados por el usuario puede ser
incompletos, y el método safe_substitute() puede ser más apropiado: deja
los marcadores inalterados cuando falten datos:

>>>

>>> t = Template('Return the $item to $owner.')

>>> d = dict(item='unladen swallow')
>>> [Link](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, [Link]

>>> 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 = [Link]('%d%b%y')
>>> for i, filename in enumerate(photofiles):
... base, ext = [Link](filename)
... newname = [Link](d=date, n=i, f=ext)
... print('{0} --> {1}'.format(filename, newname))

img_1074.jpg --> Ashley_0.jpg

img_1076.jpg --> Ashley_1.jpg
img_1077.jpg --> Ashley_2.jpg

Las plantillas también pueden ser usadas para separar la lógica del programa
de los detalles de múltiples formatos de salida. Esto permite sustituir plantillas
específicas para archivos XML, reportes en texto plano, y reportes web en
HTML.

11.3. Trabajar con registros estructurados

conteniendo datos binarios
El módulo struct provee las funciones pack() y unpack() para trabajar con
formatos de registros binarios de longitud variable. El siguiente ejemplo
muestra cómo recorrer la información de encabezado en un archivo ZIP sin
usar el módulo zipfile. Los códigos "H" e "I" representan números sin
signo de dos y cuatro bytes respectivamente. El "<" indica que son de tamaño
estándar y los bytes tienen ordenamiento little-endian:
import struct

with open('[Link]', 'rb') as f:

data = [Link]()

start = 0
for i in range(3): # show the first 3
file headers
start += 14
fields = [Link]('<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([Link]):
def __init__(self, infile, outfile):
[Link].__init__(self)
[Link] = infile
[Link] = outfile

def run(self):
f = [Link]([Link], 'w',
zipfile.ZIP_DEFLATED)
[Link]([Link])
 [Link]()
print('Finished background zip of:', [Link])

background = AsyncZip('[Link]', '[Link]')

[Link]()
print('The main program continues to run in foreground.')

[Link]() # Wait for the background task to finish

print('Main program waited until background was done.')

El desafío principal de las aplicaciones multi-hilo es la coordinación entre los

hilos que comparten datos u otros recursos. A ese fin, el
módulo threading provee una serie de primitivas de sincronización que incluyen
bloqueos, eventos, variables de condición, y semáforos.

Aún cuando esas herramientas son poderosas, pequeños errores de diseño

pueden resultar en problemas difíciles de reproducir. La forma preferida de
coordinar tareas es concentrar todos los accesos a un recurso en un único hilo
y después usar el módulo queue para alimentar dicho hilo con pedidos desde
otros hilos. Las aplicaciones que usan objetos Queue para comunicación y
coordinación entre hilos son más fáciles de diseñar, más legibles, y más
confiables.

11.5. Registrando
El módulo logging ofrece un sistema de registros (logs) completo y flexible.
En su forma más simple, los mensajes de registro se envían a un archivo o
a [Link]:

import logging
[Link]('Debugging information')
[Link]('Informational message')
[Link]('Warning:config file %s not found',
'[Link]')
[Link]('Error occurred')
[Link]('Critical error -- shutting down')

Ésta es la salida obtenida:

WARNING:root:Warning:config file [Link] not found

ERROR:root:Error occurred
CRITICAL:root:Critical error -- shutting down
De forma predeterminada, los mensajes de depuración e informativos se
suprimen, y la salida se envía al error estándar. Otras opciones de salida
incluyen mensajes de enrutamiento a través de correo electrónico, datagramas,
sockets, o un servidor HTTP. Nuevos filtros pueden seleccionar diferentes rutas
basadas en la prioridad del mensaje: DEBUG, INFO, WARNING, ERROR,
y CRITICAL (Depuración, Informativo, Atención, Error y Crítico
respectivamente)

El sistema de registro puede configurarse directamente desde Python o puede

cargarse la configuración desde un archivo modificable por el usuario para
personalizar el registro sin alterar la aplicación.

11.6. Referencias débiles

Python realiza administración de memoria automática (cuenta de referencias
para la mayoría de los objetos, y garbage collection para eliminar ciclos). La
memoria se libera poco después de que la última referencia a la misma haya
sido eliminada.

Este enfoque funciona bien para la mayoría de las aplicaciones pero de vez en
cuando existe la necesidad de controlar objetos sólo mientras estén siendo
utilizados por otra cosa. Desafortunadamente, el sólo hecho de controlarlos
crea una referencia que los convierte en permanentes. El
módulo weakref provee herramientas para controlar objetos sin crear una
referencia. Cuando el objeto no se necesita mas, es removido automáticamente
de una tabla de referencias débiles y se dispara una callback para
objetos weakref. Comúnmente las aplicaciones incluyen cacheo de objetos que
son costosos de crear:

>>>

>>> import weakref, gc

>>> class A:
... def __init__(self, value):
... [Link] = value
... def __repr__(self):
... return str([Link])
...
>>> a = A(10) # create a reference
>>> d = [Link]()
>>> 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
>>> [Link]() # 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:/python39/lib/[Link]", line 46, in __getitem__
o = [Link][key]()
KeyError: 'primary'

11.7. Herramientas para trabajar con listas

Muchas necesidades de estructuras de datos pueden ser satisfechas con el
tipo integrado lista. Sin embargo, a veces se hacen necesarias
implementaciones alternativas con rendimientos distintos.

El módulo array provee un objeto array() (vector) que es como una lista que
almacena sólo datos homogéneos y de una manera más compacta. Los
ejemplos a continuación muestran un vector de números guardados como dos
números binarios sin signo de dos bytes (código de tipo "H") en lugar de los 16
bytes por elemento habituales en listas de objetos int de Python:

>>>

>>> from array import array

>>> a = array('H', [4000, 10, 700, 22222])
>>> sum(a)
26932
>>> a[1:3]
array('H', [10, 700])

El módulo collections provee un objeto deque() que es como una lista más
rápida para agregar y quitar elementos por el lado izquierdo pero con
búsquedas más lentas por el medio. Estos objetos son adecuados para
implementar colas y árboles de búsqueda a lo ancho:

>>>

>>> from collections import deque

>>> d = deque(["task1", "task2", "task3"])
>>> [Link]("task4")
>>> print("Handling", [Link]())
Handling task1
unsearched = deque([starting_node])
def breadth_first_search(unsearched):
node = [Link]()
for m in gen_moves(node):
if is_goal(m):
return m
[Link](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')]
>>> [Link](scores, (300, 'ruby'))
>>> scores
[(100, 'perl'), (200, 'tcl'), (300, 'ruby'), (400, 'lua'),
(500, 'python')]

El módulo heapq provee funciones para implementar pilas (heaps) basados en

listas comunes. El menor valor ingresado se mantiene en la posición cero. Esto
es útil para aplicaciones que acceden a menudo al elemento más chico pero no
quieren hacer un orden completo de la lista:

>>>

>>> from heapq import heapify, heappop, heappush

>>> data = [1, 3, 5, 7, 9, 2, 4, 6, 8, 0]
>>> heapify(data) # rearrange the list
into heap order
>>> heappush(data, -5) # add a new entry
>>> [heappop(data) for i in range(3)] # fetch the three
smallest entries
[-5, 0, 1]

11.8. Aritmética de punto flotante decimal

El módulo decimal provee un tipo de dato Decimal para soportar aritmética
de punto flotante decimal. Comparado con float, la implementación de punto
flotante binario incluida, la clase es muy útil especialmente para
  aplicaciones financieras y otros usos que requieren representación
decimal exacta,
 control sobre la precisión,
 control sobre el redondeo para cumplir requisitos legales,
 seguimiento de dígitos decimales significativos, o
 aplicaciones donde el usuario espera que los resultados coincidan con
cálculos hecho a mano.

Por ejemplo, calcular un impuesto del 5% de una tarifa telefónica de 70

centavos da resultados distintos con punto flotante decimal y punto flotante
binario. La diferencia se vuelve significativa si los resultados se redondean al
centavo más próximo:

>>>

>>> from decimal import *

>>> round(Decimal('0.70') * Decimal('1.05'), 2)
Decimal('0.74')
>>> round(.70 * 1.05, 2)
0.73

El resultado con Decimal conserva un cero al final, calculando

automáticamente cuatro cifras significativas a partir de los multiplicandos con
dos cifras significativas. Decimal reproduce la matemática como se la hace a
mano, y evita problemas que pueden surgir cuando el punto flotante binario no
puede representar exactamente cantidades decimales.

La representación exacta permite a la clase Decimal hacer cálculos de modulo

y pruebas de igualdad que son inadecuadas para punto flotante binario:

>>>

>>> Decimal('1.00') % Decimal('.10')

Decimal('0.00')
>>> 1.00 % 0.10
0.09999999999999995

>>> sum([Decimal('0.1')]*10) == Decimal('1.0')

True
>>> sum([0.1]*10) == 1.0
False

El módulo decimal provee aritmética con tanta precisión como haga falta:

>>>
>>> getcontext().prec = 36
>>> Decimal(1) / Decimal(7)
Decimal('0.142857142857142857142857142857142857')

12. Entornos Virtuales y Paquetes

12.1. Introducción
Las aplicaciones en Python usualmente hacen uso de paquetes y módulos que
no forman parte de la librería estándar. Las aplicaciones a veces necesitan una
versión específica de una librería, debido a que dicha aplicación requiere que
un bug particular haya sido solucionado o bien la aplicación ha sido escrita
usando una versión obsoleta de la interfaz de la librería.

Esto significa que tal vez no sea posible para una instalación de Python cumplir
los requerimientos de todas las aplicaciones. Si la aplicación A necesita la
versión 1.0 de un módulo particular y la aplicación B necesita la versión 2.0,
entonces los requerimientos entran en conflicto e instalar la versión 1.0 o 2.0
dejará una de las aplicaciones sin funcionar.

La solución a este problema es crear un entorno virtual, un directorio que

contiene una instalación de Python de una versión en particular, además de
unos cuantos paquetes adicionales.

Diferentes aplicaciones pueden entonces usar entornos virtuales diferentes.

Para resolver el ejemplo de requerimientos en conflicto citado anteriormente, la
aplicación A puede tener su propio entorno virtual con la versión 1.0 instalada
mientras que la aplicación B tiene otro entorno virtual con la versión 2.0. Si la
aplicación B requiere que actualizar la librería a la versión 3.0, ésto no afectará
el entorno virtual de la aplicación A.

12.2. Creando Entornos Virtuales

El script usado para crear y manejar entornos virtuales
es pyvenv. pyvenv normalmente instalará la versión mas reciente de Python
que tengas disponible; el script también es instalado con un número de versión,
con lo que si tienes múltiples versiones de Python en tu sistema puedes
seleccionar una versión de Python específica ejecutando python3 o la versión
que desees.
Para crear un entorno virtual, decide en que carpeta quieres crearlo y ejecuta el
módulo venv como script con la ruta a la carpeta:

python3 -m venv tutorial-env

Esto creará la carpeta tutorial-env si no existe, y también creará las

subcarpetas conteniendo la copia del intérprete Python, la librería estándar y
los archivos de soporte.

Una ruta común para el directorio de un entorno virtual es .venv. Ese nombre
mantiene el directorio típicamente escondido en la consola y fuera de vista
mientras le da un nombre que explica cuál es el motivo de su existencia.
También permite que no colisione con los ficheros de definición de variables de
entorno .env que algunas herramientas soportan.

Una vez creado el entorno virtual, podrás activarlo.

En Windows, ejecuta:

tutorial-env\Scripts\[Link]

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 [Link] y [Link] 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
>>> [Link]
['', '/usr/local/lib/[Link]', ...,
'~/envs/tutorial-env/lib/python3.5/site-packages']
>>>
12.3. Manejando paquetes con pip
You can install, upgrade, and remove packages using a program called pip. By
default pip will install packages from the Python Package Index,
<[Link] You can browse the Python Package Index by going to it in
your web browser.

pip has a number of subcommands: «install», «uninstall», «freeze», etc.

(Consult the Instalando módulos de Python guide for complete documentation
for 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 [Link] (136kB)
Installing collected packages: novas
Running [Link] install for novas
Successfully installed novas-[Link]

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 [Link]
Installing collected packages: requests
Successfully installed requests-2.6.0

Si se re-ejecuta el comando, pip detectará que la versión ya está instalada y

no hará nada. Se puede ingresar un número de versión diferente para
instalarlo, o se puede ejecutar pip install --upgrade para actualizar el
paquete a la última versión:

(tutorial-env) $ python -m pip install --upgrade requests

Collecting requests
Installing collected packages: requests
Found existing installation: requests 2.6.0
Uninstalling requests-2.6.0:
Successfully uninstalled requests-2.6.0
Successfully installed requests-2.7.0
pip uninstall seguido de uno o varios nombres de paquetes eliminará los
paquetes del entorno virtual.

pip show mostrará información de un paquete en particular:

(tutorial-env) $ pip show requests

---
Metadata-Version: 2.0
Name: requests
Version: 2.7.0
Summary: Python HTTP for Humans.
Home-page: [Link]
Author: Kenneth Reitz
Author-email: me@[Link]
License: Apache 2.0
Location:
/Users/akuchling/envs/tutorial-env/lib/python3.4/site-
packages
Requires:

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

(tutorial-env) $ pip list

novas ([Link])
numpy (1.9.2)
pip (7.0.3)
requests (2.7.0)
setuptools (16.0)

pip freeze retorna una lista de paquetes instalados similar, pero el formato
de salida es el requerido por pip install. Una convención común es poner
esta lista en un archivo [Link]:

(tutorial-env) $ pip freeze > [Link]

(tutorial-env) $ cat [Link]
novas==[Link]
numpy==1.9.2
requests==2.7.0

El archivo [Link] entonces puede ser agregado a nuestro control

de versiones y distribuido como parte de la aplicación. Los usuarios pueden
entonces instalar todos los paquetes necesarios con install -r:

(tutorial-env) $ python -m pip install -r [Link]

Collecting novas==[Link] (from -r [Link] (line 1))
...
Collecting numpy==1.9.2 (from -r [Link] (line 2))
...
Collecting requests==2.7.0 (from -r [Link] (line
3))
...
Installing collected packages: novas, numpy, requests
Running [Link] install for novas
Successfully installed novas-[Link] numpy-1.9.2 requests-
2.7.0

pip tiene muchas más opciones. Consulte la guía Instalando módulos de

Python para obtener documentación completa de pip. Cuando haya escrito un
paquete y desee que esté disponible en el índice de paquetes de Python,
consulte la guía Distribuir módulos de Python.

13. ¿Y ahora qué?¶

Leer este tutorial probablemente reforzó tu interés por usar Python, deberías
estar ansioso por aplicar Python a la resolución de tus problemas reales. ¿A
dónde deberías ir para aprender más?

Este tutorial forma parte del conjunto de documentación de Python. Algunos

otros documentos que encontrarás en este conjunto son:

 La Biblioteca Estándar de Python:

Deberías navegar a través de este manual, que da una completa pero

breve referencia sobre los tipos, funciones y módulos en la librería
estándar. La distribución estándar de Python incluye mucho más código
adicional. Hay módulos para leer buzones Unix, obtener documentos vía
HTTP, generar números aleatorios, analizar opciones de línea de
comandos, escribir programas CGI, comprimir datos y muchas más
tareas. Echar una ojeada a la Librería de Referencia te dará una idea de
lo que está disponible.
 Instalando módulos de Python explica como instalar módulos adicionales
escritos por otros usuarios de Python.
 Referencia del Lenguaje Python: Una explicación detallada de la sintaxis
y la semántica de Python. Es una lectura pesada, pero es muy útil como
guía complete del lenguaje.
Más recursos sobre Python:

 [Link] El mayor sitio web de Python. Contiene código,

documentación, y enlaces a páginas web relacionadas con Python. Esta
web está replicada en varios sitios alrededor del mundo, como Europa,
Japón y Australia; una réplica puede ser más rápida que el sitio principal,
dependiendo de tu localización geográfica.
 [Link] Acceso rápido a la documentación de Python.
 [Link] 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.
 [Link] 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.)
 [Link] recoge enlaces a vídeos relacionados con
Python provenientes de conferencias y de reuniones de grupos de
usuarios.
 [Link] 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 [Link], o enviarlas a la lista de correo
que hay en python-list@[Link]. 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 [Link]

Antes de escribir, asegúrate de haber revisado la lista de Frequently Asked

Questions (también llamado el FAQ). Muchas veces responde las preguntas
que se hacen una y otra vez, y quizás contenga la solución a tu problema.

Notas al pie

1
 La tienda de queso, Cheese Shop, es un chiste de Monty Python: un
cliente entra a una tienda de queso pero para cualquier queso que pide,
el vendedor le dice que no lo tienen.

14. Edición de entrada interactiva y

sustitución de historial
Algunas versiones del intérprete de Python permiten editar la línea de entrada
actual, y sustituir en base al historial, de forma similar a las capacidades del
intérprete de comandos Korn y el GNU bash. Esto se implementa con la
biblioteca GNU Readline, que soporta varios estilos de edición. Esta biblioteca
tiene su propia documentación la cuál no vamos a duplicar aquí.

14.1. Autocompletado con tab e historial de

edición
El autocompletado de variables y nombres de módulos es automatically
enabled al iniciar el intérprete, por lo tanto la tecla Tab invoca la función de
autocompletado; ésta mira en los nombres de sentencia, las variables locales y
los nombres de módulos disponibles. Para expresiones con puntos
como string.a, va a evaluar la expresión hasta el '.' final y entonces sugerir
autocompletado para los atributos del objeto resultante. Nota que esto quizás
ejecute código de aplicaciones definidas si un objeto con un
método __getattr__() es parte de la expresión. La configuración por omisión
también guarda tu historial en un archivo llamado .python_history en tu
directorio de usuario. El historial estará disponible durante la próxima sesión
interactiva del intérprete.

14.2. Alternativas al intérprete interactivo

Esta funcionalidad es un paso enorme hacia adelante comparado con
versiones anteriores del interprete; de todos modos, quedan pendientes
algunos deseos: sería bueno que el sangrado correcto se sugiriera en las
lineas de continuación (el parser sabe si se requiere un sangrado a
continuación). El mecanismo de completado podría usar la tabla de símbolos
del intérprete. Un comando para verificar (o incluso sugerir) coincidencia de
paréntesis, comillas, etc. también sería útil.
Un intérprete interactivo mejorado alternativo que está dando vueltas desde
hace rato es IPython, que ofrece completado por tab, exploración de objetos, y
administración avanzada del historial. También puede ser configurado en
profundidad, e integrarse en otras aplicaciones. Otro entorno interactivo
mejorado similar es bpython.

15. Aritmética de Punto Flotante:

Problemas y Limitaciones
Los números de punto flotante se representan en el hardware de la
computadora en fracciones en base 2 (binario). Por ejemplo, la fracción decimal

0.125

…tiene el valor 1/10 + 2/100 + 5/1000, y de la misma manera la fracción binaria

0.001

…tiene el valor 0/2 + 0/4 + 1/8. Estas dos fracciones tienen valores idénticos, la
única diferencia real es que la primera está escrita en notación fraccional en
base 10 y la segunda en base 2.

Desafortunadamente, la mayoría de las fracciones decimales no pueden

representarse exactamente como fracciones binarias. Como consecuencia, en
general los números de punto flotante decimal que ingresás en la computadora
son sólo aproximados por los números de punto flotante binario que realmente
se guardan en la máquina.

El problema es más fácil de entender primero en base 10. Considerá la fracción

1/3. Podés aproximarla como una fracción de base 10

0.3

…o, mejor,

0.33

…o, mejor,
0.333

…y así. No importa cuantos dígitos desees escribir, el resultado nunca será

exactamente 1/3, pero será una aproximación cada vez mejor de 1/3.

De la misma manera, no importa cuantos dígitos en base 2 quieras usar, el

valor decimal 0.1 no puede representarse exactamente como una fracción en
base 2. En base 2, 1/10 es la siguiente fracción que se repite infinitamente:

0.0001100110011001100110011001100110011001100110011...

Frená en cualquier número finito de bits, y tendrás una aproximación. En la

mayoría de las máquinas hoy en día, los float se aproximan usando una
fracción binaria con el numerador usando los primeros 53 bits con el bit más
significativos y el denominador como una potencia de dos. En el caso de 1/10,
la fracción binaria es 3602879701896397 / 2 ** 55 que está cerca pero no
es exactamente el valor verdadero de 1/10.

La mayoría de los usuarios no son conscientes de esta aproximación por la

forma en que se muestran los valores. Python solamente muestra una
aproximación decimal al valor verdadero decimal de la aproximación binaria
almacenada por la máquina. En la mayoría de las máquinas, si Python fuera a
imprimir el verdadero valor decimal de la aproximación binaria almacenada
para 0.1, debería mostrar

>>>

>>> 0.1
0.1000000000000000055511151231257827021181583404541015625

Esos son más dígitos que lo que la mayoría de la gente encuentra útil, por lo
que Python mantiene manejable la cantidad de dígitos al mostrar en su lugar un
valor redondeado

>>>

>>> 1 / 10
0.1

Sólo recordá que, a pesar de que el valor mostrado resulta ser exactamente
1/10, el valor almacenado realmente es la fracción binaria más cercana posible.
Interesantemente, hay varios números decimales que comparten la misma
fracción binaria más aproximada. Por ejemplo, los
números 0.1, 0.10000000000000001 y 0.100000000000000005551115123
1257827021181583404541015625 son todos aproximados
por 3602879701896397 / 2 ** 55. Ya que todos estos valores decimales
comparten la misma aproximación, se podría mostrar cualquiera de ellos para
preservar el invariante eval(repr(x)) == x.

Históricamente, el prompt de Python y la función integrada repr() eligieron el

valor con los 17 dígitos, 0.10000000000000001. Desde Python 3.1, en la
mayoría de los sistemas Python ahora es capaz de elegir la forma más corta de
ellos y mostrar 0.1.

Notá que esta es la verdadera naturaleza del punto flotante binario: no es un

error de Python, y tampoco es un error en tu código. Verás lo mismo en todos
los lenguajes que soportan la aritmética de punto flotante de tu hardware (a
pesar de que en algunos lenguajes por omisión no muestren la diferencia, o no
lo hagan en todos los modos de salida).

Para una salida más elegante, quizás quieras usar el formateo de cadenas de
texto para generar un número limitado de dígitos significativos:

>>>

>>> format([Link], '.12g') # give 12 significant digits

'3.14159265359'

>>> format([Link], '.2f') # give 2 digits after the point

'3.14'

>>> repr([Link])
'3.141592653589793'

Es importante darse cuenta que esto es, realmente, una ilusión: estás
simplemente redondeando al mostrar el valor verdadero de la máquina.

Una ilusión puede generar otra. Por ejemplo, ya que 0.1 no es exactamente
1/10, sumar tres veces 0.1 podría también no generar exactamente 0.3:

>>>

>>> .1 + .1 + .1 == .3
False
También, ya que 0.1 no puede acercarse más al valor exacto de 1/10 y 0.3 no
puede acercarse más al valor exacto de 3/10, redondear primero con la
función round() no puede ayudar:

>>>

>>> round(.1, 1) + round(.1, 1) + round(.1, 1) == round(.3,

1)
False

A pesar que los números no pueden acercarse a los valores exactos que
pretendemos, la función round() puede ser útil para redondear a posteriori,
para que los resultados con valores inexactos se puedan comparar entre sí:

>>>

>>> round(.1 + .1 + .1, 10) == round(.3, 10)

True

La aritmética de punto flotante binaria tiene varias sorpresas como esta. El

problema con «0.1» es explicado con detalle abajo, en la sección «Error de
Representación». Mirá los Peligros del Punto Flotante (en inglés, The Perils of
Floating Point) para una más completa recopilación de otras sorpresas
normales.

Como dice cerca del final, «no hay respuestas fáciles». A pesar de eso, ¡no le
tengas mucho miedo al punto flotante! Los errores en las operaciones flotantes
de Python se heredan del hardware de punto flotante, y en la mayoría de las
máquinas están en el orden de no más de una 1 parte en 2**53 por operación.
Eso es más que adecuado para la mayoría de las tareas, pero necesitás tener
en cuenta que no es aritmética decimal, y que cada operación de punto flotante
sufre un nuevo error de redondeo.

A pesar de que existen casos patológicos, para la mayoría de usos casuales de

la aritmética de punto flotante al final verás el resultado que esperás si
simplemente redondeás lo que mostrás de tus resultados finales al número de
dígitos decimales que esperás. str() es normalmente suficiente, y para un
control más fino mirá los parámetros del método de
formateo [Link]() en Formato de cadena de caracteres personalizado.

Para los casos de uso que necesitan una representación decimal exacta, probá
el módulo decimal, que implementa aritmética decimal útil para aplicaciones
de contabilidad y de alta precisión.
El módulo fractions soporta otra forma de aritmética exacta, ya que
implementa aritmética basada en números racionales (por lo que números
como 1/3 pueden ser representados exactamente).

Si sos un usuario frecuente de las operaciones de punto flotante deberías

pegarle una mirada al paquete Numerical Python y otros paquetes para
operaciones matemáticas y estadísticas provistos por el proyecto SciPy. Mirá
<[Link]

Python provee herramientas que pueden ayudar en esas raras ocasiones

cuando realmente querés saber el valor exacto de un float. El
método float.as_integer_ratio() expresa el valor del float como una
fracción:

>>>

>>> x = 3.14159
>>> x.as_integer_ratio()
(3537115888337719, 1125899906842624)

Ya que la fracción es exacta, se puede usar para recrear sin pérdidas el valor
original:

>>>

>>> x == 3537115888337719 / 1125899906842624

True

El método [Link]() expresa un float en hexadecimal (base 16),

nuevamente retornando el valor exacto almacenado por tu computadora:

>>>

>>> [Link]()
'0x1.921f9f01b866ep+1'

Esta representación hexadecimal precisa se puede usar para reconstruir el

valor exacto del float:

>>>

>>> x == [Link]('0x1.921f9f01b866ep+1')
True
Ya que la representación es exacta, es útil para portar valores a través de
diferentes versiones de Python de manera confiable (independencia de
plataformas) e intercambiar datos con otros lenguajes que soportan el mismo
formato (como Java y C99).

Otra herramienta útil es la función [Link]() que ayuda a mitigar la pérdida

de precisión durante la suma. Esta función lleva la cuenta de «dígitos perdidos»
mientras se suman los valores en un total. Eso puede hacer una diferencia en
la exactitud de lo que se va sumando para que los errores no se acumulen al
punto en que afecten el total final:

>>>

>>> sum([0.1] * 10) == 1.0

False
>>> [Link]([0.1] * 10) == 1.0
True

15.1. Error de Representación

Esta sección explica el ejemplo «0.1» en detalle, y muestra como en la mayoría
de los casos vos mismo podés realizar un análisis exacto como este. Se asume
un conocimiento básico de la representación de punto flotante binario.

Error de representación se refiere al hecho de que algunas (la mayoría) de las

fracciones decimales no pueden representarse exactamente como fracciones
binarias (en base 2). Esta es la razón principal de por qué Python (o Perl, C, C+
+, Java, Fortran, y tantos otros) frecuentemente no mostrarán el número
decimal exacto que esperás.

¿Por qué es eso? 1/10 no es representable exactamente como una fracción

binaria. Casi todas las máquinas de hoy en día (Noviembre del 2000) usan
aritmética de punto flotante IEEE-754, y casi todas las plataformas mapean los
flotantes de Python al «doble precisión» de IEEE-754. Estos «dobles» tienen
53 bits de precisión, por lo tanto en la entrada la computadora intenta convertir
0.1 a la fracción más cercana que puede de la forma J/2***N* donde J es un
entero que contiene exactamente 53 bits. Reescribiendo

1 / 10 ~= J / (2**N)

…como

J ~= 2**N / 10
…y recordando que J tiene exactamente 53 bits (es >= 2**52 pero < 2**53),
el mejor valor para N es 56:

>>>

>>> 2**52 <= 2**56 // 10 < 2**53

True

O sea, 56 es el único valor para N que deja J con exactamente 53 bits. El mejor
valor posible para J es entonces el cociente redondeado:

>>>

>>> q, r = divmod(2**56, 10)

>>> r
6

Ya que el resto es más que la mitad de 10, la mejor aproximación se obtiene

redondeándolo:

>>>

>>> q+1
7205759403792794

Por lo tanto la mejor aproximación a 1/10 en doble precisión 754 es:

7205759403792794 / 2 ** 56

El dividir tanto el numerador como el denominador reduce la fracción a:

3602879701896397 / 2 ** 55

Notá que como lo redondeamos, esto es un poquito más grande que 1/10; si no
lo hubiéramos redondeado, el cociente hubiese sido un poquito menor que
1/10. ¡Pero no hay caso en que sea exactamente 1/10!

Entonces la computadora nunca «ve» 1/10: lo que ve es la fracción exacta de

arriba, la mejor aproximación al flotante doble de 754 que puede obtener:

>>>

>>> 0.1 * 2 ** 55
3602879701896397.0
Si multiplicamos esa fracción por 10**55, podemos ver el valor hasta los 55
dígitos decimales:

>>>

>>> 3602879701896397 * 10 ** 55 // 2 ** 55
1000000000000000055511151231257827021181583404541015625

…lo que significa que el valor exacto almacenado en la computadora es igual al

valor decimal
0.1000000000000000055511151231257827021181583404541015625. En
lugar de mostrar el valor decimal completo, muchos lenguajes (incluyendo
versiones más viejas de Python), redondean el resultado a 17 dígitos
significativos:

>>>

>>> format(0.1, '.17f')

'0.10000000000000001'

Los módulos fractions y decimal hacen fácil estos cálculos:

>>>

>>> from decimal import Decimal

>>> from fractions import Fraction

>>> Fraction.from_float(0.1)
Fraction(3602879701896397, 36028797018963968)

>>> (0.1).as_integer_ratio()
(3602879701896397, 36028797018963968)

>>> Decimal.from_float(0.1)
Decimal('0.10000000000000000555111512312578270211815834045410
15625')

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

'0.10000000000000001'

16. Apéndice
16.1. Modo interactivo
16.1.1. Manejo de errores
Cuando ocurre un error, el intérprete imprime un mensaje de error y la traza del
error. En el modo interactivo, luego retorna al prompt primario; cuando la
entrada viene de un archivo, el programa termina con código de salida distinto
a cero luego de imprimir la traza del error. (Las excepciones manejadas por
una clausula except en una sentencia try no son errores en este contexto).
Algunos errores son incondicionalmente fatales y causan una terminación con
código de salida distinto de cero; esto se debe a inconsistencias internas o a
que el intérprete se queda sin memoria. Todos los mensajes de error se
escriben en el flujo de errores estándar; las salidas normales de comandos
ejecutados se escriben en la salida estándar.

Al ingresar el carácter de interrupción (por lo general Control-C o Supr) en el

prompt primario o secundario, se cancela la entrada y retorna al prompt
primario. 1 Tipear una interrupción mientras un comando se están ejecutando
lanza la excepción KeyboardInterrupt, que puede ser manejada con una
sentencia try.

16.1.2. Programas ejecutables de Python

En los sistemas Unix y tipo BSD, los programas Python pueden convertirse
directamente en ejecutables, como programas del intérprete de comandos,
poniendo la linea:

#!/usr/bin/env python3.5

…al principio del script y dándole al archivo permisos de ejecución (asumiendo

que el intérprete están en la variable de entorno PATH del usuario). #! deben
ser los primeros dos caracteres del archivo. En algunas plataformas, la primera
línea debe terminar al estilo Unix ('\n'), no como en Windows ('\r\n'). Notá
que el carácter numeral '#' se usa en Python para comenzar un comentario.

Se le puede dar permisos de ejecución al script usando el comando chmod.

$ chmod +x [Link]

En sistemas Windows, no existe la noción de «modo ejecutable». El instalador

de Python asocia automáticamente la extensión .py con [Link] para que
al hacerle doble clic a un archivo Python se corra el script. La extensión
también puede ser .pyw, en este caso se omite la ventana con la consola que
normalmente aparece.

16.1.3. El archivo de inicio interactivo

Cuando usas Python en forma interactiva, suele ser útil que algunos comandos
estándar se ejecuten cada vez que el intérprete se inicia. Puedes hacer esto
configurando la variable de entorno PYTHONSTARTUP con el nombre de un
archivo que contenga tus comandos de inicio. Esto es similar al
archivo .profile en los intérpretes de comandos de Unix.

Este archivo es solo leído en las sesiones interactivas del intérprete, no cuando
Python lee comandos de un script ni cuando /dev/tty se explicita como una
fuente de comandos (que de otro modo se comporta como una sesión
interactiva). Se ejecuta en el mismo espacio de nombres en el que los
comandos interactivos se ejecutan, entonces los objetos que define o importa
pueden ser usados sin cualificaciones en la sesión interactiva. En este archivo
también puedes cambiar los prompts sys.ps1 y sys.ps2.

Si quieres leer un archivo de inicio adicional desde el directorio actual, puedes

programarlo en el archivo de inicio global usando algo
como if [Link]('.[Link]'): exec(open('.pythonrc.
py').read()). Si quieres usar el archivo de inicio en un script, tienes que
hacer lo siguiente de forma explícita en el script:

import os
filename = [Link]('PYTHONSTARTUP')
if filename and [Link](filename):
with open(filename) as fobj:
startup_file = [Link]()
exec(startup_file)

16.1.4. Los módulos de customización

Python provee dos formas para
customizarlo: sitecustomize y usercustomize. Para ver cómo funciona,
necesitas primero encontrar dónde está tu directorio para tu usuario de
paquetes del sistema. Inicia Python y ejecuta el siguiente código:

>>>

>>> import site

>>> [Link]()
'/home/user/.local/lib/python3.5/site-packages'
Ahora puedes crear un archivo llamado [Link] en ese directorio y
poner lo que quieras en él. Eso afectará cada ejecución de Python, a menos
que se inicie con la opción -s para deshabilitar esta importación automática.

sitecustomize funciona de la misma manera, pero normalmente lo crea el

administrador de la computadora en el directorio global de paquetes para el
sistema, y se importa antes que usercustomize. Para más detalles, mira la
documentación del módulo site.

Notas al pie

Un problema con el paquete GNU Readline puede prevenir esto.