![Aprende Python
2.1.2 Probando el intérprete
El intérprete de Python (por lo general) se identifica claramente porque posee un prompt2
con tres angulos hacia la derecha >>>. En Thonny lo podemos encontrar en el panel inferior,
pero se debe tener en cuenta que el intérprete de Python es una herramienta autocontenida
y que la podemos ejecutar desde el símbolo del sistema o la terminal:
Lista 1: Invocando el intérprete de Python 3.7 desde una
terminal en MacOS
$ python3.7
Python 3.7.4 (v3.7.4:e09359112e, Jul 8 2019, 14:54:52)
[Clang 6.0 (clang-600.0.57)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>>
Para hacer una prueba inicial del intérprete vamos a retomar el primer programa que se
suele hacer. Es el llamado «Hello, World». Para ello escribimos lo siguiente en el intérprete
y pulsamos la tecla ENTER:
>>> print( Hello, World )
Hello, World
Lo que hemos hecho es indicarle a Python que ejecute como entrada la instrucción
print( Hello, World ). La salida es el texto Hello, World que lo vemos en la siguiente
línea (ya sin el prompt >>>).
2.1.3 Probando el editor
Ahora vamos a realizar la misma operación, pero en vez de ejecutar la instrucción
directamente en el intérprete, vamos a crear un fichero y guardarlo con la sentencia que
nos interesa. Para ello escribimos print( Hello, World ) en el panel de edición (superior)
y luego guardamos el archivo con el nombre helloworld.py3
:
Importante: Los ficheros que contienen programas hechos en Python siempre deben tener
la extensión .py
Ahora ya podemos ejecutar nuestro fichero helloworld.py. Para ello pulsamos el botón verde
con triángulo blanco (en la barra de herramientas) o bien damos a la tecla F5. Veremos que
en el panel de Shell nos aparece la salida esperada. Lo que está pasando «entre bambalinas»
2
Término inglés que se refiere al símbolo que precede la línea de comandos.
3
La carpeta donde se guarden los archivos de código no es crítico para su ejecución, pero sí es importante
mantener un orden y una organización para tener localizados nuestros ficheros y proyectos.
2.1. Thonny 25](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-29-320.jpg)
![Aprende Python
Tabla 1: Tipos de datos en Python
Nombre Tipo Ejemplos
Booleano bool True, False
Entero int 21, 34500, 34_500
Flotante float 3.14, 1.5e3
Complejo complex 2j, 3 + 5j
Cadena str tfn , tenerife - islas canarias
Tupla tuple (1, 3, 5)
Lista list [ Chrome , Firefox ]
Conjunto set set([2, 4, 6])
Diccionario dict { Chrome : v79 , Firefox : v71 }
3.1.2 Variables
Las variables son fundamentales ya que permiten definir nombres para los valores que
tenemos en memoria y que vamos a usar en nuestro programa.
Figura 2: Uso de un nombre de variable
Reglas para nombrar variables
En Python existen una serie de reglas para los nombres de variables:
1. Sólo pueden contener los siguientes caracteres2
:
• Letras minúsculas.
• Letras mayúsculas.
• Dígitos.
• Guiones bajos (_).
2. Deben empezar con una letra o un guión bajo, nunca con un dígito.
3. No pueden ser una palabra reservada del lenguaje («keywords»).
2
Para ser exactos, sí se pueden utilizar otros caracteres, e incluso emojis en los nombres de variables,
aunque no suele ser una práctica extendida, ya que podría dificultar la legibilidad.
40 Capítulo 3. Tipos de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-44-320.jpg)
![Aprende Python
Obtener un caracter
Los «strings» están indexados y cada caracter tiene su propia posición. Para obtener un
único caracter dentro de una cadena de texto es necesario especificar su índice dentro de
corchetes [...].
Figura 8: Indexado de una cadena de texto
Veamos algunos ejemplos de acceso a caracteres:
>>> sentence = Hola, Mundo
>>> sentence[0]
H
>>> sentence[-1]
o
>>> sentence[4]
,
>>> sentence[-5]
M
Truco: Nótese que existen tanto índices positivos como índices negativos para acceder
a cada caracter de la cadena de texto. A priori puede parecer redundante, pero es muy útil
en determinados casos.
En caso de que intentemos acceder a un índice que no existe, obtendremos un error por fuera
de rango:
>>> sentence[50]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
IndexError: string index out of range
70 Capítulo 3. Tipos de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-74-320.jpg)
![Aprende Python
Advertencia: Téngase en cuenta que el indexado de una cadena de texto siempre
empieza en 0 y termina en una unidad menos de la longitud de la cadena.
Las cadenas de texto son tipos de datos inmutables. Es por ello que no podemos modificar
un caracter directamente:
>>> song = Hey Jude
>>> song[4] = D
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: str object does not support item assignment
Truco: Existen formas de modificar una cadena de texto que veremos más adelante,
aunque realmente no estemos transformando el original sino creando un nuevo objeto con
las modificaciones.
Trocear una cadena
Es posible extraer «trozos» («rebanadas») de una cadena de texto2
. Tenemos varias
aproximaciones para ello:
[:] Extrae la secuencia entera desde el comienzo hasta el final. Es una especia de copia de
toda la cadena de texto.
[start:] Extrae desde start hasta el final de la cadena.
[:end] Extrae desde el comienzo de la cadena hasta end menos 1.
[start:end] Extrae desde start hasta end menos 1.
[start:end:step] Extrae desde start hasta end menos 1 haciendo saltos de tamaño step.
Veamos la aplicación de cada uno de estos accesos a través de un ejemplo:
>>> proverb = Agua pasada no mueve molino
>>> proverb[:]
Agua pasada no mueve molino
>>> proverb[12:]
no mueve molino
(continué en la próxima página)
2
El término usado en inglés es slice.
3.3. Cadenas de texto 71](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-75-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> proverb[:11]
Agua pasada
>>> proverb[5:11]
pasada
>>> proverb[5:11:2]
psd
Importante: El troceado siempre llega a una unidad menos del índice final que hayamos
especificado. Sin embargo el comienzo sí coincide con el que hemos puesto.
Longitud de una cadena
Para obtener la longitud de una cadena podemos hacer uso de len(), una función común a
prácticamente todos los tipos y estructuras de datos en Python:
>>> proberb = Lo cortés no quita lo valiente
>>> len(proverb)
27
>>> empty =
>>> len(empty)
0
Pertenencia de un elemento
Si queremos comprobar que una determinada subcadena se encuentra en una cadena de texto
utilizamos el operador in para ello. Se trata de una expresión que tiene como resultado un
valor «booleano» verdadero o falso:
>>> proverb = Más vale malo conocido que bueno por conocer
>>> malo in proverb
True
>>> bueno in proverb
True
(continué en la próxima página)
72 Capítulo 3. Tipos de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-76-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> regular in proverb
False
Habría que prestar atención al caso en el que intentamos descubrir si una subcadena no está
en la cadena de texto:
>>> dna_sequence = ATGAAATTGAAATGGGA
>>> not( C in dna_sequence) # Primera aproximación
True
>>> C not in dna_sequence # Forma pitónica
True
Dividir una cadena
Una tarea muy común al trabajar con cadenas de texto es dividirlas por algún tipo
de separador. En este sentido, Python nos ofrece la función split(), que debemos usar
anteponiendo el «string» que queramos dividir:
>>> proverb = No hay mal que por bien no venga
>>> proverb.split()
[ No , hay , mal , que , por , bien , no , venga ]
>>> tools = Martillo,Sierra,Destornillador
>>> tools.split( , )
[ Martillo , Sierra , Destornillador ]
Nota: Si no se especifica un separador, split() usa por defecto cualquier secuencia de
espacios en blanco, tabuladores y saltos de línea.
Aunque aún no lo hemos visto, lo que devuelve split() es una lista (otro tipo de datos en
Python) donde cada elemento es una parte de la cadena de texto original:
>>> game = piedra-papel-tijera
>>> type(game.split( - ))
list
Ejercicio
3.3. Cadenas de texto 73](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-77-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> text2 = are
>>> text3 = you
>>> f {text1:<7s}|{text2:^11s}|{text3:>7s}
how | are | you
>>> f {text1:-<7s}|{text2:·^11s}|{text3:->7s}
how----|····are····|----you
Modo «debug»
A partir de Python 3.8, los «f-strings» permiten imprimir el nombre de la variable y su valor,
como un atajo para depurar nuestro código. Para ello sólo tenemos que incluir un símbolo =
después del nombre de la variable:
>>> serie = The Simpsons
>>> imdb_rating = 8.7
>>> num_seasons = 30
>>> f {serie=}
"serie= The Simpsons "
>>> f {imdb_rating=}
imdb_rating=8.7
>>> f {serie[4:]=} # incluso podemos añadir expresiones!
"serie[4:]= Simpsons "
>>> f {imdb_rating / num_seasons=}
imdb_rating / num_seasons=0.29
Ejercicio
Dada la variable:
e = 2.71828
, obtenga los siguientes resultados utilizando «f-strings»:
2.718
2.718280
2.72 # 4 espacios en blanco
2.718280e+00
(continué en la próxima página)
82 Capítulo 3. Tipos de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-86-320.jpg)
![Aprende Python
(proviene de la página anterior)
capitalize ,
casefold ,
center ,
count ,
encode ,
endswith ,
expandtabs ,
find ,
format ,
format_map ,
index ,
isalnum ,
isalpha ,
isascii ,
isdecimal ,
isdigit ,
isidentifier ,
islower ,
isnumeric ,
isprintable ,
isspace ,
istitle ,
isupper ,
join ,
ljust ,
lower ,
lstrip ,
maketrans ,
partition ,
replace ,
rfind ,
rindex ,
rjust ,
rpartition ,
rsplit ,
rstrip ,
split ,
splitlines ,
startswith ,
strip ,
swapcase ,
title ,
translate ,
upper ,
zfill ]
3.3. Cadenas de texto 85](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-89-320.jpg)
![Aprende Python
Esto es aplicable tanto a variables como a literales e incluso a tipos de datos (clases)
explícitos:
>>> dir(10)
[ __abs__ ,
__add__ ,
__and__ ,
__bool__ ,
...
imag ,
numerator ,
real ,
to_bytes ]
>>> dir(float)
[ __abs__ ,
__add__ ,
__bool__ ,
__class__ ,
...
hex ,
imag ,
is_integer ,
real ]
EJERCICIOS DE REPASO
1. Escriba un programa en Python que acepte el nombre y los apellidos de una persona
y los imprima en orden inverso separados por una coma. Utilice f-strings para
implementarlo (solución).
Entrada: nombre=Sergio; apellidos=Delgado Quintero
Salida: Delgado Quintero, Sergio
2. Escriba un programa en Python que acepte una ruta remota de recurso samba, y lo
separe en nombre(IP) del equipo y ruta (solución).
Entrada: //1.1.1.1/eoi/python
Salida: equipo=1.1.1.1; ruta=/eoi/python
3. Escriba un programa en Python que acepte un «string» con los 8 dígitos de un NIF, y
calcule su dígito de control (solución).
Entrada: 12345678
Salida: 12345678Z
86 Capítulo 3. Tipos de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-90-320.jpg)
![Aprende Python
(proviene de la página anterior)
... case _:
... print( Unknown! )
...
>>> dist_to_origin
9.899494936611665
Con este enfoque, nos aseguramos que los puntos de entrada deben tener todas sus
coordenadas como valores enteros:
>>> point = ( 8 , 3, 5) # Nótese el 8 como "string"
>>> match point:
... case (int(x), int(y)):
... dist_to_origin = (x ** 2 + y ** 2) ** (1 / 2)
... case (int(x), int(y), int(z)):
... dist_to_origin = (x ** 2 + y ** 2 + z ** 2) ** (1 / 2)
... case _:
... print( Unknown! )
...
Unknown!
Cambiando de ejemplo, veamos un fragmento de código en el que tenemos que comprobar
la estructura de un bloque de autenticación definido mediante un diccionario. Los
métodos válidos de autenticación son únicamente dos: bien usando nombre de usuario y
contraseña, o bien usando correo electrónico y «token» de acceso. Además, los valores deben
venir en formato cadena de texto:
1 >>> # Lista de diccionarios
2 >>> auths = [
3 ... { username : sdelquin , password : 1234 },
4 ... { email : sdelquin@gmail.com , token : 4321 },
5 ... { email : test@test.com , password : ABCD },
6 ... { username : sdelquin , password : 1234}
7 ... ]
8
9 >>> for auth in auths:
10 ... print(auth)
11 ... match auth:
12 ... case { username : str(username), password : str(password)}:
13 ... print( Authenticating with username and password )
14 ... print(f {username}: {password} )
15 ... case { email : str(email), token : str(token)}:
16 ... print( Authenticating with email and token )
17 ... print(f {email}: {token} )
(continué en la próxima página)
4.1. Condicionales 103](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-107-320.jpg)
![Aprende Python
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/RgM2HYn
La condición del bucle se comprueba en cada nueva repetición. En este caso chequeamos que
la variable value sea menor o igual que 4. Dentro del cuerpo del bucle estamos incrementando
esa variable en 1 unidad.
Romper un bucle while
Python ofrece la posibilidad de romper o finalizar un bucle antes de que se cumpla la
condición de parada. Supongamos un ejemplo en el que estamos buscando el primer número
múltiplo de 3 yendo desde 20 hasta 1:
>>> num = 20
>>> while num >= 1:
... if num % 3 == 0:
... print(num)
... break
... num -= 1
...
18
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/wfrKnHl
Como hemos visto en este ejemplo, break nos permite finalizar el bucle una vez que hemos
encontrado nuestro objetivo: el primer múltiplo de 3. Pero si no lo hubiéramos encontrado,
el bucle habría seguido decrementando la variable num hasta valer 0, y la condición del bucle
while hubiera resultado falsa.
Comprobar la rotura
Nivel intermedio
Python nos ofrece la posibilidad de detectar si el bucle ha acabado de forma ordinaria,
esto es, ha finalizado por no cumplirse la condición establecida. Para ello podemos hacer uso
de la sentencia else como parte del propio bucle. Si el bucle while finaliza normalmente (sin
llamada a break) el flujo de control pasa a la sentencia opcional else.
Veamos un ejemplo en el que tratamos de encontrar un múltiplo de 9 en el rango [1, 8] (es
obvio que no sucederá):
108 Capítulo 4. Control de flujo](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-112-320.jpg)
![Aprende Python
>>> num = 8
>>> while num >= 1:
... if num % 9 == 0:
... print(f {num} is a multiple of 9! )
... break
... num -= 1
... else:
... print( No multiples of 9 found! )
...
No multiples of 9 found!
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/CgYQFiA
Continuar un bucle
Nivel intermedio
Hay situaciones en las que, en vez de romper un bucle, nos interesa saltar adelante hacia
la siguiente repetición. Para ello Python nos ofrece la sentencia continue que hace
precisamente eso, descartar el resto del código del bucle y saltar a la siguiente iteración.
Veamos un ejemplo en el que usaremos esta estrategia para mostrar todos los números en el
rango [1, 20] ignorando aquellos que sean múltiplos de 3:
>>> num = 21
>>> while num >= 1:
... num -= 1
... if num % 3 == 0:
... continue
... print(num, end= , ) # Evitar salto de línea
...
20, 19, 17, 16, 14, 13, 11, 10, 8, 7, 5, 4, 2, 1,
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/YgYQ3m6
4.2. Bucles 109](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-113-320.jpg)
![Aprende Python
range() devuelve un objeto iterable, así que iremos obteniendo los valores paso a paso con
una sentencia for ... in3
. Veamos diferentes ejemplos de uso:
Rango: [0, 1, 2]
>>> for i in range(0, 3):
... print(i)
...
0
1
2
>>> for i in range(3):
... print(i)
...
0
1
2
Rango: [1, 3, 5]
>>> for i in range(1, 6, 2):
... print(i)
...
1
3
5
Rango: [2, 1, 0]
>>> for i in range(2, -1, -1):
... print(i)
...
2
1
0
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/vfywE45
Truco: Se suelen utilizar nombres de variables i, j, k para lo que se denominan contadores.
Este tipo de variables toman valores numéricos enteros como en los ejemplos anteriores. No
conviene generalizar el uso de estas variables a situaciones en las que, claramente, tenemos la
posibilidad de asignar un nombre semánticamente más significativo. Esto viene de tiempos
3
O convertir el objeto a una secuencia como una lista.
4.2. Bucles 113](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-117-320.jpg)
![Aprende Python
5.1 Listas
Las listas permiten almacenar objetos mediante un orden definido y con posibilidad
de duplicados. Las listas son estructuras de datos mutables, lo que significa que podemos
añadir, eliminar o modificar sus elementos.1
5.1.1 Creando listas
Una lista está compuesta por cero o más elementos. En Python debemos escribir estos
elementos separados por comas y dentro de corchetes. Veamos algunos ejemplos de listas:
>>> empty_list = []
>>> languages = [ Python , Ruby , Javascript ]
>>> fibonacci = [0, 1, 1, 2, 3, 5, 8, 13]
>>> data = [ Tenerife , { cielo : limpio , temp : 24}, 3718, (28.2933947, -16.
˓
→5226597)]
Nota: Una lista puede contener tipos de datos heterogéneos, lo que la hace una estructura
1
Foto original de portada por Mike Arney en Unsplash.
120 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-124-320.jpg)
![Aprende Python
de datos muy versátil.
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/Ofiiare
5.1.2 Conversión
Para convertir otros tipos de datos en una lista podemos usar la función list():
>>> # conversión desde una cadena de texto
>>> list( Python )
[ P , y , t , h , o , n ]
Si nos fijamos en lo que ha pasado, al convertir la cadena de texto Python se ha creado
una lista con 6 elementos, donde cada uno de ellos representa un caracter de la cadena.
Podemos extender este comportamiento a cualquier otro tipo de datos que permita ser iterado
(iterables).
Lista vacía
Existe una manera particular de usar list() y es no pasarle ningún argumento. En este
caso estaremos queriendo convertir el «vacío» en una lista, con lo que obtendremos una lista
vacía:
>>> list()
[]
Truco: Para crear una lista vacía, se suele recomendar el uso de [] frente a list(), no
sólo por ser más pitónico sino por tener (en promedio) un mejor rendimiento en tiempos de
ejecución.
5.1.3 Operaciones con listas
Obtener un elemento
Igual que en el caso de las cadenas de texto, podemos obtener un elemento de una lista a
través del índice (lugar) que ocupa. Veamos un ejemplo:
5.1. Listas 121](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-125-320.jpg)
![Aprende Python
>>> shopping = [ Agua , Huevos , Aceite ]
>>> shopping[0]
Agua
>>> shopping[1]
Huevos
>>> shopping[2]
Aceite
>>> shopping[-1] # acceso con índice negativo
Aceite
El índice que usemos para acceder a los elementos de una lista tiene que estar comprendido
entre los límites de la misma. Si usamos un índice antes del comienzo o después del final
obtendremos un error (excepción):
>>> shopping = [ Agua , Huevos , Aceite ]
>>> shopping[3]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
IndexError: list index out of range
>>> shopping[-5]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
IndexError: list index out of range
Trocear una lista
El troceado de listas funciona de manera totalmente análoga al troceado de cadenas. Veamos
algunos ejemplos:
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> shopping[0:3]
[ Agua , Huevos , Aceite ]
>>> shopping[:3]
[ Agua , Huevos , Aceite ]
>>> shopping[2:4]
[ Aceite , Sal ]
(continué en la próxima página)
122 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-126-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> shopping[-1:-4:-1]
[ Limón , Sal , Aceite ]
>>> # Equivale a invertir la lista
>>> shopping[::-1]
[ Limón , Sal , Aceite , Huevos , Agua ]
En el troceado de listas, a diferencia de lo que ocurre al obtener elementos, no debemos
preocuparnos por acceder a índices inválidos (fuera de rango) ya que Python los restringirá
a los límites de la lista:
>>> shopping
[ Agua , Huevos , Aceite , Sal , Limón ]
>>> shopping[10:]
[]
>>> shopping[-100:2]
[ Agua , Huevos ]
>>> shopping[2:100]
[ Aceite , Sal , Limón ]
Importante: Ninguna de las operaciones anteriores modifican la lista original, simplemente
devuelven una lista nueva.
Invertir una lista
Python nos ofrece, al menos, tres mecanismos para invertir los elementos de una lista:
Conservando la lista original: Mediante troceado de listas con step negativo:
>>> shopping
[ Agua , Huevos , Aceite , Sal , Limón ]
>>> shopping[::-1]
[ Limón , Sal , Aceite , Huevos , Agua ]
Conservando la lista original: Mediante la función reversed():
>>> shopping
[ Agua , Huevos , Aceite , Sal , Limón ]
(continué en la próxima página)
5.1. Listas 123](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-127-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> list(reversed(shopping))
[ Limón , Sal , Aceite , Huevos , Agua ]
Modificando la lista original: Utilizando la función reverse() (nótese que es sin «d» al
final):
>>> shopping
[ Agua , Huevos , Aceite , Sal , Limón ]
>>> shopping.reverse()
>>> shopping
[ Limón , Sal , Aceite , Huevos , Agua ]
Añadir al final de la lista
Una de las operaciones más utilizadas en listas es añadir elementos al final de las mismas.
Para ello Python nos ofrece la función append(). Se trata de un método destructivo que
modifica la lista original:
>>> shopping = [ Agua , Huevos , Aceite ]
>>> shopping.append( Atún )
>>> shopping
[ Agua , Huevos , Aceite , Atún ]
Creando desde vacío
Una forma muy habitual de trabajar con listas es empezar con una vacía e ir añadiendo
elementos poco a poco. Se podría hablar de un patrón creación.
Supongamos un ejemplo en el que queremos construir una lista con los números pares del 1
al 20:
>>> even_numbers = []
>>> for i in range(20):
... if i % 2 == 0:
... even_numbers.append(i)
...
(continué en la próxima página)
124 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-128-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> even_numbers
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/2fiS9Ax
Añadir en cualquier posición de una lista
Ya hemos visto cómo añadir elementos al final de una lista. Sin embargo, Python ofrece
una función insert() que vendría a ser una generalización de la anterior, para incorporar
elementos en cualquier posición. Simplemente debemos especificar el índice de inserción y el
elemento en cuestión. También se trata de una función destructiva2
:
>>> shopping = [ Agua , Huevos , Aceite ]
>>> shopping.insert(1, Jamón )
>>> shopping
[ Agua , Jamón , Huevos , Aceite ]
>>> shopping.insert(3, Queso )
>>> shopping
[ Agua , Jamón , Huevos , Queso , Aceite ]
Nota: El índice que especificamos en la función insert() lo podemos intepretar como la
posición delante (a la izquierda) de la cual vamos a colocar el nuevo valor en la lista.
Al igual que ocurría con el troceado de listas, en este tipo de inserciones no obtendremos un
error si especificamos índices fuera de los límites de la lista. Estos se ajustarán al principio
o al final en función del valor que indiquemos:
>>> shopping = [ Agua , Huevos , Aceite ]
>>> shopping.insert(100, Mermelada )
>>> shopping
[ Agua , Huevos , Aceite , Mermelada ]
(continué en la próxima página)
2
Cuando hablamos de que una función/método es «destructiva/o» significa que modifica la lista (objeto)
original, no que la destruye.
5.1. Listas 125](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-129-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> shopping.insert(-100, Arroz )
>>> shopping
[ Arroz , Agua , Huevos , Aceite , Mermelada ]
Consejo: Aunque es posible utilizar insert() para añadir elementos al final de una
lista, siempre se recomienda usar append() por su mayor legibilidad:
>>> values = [1, 2, 3]
>>> values.append(4)
>>> values
[1, 2, 3, 4]
>>> values = [1, 2, 3]
>>> values.insert(len(values), 4) # don t do it!
>>> values
[1, 2, 3, 4]
Repetir elementos
Al igual que con las cadenas de texto, el operador * nos permite repetir los elementos de una
lista:
>>> shopping = [ Agua , Huevos , Aceite ]
>>> shopping * 3
[ Agua ,
Huevos ,
Aceite ,
Agua ,
Huevos ,
Aceite ,
Agua ,
Huevos ,
Aceite ]
126 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-130-320.jpg)
![Aprende Python
Combinar listas
Python nos ofrece dos aproximaciones para combinar listas:
Conservando la lista original: Mediante el operador + o +=:
>>> shopping = [ Agua , Huevos , Aceite ]
>>> fruitshop = [ Naranja , Manzana , Piña ]
>>> shopping + fruitshop
[ Agua , Huevos , Aceite , Naranja , Manzana , Piña ]
Modificando la lista original: Mediante la función extend():
>>> shopping = [ Agua , Huevos , Aceite ]
>>> fruitshop = [ Naranja , Manzana , Piña ]
>>> shopping.extend(fruitshop)
>>> shopping
[ Agua , Huevos , Aceite , Naranja , Manzana , Piña ]
Hay que tener en cuenta que extend() funciona adecuadamente si pasamos una lista como
argumento. En otro caso, quizás los resultados no sean los esperados. Veamos un ejemplo:
>>> shopping = [ Agua , Huevos , Aceite ]
>>> shopping.extend( Limón )
>>> shopping
[ Agua , Huevos , Aceite , L , i , m , ó , n ]
El motivo es que extend() «recorre» (o itera) sobre cada uno de los elementos del objeto
en cuestión. En el caso anterior, al ser una cadena de texto, está formada por caracteres. De
ahí el resultado que obtenemos.
Se podría pensar en el uso de append() para combinar listas. La realidad es que no funciona
exactamente como esperamos; la segunda lista se añadiría como una sublista de la principal:
>>> shopping = [ Agua , Huevos , Aceite ]
>>> fruitshop = [ Naranja , Manzana , Piña ]
>>> shopping.append(fruitshop)
>>> shopping
[ Agua , Huevos , Aceite , [ Naranja , Manzana , Piña ]]
5.1. Listas 127](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-131-320.jpg)
![Aprende Python
Modificar una lista
Del mismo modo que se accede a un elemento utilizando su índice, también podemos
modificarlo:
>>> shopping = [ Agua , Huevos , Aceite ]
>>> shopping[0]
Agua
>>> shopping[0] = Jugo
>>> shopping
[ Jugo , Huevos , Aceite ]
En el caso de acceder a un índice no válido de la lista, incluso para modificar, obtendremos
un error:
>>> shopping[100] = Chocolate
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
IndexError: list assignment index out of range
Modificar con troceado
No sólo es posible modificar un elemento de cada vez, sino que podemos asignar valores a
trozos de una lista:
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> shopping[1:4]
[ Huevos , Aceite , Sal ]
>>> shopping[1:4] = [ Atún , Pasta ]
>>> shopping
[ Agua , Atún , Pasta , Limón ]
Nota: La lista que asignamos no necesariamente debe tener la misma longitud que el trozo
que sustituimos.
128 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-132-320.jpg)
![Aprende Python
Borrar elementos
Python nos ofrece, al menos, cuatro formas para borrar elementos en una lista:
Por su índice: Mediante la función del():
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> del(shopping[3])
>>> shopping
[ Agua , Huevos , Aceite , Limón ]
Por su valor: Mediante la función remove():
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> shopping.remove( Sal )
>>> shopping
[ Agua , Huevos , Aceite , Limón ]
Advertencia: Si existen valores duplicados, la función remove() sólo borrará la
primera ocurrencia.
Por su índice (con extracción): Las dos funciones anteriores del() y remove()
efectivamente borran el elemento indicado de la lista, pero no «devuelven»3
nada. Sin
embargo, Python nos ofrece la función pop() que además de borrar, nos «recupera»
el elemento; algo así como una extracción. Lo podemos ver como una combinación de
acceso + borrado:
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> shopping.pop()
Limón
>>> shopping
[ Agua , Huevos , Aceite , Sal ]
>>> shopping.pop(2)
Aceite
(continué en la próxima página)
3
Más adelante veremos el comportamiento de las funciones. Devolver o retornar un valor es el resultado
de aplicar una función.
5.1. Listas 129](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-133-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> shopping
[ Agua , Huevos , Sal ]
Nota: Si usamos la función pop() sin pasarle ningún argumento, por defecto usará
el índice -1, es decir, el último elemento de la lista. Pero también podemos indicarle el
índice del elemento a extraer.
Por su rango: Mediante troceado de listas:
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> shopping[1:4] = []
>>> shopping
[ Agua , Limón ]
Borrado completo de la lista
Python nos ofrece, al menos, dos formas para borrar una lista por completo:
1. Utilizando la función clear():
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> shopping.clear() # Borrado in-situ
>>> shopping
[]
2. «Reinicializando» la lista a vacío con []:
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> shopping = [] # Nueva zona de memoria
>>> shopping
[]
Nota: La diferencia entre ambos métodos tiene que ver con cuestiones internas de gestión
de memoria y de rendimiento.
130 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-134-320.jpg)
![Aprende Python
Encontrar un elemento
Si queremos descubrir el índice que corresponde a un determinado valor dentro la lista
podemos usar la función index() para ello:
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> shopping.index( Huevos )
1
Tener en cuenta que si el elemento que buscamos no está en la lista, obtendremos un error:
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> shopping.index( Pollo )
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ValueError: Pollo is not in list
Nota: Si buscamos un valor que existe más de una vez en una lista, la función index() sólo
nos devolverá el índice de la primera ocurrencia.
Pertenencia de un elemento
Si queremos comprobar la existencia de un determinado elemento en una lista, podríamos
buscar su índice, pero la forma pitónica de hacerlo es utilizar el operador in:
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> Aceite in shopping
True
>>> Pollo in shopping
False
Nota: El operador in siempre devuelve un valor booleano, es decir, verdadero o falso.
Ejercicio
Determine si una cadena de texto dada es un isograma, es decir, no se repite ninguna letra.
Ejemplos válidos de isogramas:
5.1. Listas 131](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-135-320.jpg)
![Aprende Python
• lumberjacks
• background
• downstream
• six-year-old
Número de ocurrencias
Para contar cuántas veces aparece un determinado valor dentro de una lista podemos usar
la función count():
>>> sheldon_greeting = [ Penny , Penny , Penny ]
>>> sheldon_greeting.count( Howard )
0
>>> sheldon_greeting.count( Penny )
3
Convertir lista a cadena de texto
Dada una lista, podemos convetirla a una cadena de texto, uniendo todos sus elementos
mediante algún separador. Para ello hacemos uso de la función join() con la siguiente
estructura:
Figura 1: Estructura de llamada a la función join()
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> , .join(shopping)
Agua,Huevos,Aceite,Sal,Limón
(continué en la próxima página)
132 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-136-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> .join(shopping)
Agua Huevos Aceite Sal Limón
>>> | .join(shopping)
Agua|Huevos|Aceite|Sal|Limón
Hay que tener en cuenta que join() sólo funciona si todos sus elementos son cadenas de
texto:
>>> , .join([1, 2, 3, 4, 5])
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: sequence item 0: expected str instance, int found
Truco: Esta función join() es realmente la opuesta a la de split() para dividir una
cadena.
Ejercicio
Consiga la siguiente transformación:
12/31/20 31-12-2020
Ordenar una lista
Python proporciona, al menos, dos formas de ordenar los elementos de una lista:
Conservando lista original: Mediante la función sorted() que devuelve una nueva lista
ordenada:
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> sorted(shopping)
[ Aceite , Agua , Huevos , Limón , Sal ]
Modificando la lista original: Mediante la función sort():
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> shopping.sort()
(continué en la próxima página)
5.1. Listas 133](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-137-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> shopping
[ Aceite , Agua , Huevos , Limón , Sal ]
Ambos métodos admiten un parámetro «booleano» reverse para indicar si queremos que
la ordenación se haga en sentido inverso:
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> sorted(shopping, reverse=True)
[ Sal , Limón , Huevos , Agua , Aceite ]
Longitud de una lista
Podemos conocer el número de elementos que tiene una lista con la función len():
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> len(shopping)
5
Iterar sobre una lista
Al igual que hemos visto con las cadenas de texto, también podemos iterar sobre los elementos
de una lista utilizando la sentencia for:
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> for product in shopping:
... print(product)
...
Agua
Huevos
Aceite
Sal
Limón
Nota: También es posible usar la sentencia break en este tipo de bucles para abortar su
ejecución en algún momento que nos interese.
134 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-138-320.jpg)
![Aprende Python
Iterar usando enumeración
Hay veces que no sólo nos interesa «visitar» cada uno de los elementos de una lista, sino
que también queremos saber su índice dentro de la misma. Para ello Python nos ofrece la
función enumerate():
>>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ]
>>> for i, product in enumerate(shopping):
... print(i, product)
...
0 Agua
1 Huevos
2 Aceite
3 Sal
4 Limón
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/TfiuIZ0
Iterar sobre múltiples listas
Python ofrece la posibilidad de iterar sobre múltiples listas en paralelo utilizando la
función zip():
>>> shopping = [ Agua , Aceite , Arroz ]
>>> details = [ mineral natural , de oliva virgen , basmati ]
>>> for product, detail in zip(shopping, details):
... print(product, detail)
...
Agua mineral natural
Aceite de oliva virgen
Arroz basmati
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/lfioilG
Nota: En el caso de que las listas no tengan la misma longitud, la función zip() realiza la
combinación hasta que se agota la lista más corta.
Dado que zip() produce un iterador, si queremos obtener una lista explícita con la
combinación en paralelo de las listas, debemos construir dicha lista de la siguiente manera:
5.1. Listas 135](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-139-320.jpg)
![Aprende Python
>>> shopping = [ Agua , Aceite , Arroz ]
>>> details = [ mineral natural , de oliva virgen , basmati ]
>>> list(zip(shopping, details))
[( Agua , mineral natural ),
( Aceite , de oliva virgen ),
( Arroz , basmati )]
Ejercicio
Dados dos vectores (listas) de la misma dimensión, utilice la función zip() para calcular su
producto escalar.
Ejemplo
• Entrada:
v1 = [4, 3, 8, 1]
v2 = [9, 2, 7, 3]
• Salida: 101
𝑣1 × 𝑣2 = [4 · 9 + 3 · 2 + 8 · 7 + 1 · 3] = 101
5.1.4 Cuidado con las copias
Nivel intermedio
Las listas son estructuras de datos mutables y esta característica nos obliga a tener cuidado
cuando realizamos copias de listas, ya que la modificación de una de ellas puede afectar a la
otra.
Veamos un ejemplo sencillo:
>>> original_list = [4, 3, 7, 1]
>>> copy_list = original_list
>>> original_list[0] = 15
>>> original_list
[15, 3, 7, 1]
>>> copy_list
[15, 3, 7, 1]
136 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-140-320.jpg)
![Aprende Python
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/pfi5PC5
Nota: A través de Python Tutor se puede ver claramente el motivo de por qué ocurre esto.
Dado que las variables «apuntan» a la misma zona de memoria, al modificar una de ellas, el
cambio también se ve reflejado en la otra.
Una posible solución a este problema es hacer una «copia dura». Para ello Python
proporciona la función copy():
>>> original_list = [4, 3, 7, 1]
>>> copy_list = original_list.copy()
>>> original_list[0] = 15
>>> original_list
[15, 3, 7, 1]
>>> copy_list
[4, 3, 7, 1]
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/Dfi6oLk
Truco: En el caso de que estemos trabajando con listas que contienen elementos mutables,
debemos hacer uso de la función deepcopy() dentro del módulo copy de la librería estándar.
5.1.5 Veracidad múltiple
Si bien podemos usar sentencias condicionales para comprobar la veracidad de determinadas
expresiones, Python nos ofrece dos funciones «built-in» con las que podemos evaluar si se
cumplen todas las condiciones all() o si se cumple alguna condición any(). Estas funciones
trabajan sobre iterables, y el caso más evidente es una lista.
Supongamos un ejemplo en el que queremos comprobar si una determinada palabra cumple
las siguientes condiciones:
• Su longitud total es mayor que 4.
• Empieza por «p».
• Contiene, al menos, una «y».
5.1. Listas 137](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-141-320.jpg)
![Aprende Python
Veamos la versión clásica:
>>> word = python
>>> if len(word) > 4 and word.startswith( p ) and word.count( y ) >= 1:
... print( Cool word! )
... else:
... print( No thanks )
...
Cool word!
Veamos la versión con veracidad múltiple usando all(), donde se comprueba que se
cumplan todas las expresiones:
>>> word = python
>>> enough_length = len(word) > 4 # True
>>> right_beginning = word.startswith( p ) # True
>>> min_ys = word.count( y ) >= 1 # True
>>> is_cool_word = all([enough_length, right_beginning, min_ys])
>>> if is_cool_word:
... print( Cool word! )
... else:
... print( No thanks )
...
Cool word!
Veamos la versión con veracidad múltiple usando any(), donde se comprueba que se
cumpla alguna expresión:
>>> word = yeah
>>> enough_length = len(word) > 4 # False
>>> right_beginning = word.startswith( p ) # False
>>> min_ys = word.count( y ) >= 1 # True
>>> is_fine_word = any([enough_length, right_beginning, min_ys])
>>> if is_fine_word:
... print( Fine word! )
... else:
... print( No thanks )
...
Fine word!
138 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-142-320.jpg)
![Aprende Python
Consejo: Este enfoque puede ser interesante cuando se manejan muchas condiciones o bien
cuando queremos separar las condiciones y agruparlas en una única lista.
5.1.6 Listas por comprensión
Nivel intermedio
Las listas por comprensión establecen una técnica para crear listas de forma más
compacta basándose en el concepto matemático de conjuntos definidos por comprensión.
Figura 2: Estructura de una lista por comprensión
En primer lugar veamos un ejemplo en el que convertimos una cadena de texto con valores
numéricos en una lista con los mismos valores pero convertidos a enteros. En su versión
clásica haríamos algo tal que así:
>>> values = 32,45,11,87,20,48
>>> int_values = []
>>> for value in values.split( , ):
... int_value = int(value)
... int_values.append(int_value)
...
>>> int_values
[32, 45, 11, 87, 20, 48]
Ahora veamos el código utilizando una lista por comprensión:
5.1. Listas 139](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-143-320.jpg)
![Aprende Python
>>> values = 32,45,11,87,20,48
>>> int_values = [int(value) for value in values.split( , )]
>>> int_values
[32, 45, 11, 87, 20, 48]
Condiciones en comprensiones
También existe la posibilidad de incluir condiciones en las listas por comprensión.
Continuando con el ejemplo anterior, supongamos que sólo queremos crear la lista con
aquellos valores que empiecen por el dígito 4:
>>> values = 32,45,11,87,20,48
>>> int_values = [int(v) for v in values.split( , ) if v.startswith( 4 )]
>>> int_values
[45, 48]
Anidamiento en comprensiones
Nivel avanzado
En la iteración que usamos dentro de la lista por comprensión es posible usar bucles anidados.
Veamos un ejemplo en el que generamos todas las combinaciones de una serie de valores:
>>> values = 32,45,11,87,20,48
>>> svalues = values.split( , )
>>> combinations = [f {v1}x{v2} for v1 in svalues for v2 in svalues]
>>> combinations
[ 32x32 ,
32x45 ,
32x11 ,
32x87 ,
32x20 ,
32x48 ,
45x32 ,
45x45 ,
...
(continué en la próxima página)
140 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-144-320.jpg)
![Aprende Python
(proviene de la página anterior)
48x45 ,
48x11 ,
48x87 ,
48x20 ,
48x48 ]
Consejo: Las listas por comprensión son una herramienta muy potente y nos ayuda en
muchas ocasiones, pero hay que tener cuidado de no generar expresiones excesivamente
complejas. En estos casos es mejor una aproximación clásica.
Ejercicio
Utilizando listas por comprensión, cree una lista que contenga el resultado de aplicar la
función 𝑓(𝑥) = 3𝑥 + 2 para 𝑥 ∈ [0, 20).
Salida esperada: [2, 5, 8, 11, 14, 17, 20, 23, 26, 29, 32, 35, 38, 41, 44, 47,
50, 53, 56, 59]
5.1.7 sys.argv
Cuando queramos ejecutar un programa Python desde línea de comandos, tendremos la
posibilidad de acceder a los argumentos de dicho programa. Para ello se utiliza una lista que
la encontramos dentro del módulo sys y que se denomina argv:
Figura 3: Acceso a parámetros en línea de comandos
5.1. Listas 141](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-145-320.jpg)
![Aprende Python
Veamos un ejemplo de código en el que simulamos el paso de parámetros recogido en la
figura anterior:
get-args.py
1 import sys
2
3 filename = sys.argv[0]
4 arg1 = sys.argv[1]
5 arg2 = float(sys.argv[2])
6 arg3 = int(sys.argv[3])
7 arg4 = sys.argv[4]
8
9 print(f {arg1=} )
10 print(f {arg2=} )
11 print(f {arg3=} )
12 print(f {arg4=} )
Si lo ejecutamos obtenemos lo siguiente:
$ python3 get-args.py hello 99.9 55 "a nice arg"
arg1= hello
arg2=99.9
arg3=55
arg4= a nice arg
5.1.8 Funciones matemáticas
Python nos ofrece, entre otras4
, estas tres funciones matemáticas básicas que se pueden
aplicar sobre listas.
Suma de todos los valores: Mediante la función sum():
>>> data = [5, 3, 2, 8, 9, 1]
>>> sum(data)
28
Mínimo de todos los valores: Mediante la función min():
>>> data = [5, 3, 2, 8, 9, 1]
>>> min(data)
1
4
Existen multitud de paquetes científicos en Python para trabajar con listas o vectores numéricos. Una
de las más famosas es la librería Numpy.
142 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-146-320.jpg)
![Aprende Python
Máximo de todos los valores: Mediante la función max():
>>> data = [5, 3, 2, 8, 9, 1]
>>> max(data)
9
Ejercicio
Lea desde línea de comandos una serie de números y obtenga la media de dichos valores
(muestre el resultado con 2 decimales).
La llamada se haría de la siguiente manera:
$ python3 avg.py 32 56 21 99 12 17
Plantilla de código para el programa:
import sys
# En values tendremos una lista con los valores (como strings)
values = sys.argv[1:]
# Su código debajo de aquí
Ejemplo
• Entrada: 32 56 21 99 12 17
• Salida: 39.50
5.1.9 Listas de listas
Nivel intermedio
Como ya hemos visto en varias ocasiones, las listas son estructuras de datos que pueden
contener elementos heterogéneos. Estos elementos pueden ser a su vez listas.
A continuación planteamos un ejemplo del mundo deportivo. Un equipo de fútbol suele tener
una disposición en el campo organizada en líneas de jugadores. En aquella alineación con la
que España ganó la copa del mundo en 2010 había una disposición 4-3-3 con los siguientes
jugadores:
Veamos una posible representación de este equipo de fútbol usando una lista compuesta de
listas. Primero definimos cada una de las líneas:
5.1. Listas 143](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-147-320.jpg)
![Aprende Python
>>> goalkeeper = Casillas
>>> defenders = [ Capdevila , Piqué , Puyol , Ramos ]
>>> midfielders = [ Xabi , Busquets , X. Alonso ]
>>> forwards = [ Iniesta , Villa , Pedro ]
Y ahora las juntamos en una única lista:
>>> team = [goalkeeper, defenders, midfielders, forwards]
>>> team
[ Casillas ,
[ Capdevila , Piqué , Puyol , Ramos ],
[ Xabi , Busquets , X. Alonso ],
[ Iniesta , Villa , Pedro ]]
Podemos comprobar el acceso a distintos elementos:
>>> team[0] # portero
Casillas
>>> team[1][0] # lateral izquierdo
Capdevila
>>> team[2] # centrocampistas
[ Xabi , Busquets , X. Alonso ]
>>> team[3][1] # delantero centro
Villa
Ejercicio
Escriba un programa que permita multiplicar únicamente matrices de 2 filas por 2 columnas.
Veamos un ejemplo concreto:
A = [[6, 4], [8, 9]]
B = [[3, 2], [1, 7]]
El producto P = 𝐴 × 𝐵 se calcula siguiendo la multiplicación de matrices tal y como se
indica a continuación:
P =
(︂
6[00] 4[01]
8[10] 9[11]
)︂
×
(︂
3[00] 2[01]
1[10] 7[11]
)︂
=
(︂
6 · 3 + 4 · 1 6 · 2 + 4 · 7
8 · 3 + 9 · 1 8 · 2 + 9 · 7
)︂
=
(︂
22 40
33 79
)︂
5.1. Listas 145](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-149-320.jpg)
![Aprende Python
EJERCICIOS DE REPASO
1. Escriba un programa en Python que acepte una lista de valores numéricos y obtenga
su valor máximo sin utilizar la función «built-in» max() (solución).
Entrada: [6, 3, 9, 2, 10, 31, 15, 7]
Salida: 31
2. Escriba un programa en Python que acepte una lista y elimine sus elementos duplicados
(solución).
Entrada: [“this”, “is”, “a”, “real”, “real”, “real”, “story”]
Salida: [“this”, “is”, “a”, “real”, “story”]
3. Escriba un programa en Python que acepte una lista – que puede contener sublistas
(sólo en 1 nivel de anidamiento) – y genere otra lista «aplanada» (solución).
Entrada: [0, 10, [20, 30], 40, 50, [60, 70, 80], [90, 100, 110, 120]]
Salida: [0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120]
4. Escriba un programa en Python que acepte una lista y genere otra lista eliminando los
elementos duplicados consecutivos (solución).
Entrada: [0, 0, 1, 2, 3, 4, 4, 5, 6, 6, 6, 7, 8, 9, 4, 4]
Salida: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 4]
5. Escriba un programa en Python que acepte una lista de listas representando una matriz
numérica y compute la suma de los elementos de la diagonal principal (solución).
Entrada: [[4, 6, 1], [2, 9, 3], [1, 7, 7]]
Salida: 20
AMPLIAR CONOCIMIENTOS
• Linked Lists in Python: An Introduction
• Python Command Line Arguments
• Sorting Data With Python
• When to Use a List Comprehension in Python
• Using the Python zip() Function for Parallel Iteration
• Lists and Tuples in Python
• How to Use sorted() and sort() in Python
• Using List Comprehensions Effectively
146 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-150-320.jpg)
![Aprende Python
>>> three_wise_men = Melchor , Gaspar , Baltasar
>>> three_wise_men[0] = Tom Hanks
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: tuple object does not support item assignment
5.2.3 Conversión
Para convertir otros tipos de datos en una tupla podemos usar la función tuple():
>>> shopping = [ Agua , Aceite , Arroz ]
>>> tuple(shopping)
( Agua , Aceite , Arroz )
Esta conversión es válida para aquellos tipos de datos que sean iterables: cadenas de
caracteres, listas, diccionarios, conjuntos, etc. Un ejemplo que no funciona es intentar
convertir un número en una tupla:
>>> tuple(5)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: int object is not iterable
El uso de la función tuple() sin argumentos equivale a crear una tupla vacía:
>>> tuple()
()
Truco: Para crear una tupla vacía, se suele recomendar el uso de () frente a tuple(), no
sólo por ser más pitónico sino por tener (en promedio) un mejor rendimiento en tiempos de
ejecución.
5.2. Tuplas 149](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-153-320.jpg)
![Aprende Python
Desempaquetado extendido
No tenemos que ceñirnos a realizar desempaquetado uno a uno. También podemos extenderlo
e indicar ciertos «grupos» de elementos mediante el operador *.
Veamos un ejemplo:
>>> ranking = ( G , A , R , Y , W )
>>> head, *body, tail = ranking
>>> head
G
>>> body
[ A , R , Y ]
>>> tail
W
Desempaquetado genérico
El desempaquetado de tuplas es extensible a cualquier tipo de datos que sea iterable. Veamos
algunos ejemplos de ello.
Sobre cadenas de texto:
>>> oxygen = O2
>>> first, last = oxygen
>>> first, last
( O , 2 )
>>> text = Hello, World!
>>> head, *body, tail = text
>>> head, body, tail
( H , [ e , l , l , o , , , , W , o , r , l , d ], ! )
Sobre listas:
>>> writer1, writer2, writer3 = [ Virginia Woolf , Jane Austen , Mary Shelley ]
>>> writer1, writer2, writer3
( Virginia Woolf , Jane Austen , Mary Shelley )
>>> text = Hello, World!
>>> word1, word2 = text.split()
>>> word1, word2
( Hello, , World! )
152 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-156-320.jpg)
![Aprende Python
asociativos, «hashes» o «hashmaps».
5.3.1 Creando diccionarios
Para crear un diccionario usamos llaves {} rodeando asignaciones clave: valor que están
separadas por comas. Veamos algunos ejemplos de diccionarios:
>>> empty_dict = {}
>>> rae = {
... bifronte : De dos frentes o dos caras ,
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa
... }
>>> population_can = {
... 2015: 2_135_209,
... 2016: 2_154_924,
... 2017: 2_177_048,
... 2018: 2_206_901,
... 2019: 2_220_270
... }
En el código anterior podemos observar la creación de un diccionario vacío, otro donde sus
claves y sus valores son cadenas de texto y otro donde las claves y los valores son valores
enteros.
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/Sfav2Yw
Ejercicio
Cree un diccionario con los nombres de 5 personas de su familia y sus edades.
5.3.2 Conversión
Para convertir otros tipos de datos en un diccionario podemos usar la función dict():
>>> # Diccionario a partir de una lista de cadenas de texto
>>> dict([ a1 , b2 ])
{ a : 1 , b : 2 }
(continué en la próxima página)
156 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-160-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> # Diccionario a partir de una tupla de cadenas de texto
>>> dict(( a1 , b2 ))
{ a : 1 , b : 2 }
>>> # Diccionario a partir de una lista de listas
>>> dict([[ a , 1], [ b , 2]])
{ a : 1, b : 2}
Nota: Si nos fijamos bien, cualquier iterable que tenga una estructura interna de 2 elementos
es susceptible de convertirse en un diccionario a través de la función dict().
Diccionario vacío
Existe una manera particular de usar dict() y es no pasarle ningún argumento. En este
caso estaremos queriendo convertir el «vacío» en un diccionario, con lo que obtendremos un
diccionario vacío:
>>> dict()
{}
Truco: Para crear un diccionario vacío, se suele recomendar el uso de {} frente a dict(),
no sólo por ser más pitónico sino por tener (en promedio) un mejor rendimiento en tiempos
de ejecución.
Creación con dict()
También es posible utilizar la función dict() para crear dicionarios y no tener que utilizar
llaves y comillas:
Supongamos que queremos transformar la siguiente tabla en un diccionario:
Atributo Valor
name Guido
surname Van Rossum
job Python creator
Utilizando la construcción mediante dict podemos pasar clave y valor como argumentos
de la función:
5.3. Diccionarios 157](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-161-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> rae[ anarcoide ]
Que tiende al desorden
Si intentamos acceder a una clave que no existe, obtendremos un error:
>>> rae[ acceso ]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
KeyError: acceso
Usando get()
Existe una función muy útil para «superar» los posibles errores de acceso por claves
inexistentes. Se trata de get() y su comportamiento es el siguiente:
1. Si la clave que buscamos existe, nos devuelve su valor.
2. Si la clave que buscamos no existe, nos devuelve None4
salvo que le indiquemos otro
valor por defecto, pero en ninguno de los dos casos obtendremos un error.
1 >>> rae
2 { bifronte : De dos frentes o dos caras ,
3 anarcoide : Que tiende al desorden ,
4 montuvio : Campesino de la costa }
5
6 >>> rae.get( bifronte )
7 De dos frentes o dos caras
8
9 >>> rae.get( programación )
10
11 >>> rae.get( programación , No disponible )
12 No disponible
Línea 6: Equivalente a rae[ bifronte ].
Línea 9: La clave buscada no existe y obtenemos None.5
Línea 11: La clave buscada no existe y nos devuelve el valor que hemos aportado por
defecto.
4
None es la palabra reservada en Python para la «nada». Más información en esta web.
5
Realmente no estamos viendo nada en la consola de Python porque la representación en cadena de texto
es vacía.
5.3. Diccionarios 159](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-163-320.jpg)
![Aprende Python
Añadir o modificar un elemento
Para añadir un elemento a un diccionario sólo es necesario hacer referencia a la clave y
asignarle un valor:
• Si la clave ya existía en el diccionario, se reemplaza el valor existente por el nuevo.
• Si la clave es nueva, se añade al diccionario con su valor. No vamos a obtener un
error a diferencia de las listas.
Partimos del siguiente diccionario para ejemplificar estas acciones:
>>> rae = {
... bifronte : De dos frentes o dos caras ,
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa
... }
Vamos a añadir la palabra enjuiciar a nuestro diccionario de la Real Academia de La
Lengua:
>>> rae[ enjuiciar ] = Someter una cuestión a examen, discusión y juicio
>>> rae
{ bifronte : De dos frentes o dos caras ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa ,
enjuiciar : Someter una cuestión a examen, discusión y juicio }
Supongamos ahora que queremos modificar el significado de la palabra enjuiciar por otra
acepción:
>>> rae[ enjuiciar ] = Instruir, juzgar o sentenciar una causa
>>> rae
{ bifronte : De dos frentes o dos caras ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa ,
enjuiciar : Instruir, juzgar o sentenciar una causa }
Ejercicio
Construya un diccionario partiendo de una cadena de texto con el siguiente formato:
<city>:<population>;<city>:<population>;<city>:<population>;....
• Claves: ciudades.
• Valores: habitantes (como enteros).
160 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-164-320.jpg)
![Aprende Python
Ejemplo
• Entrada: Tokyo:38_140_000;Delhi:26_454_000;Shanghai:24_484_000;
Mumbai:21_357_000;São Paulo:21_297_000
• Salida: { Tokyo : 38140000, Delhi : 26454000, Shanghai : 24484000,
Mumbai : 21357000, São Paulo : 21297000}
Creando desde vacío
Una forma muy habitual de trabajar con diccionarios es utilizar el patrón creación
partiendo de uno vacío e ir añadiendo elementos poco a poco.
Supongamos un ejemplo en el que queremos construir un diccionario donde las claves son
las letras vocales y los valores son sus posiciones:
>>> VOWELS = aeiou
>>> enum_vowels = {}
>>> for i, vowel in enumerate(VOWELS):
... enum_vowels[vowel] = i + 1
...
>>> enum_vowels
{ a : 1, e : 2, i : 3, o : 4, u : 5}
Nota: Hemos utilizando la función enumerate() que ya vimos para las listas en el apartado:
Iterar usando enumeración.
Pertenencia de una clave
La forma pitónica de comprobar la existencia de una clave dentro de un diccionario, es
utilizar el operador in:
>>> bifronte in rae
True
>>> almohada in rae
False
>>> montuvio not in rae
False
5.3. Diccionarios 161](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-165-320.jpg)
![Aprende Python
Nota: El operador in siempre devuelve un valor booleano, es decir, verdadero o falso.
Ejercicio
Usando un diccionario, cuente el número de veces que se repite cada letra en una cadena de
texto dada.
Ejemplo
• Entrada: boom
• Salida: { b : 1, o : 2, m : 1}
Obtener todos los elementos
Python ofrece mecanismos para obtener todos los elementos de un diccionario. Partimos del
siguiente diccionario:
>>> rae
{ bifronte : De dos frentes o dos caras ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa ,
enjuiciar : Instruir, juzgar o sentenciar una causa }
Obtener todas las claves de un diccionario: Mediante la función keys():
>>> rae.keys()
dict_keys([ bifronte , anarcoide , montuvio , enjuiciar ])
Obtener todos los valores de un diccionario: Mediante la función values():
>>> rae.values()
dict_values([
De dos frentes o dos caras ,
Que tiende al desorden ,
Campesino de la costa ,
Instruir, juzgar o sentenciar una causa
])
Obtener todos los pares «clave-valor» de un diccionario: Mediante la función
items():
162 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-166-320.jpg)
![Aprende Python
>>> rae.items()
dict_items([
( bifronte , De dos frentes o dos caras ),
( anarcoide , Que tiende al desorden ),
( montuvio , Campesino de la costa ),
( enjuiciar , Instruir, juzgar o sentenciar una causa )
])
Nota: Para este último caso cabe destacar que los «items» se devuelven como una lista
de tuplas, donde cada tupla tiene dos elementos: el primero representa la clave y el segundo
representa el valor.
Longitud de un diccionario
Podemos conocer el número de elementos («clave-valor») que tiene un diccionario con la
función len():
>>> rae
{ bifronte : De dos frentes o dos caras ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa ,
enjuiciar : Instruir, juzgar o sentenciar una causa }
>>> len(rae)
4
Iterar sobre un diccionario
En base a los elementos que podemos obtener, Python nos proporciona tres maneras de iterar
sobre un diccionario.
Iterar sobre claves:
>>> for word in rae.keys():
... print(word)
...
bifronte
anarcoide
montuvio
enjuiciar
Iterar sobre valores:
5.3. Diccionarios 163](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-167-320.jpg)
![Aprende Python
(proviene de la página anterior)
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa }
Nota: Tener en cuenta que el orden en el que especificamos los diccionarios a la hora de su
combinación (mezcla) es relevante en el resultado final. En este caso el orden de los factores
sí altera el producto.
Borrar elementos
Python nos ofrece, al menos, tres formas para borrar elementos en un diccionario:
Por su clave: Mediante la sentencia del:
>>> rae = {
... bifronte : De dos frentes o dos caras ,
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa
... }
>>> del(rae[ bifronte ])
>>> rae
{ anarcoide : Que tiende al desorden , montuvio : Campesino de la costa }
Por su clave (con extracción): Mediante la función pop() podemos extraer un elemento
del diccionario por su clave. Vendría a ser una combinación de get() + del:
>>> rae = {
... bifronte : De dos frentes o dos caras ,
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa
... }
>>> rae.pop( anarcoide )
Que tiende al desorden
>>> rae
{ bifronte : De dos frentes o dos caras , montuvio : Campesino de la costa }
>>> rae.pop( bucle )
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
KeyError: bucle
166 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-170-320.jpg)
![Aprende Python
>>> original_rae = {
... bifronte : De dos frentes o dos caras ,
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa
... }
>>> copy_rae = original_rae
>>> original_rae[ bifronte ] = bla bla bla
>>> original_rae
{ bifronte : bla bla bla ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa }
>>> copy_rae
{ bifronte : bla bla bla ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa }
Una posible solución a este problema es hacer una «copia dura». Para ello Python
proporciona la función copy():
>>> original_rae = {
... bifronte : De dos frentes o dos caras ,
... anarcoide : Que tiende al desorden ,
... montuvio : Campesino de la costa
... }
>>> copy_rae = original_rae.copy()
>>> original_rae[ bifronte ] = bla bla bla
>>> original_rae
{ bifronte : bla bla bla ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa }
>>> copy_rae
{ bifronte : De dos frentes o dos caras ,
anarcoide : Que tiende al desorden ,
montuvio : Campesino de la costa }
Truco: En el caso de que estemos trabajando con diccionarios que contienen elementos
mutables, debemos hacer uso de la función deepcopy() dentro del módulo copy de la librería
168 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-172-320.jpg)
![Aprende Python
estándar.
5.3.5 Diccionarios por comprensión
Nivel intermedio
De forma análoga a cómo se escriben las listas por comprensión, podemos aplicar este método
a los diccionarios usando llaves { }.
Veamos un ejemplo en el que creamos un diccionario por comprensión donde las claves
son palabras y los valores son sus longitudes:
>>> words = ( sun , space , rocket , earth )
>>> words_length = {word: len(word) for word in words}
>>> words_length
{ sun : 3, space : 5, rocket : 6, earth : 5}
También podemos aplicar condiciones a estas comprensiones. Continuando con el ejemplo
anterior, podemos incorporar la restricción de sólo incluir palabras que no empiecen por
vocal:
>>> words = ( sun , space , rocket , earth )
>>> words_length = {w: len(w) for w in words if w[0] not in aeiou }
>>> words_length
{ sun : 3, space : 5, rocket : 6}
Nota: Se puede consultar el PEP-274 para ver más ejemplos sobre diccionarios por
comprensión.
5.3.6 Objetos «hashables»
Nivel avanzado
La única restricción que deben cumplir las claves de un diccionario es ser «hashables»7
.
Un objeto es «hashable» si se le puede asignar un valor «hash» que no cambia en ejecución
durante toda su vida.
7
Se recomienda esta ponencia de Víctor Terrón sobre objetos «hashables».
5.3. Diccionarios 169](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-173-320.jpg)
![Aprende Python
Para encontrar el «hash» de un objeto, Python usa la función hash(), que devuelve un
número entero y es utilizado para indexar la tabla «hash» que se mantiene internamente:
>>> hash(999)
999
>>> hash(3.14)
322818021289917443
>>> hash( hello )
-8103770210014465245
>>> hash(( a , b , c ))
-2157188727417140402
Para que un objeto sea «hashable», debe ser inmutable:
>>> hash([ a , b , c ])
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: unhashable type: list
Nota: De lo anterior se deduce que las claves de los diccionarios, al tener que ser
«hasheables», sólo pueden ser objetos inmutables.
La función «built-in» hash() realmente hace una llamada al método mágico __hash__() del
objeto en cuestión:
>>> hash( spiderman )
-8105710090476541603
>>> spiderman .__hash__()
-8105710090476541603
EJERCICIOS DE REPASO
1. Escriba un programa en Python que acepte una lista de palabras y las agrupe por su
letra inicial usando un diccionario (solución).
Entrada: [ “mesa”, “móvil”, “barco”, “coche”, “avión”, “bandeja”, “casa”,
“monitor”, “carretera”, “arco”]
Salida: {“m”: [“mesa”, “móvil”, “monitor”], “b”: [“barco”, “bandeja”], “c”:
[“coche”, “casa”, “carretera”], “a”: [“avión”, “arco”]}
170 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-174-320.jpg)
![Aprende Python
2. Escriba un programa en Python que acepte un diccionario y determine si todos los
valores son iguales o no (solución).
Entrada: {“Juan”: 5, “Antonio”: 5, “Inma”: 5, “Ana”: 5, “Esteban”: 5}
Salida: Same values
3. Escriba un programa en Python que acepte una lista de listas con varios elementos y
obtenga un diccionario donde las claves serán los primeros elementos de las sublistas
y los valores serán los restantes – como listas – (solución).
Entrada: [[“Episode IV - A New Hope”, “May 25”, 1977], [“Episode V -
The Empire Strikes Back”, “May 21”, 1980], [“Episode VI - Return of the
Jedi”, “May 25”, 1983]]
Salida: {“Episode IV - A New Hope”: [“May 25”, 1977], “Episode V - The
Empire Strikes Back”: [“May 21”, 1980], “Episode VI - Return of the Jedi”:
[“May 25”, 1983]}
4. Escriba un programa en Python que acepte un diccionario cuyos valores son listas y
borre el contenido de dichas listas (solución).
Entrada: {“C1”: [10, 20, 30], “C2”: [20, 30, 40], “C3”: [12, 34]}
Salida: {“C1”: [], “C2”: [], “C3”: []}
5. Escriba un programa en Python que acepte un diccionario y elimine los espacios de
sus claves respetando los valores correspondientes (solución).
Entrada: {“S 001”: [“Math”, “Science”], “S 002”: [“Math”, “English”]}
Salida: {“S001”: [“Math”, “Science”], “S002”: [“Math”, “English”]}
AMPLIAR CONOCIMIENTOS
• Using the Python defaultdict Type for Handling Missing Keys
• Python Dictionary Iteration: Advanced Tips & Tricks
• Python KeyError Exceptions and How to Handle Them
• Dictionaries in Python
• How to Iterate Through a Dictionary in Python
• Shallow vs Deep Copying of Python Objects
5.3. Diccionarios 171](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-175-320.jpg)
![Aprende Python
Advertencia: Si hacemos esto, lo que obtenemos es un diccionario vacío.
La única opción que tenemos es utilizar la función set():
>>> empty_set = set()
>>> empty_set
set()
>>> type(empty_set)
set
5.4.2 Conversión
Para convertir otros tipos de datos en un conjunto podemos usar la función set() sobre
cualquier iterable:
>>> set( aplatanada )
{ a , d , l , n , p , t }
>>> set([1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5])
{1, 2, 3, 4, 5}
>>> set(( ADENINA , TIMINA , TIMINA , GUANINA , ADENINA , CITOSINA ))
{ ADENINA , CITOSINA , GUANINA , TIMINA }
>>> set({ manzana : rojo , plátano : amarillo , kiwi : verde })
{ kiwi , manzana , plátano }
Importante: Como se ha visto en los ejemplos anteriores, set() se suele utilizar en muchas
ocasiones como una forma de extraer los valores únicos de otros tipos de datos. En el
caso de los diccionarios se extraen las claves, que, por definición, son únicas.
Nota: El hecho de que en los ejemplos anteriores los elementos de los conjuntos estén
ordenados es únicamente un «detalle de implementación» en el que no se puede confiar.
5.4. Conjuntos 173](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-177-320.jpg)
![Aprende Python
5.4.3 Operaciones con conjuntos
Obtener un elemento
En un conjunto no existe un orden establecido para sus elementos, por lo tanto no podemos
acceder a un elemento en concreto.
De este hecho se deriva igualmente que no podemos modificar un elemento existente,
ya que ni siquiera tenemos acceso al mismo. Python sí nos permite añadir o borrar elementos
de un conjunto.
Añadir un elemento
Para añadir un elemento a un conjunto debemos utilizar la función add(). Como ya hemos
indicado, al no importar el orden dentro del conjunto, la inserción no establece a priori la
posición donde se realizará.
A modo de ejemplo, vamos a partir de un conjunto que representa a los cuatro integrantes
originales de The Beatles. Luego añadiremos a un nuevo componente:
>>> # John Lennon, Paul McCartney, George Harrison y Ringo Starr
>>> beatles = set([ Lennon , McCartney , Harrison , Starr ])
>>> beatles.add( Best ) # Pete Best
>>> beatles
{ Best , Harrison , Lennon , McCartney , Starr }
Ejecución paso a paso a través de Python Tutor:
https://tinyurl.com/9folv2v
Ejercicio
Dada una tupla de duplas (2 valores), cree dos conjuntos:
• Uno de ellos con los primeros valores de cada dupla.
• El otro con los segundos valores de cada dupla.
Ejemplo
• Entrada: ((4, 3), (8, 2), (7, 5), (8, 2), (9, 1))
• Salida:
{8, 9, 4, 7}
{1, 2, 3, 5}
174 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-178-320.jpg)
![Aprende Python
Ejercicio
Dadas dos cadenas de texto, obtenga una nueva cadena de texto con las letras consonantes
que se repiten en ambas frases. Ignore los espacios en blanco y muestre la cadena de salida
con sus letras ordenadas.
Resuelva el ejercicio mediante dos aproximaciones: Una de ellas usando conjuntos por
comprensión y otra sin usar comprensiones.
Ejemplo
• Entrada: Flat is better than nested y Readability counts
• Salida: bdlnst
5.4.6 Conjuntos inmutables
Python ofrece la posibilidad de crear conjuntos inmutables haciendo uso de la función
frozenset() que recibe cualquier iterable como argumento.
Supongamos que recibimos una serie de calificaciones de exámenes y queremos crear un
conjunto inmutable con los posibles niveles (categorías) de calificaciones:
>>> marks = [1, 3, 2, 3, 1, 4, 2, 4, 5, 2, 5, 5, 3, 1, 4]
>>> marks_levels = frozenset(marks)
>>> marks_levels
frozenset({1, 2, 3, 4, 5})
Veamos qué ocurre si intentamos modificar este conjunto:
>>> marks_levels.add(50)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: frozenset object has no attribute add
Nota: Los frozenset son a los sets lo que las tuplas a las listas: una forma de «congelar»
los valores para que no se puedan modificar.
178 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-182-320.jpg)
![Aprende Python
5.5.1 Lectura de un fichero
Python ofrece la función open() para «abrir» un fichero. Esta apertura se puede realizar en
3 modos distintos:
• Lectura del contenido de un fichero existente.
• Escritura del contenido en un fichero nuevo.
• Añadido al contenido de un fichero existente.
Veamos un ejemplo para leer el contenido de un fichero en el que se encuentran las
temperaturas máximas y mínimas de cada día de la última semana. El fichero está en la
subcarpeta (ruta relativa) files/temps.dat y tiene el siguiente contenido:
29 23
31 23
34 26
33 23
29 22
28 22
28 22
Lo primero será abrir el fichero:
>>> f = open( files/temps.dat )
La función open() recibe como primer argumento la ruta al fichero que queremos manejar
(como un «string») y devuelve el manejador del fichero, que en este caso lo estamos asignando
a una variable llamada f pero le podríamos haber puesto cualquier otro nombre.
Nota: Es importante dominar los conceptos de ruta relativa y ruta absoluta para el
trabajo con ficheros. Véase este artículo de DeNovatoANovato.
Hay que tener en cuenta que la ruta al fichero que abrimos (en modo lectura) debe existir,
ya que de lo contrario obtendremos un error:
>>> f = open( foo.txt )
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
FileNotFoundError: [Errno 2] No such file or directory: foo.txt
Una vez abierto el fichero ya podemos proceder a leer su contenido. Para ello Python nos
ofrece la posibilidad de leer todo el fichero de una vez o bien leerlo línea a línea.
180 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-184-320.jpg)
![Aprende Python
Lectura completa de un fichero
Siguiendo con nuestro ejemplo de temperaturas, veamos cómo leer todo el contenido del
fichero de una sola vez. Para esta operación, Python nos provee, al menos, de dos funciones:
read() Devuelve todo el contenido del fichero como una cadena de texto (str):
>>> f = open( files/temps.dat )
>>> f.read()
29 23n31 23n34 26n33 23n29 22n28 22n28 22n
readlines() Devuelve todo el contenido del fichero como una lista (list) donde cada
elemento es una línea:
>>> f = open( files/temps.dat )
>>> f.readlines()
[ 29 23n , 31 23n , 34 26n , 33 23n , 29 22n , 28 22n , 28 22n ]
Importante: Nótese que, en ambos casos, los saltos de línea n siguen apareciendo en
los datos leídos, por lo que habría que «limpiar» estos caracteres. Para ello se recomienda
utilizar las funciones ya vistas de cadenas de texto.
Lectura línea a línea
Hay situaciones en las que interesa leer el contenido del fichero línea a línea. Imaginemos un
fichero de tamaño considerable (varios GB). Si intentamos leer completamente este fichero
de sola una vez podríamos ocupar demasiada RAM y reducir el rendimiento de nuestra
máquina.
Es por ello que Python nos ofrece varias aproximaciones a la lectura de ficheros línea a línea.
La más usada es iterar sobre el propio manejador del fichero:
>>> f = open( files/temps.dat )
>>> for line in f: # that easy!
... print(line)
...
29 23
31 23
34 26
(continué en la próxima página)
5.5. Ficheros 181](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-185-320.jpg)
![Aprende Python
Línea 2 Lectura del fichero línea a línea utilizando la iteración sobre el manejador del
fichero.
Línea 3 Limpieza de saltos de línea con strip() encadenando la función split() para
separar las dos temperaturas por el caracter espacio. Ver limpiar una cadena y dividir
una cadena.
Línea 4 Imprimir por pantalla la temperatura mínima y la máxima.
Nota: Es una buena práctica usar with cuando se manejan ficheros. La ventaja es que el
fichero se cierra adecuadamente en cualquier circunstancia, incluso si se produce cualquier
tipo de error.
Hay que prestar atención a la hora de escribir valores numéricos en un fichero, ya que el
método write() por defecto espera ver un «string» como argumento:
>>> lottery = [43, 21, 99, 18, 37, 99]
>>> with open( files/lottery.dat , w ) as f:
... for number in lottery:
... f.write(number + n )
...
Traceback (most recent call last):
File "<stdin>", line 3, in <module>
TypeError: unsupported operand type(s) for +: int and str
Importante: Para evitar este tipo de errores, se debe convertir a str aquellos valores que
queramos usar con la función write() para escribir información en un fichero de texto.
Ejercicio
Dado el fichero temperatures.txt con 12 filas (meses) y 31 columnas (temperaturas de cada
día), se pide:
1. Leer el fichero de datos.
2. Calcular la temperatura media de cada mes.
3. Escribir un fichero de salida avgtemps.txt con 12 filas (meses) y la temperatura media
de cada mes.
Guarda el fichero en la misma carpeta en la que vas a escribir tu código. Así evitarás problemas
de rutas relativas/absolutas.
184 Capítulo 5. Estructuras de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-188-320.jpg)
![Aprende Python
6.1.2 Veracidad
Nivel intermedio
Ya hemos hablado ligeramente sobre la comprobación de veracidad en Python.
Vamos a crear una función propia para comprobar la veracidad de distintos objetos del
lenguaje, y así hacernos una mejor idea de qué cosas son evaluadas a verdadero y cuáles a
falso:
>>> def truthiness(obj):
... if obj:
... print(f {obj} is True )
... else:
... print(f {obj} is False )
...
Evaluando a False
Veamos qué «cosas» son evaluadas a False en Python:
>>> truthiness(False)
False is False
>>> truthiness(None)
None is False
>>> truthiness(0)
0 is False
>>> truthiness(0.0)
0.0 is False
>>> truthiness( )
is False
>>> truthiness([])
[] is False
>>> truthiness(())
() is False
>>> truthiness({})
{} is False
(continué en la próxima página)
6.1. Funciones 191](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-195-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> truthiness(set())
set() is False
Importante: El resto de objetos son evaluados a True en Python.
Evaluando a True
Veamos ciertos ejemplos que son evaluados a True en Python:
>>> truthiness(True)
True is True
>>> truthiness(1e-10)
1e-10 is True
>>> truthiness([0])
[0] is True
>>> truthiness(( ,))
( ,) is True
>>> truthiness( )
is True
>>> truthiness( )
is True
6.1.3 Parámetros y argumentos
Si una función no dispusiera de valores de entrada estaría muy limitada en su actuación. Es
por ello que los parámetros nos permiten variar los datos que consume una función para
obtener distintos resultados. Vamos a empezar a crear funciones que reciben parámetros.
En este caso escribiremos una función que recibe un valor numérico y devuelve su raíz
cuadrada:
>>> def sqrt(value):
... return value ** (1/2)
...
(continué en la próxima página)
192 Capítulo 6. Modularidad](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-196-320.jpg)
![Aprende Python
• Salida: 120
Modificando parámetros mutables
Nivel avanzado
Hay que tener cuidado a la hora de manejar los parámetros que pasamos a una función ya
que podemos obtener resultados indeseados, especialmente cuando trabajamos con tipos de
datos mutables.
Supongamos una función que añade elementos a una lista que pasamos por parámetro. La
idea es que si no pasamos la lista, ésta siempre empiece siendo vacía. Hagamos una serie de
pruebas pasando alguna lista como segundo argumento:
>>> def buggy(arg, result=[]):
... result.append(arg)
... print(result)
...
>>> buggy( a , [])
[ a ]
>>> buggy( b , [])
[ b ]
>>> buggy( a , [ x , y , z ])
[ x , y , z , a ]
>>> buggy( b , [ x , y , z ])
[ x , y , z , b ]
Aparentemente todo está funcionando de manera correcta, pero veamos qué ocurre en las
siguientes llamadas:
>>> def buggy(arg, result=[]):
... result.append(arg)
... print(result)
...
>>> buggy( a )
[ a ]
>>> buggy( b ) # Se esperaría [ b ]
[ a , b ]
6.1. Funciones 197](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-201-320.jpg)
![Aprende Python
Obviamente algo no ha funcionado correctamente. Se esperaría que result tuviera una lista
vacía en cada ejecución. Sin embargo esto no sucede por estas dos razones:
1. El valor por defecto se establece cuando se define la función.
2. La variable result apunta a una zona de memoria en la que se modifican sus valores.
Ejecución paso a paso a través de Python Tutor:
https://cutt.ly/MgoQGU3
A riesgo de perder el parámetro por defecto, una posible solución sería la siguiente:
>>> def works(arg):
... result = []
... result.append(arg)
... return result
...
>>> works( a )
[ a ]
>>> works( b )
[ b ]
La forma de arreglar el código anterior utilizando un parámetro con valor por defecto sería
utilizar un tipo de dato inmutable y tener en cuenta cuál es la primera llamada:
>>> def nonbuggy(arg, result=None):
... if result is None:
... result = []
... result.append(arg)
... print(result)
...
>>> nonbuggy( a )
[ a ]
>>> nonbuggy( b )
[ b ]
>>> nonbuggy( a , [ x , y , z ])
[ x , y , z , a ]
>>> nonbuggy( b , [ x , y , z ])
[ x , y , z , b ]
198 Capítulo 6. Modularidad](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-202-320.jpg)
![Aprende Python
Argumentos mutables e inmutables
Nivel intermedio
Igual que veíamos en la incidencia de parámetros por defecto con valores mutables, cuando
realizamos modificaciones a los argumentos de una función es importante tener en cuenta si
son mutables (listas, diccionarios, conjuntos, …) o inmutables (tuplas, enteros, flotantes,
cadenas de texto, …) ya que podríamos obtener efectos colaterales no deseados:
>>> fib = [1, 1, 2, 3, 5, 8, 13]
>>> def square_it(values, *, index):
... values[index] **= 2
...
>>> fib
[1, 1, 2, 3, 5, 8, 13]
>>> square_it(fib, index=4)
>>> fib #
[1, 1, 2, 3, 25, 8, 13]
Advertencia: Esto no es una buena práctica. O bien documentar que el argumento
puede modificarse o bien retornar un nuevo valor.
Funciones como parámetros
Nivel avanzado
Las funciones se pueden utilizar en cualquier contexto de nuestro programa. Son objetos que
pueden ser asignados a variables, usados en expresiones, devueltos como valores de retorno
o pasados como argumentos a otras funciones.
Veamos un primer ejemplo en el que pasamos una función como argumento:
>>> def success():
... print( Yeah! )
...
>>> type(success)
function
>>> def doit(f):
(continué en la próxima página)
204 Capítulo 6. Modularidad](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-208-320.jpg)
![Aprende Python
(proviene de la página anterior)
...
... result = 1
... for _ in range(n):
... result *= x
... return result
...
Dentro del «docstring» podemos escribir con sintaxis reStructured Text – véase por ejemplo
la expresión matemática en el tag :return: – lo que nos proporciona una gran flexibilidad.
Nota: La plataforma Read the Docs aloja la documentación de gran cantidad de proyectos.
En muchos de los casos se han usado «docstrings» con el formato Sphinx visto anteriormente.
Anotación de tipos
Nivel intermedio
Las anotaciones de tipos5
se introdujeron en Python 3.5 y permiten indicar tipos para los
parámetros de una función así como su valor de retorno (aunque también funcionan en
creación de variables).
Veamos un ejemplo en el que creamos una función para dividir una cadena de texto por la
posición especificada en el parámetro:
>>> def ssplit(text: str, split_pos: int) -> tuple:
... return text[:split_pos], text[split_pos:]
...
>>> ssplit( Always remember us this way , 15)
( Always remember , us this way )
Como se puede observar, vamos añadiendo los tipos después de cada parámetro utilizando
: como separador. En el caso del valor de retorno usamos el símbolo ->
Quizás la siguiente ejecución pueda sorprender:
>>> ssplit([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], 5)
([1, 2, 3, 4, 5], [6, 7, 8, 9, 10])
Efectivamente como habrás visto, no hemos obtenido ningún error, a pesar de que
estamos pasando como primer argumento una lista en vez de una cadena de texto. Esto
ocurre porque lo que hemos definido es una anotación de tipo, no una declaración de tipo.
Existen herramientas como mypy que sí se encargan de chequear estas situaciones.
5
Conocidos como «type hints» en terminología inglesa.
208 Capítulo 6. Modularidad](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-212-320.jpg)
![Aprende Python
Valores por defecto
Al igual que ocurre en la definición ordinaria de funciones, cuando usamos anotaciones de
tipos también podemos indicar un valor por defecto para los parámetros.
Veamos la forma de hacerlo continuando con el ejemplo anterior:
>>> def ssplit(text: str, split_pos: int = -1) -> tuple:
... if split_pos == -1:
... split_pos = len(text) // 2
... return text[:split_pos], text[split_pos:]
...
>>> ssplit( Always remember us this way )
( Always rememb , er us this way )
Simplemente añadimos el valor por defecto después de indicar el tipo.
Nota: Las anotaciones de tipos son una herramienta muy potente y que, usada de
forma adecuada, permite complementar la documentación de nuestro código y aclarar ciertos
aspectos, que a priori, pudieran parecer confusos. Su aplicación estará en función de la
necesidad detectada por parte del equipo de desarrollo.
6.1.5 Tipos de funciones
Nivel avanzado
Funciones interiores
Está permitido definir una función dentro de otra función:
>>> def validation_test(text):
... def is_valid_char(char):
... return char in xyz
... checklist = []
... for char in text:
... checklist.append(is_valid_char(char))
... return sum(checklist) / len(text)
...
>>> validation_test( zxyzxxyz )
1.0
(continué en la próxima página)
6.1. Funciones 209](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-213-320.jpg)
![Aprende Python
(proviene de la página anterior)
... (55.147488, -2.667338),
... (54.572062, -73.285171),
... (3.152857, 115.327724),
... (-40.454262, 172.318877)
)
>>> # Ordenación por longitud (primer elemento de la tupla)
>>> sorted(geoloc)
[(-40.454262, 172.318877),
(3.152857, 115.327724),
(15.623037, 13.258358),
(54.572062, -73.285171),
(55.147488, -2.667338)]
>>> # Ordenación por latitud (segundo elemento de la tupla)
>>> sorted(geoloc, key=lambda t: t[1])
[(54.572062, -73.285171),
(55.147488, -2.667338),
(15.623037, 13.258358),
(3.152857, 115.327724),
(-40.454262, 172.318877)]
Enfoque funcional
Como se comentó en la introducción, Python es un lenguaje de programación
multiparadigma. Uno de los paradigmas menos explotados en este lenguaje es la
programación funcional4
.
Python nos ofrece 3 funciones que encajan verdaderamente bien en este enfoque: map(),
filter() y reduce().
map()
Esta función aplica otra función sobre cada elemento de un iterable. Supongamos que
queremos aplicar la siguiente función:
𝑓(𝑥) =
𝑥2
2
∀𝑥 ∈ [1, 10]
>>> def f(x):
... return x**2 / 2
(continué en la próxima página)
4
Definición de Programación funcional en Wikipedia.
212 Capítulo 6. Modularidad](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-216-320.jpg)
![Aprende Python
Figura 5: Rutinas muy enfocadas a programación funcional
(proviene de la página anterior)
...
>>> data = range(1, 11)
>>> map_gen = map(f, data)
>>> type(map_gen)
map
>>> list(map_gen)
[0.5, 2.0, 4.5, 8.0, 12.5, 18.0, 24.5, 32.0, 40.5, 50.0]
Aplicando una función anónima «lambda»…
>>> list(map(lambda x: x**2 / 2, data))
[0.5, 2.0, 4.5, 8.0, 12.5, 18.0, 24.5, 32.0, 40.5, 50.0]
Importante: map() devuelve un generador, no directamente una lista.
filter()
Esta función selecciona aquellos elementos de un iterable que cumplan una determinada
condición. Supongamos que queremos seleccionar sólo aquellos números impares dentro de
un rango:
>>> def odd_number(x):
... return x % 2 == 1
(continué en la próxima página)
6.1. Funciones 213](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-217-320.jpg)
![Aprende Python
(proviene de la página anterior)
...
>>> data = range(1, 21)
>>> filter_gen = filter(odd_number, data)
>>> type(filter_gen)
filter
>>> list(filter_gen)
[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
Aplicando una función anónima «lambda»…
>>> list(filter(lambda x: x % 2 == 1, data))
[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
Importante: filter() devuelve un generador, no directamente una lista.
reduce()
Para poder usar esta función debemos usar el módulo functools. Nos permite aplicar una
función dada sobre todos los elementos de un iterable de manera acumulativa. O dicho en
otras palabras, nos permite reducir una función sobre un conjunto de valores. Supongamos
que queremos realizar el producto de una serie de valores aplicando este enfoque:
>>> from functools import reduce
>>> def mult_values(a, b):
... return a * b
...
>>> data = range(1, 6)
>>> reduce(mult_values, data) # ((((1 * 2) * 3) * 4) * 5)
120
Aplicando una función anónima «lambda»…
>>> reduce(lambda x, y: x * y, data)
120
214 Capítulo 6. Modularidad](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-218-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> type(evens_gen)
generator
Una vez creado el generador, ya podemos iterar sobre él:
>>> for i in evens_gen:
... print(i, end= )
...
0 2 4 6 8 10 12 14 16 18 20
Si queremos «explicitar» la lista de valores que contiene un generador, podemos hacerlo de
la siguiente manera:
>>> list(evens(20))
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20]
Importante: Un detalle muy importante sobre los generadores es que «se agotan». Es decir,
una vez que ya hemos consumido todos sus elementos ya no obtendremos nuevos valores.
Expresiones generadoras
Una expresión generadora es sintácticamente muy similar a una lista por comprensión,
pero utilizamos paréntesis en vez de corchetes. Se podría ver como una versión acortada
de una función generadora.
Podemos tratar de reproducir el ejemplo visto en funciones generadoras en el que creamos
números pares hasta el 20:
>>> evens_gen = (i for i in range(0, 20, 2))
>>> type(evens_gen)
generator
>>> for i in evens_gen:
... print(i, end= )
...
0 2 4 6 8 10 12 14 16 18
Nota: Las expresiones generadoras admiten condiciones y anidamiento de bucles, tal y
como se vio con las listas por comprensión.
216 Capítulo 6. Modularidad](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-220-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> call_me()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 2, in call_me
File "<stdin>", line 2, in call_me
File "<stdin>", line 2, in call_me
[Previous line repeated 996 more times]
RecursionError: maximum recursion depth exceeded
Advertencia: Podemos observar que existe un número máximo de llamadas recursivas.
Python controla esta situación por nosotros, ya que, de no ser así, podríamos llegar a
consumir los recursos del sistema.
Veamos ahora un ejemplo más real en el que computar el enésimo término de la Sucesión de
Fibonacci utilizando una función recursiva:
>>> def fibonacci(n):
... if n == 0:
... return 0
... if n == 1:
... return 1
... return fibonacci(n - 1) + fibonacci(n - 2)
...
>>> fibonacci(10)
55
>>> fibonacci(20)
6765
Función generadora recursiva
Si tratamos de extender el ejemplo anterior de Fibonacci para obtener todos los términos de
la sucesión hasta un límite, pero con la filosofía recursiva, podríamos plantear el uso de una
función generadora:
>>> def fibonacci():
... def _fibonacci(n):
... if n == 0:
... return 0
... if n == 1:
(continué en la próxima página)
220 Capítulo 6. Modularidad](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-224-320.jpg)
![Aprende Python
(proviene de la página anterior)
locals()={ language : catalan }
>>> globals()
{ __name__ : __main__ ,
__doc__ : Automatically created module for IPython interactive environment ,
__package__ : None,
__loader__ : None,
__spec__ : None,
__builtin__ : <module builtins (built-in)>,
__builtins__ : <module builtins (built-in)>,
_ih : [ ,
"language = castellano ",
"def catalonia():n language = catalan n print(f {locals()=} )n ",
language ,
catalonia() ,
globals() ],
_oh : {3: castellano },
_dh : [ /Users/sdelquin ],
In : [ ,
"language = castellano ",
"def catalonia():n language = catalan n print(f {locals()=} )n ",
language ,
catalonia() ,
globals() ],
Out : {3: castellano },
get_ipython : <bound method InteractiveShell.get_ipython of <IPython.terminal.
˓
→interactiveshell.TerminalInteractiveShell object at 0x10e70c2e0>>,
exit : <IPython.core.autocall.ExitAutocall at 0x10e761070>,
quit : <IPython.core.autocall.ExitAutocall at 0x10e761070>,
_ : castellano ,
__ : ,
___ : ,
Prompts : IPython.terminal.prompts.Prompts,
Token : Token,
MyPrompt : __main__.MyPrompt,
ip : <IPython.terminal.interactiveshell.TerminalInteractiveShell at 0x10e70c2e0>,
_i : catalonia() ,
_ii : language ,
_iii : "def catalonia():n language = catalan n print(f {locals()=} )n ␣
˓
→ ",
_i1 : "language = castellano ",
language : castellano ,
_i2 : "def catalonia():n language = catalan n print(f {locals()=} )n
˓
→",
catalonia : <function __main__.catalonia()>,
(continué en la próxima página)
6.1. Funciones 225](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-229-320.jpg)
![Aprende Python
(proviene de la página anterior)
_i3 : language ,
_3 : castellano ,
_i4 : catalonia() ,
_i5 : globals() }
EJERCICIOS DE REPASO
1. Escriba una función en Python que indique si un número está en un determinado
intervalo (solución).
Entrada: valor=3; lim_inferior=2; lim_superior=5
Salida: True
2. Escriba una función en Python que reciba una lista de valores enteros y devuelva otra
lista sólo con aquellos valores pares (solución).
Entrada: [1, 2, 3, 4, 5, 6, 7, 8, 9]
Salida: [2, 4, 6, 8]
3. Escriba una función en Python que indique si un número es perfecto. Utilice una
función auxiliar que calcule los divisores propios (solución).
Entrada: 8128
Salida: True
4. Escriba una función en Python que determine si una cadena de texto es un palíndromo
(solución).
Entrada: ana lava lana
Salida: True
5. Escriba una función en Python que determine si una cadena de texto es un pangrama
(solución)
Entrada: The quick brown fox jumps over the lazy dog
Salida: True
226 Capítulo 6. Modularidad](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-230-320.jpg)
![Aprende Python
>>> class Droid:
... def __init__(self):
... pass
...
... @staticmethod
... def get_droids_categories():
... return [ Messeger , Astromech , Power , Protocol ]
...
>>> Droid.get_droids_categories()
[ Messeger , Astromech , Power , Protocol ]
Métodos mágicos
Nivel avanzado
Cuando escribimos hello world * 3 ¿cómo sabe el objeto hello world lo que debe hacer
para multiplicarse con el objeto entero 3? O dicho de otra forma, ¿cuál es la implementación
del operador * para «strings» y enteros? En valores numéricos puede parecer evidente
(siguiendo los operadores matemáticos), pero no es así para otros objetos. La solución que
proporciona Python para estas (y otras) situaciones son los métodos mágicos.
Los métodos mágicos empiezan y terminan por doble subguión __ (es por ello que también
se les conoce como «dunder-methods»). Uno de los «dunder-methods» más famosos es el
constructor de una clase: __init__().
Importante: Digamos que los métodos mágicos se «disparan» de manera transparente
cuando utilizamos ciertas estructuras y expresiones del lenguaje.
Para el caso de los operadores, existe un método mágico asociado (que podemos personalizar).
Por ejemplo la comparación de dos objetos se realiza con el método __eq__():
Extrapolando esta idea a nuestro universo StarWars, podríamos establecer que dos droides
son iguales si su nombre es igual, independientemente de que tengan distintos números de
serie:
>>> class Droid:
... def __init__(self, name, serial_number):
... self.serial_number = serial_number
... self.name = name
...
... def __eq__(self, droid):
... return self.name == droid.name
...
(continué en la próxima página)
240 Capítulo 6. Modularidad](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-244-320.jpg)
![Aprende Python
Defina una clase Fraction que represente una fracción con numerador y denominador enteros
y utilice los métodos mágicos para poder sumar, restar, multiplicar y dividir estas fracciones.
Además de esto, necesitaremos:
• gcd(a, b) como método estático siguiendo el algoritmo de Euclides para calcular
el máximo común divisor entre a y b.
• __init__(self, num, den) para construir una fracción (incluyendo simplificación de
sus términos mediante el método gcd().
• __str__(self) para representar una fracción.
Compruebe que se cumplen las siguientes igualdades:
[︂
25
30
+
40
45
=
31
18
]︂ [︂
25
30
−
40
45
=
−1
18
]︂ [︂
25
30
*
40
45
=
20
27
]︂ [︂
25
30
/
40
45
=
15
16
]︂
Gestores de contexto
Otra de las aplicaciones de los métodos mágicos (especiales) que puede ser interesante es la
de gestores de contexto. Se trata de un bloque de código en Python que engloba una serie
de acciones a la entrada y a la salida del mismo.
Hay dos métodos que son utilizados para implementar los gestores de contexto:
__enter__() Acciones que se llevan a cabo al entrar al contexto.
__exit__() Acciones que se llevan a cabo al salir del contexto.
Veamos un ejemplo en el que implementamos un gestor de contexto que mide tiempos de
ejecución:
>>> from time import time
>>> class Timer():
... def __enter__(self):
... self.start = time()
...
... def __exit__(self, exc_type, exc_value, exc_traceback):
... # Omit exception handling
... self.end = time()
... exec_time = self.end - self.start
... print(f Execution time (seconds): {exec_time:.5f} )
...
Ahora podemos probar nuestro gestor de contexto con un ejemplo concreto. La forma de
«activar» el contexto es usar la sentencia with seguida del símbolo que lo gestiona:
244 Capítulo 6. Modularidad](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-248-320.jpg)
![Aprende Python
(proviene de la página anterior)
...
>>> class ProtocolDroid(Droid):
... def __init__(self, name, languages):
... super().__init__(name) # llamada al constructor de la clase base
... self.languages = languages
...
>>> droid = ProtocolDroid( C-3PO , [ Ewokese , Huttese , Jawaese ])
>>> droid.name # fijado en el constructor de la clase base
C-3PO
>>> droid.languages # fijado en el constructor de la clase derivada
[ Ewokese , Huttese , Jawaese ]
Herencia múltiple
Nivel avanzado
Aunque no está disponible en todos los lenguajes de programación, Python sí permite que
los objetos pueden heredar de múltiples clases base.
Si en una clase se hace referencia a un método o atributo que no existe, Python lo buscará
en todas sus clases base. Es posible que exista una colisión en caso de que el método o
el atributo buscado esté, a la vez, en varias clases base. En este caso, Python resuelve el
conflicto a través del orden de resolución de métodos4
.
Supongamos que queremos modelar la siguiente estructura de clases con herencia múltiple:
>>> class Droid:
... def greet(self):
... return Here a droid
...
>>> class ProtocolDroid(Droid):
... def greet(self):
... return Here a protocol droid
...
>>> class AstromechDroid(Droid):
... def greet(self):
(continué en la próxima página)
4
Viene del inglés «method resolution order» o mro.
5
Imágenes de los droides por StarWars Fandom.
6.2. Objetos y Clases 249](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-253-320.jpg)
![Aprende Python
(proviene de la página anterior)
... return Here an astromech droid
...
>>> class SuperDroid(ProtocolDroid, AstromechDroid):
... pass
...
>>> class HyperDroid(AstromechDroid, ProtocolDroid):
... pass
Todas las clases en Python disponen de un método especial llamado mro() que devuelve una
lista de las clases que se visitarían en caso de acceder a un método o un atributo. También
existe el atributo __mro__ como una tupla de esas clases:
>>> SuperDroid.mro()
[__main__.SuperDroid,
__main__.ProtocolDroid,
__main__.AstromechDroid,
__main__.Droid,
object]
>>> HyperDroid.__mro__
(__main__.HyperDroid,
__main__.AstromechDroid,
__main__.ProtocolDroid,
__main__.Droid,
object)
Veamos el resultado de la llamada a los métodos definidos:
>>> super_droid = SuperDroid()
>>> hyper_droid = HyperDroid()
>>> super_droid.greet()
Here a protocol droid
>>> hyper_droid.greet()
Here an astromech droid
Nota: Todos los objetos en Python heredan, en primera instancia, de object. Esto se puede
comprobar con el mro() correspondiente:
>>> int.mro()
[int, object]
(continué en la próxima página)
6.2. Objetos y Clases 251](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-255-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> str.mro()
[str, object]
>>> float.mro()
[float, object]
>>> tuple.mro()
[tuple, object]
>>> list.mro()
[list, object]
>>> bool.mro()
[bool, int, object]
Mixins
Hay situaciones en la que nos interesa incorporar una clase base «independiente» de la
jerarquía establecida, y sólo a efectos de tareas auxiliares. Esta aproximación podría ayudar
a evitar colisiones en métodos o atributos reduciendo la ambigüedad que añade la herencia
múltiple. Estas clases auxiliares reciben el nombre de «mixins».
Veamos un ejemplo en el que usamos un «mixin» para mostrar las variables de un objeto:
>>> class Instrospection:
... def dig(self):
... print(vars(self)) # vars devuelve las variables del argumento
...
... class Droid(Instrospection):
... pass
...
>>> droid = Droid()
>>> droid.code = DN-LD
>>> droid.num_feet = 2
>>> droid.type = Power Droid
>>> droid.dig()
{ code : DN-LD , num_feet : 2, type : Power Droid }
Ejercicio
252 Capítulo 6. Modularidad](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-256-320.jpg)
![Aprende Python
Salida esperada:
/home/python/vanrossum.mp4 [size=19B] # self.info() de File
Codec: h264 # ┐
Geolocalization: (23.5454, 31.4343) # ├ self.info() de MediaFile
Duration: 487s # ┘
Dimensions: (1920, 1080) # self.info() de VideoFile
� El método size() debe devolver el número total de caracteres sumando las longitudes de
los elementos del atributo contents.
Agregación y composición
Aunque la herencia de clases nos permite modelar una gran cantidad de casos de uso en
términos de «is-a» (es un), existen muchas otras situaciones en las que la agregación o
la composición son una mejor opción. En este caso una clase se compone de otras cases:
hablamos de una relación «has-a» (tiene un).
Hay una sutil diferencia entre agregación y composición:
• La composición implica que el objeto utilizado no puede «funcionar» sin la presencia
de su propietario.
• La agregación implica que el objeto utilizado puede funcionar por sí mismo.
Figura 15: Agregación vs. Composición6
Veamos un ejemplo de agregación en el que añadimos una herramienta a un droide:
>>> class Tool:
... def __init__(self, name):
... self.name = name
...
... def __str__(self):
(continué en la próxima página)
254 Capítulo 6. Modularidad](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-258-320.jpg)
![Aprende Python
>>> values = [4, 2, 7]
>>> user_index = 3
>>> try:
... r = values[user_index]
... except IndexError:
... print( Error: Index not in list )
... else:
... print(f Your wishes are my command: {r} )
... finally:
... print( Have a good day! )
...
Error: Index not in list
Have a good day!
>>> user_index = 2
>>> try:
... r = values[user_index]
... except IndexError:
... print( Error: Index not in list )
... else:
... print(f Your wishes are my command: {r} )
... finally:
... print( Have a good day! )
...
Your wishes are my command: 7
Have a good day!
Ejercicio
Sabiendo que ValueError es la excepción que se lanza cuando no podemos convertir una
cadena de texto en su valor numérico, escriba una función get_int() que lea un valor entero
del usuario y lo devuelva, iterando mientras el valor no sea correcto.
Ejecución a modo de ejemplo:
Give me an integer number: ten
Not a valid integer. Try it again!
Give me an integer number: diez
Not a valid integer. Try it again!
Give me an integer number: 10
Trate de implementar tanto la versión recursiva como la versión iterativa.
6.3. Excepciones 259](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-263-320.jpg)
![Aprende Python
>>> import sys
>>> sys.path
[ /path/to/.pyenv/versions/3.9.1/envs/aprendepython/bin ,
/path/to/.pyenv/versions/3.9.1/lib/python3.9 ,
/path/to/.pyenv/versions/3.9.1/envs/aprendepython/lib/python3.9/site-packages ,
]
La cadena vacía que existe al final de la lista hace referencia a la carpeta actual.
Modificando la ruta de búsqueda
Si queremos modificar la ruta de búsqueda, existen dos opciones:
Modificando directamente la variable PYTHONPATH Para ello exportamos dicha variable
de entorno desde una terminal:
$ export PYTHONPATH=/tmp
Y comprobamos que se ha modificado en sys.path:
>>> sys.path
[ /path/to/.pyenv/versions/3.9.1/envs/aprendepython/bin ,
/tmp ,
/path/to/.pyenv/versions/3.9.1/lib/python3.9 ,
/path/to/.pyenv/versions/3.9.1/envs/aprendepython/lib/python3.9/site-packages ,
]
Modificando directamente la lista sys.path Para ello accedemos a lista que está en el
módulo sys de la librería estandar:
>>> sys.path.append( /tmp ) # añadimos al final
>>> sys.path
[ /path/to/.pyenv/versions/3.9.1/envs/aprendepython/bin ,
/path/to/.pyenv/versions/3.9.1/lib/python3.9 ,
/path/to/.pyenv/versions/3.9.1/envs/aprendepython/lib/python3.9/site-packages ,
,
/tmp ]
>>> sys.path.insert(0, /tmp ) # insertamos por el principio
>>> sys.path
[ /tmp ,
/path/to/.pyenv/versions/3.9.1/envs/aprendepython/bin ,
(continué en la próxima página)
6.4. Módulos 265](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-269-320.jpg)
![Aprende Python
(proviene de la página anterior)
/path/to/.pyenv/versions/3.9.1/lib/python3.9 ,
/path/to/.pyenv/versions/3.9.1/envs/aprendepython/lib/python3.9/site-packages ,
]
Truco: El hecho de poner nuestra ruta al principio o al final de sys.path influye en
la búsqueda, ya que si existen dos (o más módulos) que se llaman igual en nuestra ruta
de búsqueda, Python usará el primero que encuentre.
Importar partes de un módulo
Es posible que no necesitemos todo aquello que está definido en arith.py. Supongamos que
sólo vamos a realizar divisiones. Para ello haremos lo siguiente:
1 >>> from arith import partitus
2
3 >>> partitus(5, 2)
4 2.5
Nota: Nótese que en la línea 3 ya podemos hacer uso directamente de la función partitus()
porque la hemos importado directamente. Este esquema tiene el inconveniente de la posible
colisión de nombres, en aquellos casos en los que tuviéramos algún objeto con el mismo
nombre que el objeto que estamos importando.
Importar usando un alias
Hay ocasiones en las que interesa, por colisión de otros nombres o por mejorar la legibilidad,
usar un nombre diferente del módulo (u objeto) que estamos importando. Python nos ofrece
esta posibilidad a través de la sentencia as.
Supongamos que queremos importar la función del ejemplo anterior pero con otro nombre:
>>> from arith import partitus as mydivision
>>> mydivision(5, 2)
2.5
266 Capítulo 6. Modularidad](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-270-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> string.hexdigits
0123456789abcdefABCDEF
>>> string.octdigits
01234567
>>> string.punctuation
!"#$%& ()*+,-./:;<=>?@[]^_ {|}~
>>> string.printable
0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ!"#$%& ()*+,-./:;<=>?
˓
→@[]^_ {|}~ tnrx0bx0c
>>> string.whitespace
tnrx0bx0c
Ejercicio
Dada una cadena de texto, compruebe si todos sus caracteres son dígitos ASCII. Ignore los
espacios en blanco.
Ejemplo
• Entrada: This is it
• Salida: True
7.1.2 Plantillas
El módulo string también nos permite usar plantillas con interpolación de variables. Algo
similar a los f-strings pero con otro tipo de sintaxis.
Lo primero es definir la plantilla. Las variables que queramos interporlar deben ir precedidas
del signo dólar $:
from string import Template
tmpl = Template( $lang is the best programming language in the $place! )
Ahora podemos realizar la sustitución con los valores que nos interesen:
>>> tmpl.substitute(lang= Python , place= World )
Python is the best programming language in the World!
(continué en la próxima página)
7.1. string 273](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-277-320.jpg)
![Aprende Python
Ecuación 1
∫︁ 𝑏
𝑎
𝑓′
(𝑥)𝑑𝑥 = 𝑓(𝑏) − 𝑓(𝑎)
Ecuación 2
𝑡′
= 𝑡
1
√︁
1 − 𝑣2
𝑐2
Ecuación 3
[︁
𝑀
𝜕
𝜕𝑀
+ 𝛽(𝑔)
𝜕
𝜕𝑔
+ 𝜂𝛾
]︁
𝐺𝑛
(𝑥1, 𝑥2, . . . , 𝑥𝑛; 𝑀, 𝑔) = 0
Ecuación 4
𝑅00 ≈ −
1
2
∑︁
𝑖
𝜕2
ℎ00
𝜕(𝑥𝑖)2
=
4𝜋𝐺
𝑐2
(𝜌𝑐2
) ⇒ ▽2
𝜑𝑔 = 4𝜋𝐺𝜌
Truco: Puede encontrar símbolos matemáticos para Latex en este enlace así como dibujar
directamente un símbolo y obtener su referencia a través de la herramienta Detexify.
8.1.4 Comandos especiales
Jupyter Notebook ofrece una gama de comandos especiales que cubren gran variedad de
funcionalidades.
Comandos de shell
Podemos ejecutar comandos de «shell» usando el prefijo exclamación !
>>> !date
martes, 15 de junio de 2021, 09:13:25 WEST
>>> !whoami
sdelquin
Ejercicio
Ejecute los siguientes comandos del sistema y obtenga la salida en una celda del Notebook:
8.1. jupyter 291](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-295-320.jpg)
![Aprende Python
Windows Linux & macOS
time date
dir ls
mem free
Obteniendo ayuda
Una de las formas más sencillas de obtener información de librerías, funciones o módulos es
utilizar el sufijo interrogación ?
>>> import random
>>> random.randint?
Signature: random.randint(a, b)
Docstring:
Return random integer in range [a, b], including both end points.
File: ~/.pyenv/versions/3.9.1/lib/python3.9/random.py
Type: method
Ejercicio
Obtenga la documentación de las siguientes funciones:
• os.path.dirname
• re.match
• datetime.timedelta
Comandos mágicos
Jupyter Notebook, o mejor expresado IPython, admite un conjunto de comandos mágicos
que permiten realizar distintas tareas, en muchos casos, no necesariamente relacionadas con
Python:
>>> %lsmagic
Available line magics:
%aimport %alias %alias_magic %autoawait %autocall %autoindent %automagic
˓
→%autoreload %bookmark %cat %cd %clear %colors %conda %config %cp %cpaste
˓
→%debug %dhist %dirs %doctest_mode %ed %edit %env %gui %hist %history
˓
→%killbgscripts %ldir %less %lf %lk %ll %load %load_ext %loadpy %logoff
˓
→%logon %logstart %logstate %logstop %ls %lsmagic %lx %macro %magic %man
˓
→%matplotlib %mkdir %more %mv %notebook %page %paste %pastebin %pdb %pdef
˓
→%pdoc %pfile %pinfo %pinfo2 %pip %popd %pprint %precision %prun %psearch
˓
→%psource %pushd %pwd %pycat %pylab %quickref %recall %rehashx %reload_ext
˓
→%rep %rerun %reset %reset_selective %rm %rmdir %run %save %sc %set_env
˓
→%store %sx %system %tb %time %timeit %unalias %unload_ext %who %who_ls
(continué en la próxima página)
292 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-296-320.jpg)
![Aprende Python
(proviene de la página anterior)
Available cell magics:
%%! %%HTML %%SVG %%bash %%capture %%debug %%file %%html %%javascript %%js %
˓
→%latex %%markdown %%perl %%prun %%pypy %%python %%python2 %%python3 %%ruby␣
˓
→ %%script %%sh %%svg %%sx %%system %%time %%timeit %%writefile
Automagic is ON, % prefix IS NOT needed for line magics.
Si nos fijamos en el último mensaje, al estar habilitado el modo «automagic», no es
estrictamente necesario que usemos el prefijo % para hacer uso de estos comandos. Por
ejemplo, si quisiéramos conocer la historia de comandos en el intérprete:
>>> hist # equivalente a %hist
!date
import random
random.randint?
%lsmagic
pwd
hist
Representando gráficas
Otra de las grandes ventajas que ofrece Jupyter Notebook es poder graficar directamente
sobre el cuaderno. Para ello utilizamos código Python (en este caso) y una directiva de
comando mágico para indicar que se renderice en línea:
>>> %matplotlib inline
>>> from matplotlib import pyplot as plt
>>> x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> y = [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
>>> plt.plot(x, y)
[<matplotlib.lines.Line2D at 0x106414e50>]
<Figure size 432x288 with 1 Axes>
8.1. jupyter 293](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-297-320.jpg)
![Aprende Python
(proviene de la página anterior)
│ └── spotify
├── pypi
│ └── datascience
└── stdlib
└── text_processing
20 directories
Celdas con perl: No hay que subestimar el poder del lenguaje de programación perl. Si
fuera necesario, lo podemos incluir en una celda del «notebook» con %%perl al comienzo
de la misma:
%%perl
my $email = sdelquin@gmail.com ;
if ($email =~ /^([^@]+)@(.+)$/) {
print "Username is: $1n";
print "Hostname is: $2n";
}
...
Username is: sdelquin
Hostname is: gmail.com
8.1.5 Extensiones
El ecosistema de Jupyter Notebook es muy amplio y ofrece una gran variedad de
extensiones que se pueden incluir en la instalación que tengamos: Unofficial Jupyter Notebook
Extensions.
Su instalación es tan sencilla como:
$ pip install jupyter_contrib_nbextensions
8.1. jupyter 297](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-301-320.jpg)
![Aprende Python
>>> import numpy as np
>>> x = np.array([1, 2, 3, 4, 5])
>>> x
array([1, 2, 3, 4, 5])
>>> type(x)
numpy.ndarray
Si queremos obtener información sobre el array creado, podemos acceder a distintos atributos
del mismo:
>>> x.ndim # dimensión
1
>>> x.size # tamaño total del array
5
>>> x.shape # forma
(5,)
>>> x.dtype # tipo de sus elementos
dtype( int64 )
Datos heterogéneos
Hemos dicho que los ndarray son estructuras de datos que almacenan un único tipo de datos.
A pesar de esto, es posible crear un array con los siguientes valores:
>>> x = np.array([4, Einstein , 1e-7])
Aunque, a priori, puede parecer que estamos mezclando tipos enteros, flotantes y cadenas de
texto, lo que realmente se produce (de forma implícita) es una coerción2
de tipos a Unicode:
>>> x
array([ 4 , Einstein , 1e-07 ], dtype= <U32 )
>>> x.dtype
dtype( <U32 )
2
Característica de los lenguajes de programación que permite, implícita o explícitamente, convertir un
elemento de un tipo de datos en otro, sin tener en cuenta la comprobación de tipos.
8.2. numpy 303](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-307-320.jpg)
![Aprende Python
Tipos de datos
NumPy maneja gran cantidad de tipos de datos. A diferencia de los tipos de datos numéricos
en Python que no establecen un tamaño de bytes de almacenamiento, aquí sí hay una
diferencia clara.
Algunos de los tipos de datos numéricos en NumPy se presentan en la siguiente tabla:
Tabla 1: Tipos de datos numéricos en NumPy
dtype Descripción Rango
np.int32 Integer De -2147483648 a 2147483647
np.int64 Integer De -9223372036854775808 a 9223372036854775807
np.uint32Unsigned
integer
De 0 a 4294967295
np.uint64Unsigned
integer
De 0 a 18446744073709551615
np.float32
Float De -3.4028235e+38 a 3.4028235e+38
np.float64
Float De -1.7976931348623157e+308 a 1.7976931348623157e+308
Truco: NumPy entiende por defecto que int hace referencia a np.int64 y que float hace
referencia a np.float64. Son «alias» bastante utilizados.
Si creamos un array de números enteros, el tipo de datos por defecto será int64:
>>> a = np.array(range(10))
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> a.dtype
dtype( int64 )
Sin embargo podemos especificar el tipo de datos que nos interese:
>>> b = np.array(range(10), dtype= int32 ) # int32 hace referencia a np.int32
>>> b
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=int32)
>>> b.dtype
dtype( int32 )
Lo mismo ocurre con valores flotantes, donde float64 es el tipo de datos por defecto.
Es posible convertir el tipo de datos que almacena un array mediante el método astype. Por
304 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-308-320.jpg)
![Aprende Python
ejemplo:
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> c = a.astype(float)
>>> c.dtype
dtype( float64 )
ndarray vs list
Como ya se ha comentado en la introducción de esta sección, el uso de ndarray frente a list
está justificado por cuestiones de rendimiento. Pero veamos un ejemplo clarificador en el que
sumamos 10 millones de valores enteros:
>>> array_as_list = list(range(int(10e6)))
>>> array_as_ndarray = np.array(array_as_list)
>>> %timeit sum(array_as_list)
48 ms ± 203 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
>>> %timeit array_as_ndarray.sum()
3.83 ms ± 4.84 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
Nota: El cómputo es casi 12 veces más rápido utilizando ndarray frente a listas clásicas.
En cualquier caso, existe la posibilidad de convertir a lista cualquier ndarray mediante el
método tolist():
>>> a = np.array([10, 20, 30])
>>> a
array([10, 20, 30])
>>> b = a.tolist()
>>> b
[10, 20, 30]
>>> type(b)
list
8.2. numpy 305](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-309-320.jpg)
![Aprende Python
Matrices
Una matriz no es más que un array bidimensional. Como ya se ha comentado, NumPy provee
ndarray que se comporta como un array multidimensional con lo que podríamos crear una
matriz sin mayor problema.
Veamos un ejemplo en el que tratamos de construir la siguiente matriz:
𝑀 =
⎡
⎢
⎢
⎣
1 2 3
4 5 6
7 8 9
10 11 12
⎤
⎥
⎥
⎦
Nos apoyamos en una lista de listas para la creación de la matriz:
>>> M = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
>>> M
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12]])
>>> M.ndim # bidimensional
2
>>> M.size
12
>>> M.shape # 4 filas x 3 columnas
(4, 3)
>>> M.dtype
dtype( int64 )
Ejercicio
Cree los siguientes arrays en NumPy:
array1 =
[︀
88 23 39 41
]︀
array2 =
[︂
76.4 21.7 38.4
41.2 52.8 68.9
]︂
array3 =
⎡
⎢
⎢
⎣
12
4
9
8
⎤
⎥
⎥
⎦
306 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-310-320.jpg)
![Aprende Python
Obtenga igualmente las siguientes características de cada uno de ellos: dimensión, tamaño,
forma y tipo de sus elementos.
Cambiando la forma
Dado un array, podemos cambiar su forma mediante la función np.reshape():
>>> a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
>>> np.reshape(a, (3, 4)) # 3 x 4
array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])
Si sólo queremos especificar un número determinado de filas o columnas, podemos dejar la
otra dimensión a -1:
>>> np.reshape(a, (6, -1)) # 6 filas
array([[ 1, 2],
[ 3, 4],
[ 5, 6],
[ 7, 8],
[ 9, 10],
[11, 12]])
>>> np.reshape(a, (-1, 3)) # 3 columnas
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12]])
Advertencia: En el caso de que no exista posibilidad de cambiar la forma del array por
el número de filas y/o columnas especificado, obtendremos un error de tipo ValueError:
cannot reshape array.
8.2. numpy 307](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-311-320.jpg)
![Aprende Python
Almacenando arrays
Es posible que nos interese almacenar (de forma persistente) los arrays que hemos ido
creando. Para ello NumPy nos provee, al menos, de dos mecanismos:
Almacenamiento en formato binario propio: Mediante el método save() podemos
guardar la estructura de datos en ficheros .npy. Veamos un ejemplo:
>>> M
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12]])
>>> np.save( my_matrix , M)
>>> !ls my_matrix.npy
my_matrix.npy
>>> M_reloaded = np.load( my_matrix.npy )
>>> M_reloaded
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12]])
Almacenamiento en formato de texto plano: NumPy proporciona el método
savetxt() con el que podremos volcar la estructura de datos a un fichero de
texto csv. Veamos un ejemplo:
>>> M
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12]])
>>> np.savetxt( my_matrix.csv , M, fmt= %d )
>>> !cat my_matrix.csv
1 2 3
4 5 6
7 8 9
10 11 12
>>> M_reloaded = np.loadtxt( my_matrix.csv , dtype=int)
(continué en la próxima página)
308 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-312-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> M_reloaded
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12]])
Truco: Por defecto el almacenamiento y la carga de arrays en formato texto usa
tipos de datos flotantes. Es por ello que hemos usado el parámetro fmt en el
almacenamiento y el parámetro dtype en la carga.
Es posible cargar un array desempaquetando sus valores a través del parámetro
unpack. En el siguiente ejemplo separamos las columnas en tres variables diferentes:
>>> M
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12]])
>>> col1, col2, col3 = np.loadtxt( my_matrix.csv , unpack=True, dtype=int)
>>> col1
array([ 1, 4, 7, 10])
>>> col2
array([ 2, 5, 8, 11])
>>> col3
array([ 3, 6, 9, 12])
8.2.2 Funciones predefinidas para creación de arrays
NumPy ofrece una gran variedad de funciones predefinidas para creación de arrays que nos
permiten simplificar el proceso de construcción de este tipo de estructuras de datos.
Valores fijos
A continuación veremos una serie de funciones para crear arrays con valores fijos.
8.2. numpy 309](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-313-320.jpg)
![Aprende Python
Ceros
>>> np.zeros((3, 4))
array([[0., 0., 0., 0.],
[0., 0., 0., 0.],
[0., 0., 0., 0.]])
Por defecto, ésta y otras funciones del estilo, devuelven valores flotantes. Si quisiéramos
trabajar con valores enteros basta con usar el parámetro dtype:
>>> np.zeros((3, 4), dtype=int)
array([[0, 0, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 0]])
Existe la posibilidad de crear un array de ceros con las mismas dimensiones (y forma)
que otro array:
>>> M = np.array([[1, 2, 3], [4, 5, 6]])
>>> M
array([[1, 2, 3],
[4, 5, 6]])
>>> np.zeros_like(M)
array([[0, 0, 0],
[0, 0, 0]])
Lo cual sería equivalente a pasar la «forma» del array a la función predefinida de creación
de ceros:
>>> np.zeros(M.shape, dtype=int)
array([[0, 0, 0],
[0, 0, 0]])
Unos
>>> np.ones((3, 4)) # también existe np.ones_like()
array([[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]])
310 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-314-320.jpg)
![Aprende Python
Mismo valor
>>> np.full((3, 4), 7) # también existe np.full_like()
array([[7, 7, 7, 7],
[7, 7, 7, 7],
[7, 7, 7, 7]])
Matriz identidad
>>> np.eye(5)
array([[1., 0., 0., 0., 0.],
[0., 1., 0., 0., 0.],
[0., 0., 1., 0., 0.],
[0., 0., 0., 1., 0.],
[0., 0., 0., 0., 1.]])
Matriz diagonal
>>> np.diag([5, 4, 3, 2, 1])
array([[5, 0, 0, 0, 0],
[0, 4, 0, 0, 0],
[0, 0, 3, 0, 0],
[0, 0, 0, 2, 0],
[0, 0, 0, 0, 1]])
Ejercicio
Cree la siguiente matriz mediante código Python:
diagonal =
⎡
⎢
⎢
⎢
⎢
⎢
⎣
0 0 0 . . . 0
0 1 0 . . . 0
0 0 2 . . . 0
.
.
.
.
.
. 0
... 0
0 0 0 . . . 49
⎤
⎥
⎥
⎥
⎥
⎥
⎦
Obtenga igualmente las siguientes características de cada uno de ellos: dimensión, tamaño,
forma y tipo de sus elementos.
8.2. numpy 311](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-315-320.jpg)
![Aprende Python
Valores equiespaciados
A continuación veremos una serie de funciones para crear arrays con valores equiespaciados
o en intervalos definidos.
Valores enteros equiespaciados
La función que usamos para este propósito es np.arange() cuyo comportamiento es
totalmente análogo a la función «built-in» range().
Especificando límite superior:
>>> np.arange(21)
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
17, 18, 19, 20])
Especificando límite inferior y superior:
>>> np.arange(6, 60)
array([ 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22,
23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39,
40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56,
57, 58, 59])
Especificando límite inferior, superior y paso:
>>> np.arange(6, 60, 3)
array([ 6, 9, 12, 15, 18, 21, 24, 27, 30, 33, 36, 39, 42, 45, 48, 51, 54,
57])
Es posible especificar un paso flotante en la función arange():
>>> np.arange(6, 16, .3)
array([ 6. , 6.3, 6.6, 6.9, 7.2, 7.5, 7.8, 8.1, 8.4, 8.7, 9. ,
9.3, 9.6, 9.9, 10.2, 10.5, 10.8, 11.1, 11.4, 11.7, 12. , 12.3,
12.6, 12.9, 13.2, 13.5, 13.8, 14.1, 14.4, 14.7, 15. , 15.3, 15.6,
15.9])
312 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-316-320.jpg)
![Aprende Python
Valores flotantes equiespaciados
La función que usamos para este propósito es np.linspace() cuyo comportamiento es
«similar» a np.arange() pero para valores flotantes.
Especificando límite inferior y superior:
>>> np.linspace(6, 60) # [6, 60] con 50 valores
array([ 6. , 7.10204082, 8.20408163, 9.30612245, 10.40816327,
11.51020408, 12.6122449 , 13.71428571, 14.81632653, 15.91836735,
17.02040816, 18.12244898, 19.2244898 , 20.32653061, 21.42857143,
22.53061224, 23.63265306, 24.73469388, 25.83673469, 26.93877551,
28.04081633, 29.14285714, 30.24489796, 31.34693878, 32.44897959,
33.55102041, 34.65306122, 35.75510204, 36.85714286, 37.95918367,
39.06122449, 40.16326531, 41.26530612, 42.36734694, 43.46938776,
44.57142857, 45.67346939, 46.7755102 , 47.87755102, 48.97959184,
50.08163265, 51.18367347, 52.28571429, 53.3877551 , 54.48979592,
55.59183673, 56.69387755, 57.79591837, 58.89795918, 60. ])
Nota: Por defecto np.linspace() genera 50 elementos.
Especificando límite inferior, superior y total de elementos:
>>> np.linspace(6, 60, 20) # [6, 60] con 20 valores
array([ 6. , 8.84210526, 11.68421053, 14.52631579, 17.36842105,
20.21052632, 23.05263158, 25.89473684, 28.73684211, 31.57894737,
34.42105263, 37.26315789, 40.10526316, 42.94736842, 45.78947368,
48.63157895, 51.47368421, 54.31578947, 57.15789474, 60. ])
Importante: A diferencia de np.arange(), la función np.linspace() incluye «por
defecto» el límte superior especificado.
Especificando un intervalo abierto [𝑎, 𝑏):
>>> np.linspace(6, 60, 20, endpoint=False) # [6, 60) con 20 elementos
array([ 6. , 8.7, 11.4, 14.1, 16.8, 19.5, 22.2, 24.9, 27.6, 30.3, 33. ,
35.7, 38.4, 41.1, 43.8, 46.5, 49.2, 51.9, 54.6, 57.3])
8.2. numpy 313](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-317-320.jpg)
![Aprende Python
Valores aleatorios
A continuación veremos una serie de funciones para crear arrays con valores aleatorios y
distribuciones de probabilidad.
Valores aleatorios enteros
Valores aleatorios enteros en [𝑎, 𝑏):
>>> np.random.randint(3, 30) # escalar
4
>>> np.random.randint(3, 30, size=9) # vector
array([29, 7, 8, 21, 27, 23, 29, 15, 28])
>>> np.random.randint(3, 30, size=(3, 3)) # matriz
array([[24, 4, 29],
[10, 22, 27],
[27, 7, 20]])
Valores aleatorios flotantes
Por simplicidad, en el resto de ejemplos vamos a obviar la salida escalar y matriz.
Valores aleatorios flotantes en [0, 1):
>>> np.random.random(9)
array([0.53836208, 0.78315275, 0.6931254 , 0.97194325, 0.01523289,
0.47692141, 0.27653964, 0.82297655, 0.70502383])
Valores aleatorios flotantes en [𝑎, 𝑏):
>>> np.random.uniform(1, 100, size=9)
array([17.00450378, 67.08416159, 56.99930273, 9.19685998, 35.27334323,
97.34651516, 25.89283558, 53.59685476, 72.74943888])
314 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-318-320.jpg)
![Aprende Python
Distribuciones de probabilidad
Distribución normal: Ejemplo en el que generamos un millón de valores usando como
parámetros de la distribución 𝜇 = 0, 𝜎 = 5
>>> dist = np.random.normal(0, 5, size=1_000_000)
>>> dist[:20]
array([ 2.5290643 , 1.46577658, 1.65170437, -1.36970819, -2.24547757,
7.19905613, -4.4666239 , -1.05505116, 2.42351298, -4.45314272,
1.13604077, -2.85054948, 4.34589478, -2.81235743, -0.8215143 ,
0.57796411, -2.56594122, -7.14899388, 3.49197644, 1.80691996])
>>> dist.mean()
0.004992046432131982
>>> dist.std()
4.998583810032169
Muestra aleatoria: Ejemplo en el que generamos una muestra aleatoria de un millón de
lanzamientos de una moneda:
>>> coins = np.random.choice([ head , tail ], size=1_000_000)
>>> coins
array([ tail , head , tail , ..., tail , head , tail ], dtype= <U4 )
>>> sum(coins == head )
499874
>>> sum(coins == tail )
500126
Muestra aleatoria con probabilidades no uniformes: Ejemplo en el que generamos
una muestra aleatoria de un millón de lanzamientos con un dado «trucado»:
>>> # La cara del "1" tiene un 50% de probabilidades de salir
>>> dices = np.random.choice(range(1, 7), size=1_000_000, p=[.5, .1, .1, .1, .1,
˓
→ .1])
>>> dices
array([6, 5, 4, ..., 1, 6, 1])
>>> sum(dices == 1)
500290
>>> sum(dices == 6)
99550
8.2. numpy 315](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-319-320.jpg)
![Aprende Python
Muestra aleatoria sin reemplazo: Ejemplo en el que seleccionamos 5 principios
aleatorios del Zen de Python sin reemplazo:
>>> import this
>>> import codecs
>>> zen = codecs.decode(this.s, rot-13 ).splitlines()[3:] # https://bit.ly/
˓
→3xhsucQ
>>> np.random.choice(zen, size=5, replace=False)
array([ Unless explicitly silenced. ,
"Although that way may not be obvious at first unless you re Dutch.",
Sparse is better than dense. ,
If the implementation is easy to explain, it may be a good idea. ,
Complex is better than complicated. ], dtype= <U69 )
Ver también:
Listado de distribuciones aleatorias que se pueden utilizar en NumPy.
Ejercicio
Cree:
• Una matriz de 20 filas y 5 columnas con valores flotantes equiespaciados en el intervalo
cerrado [1, 10].
• Un array unidimensional con 128 valores aleatorios de una distribución normal 𝜇 =
1, 𝜎 = 2.
• Un array unidimensional con 15 valores aleatorios de una muestra 1, X, 2 donde la
probabilidad de que gane el equipo local es del 50%, la probabilidad de que empaten
es del 30% y la probabilidad de que gane el visitante es del 20%.
Constantes
Numpy proporciona una serie de constantes predefinidas que facilitan su acceso y
reutilización. Veamos algunas de ellas:
>>> import numpy as np
>>> np.Inf
inf
>>> np.nan
nan
(continué en la próxima página)
316 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-320-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> np.e
2.718281828459045
>>> np.pi
3.141592653589793
8.2.3 Manipulando elementos
Los arrays multidimensionales de NumPy están indexados por unos ejes que establecen la
forma en la que debemos acceder a sus elementos. Véase el siguiente diagrama:
Figura 15: Esquema de ejes sobre los arrays de NumPy3
Arrays unidimensionales
Acceso a arrays unidimensionales
>>> values
array([10, 11, 12, 13, 14, 15])
>>> values[2]
12
>>> values[-3]
13
3
Imagen de Harriet Dashnow, Stéfan van der Walt y Juan Núñez-Iglesias en O’Reilly.
8.2. numpy 317](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-321-320.jpg)
![Aprende Python
Modificación a arrays unidimensionales
>>> values
array([10, 11, 12, 13, 14, 15])
>>> values[0] = values[1] + values[5]
>>> values
array([26, 11, 12, 13, 14, 15])
Borrado en arrays unidimensionales
>>> values
array([10, 11, 12, 13, 14, 15])
>>> np.delete(values, 2) # índice (como escalar)
array([10, 11, 13, 14, 15])
>>> np.delete(values, (2, 3, 4)) # índices (como tupla)
array([10, 11, 15])
Nota: La función np.delete() no es destructiva. Devuelve una copia modificada del array.
Inserción en arrays unidimensionales
>>> values
array([10, 11, 12, 13, 14, 15])
>>> np.append(values, 16) # añade elementos al final
array([10, 11, 12, 13, 14, 15, 16])
>>> np.insert(values, 1, 101) # añade elementos en una posición
array([ 10, 101, 11, 12, 13, 14, 15])
Para ambas funciones también es posible añadir varios elementos de una sola vez:
>>> values
array([10, 11, 12, 13, 14, 15])
>>> np.append(values, [16, 17, 18])
array([10, 11, 12, 13, 14, 15, 16, 17, 18])
318 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-322-320.jpg)
![Aprende Python
Nota: La funciones np.append() y np.insert() no son destructivas. Devuelven una copia
modificada del array.
Arrays multidimensionales
Partimos del siguiente array bidimensional (matriz) para ejemplificar las distintas
operaciones:
>>> values = np.arange(1, 13).reshape(3, 4)
>>> values
array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])
Acceso a arrays multidimensionales
>>> values
array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])
Acceso a elementos individuales::
>>> values[0, 0]
1
>>> values[-1, -1]
12
>>> values[1, 2]
7
Acceso a múltiples elementos::
>>> values[[0, 2], [1, 2]] # Elementos [0, 1] y [2, 2]
array([ 2, 11])
Acceso a filas o columnas completas:
>>> values[2] # tercera fila
array([ 9, 10, 11, 12])
>>> values[:, 1] # segunda columna
array([ 2, 6, 10])
8.2. numpy 319](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-323-320.jpg)
![Aprende Python
Acceso a zonas parciales del array:
>>> values[0:2, 0:2]
array([[1, 2],
[5, 6]])
>>> values[0:2, [1, 3]]
array([[2, 4],
[6, 8]])
Importante: Todos estos accesos crean una copia (vista) del array original. Esto significa
que, si modificamos un valor en el array copia, se ve reflejado en el original. Para evitar esta
situación podemos usar la función np.copy() y desvincular la vista de su fuente.
Modificación de arrays multidimensionales
>>> values
array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])
>>> values[0, 0] = 100
>>> values[1] = [55, 66, 77, 88]
>>> values[:,2] = [30, 70, 110]
>>> values
array([[100, 2, 30, 4],
[ 55, 66, 70, 88],
[ 9, 10, 110, 12]])
Borrado en arrays multidimensionales
>>> values
array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])
>>> np.delete(values, 0, axis=0) # Borrado de la primera fila
array([[ 5, 6, 7, 8],
(continué en la próxima página)
320 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-324-320.jpg)
![Aprende Python
(proviene de la página anterior)
[ 9, 10, 11, 12]])
>>> np.delete(values, (1, 3), axis=1) # Borrado de la segunda y cuarta columna
array([[ 1, 3],
[ 5, 7],
[ 9, 11]])
Truco: Tener en cuenta que axis=0 hace referencia a filas y axis=1 hace referencia a
columnas tal y como describe el diagrama del comienzo de la sección.
Inserción en arrays multidimensionales
Añadir elementos al final del array:
>>> values
array([[1, 2],
[3, 4]])
>>> np.append(values, [[5, 6]], axis=0)
array([[1, 2],
[3, 4],
[5, 6]])
>>> np.append(values, [[5], [6]], axis=1)
array([[1, 2, 5],
[3, 4, 6]])
Insertar elementos en posiciones arbitrarias del array:
>>> values
array([[1, 2],
[3, 4]])
>>> np.insert(values, 0, [0, 0], axis=0)
array([[0, 0],
[1, 2],
[3, 4]])
>>> np.insert(values, 1, [0, 0], axis=1)
array([[1, 0, 2],
[3, 0, 4]])
8.2. numpy 321](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-325-320.jpg)
![Aprende Python
Ejercicio
Utilizando las operaciones de modificación, borrado e inserción, convierta la siguiente matriz:
⎡
⎢
⎢
⎣
17 12 31
49 11 51
21 31 62
63 75 22
⎤
⎥
⎥
⎦
en esta:
⎡
⎣
17 12 31 63
49 11 51 75
21 31 62 22
⎤
⎦
y luego en esta:
⎡
⎣
17 12 31 63
49 49 49 63
21 31 62 63
⎤
⎦
Apilando matrices
Hay veces que nos interesa combinar dos matrices (arrays en general). Una de los mecanismos
que nos proporciona NumPy es el apilado.
Apilado vertical:
>>> m1 = np.random.randint(1, 100, size=(3, 2))
>>> m2 = np.random.randint(1, 100, size=(1, 2))
>>> m1
array([[68, 68],
[10, 50],
[87, 92]])
>>> m2
array([[63, 80]])
>>> np.vstack((m1, m2))
array([[68, 68],
[10, 50],
[87, 92],
[63, 80]])
Apilado horizontal:
322 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-326-320.jpg)
![Aprende Python
>>> m1 = np.random.randint(1, 100, size=(3, 2))
>>> m2 = np.random.randint(1, 100, size=(3, 1))
>>> m1
array([[51, 50],
[52, 15],
[14, 21]])
>>> m2
array([[18],
[52],
[ 1]])
>>> np.hstack((m1, m2))
array([[51, 50, 18],
[52, 15, 52],
[14, 21, 1]])
Repitiendo elementos
Repetición por ejes: El parámetro de repetición indica el número de veces que repetimos
el array completo por cada eje:
>>> values
array([[1, 2],
[3, 4],
[5, 6]])
>>> np.tile(values, 3) # x3 en columnas
array([[1, 2, 1, 2, 1, 2],
[3, 4, 3, 4, 3, 4],
[5, 6, 5, 6, 5, 6]])
>>> np.tile(values, (2, 3)) # x2 en filas; x3 en columnas
array([[1, 2, 1, 2, 1, 2],
[3, 4, 3, 4, 3, 4],
[5, 6, 5, 6, 5, 6],
[1, 2, 1, 2, 1, 2],
[3, 4, 3, 4, 3, 4],
[5, 6, 5, 6, 5, 6]])
Repetición por elementos: El parámetro de repetición indica el número de veces que
repetimos cada elemento del array:
>>> values
array([[1, 2],
(continué en la próxima página)
8.2. numpy 323](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-327-320.jpg)
![Aprende Python
(proviene de la página anterior)
[3, 4],
[5, 6]])
>>> np.repeat(values, 2)
array([1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 6, 6])
>>> np.repeat(values, 2, axis=0) # x2 en filas
array([[1, 2],
[1, 2],
[3, 4],
[3, 4],
[5, 6],
[5, 6]])
>>> np.repeat(values, 3, axis=1) # x3 en columnas
array([[1, 1, 1, 2, 2, 2],
[3, 3, 3, 4, 4, 4],
[5, 5, 5, 6, 6, 6]])
Acceso por diagonal
Es bastante común acceder a elementos de una matriz (array en general) tomando como
referencia su diagonal. Para ello, NumPy nos provee de ciertos mecanismos que veremos a
continuación.
Para ejemplificarlo, partiremos del siguiente array:
>>> values
array([[73, 86, 90, 20],
[96, 55, 15, 48],
[38, 63, 96, 95],
[13, 87, 32, 96]])
Extracción de elementos por diagonal
La función np.diag() permite acceder a los elementos de un array especificando un
parámetro k que indica la «distancia» con la diagonal principal:
Veamos cómo variando el parámetro k obtenemos distintos resultados:
>>> np.diag(values) # k = 0
array([73, 55, 96, 96])
(continué en la próxima página)
324 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-328-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> for k in range(1, values.shape[0]):
... print(f k={k} , np.diag(values, k=k))
...
k=1 [86 15 95]
k=2 [90 48]
k=3 [20]
>>> for k in range(1, values.shape[0]):
... print(f k={-k} , np.diag(values, k=-k))
...
k=-1 [96 63 32]
k=-2 [38 87]
k=-3 [13]
Modificación de elementos por diagonal
NumPy también provee un método np.diag_indices() que retorna los índices de los
elementos de la diagonal principal, con lo que podemos modificar sus valores directamente:
>>> values
array([[73, 86, 90, 20],
[96, 55, 15, 48],
[38, 63, 96, 95],
[13, 87, 32, 96]])
>>> di = np.diag_indices(values.shape[0])
>>> di
(array([0, 1, 2, 3]), array([0, 1, 2, 3]))
>>> values[di] = 0
>>> values
array([[ 0, 86, 90, 20],
[96, 0, 15, 48],
[38, 63, 0, 95],
[13, 87, 32, 0]])
Truco: Existen igualmente las funciones np.triu_indices() y np.tril_indices() para
obtener los índices de la diagonal superior e inferior de una matriz.
326 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-330-320.jpg)
![Aprende Python
8.2.4 Operaciones sobre arrays
Operaciones lógicas
Indexado booleano
El indexado booleano es una operación que permite conocer (a nivel de elemento) si un array
cumple o no con una determinada condición:
>>> values
array([[60, 47, 34, 38],
[43, 63, 37, 68],
[58, 28, 31, 43],
[32, 65, 32, 96]])
>>> values > 50 # indexado booleano
array([[ True, False, False, False],
[False, True, False, True],
[ True, False, False, False],
[False, True, False, True]])
>>> values[values > 50] # uso de máscara
array([60, 63, 68, 58, 65, 96])
>>> values[values > 50] = -1 # modificación de valores
>>> values
array([[-1, 47, 34, 38],
[43, -1, 37, -1],
[-1, 28, 31, 43],
[32, -1, 32, -1]])
Las condiciones pueden ser más complejas e incorporar operadores lógicos | (or) y & (and):
>>> values
array([[60, 47, 34, 38],
[43, 63, 37, 68],
[58, 28, 31, 43],
[32, 65, 32, 96]])
>>> (values < 25) | (values > 75)
array([[False, False, False, False],
[False, False, False, False],
[False, False, False, False],
[False, False, False, True]])
(continué en la próxima página)
8.2. numpy 327](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-331-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> (values > 25) & (values < 75)
array([[ True, True, True, True],
[ True, True, True, True],
[ True, True, True, True],
[ True, True, True, False]])
Consejo: El uso de paréntesis es obligatorio si queremos mantener la precedencia y que
funcione correctamente.
Ejercicio
Extraiga todos los números impares de la siguiente matriz:
values =
⎡
⎣
10 11 12 13
14 15 16 17
18 19 20 21
⎤
⎦
Si lo que nos interesa es obtener los índices del array que satisfacen una determinada
condición, NumPy nos proporciona el método where() cuyo comportamiento se ejemplifica
a continuación:
>>> values
array([[60, 47, 34, 38],
[43, 63, 37, 68],
[58, 28, 31, 43],
[32, 65, 32, 96]])
>>> idx = np.where(values > 50)
>>> idx
(array([0, 1, 1, 2, 3, 3]), array([0, 1, 3, 0, 1, 3]))
>>> values[idx]
array([60, 63, 68, 58, 65, 96])
Ejercicio
Partiendo de una matriz de 10 filas y 10 columnas con valores aleatorios enteros en el intervalo
[0, 100], realice las operaciones necesarias para obtener una matriz de las mismas dimensiones
donde:
• Todos los elementos de la diagonal sean 50.
328 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-332-320.jpg)
![Aprende Python
• Los elementos mayores que 50 tengan valor 100.
• Los elementos menores que 50 tengan valor 0.
Comparando arrays
Dados dos arrays podemos compararlos usando el operador == del mismo modo que con
cualquier otro objeto en Python. La cuestión es que el resultado se evalúa a nivel de elemento:
>>> m1 = np.array([[1, 2], [3, 4]])
>>> m3 = np.array([[1, 2], [3, 4]])
>>> m1 == m2
array([[ True, True],
[ True, True]])
Si queremos comparar arrays en su totalidad, podemos hacer uso de la siguiente función:
>>> np.array_equal(m1, m2)
True
Operaciones de conjunto
Al igual que existen operaciones sobre conjuntos en Python, también podemos llevarlas a
cabo sobre arrays en NumPy.
Unión de arrays
𝑥 ∪ 𝑦
>>> x
array([ 9, 4, 11, 3, 14, 5, 13, 12, 7, 14])
>>> y
array([17, 9, 19, 4, 18, 4, 7, 13, 11, 10])
>>> np.union1d(x, y)
array([ 3, 4, 5, 7, 9, 10, 11, 12, 13, 14, 17, 18, 19])
8.2. numpy 329](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-333-320.jpg)
![Aprende Python
Intersección de arrays
𝑥 ∩ 𝑦
>>> x
array([ 9, 4, 11, 3, 14, 5, 13, 12, 7, 14])
>>> y
array([17, 9, 19, 4, 18, 4, 7, 13, 11, 10])
>>> np.intersect1d(x, y)
array([ 4, 7, 9, 11, 13])
Diferencia de arrays
𝑥 ∖ 𝑦
>>> x
array([ 9, 4, 11, 3, 14, 5, 13, 12, 7, 14])
>>> y
array([17, 9, 19, 4, 18, 4, 7, 13, 11, 10])
>>> np.setdiff1d(x, y)
array([ 3, 5, 12, 14])
Ordenación de arrays
En términos generales, existen dos formas de ordenar cualquier estructura de datos, una
que modifica «in-situ» los valores (destructiva) y otra que devuelve «nuevos» valores (no
destructiva). En el caso de NumPy también es así.
Ordenación sobre arrays unidimensionales
>>> values
array([23, 24, 92, 88, 75, 68, 12, 91, 94, 24, 9, 21, 42, 3, 66])
>>> np.sort(values) # no destructivo
array([ 3, 9, 12, 21, 23, 24, 24, 42, 66, 68, 75, 88, 91, 92, 94])
>>> values.sort() # destructivo
>>> values
array([ 3, 9, 12, 21, 23, 24, 24, 42, 66, 68, 75, 88, 91, 92, 94])
330 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-334-320.jpg)
![Aprende Python
Ordenación sobre arrays multidimensionales
>>> values
array([[52, 23, 90, 46],
[61, 63, 74, 59],
[75, 5, 58, 70],
[21, 7, 80, 52]])
>>> np.sort(values, axis=1) # equivale a np.sort(values)
array([[23, 46, 52, 90],
[59, 61, 63, 74],
[ 5, 58, 70, 75],
[ 7, 21, 52, 80]])
>>> np.sort(values, axis=0)
array([[21, 5, 58, 46],
[52, 7, 74, 52],
[61, 23, 80, 59],
[75, 63, 90, 70]])
Nota: También existe values.sort(axis=1) y values.sort(axis=0) como métodos
«destructivos» de ordenación.
Contando valores
Otra de las herramientas útiles que proporciona NumPy es la posibilidad de contar el número
de valores que existen en un array en base a ciertos criterios.
Para ejemplificarlo, partiremos de un array unidimensional con valores de una distribución
aleatoria uniforme en el intervalo [1, 10]:
>>> randomized = np.random.randint(1, 11, size=1000)
>>> randomized
array([ 7, 9, 7, 8, 3, 7, 6, 4, 3, 9, 3, 1, 6, 7, 10, 4, 8,
1, 3, 3, 8, 5, 4, 7, 5, 8, 8, 3, 10, 1, 7, 10, 3, 10,
2, 9, 5, 1, 2, 4, 4, 10, 5, 10, 5, 2, 5, 2, 10, 3, 4,
...
Valores únicos:
>>> np.unique(randomized)
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
8.2. numpy 331](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-335-320.jpg)
![Aprende Python
Valores únicos (incluyendo frecuencias):
>>> np.unique(randomized, return_counts=True)
(array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]),
array([101, 97, 117, 94, 101, 88, 94, 110, 93, 105]))
Valores distintos de cero:
>>> np.count_nonzero(randomized)
1000
Valores distintos de cero (incluyendo condición):
>>> np.count_nonzero(randomized > 5)
490
Operaciones aritméticas
Una de las grandes ventajas del uso de arrays numéricos en NumPy es la posibilidad de
trabajar con ellos como si fueran objetos «simples» pero sacando partido de la aritmética
vectorial. Esto redunda en una mayor eficiencia y rapidez de cómputo.
Operaciones aritméticas con mismas dimensiones
Cuando operamos entre arrays de las mismas dimensiones, las operaciones aritméticas se
realizan elemento a elemento (ocupando misma posición) y el resultado, obviamente, tiene
las mismas dimensiones:
>>> m1
array([[21, 86, 45],
[31, 36, 78],
[31, 64, 70]])
>>> m2
array([[58, 67, 17],
[99, 53, 9],
[92, 42, 75]])
>>> m1 + m2
array([[ 79, 153, 62],
[130, 89, 87],
[123, 106, 145]])
>>> m1 - m2
(continué en la próxima página)
332 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-336-320.jpg)
![Aprende Python
(proviene de la página anterior)
array([[-37, 19, 28],
[-68, -17, 69],
[-61, 22, -5]])
>>> m1 * m2
array([[1218, 5762, 765],
[3069, 1908, 702],
[2852, 2688, 5250]])
>>> m1 / m2 # división flotante
array([[0.36206897, 1.28358209, 2.64705882],
[0.31313131, 0.67924528, 8.66666667],
[0.33695652, 1.52380952, 0.93333333]])
>>> m1 // m2 # división entera
array([[0, 1, 2],
[0, 0, 8],
[0, 1, 0]])
Operaciones aritméticas con distintas dimensiones
Cuando operamos entre arrays con dimensiones diferentes, siempre y cuando se cumplan
ciertas restricciones en tamaños de filas y/o columnas, lo que se produce es un «broadcasting»
(o difusión) de los valores.
Suma con array «fila»:
>>> m
array([[9, 8, 1],
[7, 6, 7]])
>>> v
array([[2, 3, 6]])
>>> m + v # broadcasting
array([[11, 11, 7],
[ 9, 9, 13]])
Suma con array «columna»:
>>> m
array([[9, 8, 1],
[7, 6, 7]])
(continué en la próxima página)
8.2. numpy 333](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-337-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> v
array([[1],
[6]])
>>> m + v # broadcasting
array([[10, 9, 2],
[13, 12, 13]])
Advertencia: En el caso de que no coincidan dimensiones de filas y/o columnas, NumPy
no podrá ejecutar la operación y obtendremos un error ValueError: operands could
not be broadcast together with shapes.
Operaciones entre arrays y escalares
Al igual que ocurría en los casos anteriores, si operamos con un array y un escalar, éste
último será difundido para abarcar el tamaño del array:
>>> m
array([[9, 8, 1],
[7, 6, 7]])
>>> m + 5
array([[14, 13, 6],
[12, 11, 12]])
>>> m - 5
array([[ 4, 3, -4],
[ 2, 1, 2]])
>>> m * 5
array([[45, 40, 5],
[35, 30, 35]])
>>> m / 5
array([[1.8, 1.6, 0.2],
[1.4, 1.2, 1.4]])
>>> m // 5
array([[1, 1, 0],
[1, 1, 1]])
>>> m ** 5
(continué en la próxima página)
334 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-338-320.jpg)
![Aprende Python
(proviene de la página anterior)
array([[59049, 32768, 1],
[16807, 7776, 16807]])
Operaciones unarias
Existen multitud de operaciones sobre un único array. A continuación veremos algunas de
las más utilizas en NumPy.
Funciones universales
Las funciones universales «ufunc» son funciones que operan sobre arrays elemento a
elemento. Existen muchas funciones universales definidas en Numpy, parte de ellas operan
sobre dos arrays y parte sobre un único array.
Un ejemplo de algunas de estas funciones:
>>> values
array([[48.32172375, 24.89651106, 77.49724241],
[77.81874191, 22.54051494, 65.11282444],
[ 5.54960482, 59.06720303, 62.52817198]])
>>> np.sqrt(values)
array([[6.95138287, 4.98964037, 8.80325181],
[8.82149318, 4.74768522, 8.06925179],
[2.35575992, 7.68551905, 7.9074757 ]])
>>> np.sin(values)
array([[-0.93125201, -0.23403917, 0.86370435],
[ 0.66019205, -0.52214693, 0.75824777],
[-0.66953344, 0.58352079, -0.29903488]])
>>> np.ceil(values)
array([[49., 25., 78.],
[78., 23., 66.],
[ 6., 60., 63.]])
>>> np.floor(values)
array([[48., 24., 77.],
[77., 22., 65.],
[ 5., 59., 62.]])
>>> np.log(values)
array([[3.87788123, 3.21472768, 4.35024235],
(continué en la próxima página)
8.2. numpy 335](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-339-320.jpg)
![Aprende Python
(proviene de la página anterior)
[4.3543823 , 3.11531435, 4.17612153],
[1.71372672, 4.07867583, 4.13561721]])
Reduciendo el resultado
NumPy nos permite aplicar cualquier función sobre un array reduciendo el resultado por
alguno de sus ejes. Esto abre una amplia gama de posibilidades.
A modo de ilustración, veamos un par de ejemplos con la suma y el producto:
>>> values
array([[8, 2, 7],
[2, 0, 6],
[6, 3, 4]])
>>> np.sum(values, axis=0) # suma por columnas
array([16, 5, 17])
>>> np.sum(values, axis=1) # suma por filas
array([17, 8, 13])
>>> np.prod(values, axis=0) # producto por columnas
array([ 96, 0, 168])
>>> np.prod(values, axis=1) # producto por filas
array([112, 0, 72])
Ejercicio
Compruebe que, para 𝜃 = 2𝜋 (radianes) y 𝑘 = 20 se cumple la siguiente igualdad del producto
infinito de Euler:
cos
(︂
𝜃
2
)︂
· cos
(︂
𝜃
4
)︂
· cos
(︂
𝜃
8
)︂
· · · =
𝑘
∏︁
𝑖=1
cos
(︂
𝜃
2𝑖
)︂
≈
sin(𝜃)
𝜃
336 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-340-320.jpg)
![Aprende Python
Funciones estadísticas
NumPy proporciona una gran cantidad de funciones estadísticas que pueden ser aplicadas
sobre arrays.
Veamos algunas de ellas:
>>> dist
array([[-6.79006504, -0.01579498, -0.29182173, 0.3298951 , -5.30598975],
[ 3.10720923, -4.09625791, -7.60624152, 2.3454259 , 9.23399023],
[-7.4394269 , -9.68427195, 3.04248586, -5.9843767 , 1.536578 ],
[ 3.33953286, -8.41584411, -9.530274 , -2.42827813, -7.34843663],
[ 7.1508544 , 5.51727548, -3.20216834, -5.00154367, -7.15715252]])
>>> np.mean(dist)
-2.1877878715377777
>>> np.std(dist)
5.393254994089515
>>> np.median(dist)
-3.2021683412383295
Máximos y mínimos
Una de las operaciones más comunes en el manejo de datos es encontrar máximos o
mínimos. Para ello, disponemos de las típicas funciones con las ventajas del uso de arrays
multidimensionales:
>>> values
array([[66, 54, 33, 15, 58],
[55, 46, 39, 16, 38],
[73, 75, 79, 25, 83],
[81, 30, 22, 32, 8],
[92, 25, 82, 10, 90]])
>>> np.min(values)
8
>>> np.min(values, axis=0)
array([55, 25, 22, 10, 8])
>>> np.min(values, axis=1)
array([15, 16, 25, 8, 10])
>>> np.max(values)
(continué en la próxima página)
8.2. numpy 337](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-341-320.jpg)
![Aprende Python
(proviene de la página anterior)
92
>>> np.max(values, axis=0)
array([92, 75, 82, 32, 90])
>>> np.max(values, axis=1)
array([66, 55, 83, 81, 92])
Si lo que interesa es obtener los índices de aquellos elementos con valores máximos o
mínimos, podemos hacer uso de las funciones argmax() y argmin() respectivamente.
Veamos un ejemplo donde obtenemos los valores máximos por columnas (mediante sus
índices):
>>> values
array([[66, 54, 33, 15, 58],
[55, 46, 39, 16, 38],
[73, 75, 79, 25, 83],
[81, 30, 22, 32, 8],
[92, 25, 82, 10, 90]])
>>> idx = np.argmax(values, axis=0)
>>> idx
array([4, 2, 4, 3, 4])
>>> values[idx, range(values.shape[1])]
array([92, 75, 82, 32, 90])
Vectorizando funciones
Una de las ventajas de trabajar con arrays numéricos en NumPy es sacar provecho de
la optimización que se produce a nivel de la propia estructura de datos. En el caso de
que queramos implementar una función propia para realizar una determinada acción, sería
deseable seguir aprovechando esa característica.
Veamos un ejemplo en el que queremos realizar el siguiente cálculo entre dos matrices 𝐴 y
𝐵:
𝐴𝑖𝑗 * 𝐵𝑖𝑗 =
⎧
⎪
⎨
⎪
⎩
𝐴𝑖𝑗 + 𝐵𝑖𝑗 , si 𝐴𝑖𝑗 > 𝐵𝑖𝑗
𝐴𝑖𝑗 − 𝐵𝑖𝑗 , si 𝐴𝑖𝑗 < 𝐵𝑖𝑗
0 , e.o.c.
Esta función, definida en Python, quedaría tal que así:
338 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-342-320.jpg)
![Aprende Python
>>> def customf(a, b):
... if a > b:
... return a + b
... elif a < b:
... return a - b
... else:
... return 0
...
Las dos matrices de partida tienen 9M de valores aleatorios entre -100 y 100:
>>> A = np.random.randint(-100, 100, size=(3000, 3000))
>>> B = np.random.randint(-100, 100, size=(3000, 3000))
Una primera aproximación para aplicar esta función a cada elemento de las matrices de
entrada sería la siguiente:
>>> result = np.zeros_like(A)
>>> %%timeit
... for i in range(A.shape[0]):
... for j in range(A.shape[1]):
... result[i, j] = customf(A[i, j], B[i, j])
...
3 s ± 23.8 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
Mejorando rendimiento con funciones vectorizadas
Con un pequeño detalle podemos mejorar el rendimiento de la función que hemos diseñado
anteriormente. Se trata de decorarla con np.vectorize con lo que estamos otorgándole un
comportamiento distinto y enfocado al procesamiento de arrays numéricos:
>>> @np.vectorize
... def customf(a, b):
... if a > b:
... return a + b
... elif a < b:
... return a - b
... else:
... return 0
...
Dado que ahora ya se trata de una función vectorizada podemos aplicarla directamente
a las matrices de entrada (aprovechamos para medir su tiempo de ejecución):
8.2. numpy 339](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-343-320.jpg)
![Aprende Python
>>> %timeit customf(A, B)
1.29 s ± 7.33 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
Hemos obtenido una mejora de 2.32x con respecto al uso de funciones simples.
Truco: La mejora de rendimiento se aprecia más claramente a medida que los tamaños de
las matrices (arrays) de entrada son mayores.
Consejo: El uso de funciones lambda puede ser muy útil en vectorización: np.
vectorize(lambda a, b: return a + b).
Ejercicio
1. Cree dos matrices cuadradas de 20x20 con valores aleatorios flotantes uniformes en el
intervalo [0, 1000)
2. Vectorice una función que devuelva la media (elemento a elemento) entre las dos
matrices.
3. Realice la misma operación que en 2) pero usando suma de matrices y división por
escalar.
4. Compute los tiempos de ejecución de 2) y 3)
8.2.5 Álgebra lineal
NumPy tiene una sección dedicada al álgebra lineal cuyas funciones pueden resultar muy
interesantes según el contexto en el que estemos trabajando.
Producto de matrices
Si bien hemos hablado del producto de arrays elemento a elemento, NumPy nos permite
hacer la multiplicación clásica de matrices:
>>> m1
array([[1, 8, 4],
[8, 7, 1],
[1, 3, 8]])
>>> m2
(continué en la próxima página)
340 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-344-320.jpg)
![Aprende Python
(proviene de la página anterior)
array([[1, 5, 7],
[9, 4, 2],
[1, 4, 2]])
>>> np.dot(m1, m2)
array([[77, 53, 31],
[72, 72, 72],
[36, 49, 29]])
En Python 3.5 se introdujo el operador @ que permitía implementar el método especial
__matmul__() de multiplicación de matrices. NumPy lo ha desarrollado y simplifica la
multiplicación de matrices de la siguiente manera:
>>> m1 @ m2
array([[77, 53, 31],
[72, 72, 72],
[36, 49, 29]])
Ejercicio
Compruebe que la matriz
[︂
1 2
3 5
]︂
satisface la ecuación matricial: 𝑋2
− 6𝑋 − 𝐼 = 0 donde 𝐼
es la matriz identidad de orden 2.
Determinante de una matriz
El cálculo del determinante es una operación muy utilizada en álgebra lineal. Lo podemos
realizar en NumPy de la siguiente manera:
>>> m
array([[4, 1, 6],
[4, 8, 8],
[2, 1, 7]])
>>> np.linalg.det(m)
108.00000000000003
8.2. numpy 341](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-345-320.jpg)
![Aprende Python
Inversa de una matriz
La inversa de una matriz se calcula de la siguiente manera:
>>> m
array([[4, 1, 6],
[4, 8, 8],
[2, 1, 7]])
>>> m_inv = np.linalg.inv(m)
>>> m_inv
array([[ 0.44444444, -0.00925926, -0.37037037],
[-0.11111111, 0.14814815, -0.07407407],
[-0.11111111, -0.01851852, 0.25925926]])
Una propiedad de la matriz inversa es que si la multiplicamos por la matriz de partida
obtenemos la matriz identidad. Vemos que se cumple 𝒜 · 𝒜−1
= ℐ:
>>> np.dot(m, m_inv)
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
Traspuesta de una matriz
La traspuesta de una matriz 𝒜 se denota por: (𝒜𝑡
)𝑖𝑗 = 𝒜𝑗𝑖, 1 ≤ 𝑖 ≤ 𝑛, 1 ≤ 𝑗 ≤ 𝑚, pero
básicamente consiste en intercambiar filas por columnas.
Aún más fácil es computar la traspuesta de una matriz con NumPy:
>>> m
array([[1, 2, 3],
[4, 5, 6]])
>>> m.T
array([[1, 4],
[2, 5],
[3, 6]])
Ejercicio
Dadas las matrices:
𝐴 =
[︂
1 −2 1
3 0 1
]︂
; 𝐵 =
[︂
4 0 −1
−2 1 0
]︂
342 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-346-320.jpg)
![Aprende Python
, compruebe que se cumplen las siguientes igualdades:
• (𝐴 + 𝐵)𝑡
= 𝐴𝑡
+ 𝐵𝑡
• (3𝐴)𝑡
= 3𝐴𝑡
Elevar matriz a potencia
En el mundo del álgebra lineal es muy frecuente recurrir a la exponenciación de matrices a
a través de su producto clásico. En este sentido, NumPy nos proporciona una función para
computarlo:
>>> m
array([[4, 1, 6],
[4, 8, 8],
[2, 1, 7]])
>>> np.linalg.matrix_power(m, 3) # más eficiente que np.dot(m, np.dot(m, m))
array([[ 348, 250, 854],
[ 848, 816, 2000],
[ 310, 231, 775]])
Ejercicio
Dada la matriz 𝐴 =
⎡
⎣
4 5 −1
−3 −4 1
−3 −4 0
⎤
⎦ calcule: 𝐴2
, 𝐴3
, . . . , 𝐴128
¿Nota algo especial en los resultados?
Sistemas de ecuaciones lineales
NumPy también nos permite resolver sistemas de ecuaciones lineales. Para ello debemos
modelar nuestro sistema a través de arrays.
Veamos un ejemplo en el que queremos resolver el siguiente sistema de ecuaciones lineales:
⎧
⎪
⎨
⎪
⎩
𝑥1 + 2𝑥3 = 1
𝑥1 − 𝑥2 = −2
𝑥2 + 𝑥3 = −1
=⇒
⎛
⎝
1 0 2
1 −1 0
0 1 1
⎞
⎠
⎛
⎝
𝑥1
𝑥2
𝑥3
⎞
⎠ =
⎛
⎝
1
−2
−1
⎞
⎠ =⇒ 𝒜𝒳 = ℬ
Podemos almacenar las matrices de coeficientes 𝒜 y ℬ de la siguiente manera:
8.2. numpy 343](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-347-320.jpg)
![Aprende Python
>>> A = np.array([[1, 0, 2], [1, -1, 0], [0, 1, 1]])
>>> B = np.array([1, -2, -1]).reshape(-1, 1)
>>> A
array([[ 1, 0, 2],
[ 1, -1, 0],
[ 0, 1, 1]])
>>> B
array([[ 1],
[-2],
[-1]])
La solución al sistema viene dada por la siguiente función:
>>> np.linalg.solve(A, B)
array([[-7.],
[-5.],
[ 4.]])
La solución del sistema debe ser la misma que si obtenemos 𝒳 = 𝒜−1
· 𝐵:
>>> np.dot(np.linalg.inv(A), B)
array([[-7.],
[-5.],
[ 4.]])
Ejercicio
Resuelva el siguiente sistema de ecuaciones lineales:
⎧
⎪
⎨
⎪
⎩
3𝑥 + 4𝑦 − 𝑧 = 8
5𝑥 − 2𝑦 + 𝑧 = 4
2𝑥 − 2𝑦 + 𝑧 = 1
344 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-348-320.jpg)
![Aprende Python
8.3.1 Series
Podríamos pensar en una serie como un ndarray en el que cada valor tiene asignado una
etiqueta (índice) y además admite un título (nombre).
Creación de una serie
Veamos varios ejemplos de creación de la serie [1, 2, 3].
Creación de series usando listas:
>>> pd.Series([1, 2, 3])
0 1
1 2
2 3
dtype: int64
Nota: El índice por defecto se crea con números enteros positivos empezando desde
0.
Especificando un índice personalizado (etiqueta a cada valor):
>>> pd.Series(range(1, 4), index=[ a , b , c ])
a 1
b 2
c 3
dtype: int64
Especificando un diccionario con etiquetas y valores:
>>> items = { a : 1, b : 2, c : 3}
>>> pd.Series(items)
a 1
b 2
c 3
dtype: int64
Todas las series que hemos visto hasta ahora no tienen asignado ningún nombre. Lo podemos
hacer usando el parámetro name en la creación de la serie:
>>> pd.Series([1, 2, 3], name= integers )
0 1
1 2
(continué en la próxima página)
346 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-350-320.jpg)
![Aprende Python
(proviene de la página anterior)
2 3
Name: integers, dtype: int64
Ejercicio
Cree una serie de pandas con valores enteros en el intervalo [1, 26] y etiquetas
ABCDEFGHIJKLMNOPQRSTUVWXYZ . Busque una manera programática (no manual) de hacerlo
(recuerde el módulo string).
Atributos de una serie
Las series en pandas contienen gran cantidad de atributos. A continuación destacaremos
algunos de ellos.
Trabajaremos con datos que contienen el número de empleados/as de diferentes empresas
tecnológicas2
:
>>> data
{ Apple : 147000,
Samsung : 267937,
Google : 135301,
Microsoft : 163000,
Huawei : 197000,
Dell : 158000,
Facebook : 58604,
Foxconn : 878429,
Sony : 109700}
>>> employees = pd.Series(data, name= Tech Employees )
Índice de la serie:
>>> employees.index
Index([ Apple , Samsung , Google , Microsoft , Huawei , Dell , Facebook ,
Foxconn , Sony ],
dtype= object )
Valores de la serie:
>>> employees.values
array([147000, 267937, 135301, 163000, 197000, 158000, 58604, 878429,
109700])
2
Fuente: Wikipedia.
8.3. pandas 347](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-351-320.jpg)
![Aprende Python
Selección usando indexado numérico
Para acceder a los registros por su posición (índice numérico) basta usar corchetes como ya
se ha visto en cualquier secuencia:
>>> employees[0]
147000
>>> employees[-1]
109700
>>> employees[2:5]
Google 135301
Microsoft 163000
Huawei 197000
Name: Tech Employees, dtype: int64
>>> employees[1:6:2]
Samsung 267937
Microsoft 163000
Dell 158000
Name: Tech Employees, dtype: int64
El atributo iloc es un alias (algo más expresivo) que permite realizar las mismas operaciones
de indexado (con corchetes) que hemos visto anteriormente:
>>> employees.iloc[1:6:2]
Samsung 267937
Microsoft 163000
Dell 158000
Name: Tech Employees, dtype: int64
Truco: Python, y en este caso pandas, se dicen «0-index» porque sus índices (posiciones)
comienzan en cero.
Selección usando etiquetas
En el caso de aquellas series que dispongan de un índice con etiquetas, podemos acceder a
sus registros utilizando las mismas:
>>> employees[ Apple ] # equivalente a employees.Apple
147000
(continué en la próxima página)
8.3. pandas 349](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-353-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> employees[ Apple : Huawei ]
Apple 147000
Samsung 267937
Google 135301
Microsoft 163000
Huawei 197000
Name: Tech Employees, dtype: int64
>>> employees[ Apple : Huawei :2]
Apple 147000
Google 135301
Huawei 197000
Name: Tech Employees, dtype: int64
El atributo loc es un alias (algo más expresivo) que permite realizar las mismas operaciones
de indexado (con corchetes) que hemos visto anteriormente:
>>> employees.loc[ Apple : Huawei :2]
Apple 147000
Google 135301
Huawei 197000
Name: Tech Employees, dtype: int64
Fragmentos de comienzo y fin
A nivel exploratorio, es bastante cómodo acceder a una porción inicial (o final) de los datos
que manejamos. Esto se puede hacer de forma muy sencilla con series:
>>> employees.head(3)
Apple 147000
Samsung 267937
Google 135301
Name: Tech Employees, dtype: int64
>>> employees.tail(3)
Facebook 58604
Foxconn 878429
Sony 109700
Name: Tech Employees, dtype: int64
350 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-354-320.jpg)
![Aprende Python
Operaciones con series
Si tenemos en cuenta que una serie contiene valores en formato ndarray podemos concluir
que las operaciones sobre arrays son aplicables al caso de las series. Veamos algunos ejemplos
de operaciones que podemos aplicar sobre series.
Operaciones lógicas
Supongamos que queremos filtrar aquellas empresas que tengan más de 200000
trabajadores/as:
>>> employees > 200_000
Apple False
Samsung True
Google False
Microsoft False
Huawei False
Dell False
Facebook False
Foxconn True
Sony False
Name: Tech Employees, dtype: bool
Hemos obtenido una serie «booleana». Si queremos aplicar esta «máscara», podemos hacerlo
con indexado:
>>> employees[employees > 200_000] # empresas con más de 200K trabajadores/as
Samsung 267937
Foxconn 878429
Name: Tech Employees, dtype: int64
Ordenación
Ordenación de una serie por sus valores:
>>> employees.sort_values()
Facebook 58604
Sony 109700
Google 135301
Apple 147000
Dell 158000
Microsoft 163000
Huawei 197000
(continué en la próxima página)
8.3. pandas 351](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-355-320.jpg)
![Aprende Python
(proviene de la página anterior)
Samsung 267937
Foxconn 878429
Name: Tech Employees, dtype: int64
Ordenación de una serie por su índice:
>>> employees.sort_index()
Apple 147000
Dell 158000
Facebook 58604
Foxconn 878429
Google 135301
Huawei 197000
Microsoft 163000
Samsung 267937
Sony 109700
Name: Tech Employees, dtype: int64
Truco: Ambos métodos admiten el parámetro ascending para indicar si la ordenación es
ascendente (True) o descendente (False); y también admiten el parámetro inplace para
indicar si se quiere modificar los valores de la serie (True) o devolver una nueva ya ordenada
(False).
Contando valores
Si queremos obtener una «tabla de frecuencias» podemos contar los valores que existen en
nuestra serie:
>>> marks = pd.Series([5, 5, 3, 6, 5, 2, 8, 3, 8, 7, 6])
>>> marks.value_counts()
5 3
3 2
6 2
8 2
2 1
7 1
dtype: int64
Vinculado con el caso anterior, podemos obtener el número de valores únicos en la serie:
352 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-356-320.jpg)
![Aprende Python
Máximos y mínimos
El abanico de posibilidades es muy amplio en cuanto a la búsqueda de valores máximos y
mínimos en una serie. Veamos lo que nos ofrece pandas a este respecto.
Obtener valor mínimo/máximo de una serie:
>>> employees.min()
58604
>>> employees.max()
878429
Posición (índice) del valor mínimo/máximo de una serie:
>>> employees.argmin() # employees[6] = 58604
6
>>> employees.argmax() # employees[7] = 878429
7
Etiqueta (índice) del valor mínimo/máximo de una serie:
>>> employees.idxmin()
Facebook
>>> employees.idxmax()
Foxconn
Obtener los 𝑛 valores menores/mayores de una serie:
>>> employees.nsmallest(3)
Facebook 58604
Sony 109700
Google 135301
Name: Tech Employees, dtype: int64
>>> employees.nlargest(3)
Foxconn 878429
Samsung 267937
Huawei 197000
Name: Tech Employees, dtype: int64
8.3. pandas 355](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-359-320.jpg)
![Aprende Python
Exportación de series
Suele ser bastante habitual intercambiar datos en distintos formatos (y aplicaciones). Para
ello, pandas nos permite exportar una serie a multitud de formatos. Veamos algunos de ellos:
Exportación de serie a lista:
>>> employees.to_list()
[147000, 267937, 135301, 163000, 197000, 158000, 58604, 878429, 109700]
Exportación de serie a diccionario:
>>> employees.to_dict()
{ Apple : 147000,
Samsung : 267937,
Google : 135301,
Microsoft : 163000,
Huawei : 197000,
Dell : 158000,
Facebook : 58604,
Foxconn : 878429,
Sony : 109700}
Exportación de serie a csv:
>>> employees.to_csv()
,Tech EmployeesnApple,147000nSamsung,267937nGoogle,135301nMicrosoft,163000
˓
→nHuawei,197000nDell,158000nFacebook,58604nFoxconn,878429nSony,109700n
Exportación de serie a json:
>>> employees.to_json()
{"Apple":147000,"Samsung":267937,"Google":135301,"Microsoft":163000,"Huawei
˓
→":197000,"Dell":158000,"Facebook":58604,"Foxconn":878429,"Sony":109700}
Exportación de serie a pandas.DataFrame:
>>> employees.to_frame()
Tech Employees
Apple 147000
Samsung 267937
Google 135301
Microsoft 163000
Huawei 197000
Dell 158000
Facebook 58604
Foxconn 878429
Sony 109700
356 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-360-320.jpg)
![Aprende Python
Y muchos otros como: to_clipboard(), to_numpy(), to_pickle(), to_string(),
to_xarray(), to_excel(), to_hdf(), to_latex(), to_markdown(), to_period(), to_sql()
o to_timestamp().
8.3.2 DataFrames
Un DataFrame es una estructura tabular compuesta por series. Se trata del tipo de datos
fundamental en pandas y sobre el que giran la mayoría de operaciones que podemos realizar.
Figura 17: Estructura de un DataFrame a partir de Series
Creación de un DataFrame
Existen múltiples formas de crear un DataFrame en pandas. Veamos algunas de ellas.
DataFrame desde diccionario de listas
Cada elemento del diccionario se convierte en una columna, donde su clave es el nombre y
sus valores se despliegan en «vertical»:
>>> data = { A : [1, 2, 3], B : [4, 5, 6]}
>>> pd.DataFrame(data)
A B
0 1 4
1 2 5
2 3 6
8.3. pandas 357](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-361-320.jpg)
![Aprende Python
DataFrame desde lista de diccionarios
Cada elemento de la lista se convierte en una fila. Las claves de cada diccionario serán los
nombres de las columnas y sus valores se despliegan en «horizontal»:
>>> data = [{ A : 1, B : 2, C : 3}, { A : 4, B : 5, C : 6}]
>>> pd.DataFrame(data)
A B C
0 1 2 3
1 4 5 6
DataFrame desde lista de listas
Cada elemento de la lista se convierte en una fila y sus valores se despliegan en «horizontal».
Los nombres de las columnas deben pasarse como parámetro opcional:
>>> data = [[1, 2], [3, 4], [5, 6]]
>>> pd.DataFrame(data, columns=[ A , B ])
A B
0 1 2
1 3 4
2 5 6
DataFrame desde series
>>> employees
Apple 147000
Samsung 267937
Google 135301
Microsoft 163000
Huawei 197000
Dell 158000
Facebook 58604
Foxconn 878429
Sony 109700
Name: Tech Employees, dtype: int64
>>> revenues
Apple 274515
Samsung 200734
(continué en la próxima página)
358 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-362-320.jpg)
![Aprende Python
La superficie (Area) está expresada en km2
y las provincias corresponden con LPGC: Las
Palmas de Gran Canaria y SCTF: Santa Cruz de Tenerife.
Importante: Nos referiremos a este DataFrame como democan de ahora en adelante.
Gestión del índice
Cuando creamos un DataFrame, pandas autocompleta el índice con un valor entero
autoincremental comenzando desde cero:
>>> pd.DataFrame({ A : [1, 2], B : [3, 4]})
A B
0 1 3
1 2 4
Si queremos convertir alguna columna en el índice de la tabla, podemos hacerlo así:
>>> stats = pd.DataFrame({ A : [1, 2], B : [3, 4]})
>>> stats.set_index( A ) # columna A como índice
B
(continué en la próxima página)
360 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-364-320.jpg)
![Aprende Python
(proviene de la página anterior)
A
1 3
2 4
Nota: En el caso anterior se puede observar que el índice toma un nombre A. Esto se puede
conseguir directamente asignando un valor a df.index.name.
Podemos añadir un parámetro (en la creación) para especificar los valores que queremos
incluir en el índice:
>>> pd.DataFrame({ A : [1, 2], B : [3, 4]}, index=[ R1 , R2 ])
A B
R1 1 3
R2 2 4
En aquellos DataFrames que disponen de un índice etiquetado, es posible resetearlo:
>>> pd.DataFrame({ A : [1, 2], B : [3, 4]}, index=[ R1 , R2 ]).reset_index()
index A B
0 R1 1 3
1 R2 2 4
Ejercicio
Convierta la columna Island en el índice de democan. El DataFrame debería de quedar así:
>>> df
Population Area Province
Island
Gran Canaria 855521 1560.10 LPGC
Tenerife 928604 2034.38 SCTF
La Palma 83458 708.32 SCTF
Lanzarote 155812 845.94 LPGC
La Gomera 21678 369.76 SCTF
El Hierro 11147 278.71 SCTF
Fuerteventura 119732 1659.00 LPGC
8.3. pandas 361](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-365-320.jpg)
![Aprende Python
(proviene de la página anterior)
count 17.000000 17.000000
mean 112523.235294 204125.470588
std 63236.957691 198345.912495
min 53625.000000 53000.000000
25% 69864.000000 85858.000000
50% 84893.000000 147000.000000
75% 143015.000000 243540.000000
max 274515.000000 878429.000000
Uso de memoria:
>>> df.memory_usage()
Index 692
Revenue 136
Employees 136
City 136
Country 136
dtype: int64
Truco: El resultado de describe() es un DataFrame, mientras que el resultado de
memory_usage() es Series. En cualquier caso, ambas estructuras son accesibles normalmente
como tipos de datos Pandas.
Atributos de un DataFrame
Tamaños y dimensiones:
>>> df.shape # filas por columnas
(17, 4)
>>> df.size # número total de datos
68
>>> df.ndim # número de dimensiones
2
Índice, columnas y valores:
>>> df.index
Index([ Apple , Samsung Electronics , Alphabet , Foxconn , Microsoft ,
Huawei , Dell Technologies , Facebook , Sony , Hitachi , Intel ,
IBM , Tencent , Panasonic , Lenovo , HP Inc. , LG Electronics ],
(continué en la próxima página)
8.3. pandas 365](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-369-320.jpg)
![Aprende Python
(proviene de la página anterior)
dtype= object , name= Company )
>>> df.columns
Index([ Revenue , Employees , City , Country ], dtype= object )
>>> df.values
array([[274515, 147000, California , United States ],
[200734, 267937, Suwon , South Korea ],
[182527, 135301, California , United States ],
[181945, 878429, New Taipei City , Taiwan ],
[143015, 163000, Washington , United States ],
[129184, 197000, Shenzhen , China ],
[92224, 158000, Texas , United States ],
[85965, 58604, California , United States ],
[84893, 109700, Tokyo , Japan ],
[82345, 350864, Tokyo , Japan ],
[77867, 110600, California , United States ],
[73620, 364800, New York , United States ],
[69864, 85858, Shenzhen , China ],
[63191, 243540, Osaka , Japan ],
[60742, 71500, Hong Kong , China ],
[56639, 53000, California , United States ],
[53625, 75000, Seoul , South Korea ]], dtype=object)
Acceso a un DataFrame
Es fundamental conocer la estructura de un DataFrame para su adecuado manejo:
Para todos los ejemplos subsiguientes continuamos utilizando el conjunto de datos de
empresas tecnológicas cargado previamente:
>>> df
Revenue Employees City Country
Company
Apple 274515 147000 California United States
Samsung Electronics 200734 267937 Suwon South Korea
Alphabet 182527 135301 California United States
Foxconn 181945 878429 New Taipei City Taiwan
Microsoft 143015 163000 Washington United States
Huawei 129184 197000 Shenzhen China
Dell Technologies 92224 158000 Texas United States
Facebook 85965 58604 California United States
Sony 84893 109700 Tokyo Japan
Hitachi 82345 350864 Tokyo Japan
(continué en la próxima página)
366 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-370-320.jpg)
![Aprende Python
(proviene de la página anterior)
Intel 77867 110600 California United States
IBM 73620 364800 New York United States
Tencent 69864 85858 Shenzhen China
Panasonic 63191 243540 Osaka Japan
Lenovo 60742 71500 Hong Kong China
HP Inc. 56639 53000 California United States
LG Electronics 53625 75000 Seoul South Korea
Acceso a filas
Si queremos acceder a las filas de un conjunto de datos mediante la posición (índice
numérico) del registro usamos el atributo iloc:
>>> df.iloc[0]
Revenue 274515
Employees 147000
City California
Country United States
Name: Apple, dtype: object
>>> df.iloc[-1]
Revenue 53625
Employees 75000
City Seoul
Country South Korea
Name: LG Electronics, dtype: object
>>> df.iloc[3:5]
Revenue Employees City Country
Company
Foxconn 181945 878429 New Taipei City Taiwan
Microsoft 143015 163000 Washington United States
>>> df.iloc[::5] # Salto de 5 en 5 filas
Revenue Employees City Country
Company
Apple 274515 147000 California United States
Huawei 129184 197000 Shenzhen China
Intel 77867 110600 California United States
HP Inc. 56639 53000 California United States
Nota: El acceso a un registro individual nos devuelve una serie.
368 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-372-320.jpg)
![Aprende Python
Si queremos acceder a las filas de un conjunto de datos mediante la etiqueta del registro
usamos el atributo loc:
>>> df.loc[ Apple ]
Revenue 274515
Employees 147000
City California
Country United States
Name: Apple, dtype: object
>>> df.loc[ IBM ]
Revenue 73620
Employees 364800
City New York
Country United States
Name: IBM, dtype: object
>>> df.loc[ Sony : Intel ]
Revenue Employees City Country
Company
Sony 84893 109700 Tokyo Japan
Hitachi 82345 350864 Tokyo Japan
Intel 77867 110600 California United States
Nota: El acceso a un registro individual nos devuelve una serie.
Acceso a columnas
El acceso a columnas se realiza directamente utilizando corchetes, como si fuera un
diccionario:
>>> df[ Revenue ] # equivalente a df.Revenue
Company
Apple 274515
Samsung Electronics 200734
Alphabet 182527
Foxconn 181945
Microsoft 143015
Huawei 129184
Dell Technologies 92224
Facebook 85965
Sony 84893
Hitachi 82345
(continué en la próxima página)
8.3. pandas 369](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-373-320.jpg)
![Aprende Python
(proviene de la página anterior)
Intel 77867
IBM 73620
Tencent 69864
Panasonic 63191
Lenovo 60742
HP Inc. 56639
LG Electronics 53625
Name: Revenue, dtype: int64
Nota: El acceso a una columna individual nos devuelve una serie.
Se pueden seleccionar varias columnas a la vez pasando una lista:
>>> df[[ Employees , City ]].head()
Employees City
Company
Apple 147000 California
Samsung Electronics 267937 Suwon
Alphabet 135301 California
Foxconn 878429 New Taipei City
Microsoft 163000 Washington
Esta misma sintaxis permite la reordenación de las columnas de un DataFrame, si
asignamos el resultado a la misma (u otra) variable:
>>> df_reordered = df[[ City , Country , Revenue , Employees ]]
>>> df_reordered.head()
City Country Revenue Employees
Company
Apple California United States 274515 147000
Samsung Electronics Suwon South Korea 200734 267937
Alphabet California United States 182527 135301
Foxconn New Taipei City Taiwan 181945 878429
Microsoft Washington United States 143015 163000
370 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-374-320.jpg)
![Aprende Python
Acceso a filas y columnas
Si mezclamos los dos accesos anteriores podemos seleccionar datos de forma muy precisa.
Como siempre, partimos del «dataset» de empresas tecnológicas:
>>> df.head()
Revenue Employees City Country
Company
Apple 274515 147000 California United States
Samsung Electronics 200734 267937 Suwon South Korea
Alphabet 182527 135301 California United States
Foxconn 181945 878429 New Taipei City Taiwan
Microsoft 143015 163000 Washington United States
Acceso al primer valor del número de empleados/as. Formas equivalentes de hacerlo:
>>> df.iloc[0, 0]
274515
>>> df.loc[ Apple , Revenue ]
274515
Acceso a ciudad y país de las empresas Sony, Panasonic y Lenovo:
>>> df.loc[[ Sony , Panasonic , Lenovo ], [ City , Country ]]
City Country
Company
Sony Tokyo Japan
Panasonic Osaka Japan
Lenovo Hong Kong China
Acceso a la última columna del DataFrame:
>>> df.iloc[:, -1]
Company
Apple United States
Samsung Electronics South Korea
Alphabet United States
Foxconn Taiwan
Microsoft United States
Huawei China
Dell Technologies United States
Facebook United States
Sony Japan
Hitachi Japan
Intel United States
(continué en la próxima página)
8.3. pandas 371](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-375-320.jpg)
![Aprende Python
(proviene de la página anterior)
IBM United States
Tencent China
Panasonic Japan
Lenovo China
HP Inc. United States
LG Electronics South Korea
Name: Country, dtype: object
Acceso a las tres últimas filas (empresas) y a las dos primeras columnas:
>>> df.iloc[-3:, :2]
Revenue Employees
Company
Lenovo 60742 71500
HP Inc. 56639 53000
LG Electronics 53625 75000
Acceso a las filas que van desde «Apple» a «Huawei» y a las columnas que van
desde «Revenue» hasta «City»:
>>> df.loc[ Apple : Huawei , Revenue : City ]
Revenue Employees City
Company
Apple 274515 147000 California
Samsung Electronics 200734 267937 Suwon
Alphabet 182527 135301 California
Foxconn 181945 878429 New Taipei City
Microsoft 143015 163000 Washington
Huawei 129184 197000 Shenzhen
Truco: Es posible usar «slicing» (troceado) en el acceso a registros y columnas.
Selección condicional
Es posible aplicar ciertas condiciones en la selección de los datos para obtener el subconjunto
que estemos buscando. Veremos distintas aproximaciones a esta técnica.
Supongamos que queremos seleccionar aquellas empresas con base en Estados Unidos.
Si aplicamos la condición sobre la columna obtendremos una serie de tipo «booleano» en la
que se indica para qué registros se cumple la condición (incluyendo el índice):
372 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-376-320.jpg)
![Aprende Python
>>> df[ Country ] == United States
Company
Apple True
Samsung Electronics False
Alphabet True
Foxconn False
Microsoft True
Huawei False
Dell Technologies True
Facebook True
Sony False
Hitachi False
Intel True
IBM True
Tencent False
Panasonic False
Lenovo False
HP Inc. True
LG Electronics False
Name: Country, dtype: bool
Si aplicamos esta «máscara» al conjunto original de datos, obtendremos las empresas que
estamos buscando:
>>> df[df[ Country ] == United States ]
Revenue Employees City Country
Company
Apple 274515 147000 California United States
Alphabet 182527 135301 California United States
Microsoft 143015 163000 Washington United States
Dell Technologies 92224 158000 Texas United States
Facebook 85965 58604 California United States
Intel 77867 110600 California United States
IBM 73620 364800 New York United States
HP Inc. 56639 53000 California United States
También es posible aplicar condiciones compuestas. Supongamos que necesitamos selecionar
aquellas empresas con más de 100000 millones de dólares de ingresos y más de
100000 empleados/as:
>>> revenue_condition = df[ Revenue ] > 100_000
>>> employees_condition = df[ Employees ] > 100_000
>>> df[revenue_condition & employees_condition]
Revenue Employees City Country
Company
(continué en la próxima página)
8.3. pandas 373](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-377-320.jpg)
![Aprende Python
(proviene de la página anterior)
Apple 274515 147000 California United States
Samsung Electronics 200734 267937 Suwon South Korea
Alphabet 182527 135301 California United States
Foxconn 181945 878429 New Taipei City Taiwan
Microsoft 143015 163000 Washington United States
Huawei 129184 197000 Shenzhen China
Los operadores lógicos que se pueden utilizar para combinar condiciones de selección son los
siguientes:
Operador Significado
| «or» lógico
& «and» lógico
~ «not» lógico
^ «xor» lógico
Imaginemos ahora que estamos buscando aquellas empresas establecidas en California
o Tokyo. Una posible aproximación sería utilizar una condición compuesta, pero existe la
función isin() que nos permite comprobar si un valor está dentro de una lista de opciones:
>>> mask = df[ City ].isin([ California , Tokyo ])
>>> df[mask]
Revenue Employees City Country
Company
Apple 274515 147000 California United States
Alphabet 182527 135301 California United States
Facebook 85965 58604 California United States
Sony 84893 109700 Tokyo Japan
Hitachi 82345 350864 Tokyo Japan
Intel 77867 110600 California United States
HP Inc. 56639 53000 California United States
Ejercicio
Obtenga los siguientes subconjuntos del «dataset» democan:
# Use .loc
Population Area Province
Island
El Hierro 11147 278.71 SCTF
La Gomera 21678 369.76 SCTF
374 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-378-320.jpg)
![Aprende Python
(proviene de la página anterior)
HP Inc. 56639 53000 California United States
>>> df.query( Revenue > 100_000 & Employees > 100_000 )
Revenue Employees City Country
Company
Apple 274515 147000 California United States
Samsung Electronics 200734 267937 Suwon South Korea
Alphabet 182527 135301 California United States
Foxconn 181945 878429 New Taipei City Taiwan
Microsoft 143015 163000 Washington United States
Huawei 129184 197000 Shenzhen China
>>> df.query( City in ["California", "Tokyo"] )
Revenue Employees City Country
Company
Apple 274515 147000 California United States
Alphabet 182527 135301 California United States
Facebook 85965 58604 California United States
Sony 84893 109700 Tokyo Japan
Hitachi 82345 350864 Tokyo Japan
Intel 77867 110600 California United States
HP Inc. 56639 53000 California United States
Truco: Si los nombres de columna contienen espacios, se puede hacer referencias a ellas con
comillas invertidas. Por ejemplo: Total Stock .
Comparativa en consultas
Hemos visto dos métodos para realizar consultas (o filtrado) en un DataFrame: usando
selección booleana con corchetes y usando la función query. ¿Ambos métodos son igual de
eficientes en términos de rendimiento?
Haremos una comparativa muy simple para tener, al menos, una idea de sus órdenes de
magnitud. En primer lugar creamos un DataFrame con 3 columnas y 1 millón de valores
aleatorios enteros en cada una de ellas:
>>> size = 1_000_000
>>> data = {
... A : np.random.randint(1, 100, size=size),
... B : np.random.randint(1, 100, size=size),
... C : np.random.randint(1, 100, size=size)
(continué en la próxima página)
376 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-380-320.jpg)
![Aprende Python
(proviene de la página anterior)
... }
>>> df = pd.DataFrame(data)
>>> df.shape
(1000000, 3)
Ahora realizaremos la misma consulta sobre el DataFrame aplicando los métodos ya vistos:
>>> %timeit df[(df[ A ] > 50) & (df[ B ] < 50)]
5.86 ms ± 28.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
>>> %timeit df.query( A > 50 & B < 50 )
7.54 ms ± 115 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
Sin que esto sea en modo alguna concluyente, da la sensación de que query() añade un cierto
«overhead»7
al filtrado y aumentan los tiempos de cómputo.
Modificación de un DataFrame
Modificando valores existentes
Partiendo del acceso a los datos que ya hemos visto, podemos asignar valores sin mayor
dificultad.
Pero antes de modificar el DataFrame original, vamos a hacer una copia del mismo:
>>> df_mod = df.copy()
>>> df_mod.equals(df) # comprueba que todos los valores del DataFrame son iguales
True
Supongamos que hemos cometido un error en el número de empleados/as de Apple
y queremos corregirlo:
>>> df_mod.head(1)
Revenue Employees City Country
Company
Apple 274515 147000 California United States
>>> df_mod.loc[ Apple , Employees ] = 137000
(continué en la próxima página)
7
Exceso de tiempo de cómputacion, memoria o ancho de banda que son necesarios para realizar una
tarea específica.
8.3. pandas 377](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-381-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> df_mod.head(1)
Revenue Employees City Country
Company
Apple 274616 137000 California United States
Supongamos que no se había contemplado una subida del 20% en los ingresos y queremos
reflejarla:
>>> df_mod[ Revenue ] *= 1.20
>>> df_mod[ Revenue ].head()
Company
Apple 329418.0
Samsung Electronics 240880.8
Alphabet 219032.4
Foxconn 218334.0
Microsoft 171618.0
Name: Revenue, dtype: float64
Supongamos que todas las empresas tecnológicas mueven su sede a Vigo (España) y
queremos reflejarlo:
>>> df_mod[ City ] = Vigo
>>> df_mod[ Country ] = Spain
>>> df_mod.head()
Revenue Employees City Country
Company
Apple 329418.0 137000 Vigo Spain
Samsung Electronics 240880.8 267937 Vigo Spain
Alphabet 219032.4 135301 Vigo Spain
Foxconn 218334.0 878429 Vigo Spain
Microsoft 171618.0 163000 Vigo Spain
Nota: En este último ejemplo se produce un «broadcast» o difusión del valor escalar a
todos los registros del «dataset».
378 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-382-320.jpg)
![Aprende Python
Reemplazo de valores
Hay una función muy importante en lo relativo a la modificación de valores. Se trata de
replace() y admite una amplia variedad de parámetros. Se puede usar tanto para tipos
numéricos como textuales.
Uno de los usos más habituales es la recodificación. Supongamos que queremos recodificar
los países en ISO3166 Alpha-3 para el DataFrame de empresas tecnológicas:
>>> iso3166 = {
United States : USA ,
South Korea : KOR ,
Taiwan : TWN ,
China : CHN ,
Japan : JPN
}
>>> df[ Country ].replace(iso3166)
Company
Apple USA
Samsung Electronics KOR
Alphabet USA
Foxconn TWN
Microsoft USA
Huawei CHN
Dell Technologies USA
Facebook USA
Sony JPN
Hitachi JPN
Intel USA
IBM USA
Tencent CHN
Panasonic JPN
Lenovo CHN
HP Inc. USA
LG Electronics KOR
Name: Country, dtype: object
Ejercicio
Recodifique la columna Province del «dataset» democan de tal manera que aparezcan las
provincias con el texto completo: Santa Cruz de Tenerife y Las Palmas de Gran Canaria.
8.3. pandas 379](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-383-320.jpg)
![Aprende Python
Insertando y borrando filas
Podemos insertar datos en un DataFrame como filas o como columnas.
Supongamos que queremos incluir una nueva empresa Cisco4
:
>>> cisco = pd.Series(data=[51_904, 75_900, California , United States ],
... index=df_mod.columns, name= Cisco )
>>> cisco
Revenue 51904
Employees 75900
City California
Country United States
Name: Cisco, dtype: object
>>> df_mod = df_mod.append(cisco)
>>> df_mod.tail(3)
Revenue Employees City Country
Company
HP Inc. 67966.8 53000 Vigo Spain
LG Electronics 64350.0 75000 Vigo Spain
Cisco 51904.0 75900 California United States
Truco: El método append() devuelve un nuevo DataFrame con los datos añadidos. Es por
eso que si queremos consolidar los cambios, debemos realizar una asignación.
Imaginemos ahora que Facebook, Tencent e Hitachi caen en bancarrota y debemos
eliminarlas de nuestro conjunto de datos:
>>> df_mod = df_mod.drop(labels=[ Facebook , Tencent , Hitachi ])
>>> df_mod.index # ya no aparecen en el índice
Index([ Apple , Samsung Electronics , Alphabet , Foxconn , Microsoft ,
Huawei , Dell Technologies , Sony , Intel , IBM , Panasonic ,
Lenovo , HP Inc. , LG Electronics , Cisco ],
dtype= object , name= Company )
4
Datos del año 2020 según Wikipedia.
380 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-384-320.jpg)
![Aprende Python
Insertando y borrando columnas
Insertar una columna en un DataFrame es equivalente a añadir una clave en un diccionario.
Supongamos que queremos añadir una columna «Expenses» (gastos). No manejamos
esta información, así que, a modo de ejemplo, utilizaremos unos valores aleatorios:
>>> expenses = np.random.randint(50_000, 300_000, size=15)
>>> expenses
array([139655, 97509, 220777, 260609, 121145, 112338, 72815, 159843,
205695, 97672, 89614, 260028, 171650, 152049, 57006])
>>> df_mod[ Expenses ] = expenses
>>> df_mod.head()
Revenue Employees City Country Expenses
Company
Apple 329418.0 137000 Vigo Spain 139655
Samsung Electronics 240880.8 267937 Vigo Spain 97509
Alphabet 219032.4 135301 Vigo Spain 220777
Foxconn 218334.0 878429 Vigo Spain 260609
Microsoft 171618.0 163000 Vigo Spain 121145
Truco: También existe la función insert() que nos permite insertar una columna en una
posición determinada.
En el caso de que no nos haga falta una columna podemos borrarla fácilmente. Una opción
sería utilizar la función «built-in» del(), pero seguiremos con el uso de funciones propias de
pandas. Imaginemos que queremos eliminar la columna «Expenses»:
>>> df_mod.columns
Index([ Revenue , Employees , City , Country , Expenses ], dtype= object )
>>> df_mod = df_mod.drop(labels= Expenses , axis=1)
>>> df_mod.columns
Index([ Revenue , Employees , City , Country ], dtype= object )
Truco: Recordar que el parámetro axis indica en qué «dirección» estamos trabajando.
Véase el acceso a un DataFrame.
8.3. pandas 381](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-385-320.jpg)
![Aprende Python
El parámetro inplace
Muchas de las funciones de pandas se dicen «no destructivas» en el sentido de que no
modifican el conjunto de datos original, sino que devuelven uno nuevo con las modificaciones
realizadas. Pero este comportamiento se puede modificar utilizando el parámetro inplace.
Veamos un ejemplo con el borrado de columnas:
>>> df_mod.head()
Revenue Employees City Country
Company
Apple 329418.0 137000 Vigo Spain
Samsung Electronics 240880.8 267937 Vigo Spain
Alphabet 219032.4 135301 Vigo Spain
Foxconn 218334.0 878429 Vigo Spain
Microsoft 171618.0 163000 Vigo Spain
>>> df_mod.drop(labels=[ City , Country ], axis=1, inplace=True)
>>> df_mod.head()
Revenue Employees
Company
Apple 329418.0 137000
Samsung Electronics 240880.8 267937
Alphabet 219032.4 135301
Foxconn 218334.0 878429
Microsoft 171618.0 163000
Ejercicio
Añada una nueva columna Density a democan de tal manera que represente la densidad de
población de cada isla del archipiélago canario.
También es posible renombrar columnas utilizando la función rename() de Pandas.
Supongamos un caso de uso en el que queremos renombrar las columnas a sus tres
primeras letras en minúsculas. Tenemos dos maneras de hacerlo. La primera sería
directamente creando un «mapping» entre los nombres de columna actuales y los nombres
nuevos:
>>> new_columns = { Revenue : rev , Employees : emp , City : cit , Country :
˓
→ cou }
>>> df.rename(columns=new_columns).head(3)
rev emp cit cou
(continué en la próxima página)
382 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-386-320.jpg)
![Aprende Python
(proviene de la página anterior)
Company
Apple 274515 147000 California United States
Samsung Electronics 200734 267937 Suwon South Korea
Alphabet 182527 135301 California United States
Otro camino para conseguir el mismo resultado es aplicar una función que realice esta tarea
de manera automatizada:
>>> df.rename(columns=lambda c: c.lower()[:3]).head(3)
rev emp cit cou
Company
Apple 274515 147000 California United States
Samsung Electronics 200734 267937 Suwon South Korea
Alphabet 182527 135301 California United States
Ver también:
Si en vez del parámetro nominal columns utilizamos el parámetro index estaremos
renombrando los valores del índice. Se aplica el mismo comportamiento ya visto.
Nada impide asignar directamente una lista (tupla) de nombres a las columnas de
un DataFrame:
>>> df.columns = ( Ingresos , Empleados , Ciudad , País )
>>> df.head(3)
Ingresos Empleados Ciudad País
Company
Apple 274515 147000 California United States
Samsung Electronics 200734 267937 Suwon South Korea
Alphabet 182527 135301 California United States
Otras operaciones con un DataFrame
Manejando cadenas de texto
A menudo solemos trabajar con datos que incluyen información textual. Pandas también nos
ofrece herramientas para cubrir estos casos.
De hecho, simplemente debemos utilizar el manejador str y tendremos a disposición la gran
mayoría de funciones vistas en la sección de cadenas de texto.
Veamos un primer ejemplo en el que pasamos a mayúsculas las ciudades en las que
se localizan las empresas tecnológicas:
8.3. pandas 383](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-387-320.jpg)
![Aprende Python
>>> df[ City ].str.upper()
Company
Apple CALIFORNIA
Samsung Electronics SUWON
Alphabet CALIFORNIA
Foxconn NEW TAIPEI CITY
Microsoft WASHINGTON
Huawei SHENZHEN
Dell Technologies TEXAS
Facebook CALIFORNIA
Sony TOKYO
Hitachi TOKYO
Intel CALIFORNIA
IBM NEW YORK
Tencent SHENZHEN
Panasonic OSAKA
Lenovo HONG KONG
HP Inc. CALIFORNIA
LG Electronics SEOUL
Name: City, dtype: object
Otro supuesto sería el de sustituir espacios por subguiones en los países de las
empresas:
>>> df[ Country ].str.replace( , _ )
Company
Apple United_States
Samsung Electronics South_Korea
Alphabet United_States
Foxconn Taiwan
Microsoft United_States
Huawei China
Dell Technologies United_States
Facebook United_States
Sony Japan
Hitachi Japan
Intel United_States
IBM United_States
Tencent China
Panasonic Japan
Lenovo China
HP Inc. United_States
LG Electronics South_Korea
Name: Country, dtype: object
384 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-388-320.jpg)
![Aprende Python
Expresiones regulares
El uso de expresiones regulares aporta una gran expresividad. Veamos su aplicación con tres
casos de uso:
• Filtrado de filas.
• Reemplazo de valores.
• Extracción de columnas.
Supongamos que queremos filtrar las empresas y quedarnos con las que comienzan
por vocal:
>>> mask = df.index.str.match(r ^[aeiou] , flags=re.IGNORECASE)
>>> df[mask]
Revenue Employees City Country
Company
Apple 274515 147000 California United States
Alphabet 182527 135301 California United States
Intel 77867 110600 California United States
IBM 73620 364800 New York United States
Nota: Dado que el nombre de la empresa está actuando como índice del «dataset», hemos
aplicado la búsqueda sobre .index.
Ahora imaginemos que vamos a sustituir aquellas ciudades que empiezan con «S» o
«T» por «Stanton»:
>>> df[ City ].str.replace(r ^[ST].* , Stanton , regex=True)
Company
Apple California
Samsung Electronics Stanton
Alphabet California
Foxconn New Stanton
Microsoft Washington
Huawei Stanton
Dell Technologies Stanton
Facebook California
Sony Stanton
Hitachi Stanton
Intel California
IBM New York
Tencent Stanton
Panasonic Osaka
(continué en la próxima página)
8.3. pandas 385](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-389-320.jpg)
![Aprende Python
(proviene de la página anterior)
Lenovo Hong Kong
HP Inc. California
LG Electronics Stanton
Name: City, dtype: object
Por último supongamos que queremos dividir la columna «Country» en dos columnas
usando el espacio como separador:
>>> df[ Country ].str.split( , expand=True)
0 1
Company
Apple United States
Samsung Electronics South Korea
Alphabet United States
Foxconn Taiwan None
Microsoft United States
Huawei China None
Dell Technologies United States
Facebook United States
Sony Japan None
Hitachi Japan None
Intel United States
IBM United States
Tencent China None
Panasonic Japan None
Lenovo China None
HP Inc. United States
LG Electronics South Korea
Existen otras funciones interesantes de Pandas que trabajan sobre expresiones regulares:
• count() para contar el número de ocurrencias de un patrón.
• contains() para comprobar si existe un determinado patrón.
• extract() para extraer grupos de captura sobre un patrón.
• findall() para encontrar todas las ocurrencias de un patrón.
386 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-390-320.jpg)
![Aprende Python
Manejando fechas
Suele ser habitual tener que manejar datos en formato fecha (o fecha-hora). Pandas ofrece un
amplio abanico de posibilidades para ello. Veamos algunas de las herramientas disponibles.
Para ejemplificar este apartado hemos añadido al «dataset» de empresas tecnológicas una
nueva columna con las fechas de fundación de las empresas (en formato «string»):
>>> df[ Founded ] = [ 1/4/1976 , 13/1/1969 , 4/9/1998 , 20/2/1974 ,
... 4/4/1975 , 15/9/1987 , 1/2/1984 , 4/2/2004 ,
... 7/5/1946 , 1/10/1962 , 18/7/1968 , 16/6/1911 ,
... 11/11/1998 , 13/3/1918 , 1/11/1984 , 1/1/1939 ,
... 5/1/1947 ]
>>> df.head()
Revenue Employees City Country Founded
Company
Apple 274515 147000 California United States 1/4/1976
Samsung Electronics 200734 267937 Suwon South Korea 13/1/1969
Alphabet 182527 135301 California United States 4/9/1998
Foxconn 181945 878429 New Taipei City Taiwan 20/2/1974
Microsoft 143015 163000 Washington United States 4/4/1975
>>> df[ Founded ].dtype # tipo "object"
dtype( O )
Lo primero que deberíamos hacer es convertir la columna «Founded» al tipo «datetime»
usando la función to_datetime():
>>> df[ Founded ] = pd.to_datetime(df[ Founded ])
>>> df[ Founded ].head()
Company
Apple 1976-01-04
Samsung Electronics 1969-01-13
Alphabet 1998-04-09
Foxconn 1974-02-20
Microsoft 1975-04-04
Name: Founded, dtype: datetime64[ns]
Es posible acceder a cada elemento de la fecha:
>>> df[ fyear ] = df[ Founded ].dt.year
>>> df[ fmonth ] = df[ Founded ].dt.month
>>> df[ fday ] = df[ Founded ].dt.day
>>> df.loc[:, Founded :].head()
(continué en la próxima página)
8.3. pandas 387](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-391-320.jpg)
![Aprende Python
(proviene de la página anterior)
Founded fyear fmonth fday
Company
Apple 1976-01-04 1976 1 4
Samsung Electronics 1969-01-13 1969 1 13
Alphabet 1998-04-09 1998 4 9
Foxconn 1974-02-20 1974 2 20
Microsoft 1975-04-04 1975 4 4
Por ejemplo, podríamos querer calcular el número de años que llevan activas las
empresas:
>>> pd.to_datetime( today ).year - df[ Founded ].dt.year
Company
Apple 46
Samsung Electronics 53
Alphabet 24
Foxconn 48
Microsoft 47
Huawei 35
Dell Technologies 38
Facebook 18
Sony 76
Hitachi 60
Intel 54
IBM 111
Tencent 24
Panasonic 104
Lenovo 38
HP Inc. 83
LG Electronics 75
Name: Founded, dtype: int64
Los tipos de datos «datetime» dan mucha flexibilidad a la hora de hacer consultas:
>>> # Empresas creadas antes de 1950
>>> df.query( Founded <= 1950 )
Revenue Employees City Country Founded
Company
Sony 84893 109700 Tokyo Japan 1946-07-05
IBM 73620 364800 New York United States 1911-06-16
Panasonic 63191 243540 Osaka Japan 1918-03-13
HP Inc. 56639 53000 California United States 1939-01-01
LG Electronics 53625 75000 Seoul South Korea 1947-05-01
>>> # Empresas creadas en Enero
(continué en la próxima página)
388 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-392-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> df.query( Founded.dt.month == 1 )
Revenue Employees City Country Founded
Company
Apple 274515 147000 California United States 1976-01-04
Samsung Electronics 200734 267937 Suwon South Korea 1969-01-13
Dell Technologies 92224 158000 Texas United States 1984-01-02
Hitachi 82345 350864 Tokyo Japan 1962-01-10
Lenovo 60742 71500 Hong Kong China 1984-01-11
HP Inc. 56639 53000 California United States 1939-01-01
>>> # Empresas creadas en el último cuatrimestre del año
>>> df.query( 9 <= Founded.dt.month <= 12 )
Revenue Employees City Country Founded
Company
Huawei 129184 197000 Shenzhen China 1987-09-15
Tencent 69864 85858 Shenzhen China 1998-11-11
Hay ocasiones en las que necesitamos que la fecha se convierta en el índice del DataFrame:
>>> df = df.reset_index().set_index( Founded ).sort_index()
>>> df.head()
Company Revenue Employees City Country
Founded
1911-06-16 IBM 73620 364800 New York United States
1918-03-13 Panasonic 63191 243540 Osaka Japan
1939-01-01 HP Inc. 56639 53000 California United States
1946-07-05 Sony 84893 109700 Tokyo Japan
1947-05-01 LG Electronics 53625 75000 Seoul South Korea
Esto nos permite indexar de forma mucho más precisa:
>>> # Empresas creadas en 1988
>>> df.loc[ 1998 ]
Company Revenue Employees City Country
Founded
1998-04-09 Alphabet 182527 135301 California United States
1998-11-11 Tencent 69864 85858 Shenzhen China
>>> # Empresas creadas entre 1970 y 1980
>>> df.loc[ 1970 : 1980 ]
Company Revenue Employees City Country
Founded
1974-02-20 Foxconn 181945 878429 New Taipei City Taiwan
1975-04-04 Microsoft 143015 163000 Washington United States
(continué en la próxima página)
8.3. pandas 389](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-393-320.jpg)
![Aprende Python
(proviene de la página anterior)
1976-01-04 Apple 274515 147000 California United States
>>> # Empresas creadas entre enero de 1975 y marzo de 1984
>>> df.loc[ 1975-1 : 1984-3 ]
Company Revenue Employees City Country
Founded
1975-04-04 Microsoft 143015 163000 Washington United States
1976-01-04 Apple 274515 147000 California United States
1984-01-02 Dell Technologies 92224 158000 Texas United States
1984-01-11 Lenovo 60742 71500 Hong Kong China
Ejercicio
Partiendo del fichero oasis.csv que contiene información sobre la discografía del grupo de
pop británico Oasis, se pide:
• Cargue el fichero en un DataFrame.
• Convierta la columna «album_release_date» a tipo «datetime».
• Obtenga los nombres de los álbumes publicados entre 2000 y 2005.
Manejando categorías
Hasta ahora hemos visto tipos de datos numéricos, cadenas de texto y fechas. ¿Pero qué
ocurre con las categorías?
Las categorías pueden ser tanto datos numéricos como textuales, con la característica de
tener un número discreto (relativamente pequeño) de elementos y, en ciertas ocasiones, un
orden preestablecido. Ejemplos de variables categóricas son: género, idioma, meses del año,
color de ojos, nivel de estudios, grupo sanguíneo, valoración, etc.
Pandas facilita el tratamiento de datos categóricos mediante un tipo específico Categorical.
Siguiendo con el «dataset» de empresas tecnológicas, vamos a añadir el continente al que
pertenece cada empresa. En primera instancia mediante valores de texto habituales:
>>> df[ Continent ] = [ America , Asia , America , Asia ,
... America , Asia , America , America ,
... Asia , Asia , America , America ,
... Asia , Asia , Asia , America ,
... Asia ]
>>> df[ Continent ].head()
(continué en la próxima página)
390 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-394-320.jpg)
![Aprende Python
(proviene de la página anterior)
Company
Apple America
Samsung Electronics Asia
Alphabet America
Foxconn Asia
Microsoft America
Name: Continent, dtype: object
Ahora podemos convertir esta columna a tipo categoría:
>>> df[ Continent ].astype( category )
Company
Apple America
Samsung Electronics Asia
Alphabet America
Foxconn Asia
Microsoft America
Huawei Asia
Dell Technologies America
Facebook America
Sony Asia
Hitachi Asia
Intel America
IBM America
Tencent Asia
Panasonic Asia
Lenovo Asia
HP Inc. America
LG Electronics Asia
Name: Continent, dtype: category
Categories (2, object): [ America , Asia ]
En este caso, al ser una conversión «automática», las categorías no han incluido ningún
tipo de orden. Pero imaginemos que queremos establecer un orden para las categorías de
continentes basadas, por ejemplo, en su población: Asia, África, Europa, América, Australia:
>>> from pandas.api.types import CategoricalDtype
>>> continents = ( Asia , Africa , Europe , America , Australia )
>>> cat_continents = CategoricalDtype(categories=continents, ordered=True)
>>> df[ Continent ].astype(cat_continents)
Company
Apple America
(continué en la próxima página)
8.3. pandas 391](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-395-320.jpg)
![Aprende Python
(proviene de la página anterior)
Samsung Electronics Asia
Alphabet America
Foxconn Asia
Microsoft America
Huawei Asia
Dell Technologies America
Facebook America
Sony Asia
Hitachi Asia
Intel America
IBM America
Tencent Asia
Panasonic Asia
Lenovo Asia
HP Inc. America
LG Electronics Asia
Name: Continent, dtype: category
Categories (5, object): [ Asia < Africa < Europe < America < Australia ]
El hecho de trabajar con categorías ordenadas permite (entre otras) estas operaciones:
>>> df[ Continent ].min()
Asia
>>> df[ Continent ].max()
America
>>> df[ Continent ].sort_values()
Company
Sony Asia
Lenovo Asia
Panasonic Asia
Tencent Asia
Hitachi Asia
LG Electronics Asia
Foxconn Asia
Samsung Electronics Asia
Huawei Asia
Dell Technologies America
Facebook America
HP Inc. America
Microsoft America
Intel America
IBM America
Alphabet America
Apple America
(continué en la próxima página)
392 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-396-320.jpg)
![Aprende Python
(proviene de la página anterior)
Name: Continent, dtype: category
Categories (5, object): [ Asia < Africa < Europe < America < Australia ]
Atención: En condiciones normales (categorías sin ordenar) el mínimo hubiera sido
America y el máximo hubiera sido Asia ya que se habrían ordenado alfabéticamente.
Usando funciones estadísticas
Vamos a aplicar las funciones estadísticas que proporciona pandas sobre la columna Revenue
de nuestro «dataset», aunque podríamos hacerlo sobre todas aquellas variables numéricas
susceptibles:
>>> df[ Revenue ]
Company
Apple 274515
Samsung Electronics 200734
Alphabet 182527
Foxconn 181945
Microsoft 143015
Huawei 129184
Dell Technologies 92224
Facebook 85965
Sony 84893
Hitachi 82345
Intel 77867
IBM 73620
Tencent 69864
Panasonic 63191
Lenovo 60742
HP Inc. 56639
LG Electronics 53625
Name: Revenue, dtype: int64
Tabla 3: Funciones estadísticas en pandas
Función Resultado
Descripción
df[ Revenue ].count() 17 Número de observaciones no nulas
df[ Revenue ].sum() 1912895 Suma de los valores
df[ Revenue ].mean() 112523.23
Media de los valores
df[ Revenue ].mad() 51385.95 Desviación absoluta media
continué en la próxima página
8.3. pandas 393](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-397-320.jpg)
![Aprende Python
Tabla 3 – proviene de la página anterior
Función Resultado
Descripción
df[ Revenue ].
median()
84893.0 Mediana de los valores
df[ Revenue ].min() 53625 Mínimo
df[ Revenue ].max() 274515 Máximo
df[ Revenue ].mode() Múltiples
valores
Moda
df[ Revenue ].abs() Múltiples
valores
Valor absoluto
df[ Revenue ].prod() 6758064777941221376
Producto de los valores
df[ Revenue ].std() 63236.95 Desviación típica
df[ Revenue ].var() 3998912818.06
Varianza
df[ Revenue ].sem() 15337.21 Error típico de la media
df[ Revenue ].skew() 1.33 Asimetría
df[ Revenue ].kurt() 1.13 Apuntamiento
df[ Revenue ].
quantile()
84893.0 Cuantiles (por defecto 50%)
df[ Revenue ].
cumsum()
Múltiples
valores
Suma acumulativa
df[ Revenue ].
cumprod()
Múltiples
valores
Producto acumulativo
df[ Revenue ].
cummax()
Múltiples
valores
Máximo acumulativo
df[ Revenue ].
cummin()
Múltiples
valores
Mínimo acumulativo
Ejercicio
Partiendo del conjunto de datos democan, obtenga aquellas islas cuya población está por
encima de la media del archipiélago canario.
Resultado esperado: [ Gran Canaria , Tenerife ]
Ordenando valores
Una operación muy típica cuando trabajamos con datos es la de ordenarlos en base a ciertos
criterios. Veamos cómo podemos hacerlo utilizando pandas. Volvemos a nuestro «dataset»
tecnológico:
>>> df
Revenue Employees City Country
(continué en la próxima página)
394 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-398-320.jpg)
![Aprende Python
>>> df.sort_values(by= Revenue , ascending=False)
Revenue Employees City Country
Company
Apple 274515 147000 California United States
Samsung Electronics 200734 267937 Suwon South Korea
Alphabet 182527 135301 California United States
Foxconn 181945 878429 New Taipei City Taiwan
Microsoft 143015 163000 Washington United States
Huawei 129184 197000 Shenzhen China
Dell Technologies 92224 158000 Texas United States
Facebook 85965 58604 California United States
Sony 84893 109700 Tokyo Japan
Hitachi 82345 350864 Tokyo Japan
Intel 77867 110600 California United States
IBM 73620 364800 New York United States
Tencent 69864 85858 Shenzhen China
Panasonic 63191 243540 Osaka Japan
Lenovo 60742 71500 Hong Kong China
HP Inc. 56639 53000 California United States
LG Electronics 53625 75000 Seoul South Korea
También es posible utilizar varias columnas en la ordenación. Pongamos que deseamos
ordenar los datos por país y por ciudad. Veamos cómo afrontarlo:
>>> df.sort_values(by=[ Country , City ])
Revenue Employees City Country
Company
Lenovo 60742 71500 Hong Kong China
Huawei 129184 197000 Shenzhen China
Tencent 69864 85858 Shenzhen China
Panasonic 63191 243540 Osaka Japan
Sony 84893 109700 Tokyo Japan
Hitachi 82345 350864 Tokyo Japan
LG Electronics 53625 75000 Seoul South Korea
Samsung Electronics 200734 267937 Suwon South Korea
Foxconn 181945 878429 New Taipei City Taiwan
Apple 274515 147000 California United States
Alphabet 182527 135301 California United States
Facebook 85965 58604 California United States
Intel 77867 110600 California United States
HP Inc. 56639 53000 California United States
IBM 73620 364800 New York United States
Dell Technologies 92224 158000 Texas United States
Microsoft 143015 163000 Washington United States
396 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-400-320.jpg)
![Aprende Python
Buscando máximos y mínimos
Al igual que veíamos en el caso de las series, podemos aplicar muchas de estas funciones de
máximos y mínimos sobre un DataFrame de Pandas.
Podemos obtener los valores mínimos y máximos de todas las columnas:
>>> df.min()
Revenue 53625
Employees 53000
City California
Country China
dtype: object
>>> df.max()
Revenue 274515
Employees 878429
City Washington
Country United States
dtype: object
También podría ser de utilidad saber qué empresa tiene el valor mínimo o máximo
para una determinada columna:
# LG tiene los menores ingresos
>>> df[ Revenue ].idxmin()
LG Electronics
# Foxconn tiene el mayor número de empleados/as
>>> df[ Employees ].idxmax()
Foxconn
Nota: En este caso nos devuelve una cadena de texto con el nombre de la empresa ya que
tenemos definido así nuestro índice (etiquetas). En otro caso devolvería la posición (numérica)
con un índice por defecto.
Si queremos acceder al registro completo, basta con acceder a través de la etiqueta devuelta:
>>> company = df[ Revenue ].idxmin()
>>> df.loc[company]
Revenue 53625
Employees 75000
City Seoul
Country South Korea
(continué en la próxima página)
8.3. pandas 397](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-401-320.jpg)
![Aprende Python
(proviene de la página anterior)
Name: LG Electronics, dtype: object
Otra de las operaciones muy usuales es encontrar los 𝑛 registros con mayores/menores valores.
Supongamos que nos interesa conocer las 3 empresas con mayores ingresos y las 3
empresas con menor número de empleados/as:
>>> df[ Revenue ].nlargest(3)
Company
Apple 274515
Samsung Electronics 200734
Alphabet 182527
Name: Revenue, dtype: int64
>>> df[ Employees ].nsmallest(3)
Company
HP Inc. 53000
Facebook 58604
Lenovo 71500
Name: Employees, dtype: int64
Nota: Si no especificamos un número de registros, estas funciones lo tienen definido por
defecto a 5.
Si queremos acceder al registro completo, podemos aplicar estas funciones de otro modo:
>>> df.nlargest(3, Revenue )
Revenue Employees City Country
Company
Apple 274515 147000 California United States
Samsung Electronics 200734 267937 Suwon South Korea
Alphabet 182527 135301 California United States
>>> df.nsmallest(3, Employees )
Revenue Employees City Country
Company
HP Inc. 56639 53000 California United States
Facebook 85965 58604 California United States
Lenovo 60742 71500 Hong Kong China
Ejercicio
Partiendo del conjunto de datos democan obtenga las 3 islas con menor densidad de población.
El resultado debería ser el siguiente:
398 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-402-320.jpg)
![Aprende Python
(proviene de la página anterior)
1 2 0.0 0.0
2 3 6.0 9.0
Incluso podemos aplicar interpolación para completar valores nulos:
>>> df.interpolate()
A B C
0 1 4.0 7.0
1 2 5.0 8.0
2 3 6.0 8.0
Reformando datos
En esta sección se verán las operaciones de pivotar y apilar que permiten reformar
(remodelar) un DataFrame.
Seguimos utilizando el conjunto de datos de empresas tecnológicas aunque nos quedaremos
únicamente con las 3 primeras filas a efectos didácticos:
>>> df = df.reset_index()[:3]
>>> df
Company Revenue Employees City Country
0 Apple 274515 147000 California United States
1 Samsung Electronics 200734 267937 Suwon South Korea
2 Alphabet 182527 135301 California United States
Ancho y Largo
Típicamente existen dos maneras de presentar datos tabulares: formato ancho y formato
largo. En formato ancho cada fila tiene múltiples columnas representando todas las
variables de una misma observación. En formato largo cada fila tiene básicamente tres
columnas: una que identifica la observación, otra que identifica la variable y otra que contiene
el valor.
Para pasar de formato ancho a formato largo usamos la función melt():
>>> df.melt(id_vars= Company )
Company variable value
0 Apple Revenue 274515
1 Samsung Electronics Revenue 200734
2 Alphabet Revenue 182527
(continué en la próxima página)
400 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-404-320.jpg)
![Aprende Python
>>> df_stacked = df.stack()
>>> df_stacked
Company
Apple Revenue 274515
Employees 147000
City California
Country United States
Samsung Electronics Revenue 200734
Employees 267937
City Suwon
Country South Korea
Alphabet Revenue 182527
Employees 135301
City California
Country United States
dtype: object
>>> df_stacked.index
MultiIndex([( Apple , Revenue ),
( Apple , Employees ),
( Apple , City ),
( Apple , Country ),
( Samsung Electronics , Revenue ),
( Samsung Electronics , Employees ),
( Samsung Electronics , City ),
( Samsung Electronics , Country ),
( Alphabet , Revenue ),
( Alphabet , Employees ),
( Alphabet , City ),
( Alphabet , Country )],
names=[ Company , None])
La función unstack() realiza justo la operación contraria: convertir un DataFrame con índice
multinivel en un Dataframe en formato ancho con índice sencillo. Se podría ver como una
manera de aplanar el «dataset»:
>>> df_flat = df_stacked.unstack()
>>> df_flat
Revenue Employees City Country
Company
Apple 274515 147000 California United States
Samsung Electronics 200734 267937 Suwon South Korea
Alphabet 182527 135301 California United States
(continué en la próxima página)
402 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-406-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> df_flat.index
Index([ Apple , Samsung Electronics , Alphabet ], dtype= object , name= Company )
Agrupando datos
Las operaciones de agregado son muy recurridas y nos permiten extraer información
relevante, que, a simple vista, quizás no sea tan evidente.
Veamos un ejemplo en el que calculamos la suma de los ingresos de las empresas,
agrupados por país:
>>> df.groupby( Country )[ Revenue ].sum()
Country
China 259790
Japan 230429
South Korea 254359
Taiwan 181945
United States 986372
Name: Revenue, dtype: int64
También es posible realizar la agrupación en varios niveles. En el siguiente ejemplo tendremos
los datos agrupados por país y ciudad:
>>> df.groupby([ Country , City ])[ Revenue ].sum()
Country City
China Hong Kong 60742
Shenzhen 199048
Japan Osaka 63191
Tokyo 167238
South Korea Seoul 53625
Suwon 200734
Taiwan New Taipei City 181945
United States California 677513
New York 73620
Texas 92224
Washington 143015
Name: Revenue, dtype: int64
Ver también:
Cuando realizamos una agrupación por varias columnas, el resultado contiene un índice de
múltiples niveles. Podemos aplanar el DataFrame usando unstack().
Incluso podemos aplicar distintas funciones de agregación a cada columna. Supongamos
que necesitamos calcular la media de los ingresos y la mediana del número de
8.3. pandas 403](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-407-320.jpg)
![Aprende Python
Podemos aplicar funciones sobre determinadas columnas. Supongamos que queremos obtener
el logaritmo de la serie de ingresos:
>>> df[ Revenue ].apply(np.log)
Company
Apple 12.522761
Samsung Electronics 12.209736
Alphabet 12.114653
Foxconn 12.111460
Microsoft 11.870705
Huawei 11.768993
Dell Technologies 11.431976
Facebook 11.361696
Sony 11.349147
Hitachi 11.318673
Intel 11.262758
IBM 11.206672
Tencent 11.154306
Panasonic 11.053917
Lenovo 11.014391
HP Inc. 10.944453
LG Electronics 10.889771
Name: Revenue, dtype: float64
Ahora imaginemos un escenario en el que la normativa de Estados Unidos ha
cambiado y obliga a sus empresas tecnológicas a aumentar un 5% el número
de empleados/as que tienen. Esto lo podríamos abordar escribiendo una función propia
que gestione cada fila del «dataset» y devuelva el valor adecuado de empleados/as según las
características de cada empresa:
>>> def raise_employment(row):
... num_employees = row[ Employees ]
... if row[ Country ] == United States :
... return num_employees * 1.05
... return num_employees
Ahora ya podemos aplicar esta función a nuestro DataFrame, teniendo en cuenta que
debemos actuar sobre el eje de filas (axis=1):
>>> df.apply(raise_employment, axis=1)
Company
Apple 154350.00
Samsung Electronics 267937.00
Alphabet 142066.05
Foxconn 878429.00
Microsoft 171150.00
Huawei 197000.00
(continué en la próxima página)
8.3. pandas 405](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-409-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> fig.get_figwidth() * fig.dpi, fig.get_figheight() * fig.dpi
(640.0, 480.0)
Importante: Si utilizamos entornos de desarollo basados en Jupyter, los valores por defecto
son distintos:
• Ancho de figura: 6 in
• Alto de figura: 4 in
• DPI: 75
• Resolución: 450x300 px
Por tanto, cuando creamos una figura podemos modificar los parámetros por defecto para
obtener la resolución deseada:
>>> fig = plt.figure(figsize=(19.2, 10.8)) # 100 dpi
>>> fig
<Figure size 1920x1080 with 0 Axes>
>>> fig = plt.figure(figsize=(19.2, 10.8), dpi=300)
>>> fig
<Figure size 5760x3240 with 0 Axes>
Si nos interesa que cualquier figura tome unos valores concretos de resolución, podemos
modificar los valores por defecto del entorno. Para ello, matplotlib hace uso de un
diccionario plt.rcParams que contiene los parámetros globales de configuración. Veamos
cómo modificarlo:
>>> plt.rcParams[ figure.figsize ]
[6.4, 4.8]
>>> plt.rcParams[ figure.dpi ]
100.0
>>> plt.rcParams[ figure.figsize ] = (10, 5)
>>> plt.rcParams[ figure.dpi ] = 300 # res. final: 3000x1500 px
>>> fig.get_figwidth()
10.0
>>> fig.get_figheight()
5.0
>>> fig.dpi
300.0
8.4. matplotlib 411](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-415-320.jpg)
![Aprende Python
único marco.
En el siguiente ejemplo creamos una figura con 6 marcos en disposición de 2 filas por 3
columnas:
>>> fig, ax = plt.subplots(2, 3)
>>> fig
<Figure size 640x480 with 6 Axes>
>>> ax
array([[<AxesSubplot:>, <AxesSubplot:>, <AxesSubplot:>],
[<AxesSubplot:>, <AxesSubplot:>, <AxesSubplot:>]], dtype=object)
>>> ax.shape
(2, 3)
Nota: Se podría ver la función subplots() como una combinación de figure() +
add_subplot().
Etiquetas
Dentro de un marco también es posible fijar las etiquetas de los ejes (X e Y). Veamos cómo
hacerlo:
>>> fig, ax = plt.subplots()
>>> ax.set_title( Gráfico en blanco )
Text(0.5, 1.0, Gráfico en blanco )
>>> ax.set_xlabel( Etiqueta para el eje X )
Text(0.5, 0, Etiqueta para el eje X )
>>> ax.set_ylabel( Etiqueta para el eje Y )
Text(0, 0.5, Etiqueta para el eje Y )
>>> fig
<Figure size 640x480 with 1 Axes>
8.4. matplotlib 415](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-419-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> # Eje Y
>>> ax.yaxis.set_minor_formatter( {x:.2f} )
>>> ax.tick_params(axis= y , which= minor , labelsize=8, labelcolor= lightskyblue )
8.4.3 Primeros pasos
Vamos a empezar por representar la función 𝑓(𝑥) = 𝑠𝑖𝑛(𝑥). Para ello crearemos una variable
𝑥 con valores flotantes equidistantes y una variable 𝑦 aplicando la función senoidal. Nos
apoyamos en numpy para ello. A continuación usaremos la función plot() del marco para
representar la función creada:
>>> x = np.linspace(0, 2 * np.pi)
>>> y = np.sin(x)
>>> fig, ax = plt.subplots()
>>> ax.plot(x, y)
[<matplotlib.lines.Line2D at 0x120914040>]
420 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-424-320.jpg)
![Aprende Python
Múltiples funciones
Partiendo de un mismo marco, es posible graficar todas las funciones que necesitemos. A
continuación crearemos un marco con las funciones seno y coseno:
>>> x = np.linspace(0, 2 * np.pi)
>>> sin = np.sin(x)
>>> cos = np.cos(x)
>>> fig, ax = plt.subplots()
>>> ax.plot(x, sin)
[<matplotlib.lines.Line2D at 0x1247b6310>]
>>> ax.plot(x, cos)
[<matplotlib.lines.Line2D at 0x112b0d4c0>]
8.4. matplotlib 421](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-425-320.jpg)
![Aprende Python
Nota: Los colores «auto» asignados a las funciones siguen un ciclo establecido por matplotlib
que es igualmente personalizable.
Leyenda
En el caso de que tengamos múltiples gráficos en el mismo marco puede ser deseable mostrar
una leyenda identificativa. Para usarla necesitamos asignar etiquetas a cada función. Veamos
a continuación cómo incorporar una leyenda:
>>> ax.plot(x, sin, label= sin )
[<matplotlib.lines.Line2D at 0x124e07ac0>]
>>> ax.plot(x, cos, label= cos )
[<matplotlib.lines.Line2D at 0x123c58f10>]
>>> ax.legend()
<matplotlib.legend.Legend at 0x123c8f190>
422 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-426-320.jpg)
![Aprende Python
Es posible incorporar sintaxis Latex en los distintos elementos textuales de matplotlib. En
el siguiente ejemplo usaremos esta notación en las etiquetas de las funciones utilizando el
símbolo $ ... $ para ello:
>>> ax.plot(x, sin, label= $f_1(x) = sin(x)$ )
[<matplotlib.lines.Line2D at 0x11682f3a0>]
>>> ax.plot(x, cos, label= $f_2(x) = cos(x)$ )
[<matplotlib.lines.Line2D at 0x11682b3a0>]
8.4. matplotlib 423](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-427-320.jpg)
![Aprende Python
Aplicando estilos
Para cada función que incluimos en el marco es posible establecer un estilo personalizado con
multitud de parámetros. Veamos la aplicación de algunos de estos parámetros a las funciones
seno y coseno con las que hemos estado trabajando:
>>> sin_style = dict(linewidth=3, color= darkorange )
>>> cos_style = dict(marker= o , markerfacecolor= limegreen , color= darkgreen )
>>> ax.plot(x, sin, label= $f_1(x) = sin(x)$ , **sin_style)
[<matplotlib.lines.Line2D at 0x1131e9fd0>]
>>> ax.plot(x, cos, label= $f_2(x) = cos(x)$ , **cos_style)
[<matplotlib.lines.Line2D at 0x1226d76d0>]
8.4. matplotlib 425](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-429-320.jpg)
![Aprende Python
>>> xsol = np.pi / 4 + np.pi * 0
>>> ysol = np.sin(xsol)
>>> xsol, ysol
(0.7853981633974483, 0.7071067811865475)
Vamos a insertar una serie de anotaciones en el gráfico:
• Flecha en el punto de corte con etiqueta de ecuación.
• Coordenadas de solución en el punto de corte.
• Proyección del punto de corte hacia ambos ejes.
>>> ax.annotate( $sin(x) = cos(x)$ ,
... xy=(xsol, ysol),
... xytext=(1.2, 0.8),
... arrowprops=dict(facecolor= black , shrink=0.05))
>>> ax.text(0.47, 0.72, f ({xsol:.2f}, {ysol:.2f}) )
>>> ax.plot([xsol, xsol], [0, ysol], color= gray , linestyle= -- )
>>> ax.plot([0, xsol], [ysol, ysol], color= gray , linestyle= -- )
428 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-432-320.jpg)
![Aprende Python
Datos:
• 𝑥 ∈ [0, 2𝜋] (1000 puntos)
• 𝑦 = 𝑒−𝛼𝑥
𝑠𝑖𝑛(𝛽𝑥), donde 𝛼 = 0.7 y 𝛽 = 10.
8.4.4 Tipos de gráficos
Mediante matplotlib podemos hacer prácticamente cualquier tipo de gráfico. En esta sección
haremos un repaso por algunos de ellos.
Gráficos de barras
Vamos a partir de un «dataset» que contiene los resultados de los Juegos Olímpicos de Tokio
2020. Hemos descargado el fichero medals.xlsx desde una página de Kaggle4
.
En primer lugar cargaremos este fichero en un DataFrame y haremos una pequeña
«limpieza»:
>>> df = pd.read_excel( pypi/datascience/files/medals.xlsx )
>>> df.head()
Rank Team/NOC Gold Silver Bronze Total Rank by Total
0 1 United States of America 39 41 33 113 1
(continué en la próxima página)
4
Kaggle es un servicio web que ofrece una gran variedad de «datasets», así como código, cursos y otros
recursos en relación con la ciencia de datos.
430 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-434-320.jpg)
![Aprende Python
>>> fig, ax = plt.subplots(figsize=(8, 5), dpi=100) # 800x500 px
>>> bar_width = 0.30
>>> x = np.arange(df_best.index.size)
>>> golden_medals = ax.bar(x - bar_width, df_best[ Gold ],
... bar_width, label= Oro , color= #ffd700 )
>>> silver_medals = ax.bar(x, df_best[ Silver ],
... bar_width, label= Plata , color= #aaa9ad )
>>> bronze_medals = ax.bar(x + bar_width, df_best[ Bronze ],
... bar_width, label= Bronce , color= #cd7f32 )
>>> ax.set_xticks(x)
>>> ax.set_xticklabels(df_best.index, rotation=90)
>>> ax.legend()
>>> # Etiquetas en barras
>>> ax.bar_label(golden_medals, padding=3)
>>> ax.bar_label(silver_medals, padding=3)
>>> ax.bar_label(bronze_medals, padding=3)
>>> ax.spines[ right ].set_visible(False) # ocultar borde derecho
>>> ax.spines[ top ].set_visible(False) # ocultar borde superior
>>> fig.tight_layout() # ajustar elementos al tamaño de la figura
>>> fig
432 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-436-320.jpg)
![Aprende Python
Gráficos de dispersión
Para este gráfico vamos a usar un «dataset» de jugadores de la NBA5
extraído desde esta
página de Kaggle. El fichero nba-data.csv contiene información desde 1996 hasta 2019.
En primer lugar cargamos los datos y nos quedamos con un subconjunto de las columnas:
>>> df = pd.read_csv( pypi/datascience/files/nba-data.csv , usecols=[ pts , reb ,
˓
→ ast ])
>>> df.head()
pts reb ast
0 4.8 4.5 0.5
1 0.3 0.8 0.0
2 4.5 1.6 0.9
3 7.8 4.4 1.4
4 3.7 1.6 0.5
>>> df.shape
(11700, 3)
5
National Basketball League (liga estadounidense de baloncesto).
434 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-438-320.jpg)
![Aprende Python
El objetivo es crear un gráfico de dispersión en el relacionaremos los puntos anotados
con los rebotes capturados, así como las asistencias dadas:
>>> fig, ax = plt.subplots(figsize=(8, 6), dpi=100) # 800x600 px
>>> # Crear variables auxiliares
>>> x = df[ pts ]
>>> y = df[ reb ]
>>> colors = df[ ast ]
>>> p = ax.scatter(x, y,
... s=30, # tamaño de los puntos
... c=colors, cmap= RdBu_r , # colores
... vmin=colors.min(), vmax=colors.max(), # normalización de colores
... alpha=0.7,
... edgecolors= none )
>>> # Barra de colores
>>> cb = fig.colorbar(p, ax=ax, label= Asistencias , extend= max )
>>> cb.outline.set_visible(False)
>>> ax.set_xlabel( Puntos )
>>> ax.set_ylabel( Rebotes )
>>> ax.spines[ right ].set_visible(False)
>>> ax.spines[ top ].set_visible(False)
>>> fig.tight_layout()
8.4. matplotlib 435](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-439-320.jpg)
![Aprende Python
El mapa de color que se ha usado es plasma_r.
Histogramas
En esta ocasión vamos a trabajar con un «dataset» de «Avengers»6
extraído desde Kaggle.
Hemos descargado el fichero avengers.csv.
Como punto de partida vamos a cargar la información y a quedarnos únicamente con la
columna que hace referencia al año en el que se crearon los personajes:
>>> df = pd.read_csv( pypi/datascience/files/avengers.csv , usecols=[ Year ])
>>> df.head()
Year
0 1963
1 1963
2 1963
3 1963
4 1963
>>> df.shape
(173, 1)
6
Los Vengadores son un equipo de superhéroes publicados por Marvel Comics.
8.4. matplotlib 437](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-441-320.jpg)
![Aprende Python
Igualmente haremos un pequeño filtrado para manejar sólo registros a partir de 1960:
>>> df = df[df[ Year ] >= 1960]
>>> df.shape
(159, 1)
Ahora ya podemos construir el histograma, que va a representar las frecuencias absolutas
de creación de personajes Marvel según su año de creación.
Aunque es posible indicar un número determinado de contenedores («bins»), en este caso
vamos a especificar directamente los intervalos (cada 5 años):
>>> df[ Year ].min(), df[ Year ].max()
(1963, 2015)
>>> bins = range(1960, 2021, 5)
Y a continuación el código necesario para montar el gráfico:
>>> fig, ax = plt.subplots(figsize=(8, 4), dpi=100) # 800x400 px
>>> ax.hist(df,
... bins=bins, # intervalos de agrupación
... rwidth=0.95, # ancho de cada barra
... zorder=2, # barras por encima de rejilla
... color= deeppink ,
... alpha=0.5)
>>> ax.spines[ right ].set_visible(False)
>>> ax.spines[ top ].set_visible(False)
>>> ax.set_xticks(bins) # etiquetas de intervalos en el eje x
>>> ax.yaxis.grid(color= lightgray , linestyle= -- ) # rejilla
>>> fig.tight_layout()
438 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-442-320.jpg)
![Aprende Python
Gráficos para series temporales
Vamos a trabajar con un conjunto de datos extraído desde esta página de Kaggle que contiene
información histórica de temperaturas del planeta Tierra. El fichero global-temperatures.
csv se ha descargado para su tratamiento.
En primer lugar cargamos los datos, renombramos las columnas y eliminamos los valores
nulos:
>>> df = pd.read_csv( pypi/datascience/files/global-temperatures.csv ,
... parse_dates=[ dt ], # conversión a tipo datetime
... usecols=[ dt , LandAverageTemperature ])
>>> df.rename(columns={ dt : when , LandAverageTemperature : temp }, inplace=True)
>>> df.dropna(inplace=True)
>>> df.head()
when temp
0 1750-01-01 3.034
1 1750-02-01 3.083
2 1750-03-01 5.626
3 1750-04-01 8.490
4 1750-05-01 11.573
(continué en la próxima página)
440 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-444-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> df.shape
(3180, 2)
A continuación montamos un gráfico en el que se representan todas las mediciones
históricas de la temperatura media global del planeta y añadimos una línea de
tendencia:
>>> # Necesitamos algunas utilidades de gestión de fechas
>>> from matplotlib.dates import YearLocator, DateFormatter, date2num
>>> from matplotlib.ticker import MultipleLocator
>>> fig, ax = plt.subplots(figsize=(8, 4), dpi=100) # 800x400 px
>>> # Alias para simplificar el acceso
>>> x = df.when
>>> y = df.temp
>>> ax.plot(x, y,
... linestyle= None , marker= . , color= tomato , # estilo de línea
... zorder=2) # orden para colocar sobre rejilla
>>> # Construcción de la línea de tendencia
>>> x = date2num(x)
>>> z = np.polyfit(x, y, 2) # ajuste polinómico de grado 2
>>> p = np.poly1d(z)
>>> plt.plot(x, p(x), linewidth=4, alpha=0.8, color= royalblue )
>>> # Formateo de los ejes
>>> ax.xaxis.set_minor_locator(YearLocator(10))
>>> ax.xaxis.set_minor_formatter(DateFormatter( %Y ))
>>> ax.tick_params(axis= x , which= minor ,
... labelsize=8, labelcolor= lightgray , rotation=90)
>>> ax.xaxis.grid(which= minor , color= lightgray , linestyle= dashed )
>>> ax.yaxis.set_major_formatter( {x:.0f}º )
>>> ax.yaxis.set_minor_locator(MultipleLocator(1))
>>> ax.tick_params(axis= y , which= minor ,
... labelsize=8, labelcolor= lightgray )
>>> ax.yaxis.grid(which= minor , linestyle= dashed , color= lightgray )
>>> ax.yaxis.set_minor_formatter( {x:.0f} )
>>> ax.tick_params(axis= y , which= minor , labelsize=8, labelcolor= lightgray )
>>> ax.spines[ right ].set_visible(False)
>>> ax.spines[ top ].set_visible(False)
>>> fig.tight_layout()
8.4. matplotlib 441](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-445-320.jpg)
![Aprende Python
Mapas de calor
Para este tipo de gráfico vamos a utilizar un «dataset» que recoge las 1000 películas más
valoradas en IMDB7
. Está sacado desde esta página de Kaggle y se ha descargado el fichero
de datos en imdb-top-1000.csv.
En primer lugar vamos a cargar los datos quedándonos con las columnas Certificate
(clasificación de la película según edades), Genre (géneros de la película) e IMDB_Rating
(valoración de la película en IMDB):
>>> df = pd.read_csv( pypi/datascience/files/imdb-top-1000.csv ,
... usecols=[ Certificate , Genre , IMDB_Rating ])
>>> df.head()
Certificate Genre IMDB_Rating
0 A Drama 9.3
1 A Crime, Drama 9.2
2 UA Action, Crime, Drama 9.0
3 A Crime, Drama 9.0
4 U Crime, Drama 9.0
Ahora creamos una nueva columna en el DataFrame donde guardaremos únicamente el género
principal de cada película:
>>> df[ Main_Genre ] = df[ Genre ].str.split( , , expand=True)[0]
(continué en la próxima página)
7
IMDB es una reconocida página web que contiene valoraciones sobre películas y series.
442 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-446-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> df.head()
Certificate Genre IMDB_Rating Main_Genre
0 A Drama 9.3 Drama
1 A Crime, Drama 9.2 Crime
2 UA Action, Crime, Drama 9.0 Action
3 A Crime, Drama 9.0 Crime
4 U Crime, Drama 9.0 Crime
A continuación agrupamos y obtenemos los valores medios de las valoraciones:
>>> # unstack permite disponer la agrupación en forma tabular (para el heatmap)
>>> ratings = df.groupby([ Certificate , Main_Genre ])[ IMDB_Rating ].mean().
˓
→unstack()
>>> # Nos quedamos con un subconjunto de certificados y géneros
>>> review_certificates = [ U , UA , PG-13 , R , A ]
>>> review_genres = [ Animation , Action , Adventure , Biography ,
... Comedy , Crime , Drama ]
>>> ratings = ratings.loc[review_certificates, review_genres]
>>> # Recodificamos los certificados (clasificación) con códigos más entendibles
>>> certs_description = { U : ALL , UA : >12 , PG-13 : >13 , R : >17 , A : >
˓
→18 }
>>> ratings.index = ratings.reset_index()[ Certificate ].replace(certs_description)
>>> ratings
Main_Genre Animation Action Adventure Biography Comedy Crime Drama
Certificate
ALL 7.947368 8.165000 7.953571 7.862500 7.940541 8.200000 7.976364
>12 7.883333 7.992424 7.958333 7.971429 7.885714 7.900000 7.953659
>13 7.866667 7.783333 7.600000 7.862500 7.785714 8.000000 7.775000
>17 7.800000 7.812500 7.900000 7.900000 7.824138 7.814286 7.915094
>18 7.866667 7.873171 7.912500 8.017647 7.877778 8.130233 8.036364
Ahora ya podemos construir el mapa de calor usando el DataFrame ratings generado
previamente:
>>> fig, ax = plt.subplots(figsize=(8, 4), dpi=100)
>>> text_colors = ( black , white )
>>> im = ax.imshow(ratings, cmap= Reds ) # mapa de calor
>>> cbar = fig.colorbar(im, ax=ax, label= IMDB Rating ) # leyenda
>>> cbar.outline.set_visible(False)
>>> x = ratings.columns
(continué en la próxima página)
8.4. matplotlib 443](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-447-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> y = ratings.index
>>> # Mostrar las etiquetas. El color del texto cambia en función de su normalización
>>> for i in range(len(y)):
... for j in range(len(x)):
... value = ratings.iloc[i, j]
... text_color = text_colors[int(im.norm(value) > 0.5)] # color etiqueta
... ax.text(j, i, f {value:.2f} , color=text_color, va= center , ha= center )
>>> # Formateo de los ejes
>>> ax.set_xticks(range(len(x)))
>>> ax.set_xticklabels(x, rotation=90)
>>> ax.set_yticks(range(len(y)))
>>> ax.set_yticklabels(y)
>>> ax.invert_yaxis()
>>> ax.spines[:].set_visible(False)
>>> fig.tight_layout()
Ejercicio
Partiendo del fichero euro-dollar-clean.csv que contiene información sobre el cambio
444 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-448-320.jpg)
![Aprende Python
Para mostrar el funcionamiento de los diagramas de caja en Matplotlib vamos a hacer uso
de distintas distribuciones aleatorias que crearemos mediante funciones de Numpy:
>>> DIST_SIZE = 100 # tamaño de la muestra
>>> boxplots = []
>>> boxplots.append(dict(
... dist=np.random.normal(0, 1, size=DIST_SIZE),
... label= Normaln$mu=0, sigma=1$ ,
... fill_color= pink ,
... brush_color= deeppink ))
>>> boxplots.append(dict(
... dist=np.random.geometric(0.4, size=DIST_SIZE),
... label= Geometricn$p=0.4$ ,
... fill_color= lightblue ,
... brush_color= navy ))
>>> boxplots.append(dict(
... dist=np.random.chisquare(2, size=DIST_SIZE),
... label= Chi-squaredn$df=2$ ,
... fill_color= lightgreen ,
... brush_color= darkgreen ))
Ahora ya podemos construir el gráfico de cajas que nos permite visualizar la distribución de
las muestras:
>>> fig, ax = plt.subplots(figsize=(8, 6), dpi=100) # 800x600 px
>>> for i, boxplot in enumerate(boxplots):
... fcolor, bcolor = boxplot[ fill_color ], boxplot[ brush_color ]
... ax.boxplot(boxplot[ dist ],
... labels=[boxplot[ label ]],
... positions=[i],
... widths=[.3],
... notch=True,
... patch_artist=True,
... boxprops=dict(edgecolor=bcolor,
... facecolor=fcolor,
... linewidth=2),
... capprops=dict(color=bcolor, linewidth=2),
... flierprops=dict(color=bcolor,
... markerfacecolor=fcolor,
... linestyle= none ,
... markeredgecolor= none ,
... markersize=9),
(continué en la próxima página)
446 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-450-320.jpg)
![Aprende Python
(proviene de la página anterior)
... medianprops=dict(color=bcolor),
... whiskerprops=dict(color=bcolor,
... linewidth=1))
>>> ax.yaxis.grid(color= lightgray )
>>> ax.xaxis.set_ticks_position( none )
>>> ax.yaxis.set_ticks_position( none )
>>> ax.spines[:].set_visible(False)
>>> fig.tight_layout()
Consejo: El código para preparar el gráfico se ha complicado porque se ha incidido en
mejorar la estética. En cualquier caso, una vez hecho, se puede refactorizar en una función
y reutilizarlo para futuros trabajos.
8.4. matplotlib 447](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-451-320.jpg)
![Aprende Python
Gráficos de evolución
Partiendo de un conjunto de datos temporales, vamos a aprovechar para elaborar un
gráfico de evolución del precio de criptomonedas. En esta ocasión hemos utilizado el
«dataset» eth-usd.csv descargado desde esta página de Kaggle. Contiene la valoración
de la criptomoneda Ethereum en función de una marca temporal, así como el volumen de
«moneda» existente en cada momento.
El objetivo será crear un gráfico que represente el valor de la criptomoneda (a lo
largo del tiempo) en contraposición al volumen de unidades.
Lo primero que haremos, además de cargar los datos, será lo siguiente:
• Seleccionar las columnas Date (fecha de referencia), Open (precio de la moneda a la
apertura) y Volume (volumen de moneda).
• Parsear el campo fecha.
• Filtrar sólo aquellos registros a partir del 1 de enero de 2017 (por simplicidad).
• Dividir la columna de volumen por 10M de cara a equiparar cantidades con la
valoración (ajuste de gráfico).
• Aplicar una media móvil para suavizar las curvas a representar.
>>> import datetime
>>> df = pd.read_csv( pypi/datascience/files/eth-usd.csv ,
... parse_dates=[ Date ],
... usecols=[ Date , Open , Volume ],
... index_col= Date )
>>> min_date = datetime.datetime(year=2017, month=1, day=1)
>>> df = df.loc[df.index > min_date]
>>> df[ Volume ] /= 1e7
>>> df_smooth = df.rolling(20).mean().dropna()
>>> df_smooth.head()
Open Volume
Date
2017-01-21 9.968611 2.146882
2017-01-22 10.105573 2.117377
2017-01-23 10.222339 1.985587
2017-01-24 10.273270 1.821968
2017-01-25 10.239854 1.647938
Ahora ya podemos montar el gráfico dedicando algo de esfuerzo a la parte estética:
448 Capítulo 8. Ciencia de datos](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-452-320.jpg)
![Aprende Python
>>> fig, ax = plt.subplots(figsize=(8, 4), dpi=100) # 800x400px
>>> # Alias para facilitar el acceso
>>> x = df_smooth.index
>>> y_open = df_smooth[ Open ]
>>> y_vol = df_smooth[ Volume ]
>>> # Líneas de evolución
>>> ax.plot(x, y_open, label= Value ($) , color= skyblue , linewidth=1.5)
>>> ax.plot(x, -y_vol, label= Volume (10M ud.) , color= pink , linewidth=1.5)
>>> # Relleno del área
>>> plt.fill_between(x, y_open, alpha=0.5, color= skyblue , zorder=3)
>>> plt.fill_between(x, -y_vol, alpha=0.5, color= pink , zorder=3)
>>> # Formateo de los ejes
>>> ax.xaxis.set_ticks_position( none )
>>> ax.yaxis.set_ticks_position( none )
>>> y_ticks = [-4000, -2000, 0, 2000, 4000]
>>> y_tick_labels = [ 4000 , 2000 , 0 , 2000 , 4000 ]
>>> ax.set_yticks(y_ticks)
>>> ax.set_yticklabels(y_tick_labels)
>>> ax.set_ylim(-6000, 6000)
>>> # Rejilla
>>> ax.xaxis.grid(color= lightgray , linewidth=.5)
>>> for y_tick in y_ticks:
... if y_tick != 0:
... ax.axhline(y_tick, color= lightgray , linewidth=.5)
>>> ax.legend()
>>> ax.spines[:].set_visible(False)
>>> fig.tight_layout()
8.4. matplotlib 449](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-453-320.jpg)
![Aprende Python
9.1.4 Analizando la respuesta
A continuación analizaremos distintos elementos que forman parte de la respuesta
HTTP tras realizar la petición.
Contenido JSON
El formato JSON es ampliamente utilizado para el intercambio de datos entre aplicaciones.
Hay ocasiones en las que la respuesta a una petición viene en dicho formato. Para facilitar
su tratamiento requests nos proporciona un método que convierte el contenido JSON a un
diccionario de Python.
Supongamos que queremos tener un pronóstico del tiempo en Santa Cruz de Tenerife.
Existen múltiples servicios online que ofrecen datos meteorológicos. En este caso vamos a
usar https://open-meteo.com/. La cuestión es que los datos que devuelve esta API son en
formato JSON. Así que aprovecharemos para convertirlos de forma apropiada:
>>> sc_tfe = (28.4578025, -16.3563748)
>>> params = dict(latitude=sc_tfe[0], longitude=sc_tfe[1], hourly= temperature_2m )
>>> url = https://api.open-meteo.com/v1/forecast
>>> response = requests.get(url, params=params)
>>> response.url
https://api.open-meteo.com/v1/forecast?latitude=28.4578025&longitude=-16.3563748&
˓
→hourly=temperature_2m
>>> data = response.json()
>>> type(data)
dict
>>> data.keys()
dict_keys([ utc_offset_seconds , elevation , latitude , hourly_units , longitude
˓
→ , generationtime_ms , hourly ])
Ahora podríamos mostrar la predicción de temperatures de una manera algo más visual.
Según la documentación de la API sabemos que la respuesta contiene 168 medidas de
temperatura correspondientes a todas las horas durante 7 días. Supongamos que sólo
queremos mostrar la predicción de temperaturas hora a hora para el día de
mañana:
>>> temperatures = data[ hourly ][ temperature_2m ]
>>> # Las temperaturas también incluyen el día de hoy
(continué en la próxima página)
456 Capítulo 9. Scraping](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-460-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> for i, temp in enumerate(temperatures[24:48], start=1):
... print(f {temp:4.1f} , end= )
... if i % 6 == 0:
... print()
...
12.0 11.9 11.9 11.8 11.8 11.7
11.7 11.7 11.6 12.0 12.8 13.6
13.9 14.0 14.1 13.9 13.7 13.3
12.8 12.2 11.8 11.7 11.6 11.5
Cabeceras de respuesta
Tras una petición HTTP es posible recuperar las cabeceras que vienen en la respuesta a
través del atributo headers como un diccionario:
>>> response = requests.get( https://pypi.org )
>>> response.status_code
200
>>> response.headers.get( Content-Type )
text/html; charset=UTF-8
>>> response.headers.get( Server )
nginx/1.13.9
Cookies
Si una respuesta contiene «cookies»6
es posible acceder a ellas mediante el diccionario
cookies:
>>> response = requests.get( https://github.com )
>>> response.cookies.keys()
[ _octo , logged_in , _gh_sess ]
>>> response.cookies.get( logged_in )
no
Nota: Las cookies también se pueden enviar en la petición usando requests.get(url,
cookies=cookies).
6
Una cookie HTTP es una pequeña pieza de datos que un servidor envía al navegador web del usuario.
9.1. requests 457](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-461-320.jpg)
![Aprende Python
Ficheros binarios
Para descargar ficheros binarios seguimos la misma estructura que para ficheros en texto
plano, pero indicando el tipo binario a la hora de escribir en disco:
>>> url = https://www.ine.es/jaxi/files/tpx/es/xlsx/50155.xlsx
>>> response = requests.get(url)
>>> response.status_code
200
>>> with open( data.xlsx , wb ) as f:
... f.write(response.content)
...
Consejo: Usamos response.content para obtener el contenido ya que nos interesa en
formato «bytes».
Podemos comprobar que el fichero se ha creado satisfactoriamente:
$ file data.xlsx
data.xlsx: Microsoft OOXML
Nombre de fichero
En los ejemplos anteriores hemos puesto el nombre de fichero «a mano». Pero podría
darse la situación de necesitar el nombre de fichero que descargamos. Para ello existen dos
aproximaciones en función de si aparece o no la clave «attachment» en las cabeceras de
respuesta.
Podemos escribir la siguiente función para ello:
>>> def get_filename(response):
... try:
... return response.headers[ Content-Disposition ].split( ; )[1].split( =
˓
→ )[1]
... except (KeyError, IndexError):
... return response.url.split( / )[-1]
...
Caso para el que no disponemos de la cabecera adecuada:
9.1. requests 459](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-463-320.jpg)
![Aprende Python
(proviene de la página anterior)
... </html>
...
>>> soup = BeautifulSoup(contents, features= html.parser )
Atención: Importar el paquete usando bs4. Suele llevar a equívoco por el nombre
original.
A partir de aquí se abre un abanico de posibilidades que iremos desgranando en los próximos
epígrafes.
9.2.2 Localizar elementos
Una de las tareas más habituales en técnicas de «scraping» y en «parsing» de contenido es
la localización de determinadas elementos de interés.
Fórmulas de localización
A continuación se muestran, mediante ejemplos, distintas fórmulas para localizar elementos
dentro del DOM3
:
• Localizar todos los enlaces:
>>> soup.find_all( a )
[<a href="https://example1.com">Example 1</a>,
<a href="https://example2.com">Example 2</a>,
<a href="https://example3.com">Example 3</a>]
El primer argumento posicional de find_all() es el nombre del «tag» que queremos
localizar.
• Localizar todos los elementos con la clase inline:
>>> soup.find_all(class_= inline )
[<span class="inline"><p>This is span 1</p></span>,
<span class="inline"><p>This is span 2</p></span>,
<span class="inline"><p>This is span 2</p></span>]
Los argumentos nominales de find_all() se utilizan para localizar elementos que
contengan el atributo referenciado.
3
Document Object Model en español Modelo de Objetos del Documento.
462 Capítulo 9. Scraping](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-466-320.jpg)
![Aprende Python
Truco: Si el atributo a localizar tiene guiones medios (por ejemplo aria-label) no
podremos usarlo como nombre de argumento (error sintáctico). Pero sí podemos usar
un diccionario en su lugar:
soup.find_all(attrs={ aria-label : box })
• Localizar todos los «divs» con la clase footer:
>>> soup.find_all( div , class_= footer ) # ≈ soup.find_all( div , footer )
[<div class="footer">
This is the footer
<span class="inline"><p>This is span 1</p></span>
<span class="inline"><p>This is span 2</p></span>
<span class="inline"><p>This is span 2</p></span>
</div>]
• Localizar todos los elementos cuyo atributo type tenga el valor text:
>>> soup.find_all(type= text )
[<input id="POST-name" name="name" type="text"/>]
• Localizar todos los los h2 que contengan el texto Formulario:
>>> soup.find_all( h2 , string= Formulario )
[<h2>Formulario</h2>]
• Localizar todos los elementos de título h1, h2, h3, .... Esto lo podemos atacar
usando expresiones regulares:
>>> soup.find_all(re.compile(r ^hd+.* ))
[<h1>Just testing</h1>, <h2>Some links</h2>, <h2>Formulario</h2>]
• Localizar todos los «input» y todos los «span»:
>>> soup.find_all([ input , span ])
[<input id="POST-name" name="name" type="text"/>,
<input type="submit" value="Save"/>,
<span class="inline"><p>This is span 1</p></span>,
<span class="inline"><p>This is span 2</p></span>,
<span class="inline"><p>This is span 2</p></span>]
• Localizar todos los párrafos que están dentro del pie de página (usando selectores
CSS):
9.2. beautifulsoup 463](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-467-320.jpg)
![Aprende Python
>>> soup.select( .footer p )
[<p>This is span 1</p>, <p>This is span 2</p>, <p>This is span 2</p>]
Nota: En este caso se usa el método select().
Localizar único elemento
Hasta ahora hemos visto las funciones find_all() y select() que localizan un conjunto de
elementos. Incluso en el caso de encontrar sólo un elemento, se devuelve una lista con ese
único elemento.
Beautiful Soup nos proporciona la función find() que trata de localizar un único
elemento. Hay que tener en cuenta dos circunstancias:
• En caso de que el elemento buscado no exista, se devuelve None.
• En caso de que existan múltiples elementos, se devuelve el primero.
Veamos algunos ejemplos de esto:
>>> soup.find( form )
<form action="" method="post">
<label for="POST-name">Nombre:</label>
<input id="POST-name" name="name" type="text"/>
<input type="submit" value="Save"/>
</form>
>>> # Elemento que no existe
>>> soup.find( strange-tag )
>>>
>>> # Múltiples "li". Sólo se devuelve el primero
>>> soup.find( li )
<li class="blue"><a href="https://example1.com">Example 1</a></li>
Localizar desde elemento
Todas las búsquedas se pueden realizar desde cualquier elemento preexistente, no únicamente
desde la raíz del DOM.
Veamos un ejemplo de ello. Si tratamos de localizar todos los títulos «h2» vamos a
encontrar dos de ellos:
464 Capítulo 9. Scraping](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-468-320.jpg)
![Aprende Python
>>> soup.find_all( h2 )
[<h2>Some links</h2>, <h2>Formulario</h2>]
Pero si, previamente, nos ubicamos en el segundo bloque de contenido, sólo vamos a encontrar
uno de ellos:
>>> second_block = soup.find_all( div , block )[1]
>>> second_block
<div class="block">
<h2>Formulario</h2>
<form action="" method="post">
<label for="POST-name">Nombre:</label>
<input id="POST-name" name="name" type="text"/>
<input type="submit" value="Save"/>
</form>
</div>
>>> second_block.find_all( h2 )
[<h2>Formulario</h2>]
Otras funciones de búsqueda
Hay definidas una serie de funciones adicionales de búsqueda para cuestiones más
particulares:
• Localizar los «div» superiores a partir de un elemento concreto:
>>> gold = soup.find( li , gold )
>>> gold.find_parents( div )
[<div class="block">
<h2>Some links</h2>
<p>Hi there!</p>
<ul id="data">
<li class="blue"><a href="https://example1.com">Example 1</a></li>
<li class="red"><a href="https://example2.com">Example 2</a></li>
<li class="gold"><a href="https://example3.com">Example 3</a></li>
</ul>
</div>]
Se podría decir que la función find_all() busca en descendientes y que la función
find_parents() busca en ascendientes.
También existe la versión de esta función que devuelve un único elemento:
find_parent().
9.2. beautifulsoup 465](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-469-320.jpg)
![Aprende Python
• Localizar los elementos hermanos siguientes a uno dado:
>>> blue_li = soup.find( li , blue )
>>> blue_li.find_next_siblings()
[<li class="red"><a href="https://example2.com">Example 2</a></li>,
<li class="gold"><a href="https://example3.com">Example 3</a></li>]
Al igual que en las anteriores, es posible aplicar un filtro al usar esta función.
También existe la versión de esta función que devuelve un único elemento:
find_next_sibling().
• Localizar los elementos hermanos anteriores a uno dado:
>>> gold_li = soup.find( li , gold )
>>> gold_li.find_previous_siblings()
[<li class="red"><a href="https://example2.com">Example 2</a></li>,
<li class="blue"><a href="https://example1.com">Example 1</a></li>]
Al igual que en las anteriores, es posible aplicar un filtro al usar esta función.
También existe la versión de esta función que devuelve un único elemento:
find_previous_sibling().
• Localizar todos los elementos a continuación de uno dado:
>>> submit = soup.find( input , type= submit )
>>> submit.find_all_next()
[<div class="footer">
This is the footer
<span class="inline"><p>This is span 1</p></span>
<span class="inline"><p>This is span 2</p></span>
<span class="inline"><p>This is span 2</p></span>
</div>,
<span class="inline"><p>This is span 1</p></span>,
<p>This is span 1</p>,
<span class="inline"><p>This is span 2</p></span>,
<p>This is span 2</p>,
<span class="inline"><p>This is span 2</p></span>,
<p>This is span 2</p>]
Al igual que en las anteriores, es posible aplicar un filtro al usar esta función.
También existe la versión de esta función que devuelve un único elemento: find_next().
• Localizar todos los elementos previos a uno dado:
466 Capítulo 9. Scraping](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-470-320.jpg)
![Aprende Python
>>> ul_data = soup.find( ul , id= data )
>>> ul_data.find_all_previous([ h1 , h2 ])
[<h2>Some links</h2>, <h1>Just testing</h1>]
También existe la versión de esta función que devuelve un único elemento:
find_previous().
Si hubiéramos hecho esta búsqueda usando find_parents() no habríamos obtenido el
mismo resultado ya que los elementos de título no son elementos superiores de «ul»:
>>> ul_data.find_parents([ h1 , h2 ])
[]
Atajo para búsquedas
Dado que la función find_all() es la más utilizada en Beautiful Soup se ha implementado
un atajo para llamarla:
>>> soup.find_all( span )
[<span class="inline"><p>This is span 1</p></span>,
<span class="inline"><p>This is span 2</p></span>,
<span class="inline"><p>This is span 2</p></span>]
>>> soup( span )
[<span class="inline"><p>This is span 1</p></span>,
<span class="inline"><p>This is span 2</p></span>,
<span class="inline"><p>This is span 2</p></span>]
Aunque uno de los preceptos del Zen de Python es «Explicit is better than implicit», el uso
de estos atajos puede estar justificado en función de muchas circunstancias.
9.2.3 Acceder al contenido
Simplificando, podríamos decir que cada elemento de la famosa «sopa» de Beautiful Soup
puede ser un bs4.element.Tag o un «string».
Para el caso de los «tags» existe la posibilidad de acceder a su contenido, al nombre del
elemento o a sus atributos.
9.2. beautifulsoup 467](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-471-320.jpg)
![Aprende Python
Nombre de etiqueta
Podemos conocer el nombre de la etiqueta de un elemento usando el atributo name:
>>> soup.name
[document]
>>> elem = soup.find( ul , id= data )
>>> elem.name
ul
>>> elem = soup.find( h1 )
>>> elem.name
h1
Truco: Es posible modificar el nombre de una etiqueta con una simple asignación.
Acceso a atributos
Los atributos de un elemento están disponibles como claves de un diccionario:
>>> elem = soup.find( input , id= POST-name )
>>> elem
<input id="POST-name" name="name" type="text"/>
>>> elem[ id ]
POST-name
>>> elem[ name ]
name
>>> elem[ type ]
text
Exite una forma de acceder al diccionario completo de atributos:
>>> elem.attrs
{ id : POST-name , type : text , name : name }
Truco: Es posible modificar el valor de un atributo con una simple asignación.
468 Capítulo 9. Scraping](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-472-320.jpg)
![Aprende Python
Contenido textual
Es necesario aclarar las distintas opciones que proporciona Beautiful Soup para acceder al
contenido textual de los elementos del DOM.
Atributo Devuelve
text Una cadena de texto con todos los contenidos textuales del elemento
incluyendo espacios y saltos de línea
strings Un generador de todos los contenidos textuales del elemento incluyendo
espacios y saltos de línea
stripped_strings
Un generador de todos los contenidos textuales del elemento eliminando
espacios y saltos de línea
string Una cadena de texto con el contenido del elemento, siempre que contenga
un único elemento textual
Ejemplos:
>>> footer = soup.find(class_= footer )
>>> footer.text
n This is the footern This is span 1nThis is span 2nThis is span 2n
>>> list(footer.strings)
[ n This is the footern ,
This is span 1 ,
n ,
This is span 2 ,
n ,
This is span 2 ,
n ]
>>> list(footer.stripped_strings)
[ This is the footer , This is span 1 , This is span 2 , This is span 2 ]
>>> footer.string # El "footer" contiene varios elementos
>>> footer.span.string # El "span" sólo contiene un elemento
This is span 1
9.2. beautifulsoup 469](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-473-320.jpg)
![Aprende Python
9.2.4 Navegar por el DOM
Además de localizar elementos, este paquete permite moverse por los elementos del DOM de
manera muy sencilla.
Moverse hacia abajo
Para ir profundizando en el DOM podemos utilizar los nombres de los «tags» como
atributos del objeto, teniendo en cuenta que si existen múltiples elementos sólo se accederá
al primero de ellos:
>>> soup.div.p
<p>Hi there!</p>
>>> soup.form.label
<label for="POST-name">Nombre:</label>
>>> type(soup.span)
bs4.element.Tag
Existe la opción de obtener el contenido (como lista) de un determinado elemento:
>>> type(soup.form) # todos los elementos del DOM son de este tipo
bs4.element.Tag
>>> soup.form.contents
[ n ,
<label for="POST-name">Nombre:</label>,
n ,
<input id="POST-name" name="name" type="text"/>,
n ,
<input type="submit" value="Save"/>,
n ]
>>> type(soup.form.contents)
list
Advertencia: En la lista que devuelve contents hay mezcla de «strings» y objetos
bs4.element.Tag.
Si no se quiere explicitar el contenido de un elemento como lista, también es posible usar un
generador para acceder al mismo de forma secuencial:
9.2. beautifulsoup 471](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-475-320.jpg)
![Aprende Python
>>> soup.form.children
<list_iterator at 0x106643100>
>>> for elem in soup.form.children:
... print(repr(elem))
...
n
<label for="POST-name">Nombre:</label>
n
<input id="POST-name" name="name" type="text"/>
n
<input type="submit" value="Save"/>
n
El atributo contents sólo tiene en cuenta descendientes directos. Si queremos acceder
a cualquier elemento descendiente (de manera recursiva) tenemos que usar
descendants:
>>> block = soup.find_all( div )[1]
>>> block.contents
[ n ,
<h2>Formulario</h2>,
n ,
<form action="" method="post">
<label for="POST-name">Nombre:</label>
<input id="POST-name" name="name" type="text"/>
<input type="submit" value="Save"/>
</form>,
n ]
>>> block.descendants
<generator object Tag.descendants at 0x10675d200>
>>> list(block.descendants)
[ n ,
<h2>Formulario</h2>,
Formulario ,
n ,
<form action="" method="post">
<label for="POST-name">Nombre:</label>
<input id="POST-name" name="name" type="text"/>
<input type="submit" value="Save"/>
</form>,
n ,
<label for="POST-name">Nombre:</label>,
(continué en la próxima página)
472 Capítulo 9. Scraping](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-476-320.jpg)
![Aprende Python
(proviene de la página anterior)
Nombre: ,
n ,
<input id="POST-name" name="name" type="text"/>,
n ,
<input type="submit" value="Save"/>,
n ,
n ]
Importante: Tener en cuenta que descendants es un generador que devuelve un iterable.
Moverse hacia arriba
Para acceder al elemento superior de otro dado, podemos usar el atributo parent:
>>> li = soup.find( li , blue )
>>> li.parent
<ul id="data">
<li class="blue"><a href="https://example1.com">Example 1</a></li>
<li class="red"><a href="https://example2.com">Example 2</a></li>
<li class="gold"><a href="https://example3.com">Example 3</a></li>
</ul>
También podemos acceder a todos los elementos superiores (ascendientes) usando el
generador parents:
>>> for elem in li.parents:
... print(elem.name)
...
ul
div
body
html
[document]
9.2. beautifulsoup 473](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-477-320.jpg)
![Aprende Python
Escriba un programa en Python que, utilizando Selenium, pulse el botón de «¡JUGAR!»
en el sitio web https://wordle.danielfrg.com/. Los selectores «xpath» pueden ser de mucha
ayuda.
Enviar texto
Típicamente encontraremos situaciones donde habrá que enviar texto a algún campo de
entrada de un sitio web. Selenium nos permite hacer esto.
Veamos un ejemplo en el que tratamos de hacer login sobre PyPI:
>>> driver = webdriver.Firefox()
>>> driver.get( https://pypi.org/account/login/ )
>>> username = driver.find_element_by_id( username )
>>> password = driver.find_element_by_id( password )
>>> username.send_keys( sdelquin )
>>> password.send_keys( 1234 )
>>> login_btn_xpath = //*[@id="content"]/div/div/form/div[2]/div[3]/div/div/input
>>> login_btn = driver.find_element_by_xpath(login_btn_xpath)
>>> login_btn.click()
En el caso de que queramos enviar alguna tecla «especial», Selenium nos proporciona un
conjunto de símbolos para ello, definidos en selenium.webdriver.common.keys.
Por ejemplo, si quisiéramos enviar las teclas de cursor, haríamos lo siguiente:
>>> from selenium.webdriver.common.keys import Keys
>>> element.send_keys(Keys.RIGHT) # →
>>> element.send_keys(Keys.DOWN) # ↓
>>> element.send_keys(Keys.LEFT) # ←
>>> element.send_keys(Keys.UP) # ↑
Ejercicio
Escriba un programa en Python utilizando Selenium que, dada una palabra de 5 caracteres,
permita enviar ese «string» a https://wordle.danielfrg.com/ para jugar.
Tenga en cuenta lo siguiente:
• En primer lugar hay que pulsar el botón de «¡JUGAR!».
482 Capítulo 9. Scraping](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-486-320.jpg)
![Aprende Python
>>> lang_handler.all_selected_options
[<selenium.webdriver.firefox.webelement.FirefoxWebElement (session="8612e5b7-6e66-
˓
→4121-8869-ffce4139d197", element="8433ffdb-a8ad-4e0e-9367-d63fe1418b94")>]
>>> lang_handler.first_selected_option
<selenium.webdriver.firefox.webelement.FirefoxWebElement (session="8612e5b7-6e66-
˓
→4121-8869-ffce4139d197", element="8433ffdb-a8ad-4e0e-9367-d63fe1418b94")>
También es posible listar todas las opciones disponibles en el elemento select:
>>> lang_handler.options
[..., ..., ...]
Ver también:
API del objeto Select
9.3.6 Acceso a atributos
Como ya hemos comentado, los objetos del DOM con los que trabaja Selenium son de tipo
FirefoxWebElement. Veremos los mecanismos disponibles para poder acceder a sus atributos.
Para ejemplificar el acceso a la información de los elementos del DOM, vamos a localizar
el botón de descarga en la web de Ubuntu:
>>> from selenium import webdriver
>>> driver = webdriver.Firefox()
>>> driver.get( https://ubuntu.com/ )
>>> # Aceptar las cookies
>>> cookies = driver.find_element_by_id( cookie-policy-button-accept )
>>> cookies.click()
>>> download_btn = driver.find_element_by_id( takeover-primary-url )
Nombre de etiqueta
>>> download_btn.tag_name
a
484 Capítulo 9. Scraping](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-488-320.jpg)
![Aprende Python
(proviene de la página anterior)
>>> footer = WebDriverWait(driver, 10).until(
... EC.presence_of_element_located((By.ID, footer )))
>>> print(footer.text)
STACK OVERFLOW
Questions
Jobs
Developer Jobs Directory
Salary Calculator
Help
Mobile
...
Figura 2: Anatomía de una condición de espera
Atención: En el caso de que el elemento por el que estamos esperando no «aparezca»
en el DOM, y una vez pasado el tiempo de «timeout», Selenium eleva una excepción de
tipo selenium.common.exceptions.TimeoutException.
9.3.8 Ejecutar javascript
Puede llegar a ser muy útil la ejecución de javascript en el navegador. La casuística es muy
variada. En cualquier caso, Selenium nos proporciona el método execute_script() para
esta tarea.
Supongamos un ejemplo en el que queremos navegar a la web de GitHub y hacer
«scroll» hasta el final de la página:
>>> driver = webdriver.Firefox()
>>> driver.get( https://github.com )
>>> body = driver.find_element_by_tag_name( body )
>>> driver.execute_script( arguments[0].scrollIntoView(false) , body)
9.3. selenium 487](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-491-320.jpg)
![Aprende Python
Cuando en la función execute_script() se hace referencia al array arguments[] podemos
pasar elementos Selenium como argumentos y aprovechar así las potencialidades javascript.
El primer argumento corresponde al índice 0, el segundo argumento al índice 1, y así
sucesivamente.
Ejercicio
Escriba un programa en Python que permita sacar un listado de supermercados Mercadona
dada una geolocalización (lat,lon) como dato de entrada.
Pasos a seguir:
1. Utilizar el siguiente f-string para obtener la url de acceso: f https://info.mercadona.
es/es/supermercados?coord={lat}%2C{lon}
2. Aceptar las cookies al acceder al sitio web.
3. Hacer scroll hasta el final de la página para hacer visible el botón «Ver todos». Se
recomienda usar javascript para ello.
4. Localizar el botón «Ver todos» y hacer clic para mostrar todos los establecimientos
(de la geolocalización). Se recomienda una espera explícita con acceso por «xpath».
5. Recorrer los elementos desplegados li y mostrar el contenido textual de los elementos
h3 que hay en su interior.
Como detalle final, y una vez que compruebe que el programa funciona correctamente,
aproveche para inicializar el «driver» ocultando la ventana del navegador.
Puede probar su programa con la localización de Las Palmas de Gran Canaria (28.1035677,
-15.5319742).
488 Capítulo 9. Scraping](https://image.slidesharecdn.com/aprendepython-220921182510-0e5e0868/85/aprendepython-pdf-492-320.jpg)
aprendepython.pdf
- 1. Aprende Python Sergio Delgado Quintero 01 de abril de 2022
- 3. Core 1 Introducción 3 1.1 Hablando con la máquina . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2 Algo de historia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.3 Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 2 Entornos de desarrollo 21 2.1 Thonny . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.2 Contexto real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 3 Tipos de datos 37 3.1 Datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 3.2 Números . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 3.3 Cadenas de texto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 4 Control de flujo 89 4.1 Condicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 4.2 Bucles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 5 Estructuras de datos 119 5.1 Listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 5.2 Tuplas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147 5.3 Diccionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154 5.4 Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172 5.5 Ficheros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179 6 Modularidad 187 6.1 Funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188 6.2 Objetos y Clases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228 6.3 Excepciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256 6.4 Módulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263 i
- 4. 7 Procesamiento de texto 271 7.1 string . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272 8 Ciencia de datos 277 8.1 jupyter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278 8.2 numpy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302 8.3 pandas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345 8.4 matplotlib . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 409 9 Scraping 451 9.1 requests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 452 9.2 beautifulsoup . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 460 9.3 selenium . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 475 ii
- 5. Aprende Python Curso gratuito para aprender el lenguaje de programación Python con un enfoque práctico, incluyendo ejercicios y cobertura para distintos niveles de conocimiento.1 Licencia: GNU General Public License v3.0: GPLv3. Consejo: «Programming is not about typing, it’s about thinking.» – Rich Hickey 1 En la foto de portada aparecen los Monty Python. Fuente: noticiascyl Core 1
- 7. CAPÍTULO 1 Introducción Este capítulo es una introducción a la programación para conocer, desde un enfoque sencillo pero aclaratorio, los mecanismos que hay detrás de ello. 1.1 Hablando con la máquina 3
- 8. Aprende Python Los ordenadores son dispositivos complejos pero están diseñados para hacer una cosa bien: ejecutar aquello que se les indica. La cuestión es cómo indicar a un ordenador lo que queremos que ejecute. Esas indicaciones se llaman técnicamente instrucciones y se expresan en un lenguaje. Podríamos decir que programar consiste en escribir instrucciones para que sean ejecutadas por un ordenador. El lenguaje que utilizamos para ello se denomina lenguaje de programación.1 1.1.1 Código máquina Pero aún seguimos con el problema de cómo hacer que un ordenador (o máquina) entienda el lenguaje de programación. A priori podríamos decir que un ordenador sólo entiende un lenguaje muy «simple» denominado código máquina. En este lenguaje se utilizan únicamente los símbolos 0 y 1 en representación de los niveles de tensión alto y bajo, que al fin y al cabo, son los estados que puede manejar un circuito digital. Hablamos de sistema binario. Si tuviéramos que escribir programas de ordenador en este formato sería una tarea ardua, pero afortunadamente se han ido creando con el tiempo lenguajes de programación intermedios que, posteriormente, son convertidos a código máquina. Si intentamos visualizar un programa en código máquina, únicamente obtendríamos una secuencia de ceros y unos: 00001000 00000010 01111011 10101100 10010111 11011001 01000000 01100010 00110100 00010111 01101111 10111001 01010110 00110001 00101010 00011111 10000011 11001101 11110101 01001110 01010010 10100001 01101010 00001111 11101010 00100111 11000100 01110101 11011011 00010110 10011111 01010110 1.1.2 Ensamblador El primer lenguaje de programación que encontramos en esta «escalada» es ensamblador. Veamos un ejemplo de código en ensamblador del típico programa que se escribe por primera vez, el «Hello, World»: SYS_SALIDA equ 1 section .data msg db "Hello, World",0x0a len equ $ - msg ;longitud de msg section .text global _start ;para el linker _start: ;marca la entrada mov eax, 4 ;llamada al sistema (sys_write) (continué en la próxima página) 1 Foto original por Garett Mizunaka en Unsplash. 4 Capítulo 1. Introducción
- 9. Aprende Python (proviene de la página anterior) mov ebx, 1 ;descripción de archivo (stdout) mov ecx, msg ;msg a escribir mov edx, len ;longitud del mensaje int 0x80 ;llama al sistema de interrupciones fin: mov eax, SYS_SALIDA ;llamada al sistema (sys_exit) int 0x80 Aunque resulte difícil de creer, lo «único» que hace este programa es mostrar en la pantalla de nuestro ordenador la frase «Hello, World», pero además teniendo en cuenta que sólo funcionará para una arquitectura x86. 1.1.3 C Aunque el lenguaje ensamblador nos facilita un poco la tarea de desarrollar programas, sigue siendo bastante complicado ya que las instrucciones son muy específicas y no proporcionan una semántica entendible. Uno de los lenguajes que vino a suplir – en parte – estos obstáculos fue C. Considerado para muchas personas como un referente en cuanto a los lenguajes de programación, permite hacer uso de instrucciones más claras y potentes. El mismo ejemplo anterior del programa «Hello, World» se escribiría así en lenguaje C: #include <stdio.h> int main() { printf("Hello, World"); return 0; } 1.1.4 Python Si seguimos «subiendo» en esta lista de lenguajes de programación, podemos llegar hasta Python. Se dice que es un lenguaje de más alto nivel en el sentido de que sus instrucciones son más entendibles por un humano. Veamos cómo se escribiría el programa «Hello, World» en el lenguaje de programación Python: print( Hello, World ) ¡Pues así de fácil! Hemos pasado de código máquina (ceros y unos) a código Python en el que se puede entender perfectamente lo que estamos indicando al ordenador. La pregunta que surge es: ¿cómo entiende una máquina lo que tiene que hacer si le pasamos un programa hecho en Python (o cualquier otro lenguaje de alto nivel)? La respuesta es un compilador. 1.1. Hablando con la máquina 5
- 10. Aprende Python 1.1.5 Compiladores Los compiladores son programas que convierten un lenguaje «cualquiera» en código máquina. Se pueden ver como traductores, permitiendo a la máquina interpretar lo que queremos hacer. Figura 1: Esquema de funcionamiento de un compilador2 Nota: Para ser más exactos, en Python hablamos de un intérprete en vez de un compilador, pero a los efectos es prácticamente lo mismo. La diferencia está en que el intérprete realiza la «compilación» (interpretación) y la «ejecución» de una vez, mientras que el compilador genera un formato «ejecutable» (código objeto) que se ejecuta en otra fase posterior. 2 Iconos originales por Flaticon. 6 Capítulo 1. Introducción
- 11. Aprende Python 1.2 Algo de historia La historia de la programación está relacionada directamente con la aparición de los computadores, que ya desde el siglo XV tuvo sus inicios con la construcción de una máquina que realizaba operaciones básicas y raíces cuadradas (Gottfried Wilheml von Leibniz); aunque en realidad la primera gran influencia hacia la creación de los computadores fue la máquina diferencial para el cálculo de polinomios, proyecto no concluido de Charles Babbage (1793-1871) con el apoyo de Lady Ada Countess of Lovelace (1815-1852), primera persona que incursionó en la programación y de quien proviene el nombre del lenguaje de programación ADA creado por el DoD (Departamento de defensa de Estados Unidos) en la década de 1970.1 1.2.1 Hitos de la computación La siguiente tabla es un resumen de los principales hitos en la historia de la computación: Tabla 1: Hitos en la computación Personaje Aporte Año Gottfried Leibniz Máquinas de operaciones básicas XV Charles Babbage Máquina diferencial para el cálculo de polinomios XVII continué en la próxima página 1 Foto original por Dario Veronesi en Unsplash. 1.2. Algo de historia 7
- 12. Aprende Python Tabla 1 – proviene de la página anterior Personaje Aporte Año Ada Lovelace Matemática, informática y escritora británica. Primera programadora de la historia por el desarrollo de algoritmos para la máquina analítica de Babbage XVII George Boole Contribuyó al algebra binaria y a los sistemas de circuitos de computadora (álgebra booleana) 1854 Herman Hollerit Creador de un sistema para automatizar la pesada tarea del censo 1890 Alan Turing Máquina de Turing - una máquina capaz de resolver problemas - Aportes de Lógica Matemática - Computadora con tubos de vacío 1936 John Atanasoff Primera computadora digital electrónica patentada: Atanasoff Berry Computer (ABC) 1942 Howard Aiken En colaboración con IBM desarrolló el Mark I, una computadora electromecánica de 16 metros de largo y más de dos de alto que podía realizar las cuatro operaciones básicas y trabajar con información almacenada en forma de tablas 1944 Grace Hopper Primera programadora que utilizó el Mark I 1945 John W. Mauchly Junto a John Presper Eckert desarrolló una computadora electrónica completamente operacional a gran escala llamada Electronic Numerical Integrator And Computer (ENIAC) 1946 John Von Neumann Propuso guardar en memoria no solo la información, sino también los programas, acelerando los procesos 1946 Luego los avances en las ciencias informáticas han sido muy acelerados, se reemplazaron los tubos de vacío por transistores en 1958 y en el mismo año, se sustituyeron por circuitos integrados, y en 1961 se miniaturizaron en chips de silicio. En 1971 apareció el primer microprocesador de Intel; y en 1973 el primer sistema operativo CP/M. El primer computador personal es comercializado por IBM en el año 1980. 2 Fuente: Meatze. 8 Capítulo 1. Introducción
- 13. Aprende Python Figura 2: Ada Lovelace: primera programadora de la historia2 1.2. Algo de historia 9
- 14. Aprende Python 1.2.2 De los computadores a la programación De acuerdo a este breve viaje por la historia, la programación está vinculada a la aparición de los computadores, y los lenguajes tuvieron también su evolución. Inicialmente, como ya hemos visto, se programaba en código binario, es decir en cadenas de 0s y 1s, que es el lenguaje que entiende directamente el computador, tarea extremadamente difícil; luego se creó el lenguaje ensamblador, que aunque era lo mismo que programar en binario, al estar en letras era más fácil de recordar. Posteriormente aparecieron lenguajes de alto nivel, que en general, utilizan palabras en inglés, para dar las órdenes a seguir, para lo cual utilizan un proceso intermedio entre el lenguaje máquina y el nuevo código llamado código fuente, este proceso puede ser un compilador o un intérprete. Un compilador lee todas las instrucciones y genera un resultado; un intérprete ejecuta y genera resultados línea a línea. En cualquier caso han aparecido nuevos lenguajes de programación, unos denominados estructurados y en la actualidad en cambio los lenguajes orientados a objetos y los lenguajes orientados a eventos.3 1.2.3 Cronología de lenguajes de programación Desde la década de 1950 se han sucedido multitud de lenguajes de programación que cada vez incorporan más funcionalidades destinadas a cubrir las necesidades del desarrollo de aplicaciones. A continuación se muestra una tabla con la historia de los lenguajes de programación más destacados: El número actual de lenguajes de programación depende de lo que se considere un lenguaje de programación y a quién se pregunte. Según TIOBE más de 250; según Wikipedia más de 700, según Language List más de 2500; y para una cifra muy alta podemos considerar a Online Historical Encyclopaedia of Programming Languages que se acerca a los 9000. 1.2.4 Creadores de lenguajes de programación El avance de la computación está íntimamente relacionado con el desarrollo de los lenguajes de programación. Sus creadores y creadoras juegan un rol fundamental en la historia tecnológica. Veamos algunas de estas personas:4 Tabla 2: Creadores de lenguajes de programación Personaje Aporte Alan Cooper Desarrollador de Visual Basic Alan Kay Pionero en programación orientada a objetos. Creador de Smalltalk continué en la próxima página 3 Fuente: Universidad Técnica del Norte. 4 Fuente: Wikipedia. 10 Capítulo 1. Introducción
- 15. Aprende Python Tabla 2 – proviene de la página anterior Personaje Aporte Anders Hejlsberg Desarrollador de Turbo Pascal, Delphi y C# Bertrand Meyer Inventor de Eiffel Bill Joy Inventor de vi. Autor de BSD Unix. Creador de SunOS, el cual se convirtió en Solaris Bjarne Stroustrup Desarrollador de C++ Brian Kernighan Coautor del primer libro de programación en lenguaje C con Dennis Ritchie y coautor de los lenguajes de programación AWK y AMPL Dennis Ritchie Inventor de C. Sistema Operativo Unix Edsger W. Dijkstra Desarrolló las bases para la programación estructurada Grace Hopper Desarrolladora de Flow-Matic, influenciando el lenguaje COBOL Guido van Rossum Creador de Python James Gosling Desarrollador de Oak. Precursor de Java Joe Armstrong Creador de Erlang John Backus Inventor de Fortran John McCarthy Inventor de LISP John von Neumann Creador del concepto de sistema operativo Ken Thompson Inventor de B. Desarrollador de Go. Coautor del sistema operativo Unix Kenneth E. Iverson Desarrollador de APL. Co-desarrollador de J junto a Roger Hui Larry Wall Creador de Perl y Perl 6 Martin Odersky Creador de Scala. Previamente contribuyó en el diseño de Java Mitchel Resnick Creador del lenguaje visual Scratch Nathaniel Rochester Inventor del primer lenguaje en ensamblador simbólico (IBM 701) Niklaus Wirth Inventor de Pascal, Modula y Oberon Robin Milner Inventor de ML. Compartió crédito en el método Hindley–Milner de inferencia de tipo polimórfica Seymour Papert Pionero de la inteligencia artificial. Inventor del lenguaje de programación Logo en 1968 Stephen Wolfram Creador de Mathematica Yukihiro Matsumoto Creador de Ruby 1.2. Algo de historia 11
- 16. Aprende Python Figura 3: Cronología de los lenguajes de programación más destacados 12 Capítulo 1. Introducción
- 17. Aprende Python 1.3 Python Python es un lenguaje de programación de alto nivel creado a finales de los 80/principios de los 90 por Guido van Rossum, holandés que trabajaba por aquella época en el Centro para las Matemáticas y la Informática de los Países Bajos. Sus instrucciones están muy cercanas al lenguaje natural en inglés y se hace hincapié en la legibilidad del código. Toma su nombre de los Monty Python, grupo humorista de los 60 que gustaban mucho a Guido. Python fue creado como sucesor del lenguaje ABC.1 1.3.1 Características del lenguaje A partir de su definición de la Wikipedia: • Python es un lenguaje de programación interpretado y multiplataforma cuya filosofía hace hincapié en una sintaxis que favorezca un código legible. • Se trata de un lenguaje de programación multiparadigma, ya que soporta orientación a objetos, programación imperativa y, en menor medida, programación funcional. • Añadiría, como característica destacada, que se trata de un lenguaje de propósito general. 1 Foto original por Markéta Marcellová en Unsplash. 1.3. Python 13
- 18. Aprende Python Ventajas • Libre y gratuito (OpenSource). • Fácil de leer, parecido a pseudocódigo. • Aprendizaje relativamente fácil y rápido: claro, intuitivo…. • Alto nivel. • Alta Productividad: simple y rápido. • Tiende a producir un buen código: orden, limpieza, elegancia, flexibilidad, … • Multiplataforma. Portable. • Multiparadigma: programación imperativa, orientada a objetos, funcional, … • Interactivo, modular, dinámico. • Librerías extensivas («pilas incluídas»). • Gran cantidad de librerías de terceros. • Extensible (C++, C, …) y «embebible». • Gran comunidad, amplio soporte. • Interpretado. • Tipado dinámico5 . • Fuertemente tipado6 . • Hay diferentes implementaciones: CPython, PyPy, Jython, IronPython, MicroPython, … Desventajas • Interpretado (velocidad de ejecución, multithread vs GIL, etc.). • Consumo de memoria. • Errores durante la ejecución. • Dos versiones mayores no del todo compatibles (v2 vs v3). • Desarrollo móvil. • Documentación a veces dispersa e incompleta. 5 Tipado dinámico significa que una variable puede cambiar de tipo durante el tiempo de vida de un programa. C es un lenguaje de tipado estático. 6 Fuertemente tipado significa que, de manera nativa, no podemos operar con dos variables de tipos distintos, a menos que realice una conversión explícita. Javascript es un lenguaje débilmente tipado. 14 Capítulo 1. Introducción
- 19. Aprende Python • Varios módulos para la misma funcionalidad. • Librerías de terceros no siempre del todo maduras. 1.3.2 Uso de Python Al ser un lenguaje de propósito general, podemos encontrar aplicaciones prácticamente en todos los campos científico-tecnológicos: • Análisis de datos. • Aplicaciones de escritorio. • Bases de datos relacionales / NoSQL • Buenas prácticas de programación / Patrones de diseño. • Concurrencia. • Criptomonedas / Blockchain. • Desarrollo de aplicaciones multimedia. • Desarrollo de juegos. • Desarrollo en dispositivos embebidos. • Desarrollo móvil. • Desarrollo web. • DevOps / Administración de sistemas / Scripts de automatización. • Gráficos por ordenador. • Inteligencia artificial. • Internet de las cosas. • Machine Learning. • Programación de parsers / scrapers / crawlers. • Programación de redes. • Propósitos educativos. • Prototipado de software. • Seguridad. • Tests automatizados. De igual modo son muchas las empresas, instituciones y organismos que utilizan Python en su día a día para mejorar sus sistemas de información. Veamos algunas de las más relevantes: 1.3. Python 15
- 20. Aprende Python Figura 4: Grandes empresas y organismos que usan Python Existen ránkings y estudios de mercado que sitúan a Python como uno de los lenguajes más usados y la vez, más amados dentro del mundo del desarrollo de software. En el momento de la escritura de este documento, la última actualización del Índice TIOBE es de febrero de 2022 en el que Python ocupaba el primer lugar de los lenguajes de programación más usados, por delante de C y Java. Figura 5: Índice TIOBE 2022 Igualmente en la encuesta a desarrolladores de Stack Overflow hecha en 2021, Python ocupaba el tercer puesto de los lenguajes de programación más populares, sólo por detrás de Javascript y HTML/CSS. 16 Capítulo 1. Introducción
- 21. Aprende Python Figura 6: Encuesta Stack Overflow 2021 1.3.3 Python2 vs Python3 En el momento de la escritura de este material, se muestra a continuación la evolución de las versiones mayores de Python a lo largo de la historia:3 Versión Fecha de lanzamiento Python 1.0 Enero 1994 Python 1.5 Diciembre 1997 Python 1.6 Septiembre 2000 Python 2.0 Octubre 2000 Python 2.1 Abril 2001 Python 2.2 Diciembre 2001 Python 2.3 Julio 2003 Python 2.4 Noviembre 2004 Python 2.5 Septiembre 2006 Python 2.6 Octubre 2008 Python 2.7 Julio 2010 Python 3.0 Diciembre 2008 Python 3.1 Junio 2009 Python 3.2 Febrero 2011 Python 3.3 Septiembre 2012 Python 3.4 Marzo 2014 Python 3.5 Septiembre 2015 Python 3.6 Diciembre 2016 Python 3.7 Junio 2018 Python 3.8 Octubre 2019 Python 3.9 Octubre 2020 Python 3.10 Octubre 2021 El cambio de Python 2 a Python 3 fue bastante «traumático» ya que se perdió la compatibilidad en muchas de las estructuras del lenguaje. Los «core-developers»4 , con Guido van Rossum a la cabeza, vieron la necesidad de aplicar estas modificaciones en beneficio del rendimiento y expresividad del lenguaje de programación. Este cambio implicaba que el código escrito en Python 2 no funcionaría (de manera inmediata) en Python 3. El pasado 1 de enero de 2020 finalizó oficialmente el soporte a la versión 2.7 del lenguaje de programación Python. Es por ello que se recomienda lo siguiente: 1.3. Python 17
- 22. Aprende Python Importante: Únete a Python 3 y aprovecha todas sus ventajas. 1.3.4 Zen de Python Existen una serie de reglas «filosóficas» que indican una manera de hacer y de pensar dentro del mundo pitónico2 creadas por Tim Peters, llamadas el Zen de Python y que se pueden aplicar incluso más allá de la programación: >>> import this The Zen of Python, by Tim Peters Beautiful is better than ugly. Explicit is better than implicit. Simple is better than complex. Complex is better than complicated. Flat is better than nested. Sparse is better than dense. Readability counts. Special cases aren t special enough to break the rules. Although practicality beats purity. Errors should never pass silently. Unless explicitly silenced. In the face of ambiguity, refuse the temptation to guess. There should be one-- and preferably only one --obvious way to do it. Although that way may not be obvious at first unless you re Dutch. Now is better than never. Although never is often better than *right* now. If the implementation is hard to explain, it s a bad idea. If the implementation is easy to explain, it may be a good idea. Namespaces are one honking great idea -- let s do more of those! En su traducción de la Wikipedia: • Bello es mejor que feo. • Explícito es mejor que implícito. • Simple es mejor que complejo. • Complejo es mejor que complicado. • Plano es mejor que anidado. • Espaciado es mejor que denso. 2 Dícese de algo/alguien que sigue las convenciones de Python. 18 Capítulo 1. Introducción
- 23. Aprende Python • La legibilidad es importante. • Los casos especiales no son lo suficientemente especiales como para romper las reglas. • Sin embargo la practicidad le gana a la pureza. • Los errores nunca deberían pasar silenciosamente. • A menos que se silencien explícitamente. • Frente a la ambigüedad, evitar la tentación de adivinar. • Debería haber una, y preferiblemente solo una, manera obvia de hacerlo. • A pesar de que esa manera no sea obvia a menos que seas Holandés. • Ahora es mejor que nunca. • A pesar de que nunca es muchas veces mejor que ahora mismo. • Si la implementación es difícil de explicar, es una mala idea. • Si la implementación es fácil de explicar, puede que sea una buena idea. • Los espacios de nombres son una gran idea, ¡tengamos más de esos! 1.3. Python 19
- 24. Aprende Python 20 Capítulo 1. Introducción
- 25. CAPÍTULO 2 Entornos de desarrollo Para poder utilizar Python debemos preparar nuestra máquina con las herramientas necesarias. Este capítulo trata sobre la instalación y configuración de los elementos adecuados para el desarrollo con el lenguaje de programación Python. 21
- 26. Aprende Python 2.1 Thonny Cuando vamos a trabajar con Python debemos tener instalado, como mínimo, un intérprete del lenguaje (para otros lenguajes sería un compilador). El intérprete nos permitirá ejecutar nuestro código para obtener los resultados deseados. La idea del intéprete es lanzar instrucciones «sueltas» para probar determinados aspectos. Pero normalmente queremos ir un poco más allá y poder escribir programas algo más largos, por lo que también necesitaremos un editor. Un editor es un programa que nos permite crear ficheros de código (en nuestro caso con extensión *.py), que luego son ejecutados por el intérprete. Hay otra herramienta interesante dentro del entorno de desarrollo que sería el depurador. Lo podemos encontrar habitualmente en la bibliografía por su nombre inglés debugger. Es el módulo que nos permite ejecutar paso a paso nuestro código y visualizar qué está ocurriendo en cada momento. Se suele usar normalmente para encontrar fallos (bugs) en nuestros programas y poder solucionarlos (debug/fix). Thonny es un programa muy interesante para empezar a aprender Python ya que engloba estas tres herramientas: intérprete, editor y depurador.1 1 Foto original de portada por freddie marriage en Unsplash. 22 Capítulo 2. Entornos de desarrollo
- 27. Aprende Python 2.1.1 Instalación Para instalar Thonny debemos acceder a su web y descargar la aplicación para nuestro sistema operativo. La ventaja es que está disponible tanto para Windows, Mac y Linux. Una vez descargado el fichero lo ejecutamos y seguimos su instalación paso por paso. Una vez terminada la instalación ya podemos lanzar la aplicación que se verá parecida a la siguiente imagen: Figura 1: Aspecto de Thonny al arrancarlo Nota: Es posible que el aspecto del programa varíe ligeramente según el sistema operativo, configuración de escritorio, versión utilizada o idioma (en mi caso está en inglés), pero a efectos de funcionamiento no hay diferencia. Podemos observar que la pantalla está dividida en 3 paneles: • Panel principal que contiene el editor e incluye la etiqueta <untitled> donde escribiremos nuestro código fuente Python. • Panel inferior con la etiqueta Shell que contiene el intérprete de Python. En el momento de la escritura del presente documento, Thonny incluye la versión de Python 3.7.7. • Panel derecho que contiene el depurador. Más concretamente se trata de la ventana de variables donde podemos inspeccionar el valor de las mismas. 2.1. Thonny 23
- 28. Aprende Python Versiones de Python Existen múltiples versiones de Python. Desde el lanzamiento de la versión 1.0 en 1994 se han ido liberando versiones, cada vez, con nuevas características que aportan riqueza al lenguaje: Versión Fecha de lanzamiento Python 1.0 Enero 1994 Python 1.5 Diciembre 1997 Python 1.6 Septiembre 2000 Python 2.0 Octubre 2000 Python 2.1 Abril 2001 Python 2.2 Diciembre 2001 Python 2.3 Julio 2003 Python 2.4 Noviembre 2004 Python 2.5 Septiembre 2006 Python 2.6 Octubre 2008 Python 2.7 Julio 2010 Python 3.0 Diciembre 2008 Python 3.1 Junio 2009 Python 3.2 Febrero 2011 Python 3.3 Septiembre 2012 Python 3.4 Marzo 2014 Python 3.5 Septiembre 2015 Python 3.6 Diciembre 2016 Python 3.7 Junio 2018 Python 3.8 Octubre 2019 Python 3.9 Octubre 2020 Python 3.10 Octubre 2021 Nota: Para ser exactos, esta tabla (y en general todo este manual) versa sobre una implementación concreta de Python denominada CPython, pero existen otras implementaciones alternativas de Python. A los efectos de aprendizaje del lenguaje podemos referirnos a Python (aunque realmente estaríamos hablando de CPython). 24 Capítulo 2. Entornos de desarrollo
- 29. Aprende Python 2.1.2 Probando el intérprete El intérprete de Python (por lo general) se identifica claramente porque posee un prompt2 con tres angulos hacia la derecha >>>. En Thonny lo podemos encontrar en el panel inferior, pero se debe tener en cuenta que el intérprete de Python es una herramienta autocontenida y que la podemos ejecutar desde el símbolo del sistema o la terminal: Lista 1: Invocando el intérprete de Python 3.7 desde una terminal en MacOS $ python3.7 Python 3.7.4 (v3.7.4:e09359112e, Jul 8 2019, 14:54:52) [Clang 6.0 (clang-600.0.57)] on darwin Type "help", "copyright", "credits" or "license" for more information. >>> Para hacer una prueba inicial del intérprete vamos a retomar el primer programa que se suele hacer. Es el llamado «Hello, World». Para ello escribimos lo siguiente en el intérprete y pulsamos la tecla ENTER: >>> print( Hello, World ) Hello, World Lo que hemos hecho es indicarle a Python que ejecute como entrada la instrucción print( Hello, World ). La salida es el texto Hello, World que lo vemos en la siguiente línea (ya sin el prompt >>>). 2.1.3 Probando el editor Ahora vamos a realizar la misma operación, pero en vez de ejecutar la instrucción directamente en el intérprete, vamos a crear un fichero y guardarlo con la sentencia que nos interesa. Para ello escribimos print( Hello, World ) en el panel de edición (superior) y luego guardamos el archivo con el nombre helloworld.py3 : Importante: Los ficheros que contienen programas hechos en Python siempre deben tener la extensión .py Ahora ya podemos ejecutar nuestro fichero helloworld.py. Para ello pulsamos el botón verde con triángulo blanco (en la barra de herramientas) o bien damos a la tecla F5. Veremos que en el panel de Shell nos aparece la salida esperada. Lo que está pasando «entre bambalinas» 2 Término inglés que se refiere al símbolo que precede la línea de comandos. 3 La carpeta donde se guarden los archivos de código no es crítico para su ejecución, pero sí es importante mantener un orden y una organización para tener localizados nuestros ficheros y proyectos. 2.1. Thonny 25
- 30. Aprende Python Figura 2: Guardando nuestro primer programa en Python es que el intérprete de Python está recibiendo como entrada el fichero que hemos creado; lo ejecuta y devuelve la salida para que Thonny nos lo muestre en el panel correspondiente. 2.1.4 Probando el depurador Nos falta por probar el depurador o «debugger». Aunque su funcionamiento va mucho más allá, de momento nos vamos a quedar en la posibilidad de inspeccionar las variables de nuestro programa. Desafortunadamente helloworld.py es muy simple y ni siquiera contiene variables, pero podemos hacer una pequeña modificación al programa para poder incorporarlas: 1 msg = Hello, World 2 print(msg) Aunque ya lo veremos en profundidad, lo que hemos hecho es añadir una variable msg en la línea 1 para luego utilizarla al mostrar por pantalla su contenido. Si ahora volvemos a ejecutar nuestro programa veremos que en el panel de variables nos aparece la siguiente información: Name Value msg Hello, World También existe la posibilidad, a través del depurador, de ir ejecutando nuestro programa paso a paso. Para ello basta con pulsar en el botón que tiene un insecto. Ahí comienza la sesión de depuración y podemos avanzar instrucción por instrucción usando la tecla F7: 26 Capítulo 2. Entornos de desarrollo
- 31. Aprende Python Figura 3: Depurando nuestro primer programa en Python 2.2 Contexto real Hemos visto que Thonny es una herramienta especialmente diseñada para el aprendizaje de Python, integrando diferentes módulos que facilitan su gestión. Si bien lo podemos utilizar para un desarrollo más «serio», se suele recurrir a un flujo de trabajo algo diferente en 2.2. Contexto real 27
- 32. Aprende Python contextos más reales.1 2.2.1 Python La forma más habitual de instalar Python (junto con sus librerías) es descargarlo e instalarlo desde su página oficial: • Versiones de Python para Windows • Versiones de Python para Mac • Versiones de Python para Linux Truco: Tutorial para instalar Python en Windows. Anaconda Otra de las alternativas para disponer de Python en nuestro sistema y que además es muy utilizada, es Anaconda. Se trata de un conjunto de herramientas, orientadas en principio a la ciencia de datos, pero que podemos utilizarlas para desarrollo general en Python (junto con otras librerías adicionales). Existen versiones de pago, pero la distribución Individual Edition es «open-source» y gratuita. Se puede descargar desde su página web. Anaconda trae por defecto una gran cantidad de paquetes Python en su distribución. Ver también: Miniconda es un instalador mínimo que trae por defecto Python y un pequeño número de paquetes útiles. 2.2.2 Gestión de paquetes La instalación limpia2 de Python ya ofrece de por sí muchos paquetes y módulos que vienen por defecto. Es lo que se llama la librería estándar. Pero una de las características más destacables de Python es su inmenso «ecosistema» de paquetes disponibles en el Python Package Index (PyPI). Para gestionar los paquetes que tenemos en nuestro sistema se utiliza la herramienta pip, una utilidad que también se incluye en la instalación de Python. Con ella podremos instalar, 1 Foto original de portada por SpaceX en Unsplash. 2 También llamada «vanilla installation» ya que es la que viene por defecto y no se hace ningúna personalización. 28 Capítulo 2. Entornos de desarrollo
- 33. Aprende Python desinstalar y actualizar paquetes, según nuestras necesidades. A continuación se muestran las instrucciones que usaríamos para cada una de estas operaciones: Lista 2: Instalación, desinstalación y actualización del paquete pandas utilizando pip $ pip install pandas $ pip uninstall pandas $ pip install pandas --upgrade Consejo: Para el caso de Anaconda usaríamos conda install pandas (aunque ya viene preinstalado). 2.2.3 Entornos virtuales Nivel intermedio Cuando trabajamos en distintos proyectos, no todos ellos requieren los mismos paquetes ni siquiera la misma versión de Python. La gestión de estas situaciones no es sencilla si únicamente instalamos paquetes y manejamos configuraciones a nivel global (a nivel de máquina). Es por ello que surge el concepto de entornos virtuales. Como su propio nombre indica se trata de crear distintos entornos en función de las necesidades de cada proyecto, y esto nos permite establecer qué versión de Python usaremos y qué paquetes instalaremos. La manera más sencilla de crear un entorno virtual es la siguiente: 1 $ cd myproject 2 $ python3 -m venv .venv 3 $ source .venv/bin/activate • Línea 1: Entrar en la carpeta de nuestro proyecto. • Línea 2: Crear una carpeta .venv con los ficheros que constituyen el entorno virtual. • Línea 3: Activar el entorno virtual. A partir de aquí todo lo que se instale quedará dentro del entorno virtual. 2.2. Contexto real 29
- 34. Aprende Python virtualenv El paquete de Python que nos proporciona la funcionalidad de crear y gestionar entornos virtuales se denomina virtualenv. Su instalación es sencilla a través del gestor de paquetes pip: $ pip install virtualenv Si bien con virtualenv tenemos las funcionalidades necesarias para trabajar con entornos virtuales, destacaría una herramienta llamada virtualenvwrapper que funciona por encima de virtualenv y que facilita las operaciones sobre entornos virtuales. Su instalación es equivalente a cualquier otro paquete Python: $ pip install virtualenvwrapper Veamos a continuación algunos de los comandos que nos ofrece: $ ~/project1 > mkvirtualenv env1 Using base prefix /Library/Frameworks/Python.framework/Versions/3.7 New python executable in /Users/sdelquin/.virtualenvs/env1/bin/python3.7 Also creating executable in /Users/sdelquin/.virtualenvs/env1/bin/python Installing setuptools, pip, wheel... done. virtualenvwrapper.user_scripts creating /Users/sdelquin/.virtualenvs/env1/bin/ ˓ →predeactivate virtualenvwrapper.user_scripts creating /Users/sdelquin/.virtualenvs/env1/bin/ ˓ →postdeactivate virtualenvwrapper.user_scripts creating /Users/sdelquin/.virtualenvs/env1/bin/ ˓ →preactivate virtualenvwrapper.user_scripts creating /Users/sdelquin/.virtualenvs/env1/bin/ ˓ →postactivate virtualenvwrapper.user_scripts creating /Users/sdelquin/.virtualenvs/env1/bin/get_ ˓ →env_details $ (env1) ~/project1 > pip install requests Collecting requests Using cached requests-2.24.0-py2.py3-none-any.whl (61 kB) Collecting idna<3,>=2.5 Using cached idna-2.10-py2.py3-none-any.whl (58 kB) Collecting certifi>=2017.4.17 Using cached certifi-2020.6.20-py2.py3-none-any.whl (156 kB) Collecting urllib3!=1.25.0,!=1.25.1,<1.26,>=1.21.1 Using cached urllib3-1.25.10-py2.py3-none-any.whl (127 kB) Collecting chardet<4,>=3.0.2 Using cached chardet-3.0.4-py2.py3-none-any.whl (133 kB) Installing collected packages: idna, certifi, urllib3, chardet, requests Successfully installed certifi-2020.6.20 chardet-3.0.4 idna-2.10 requests-2.24.0␣ ˓ →urllib3-1.25.10 (continué en la próxima página) 30 Capítulo 2. Entornos de desarrollo
- 35. Aprende Python (proviene de la página anterior) $ (env1) ~/project1 > deactivate $ ~/project1 > workon env1 $ (env1) ~/project1 > lssitepackages __pycache__ distutils-precedence.pth pkg_resources ␣ ˓ →urllib3-1.25.10.dist-info _distutils_hack easy_install.py requests ␣ ˓ →wheel certifi idna requests-2.24.0.dist-info ␣ ˓ →wheel-0.34.2.dist-info certifi-2020.6.20.dist-info idna-2.10.dist-info setuptools chardet pip setuptools-49.3.2.dist-info chardet-3.0.4.dist-info pip-20.2.2.dist-info urllib3 $ (env1) ~/project1 > • $ mkvirtualenv env1: crea un entorno virtual llamado env1 • $ pip install requests: instala el paquete requests dentro del entorno virtual env1 • $ workon env1: activa el entorno virtual env1 • $ lssitepackages: lista los paquetes instalados en el entorno virtual activo pyenv pyenv permite cambiar fácilmente entre múltiples versiones de Python en un mismo sistema. Su instalación engloba varios pasos y está bien explicada en la página del proyecto. La mayor diferencia con respecto a virtualenv es que no instala las distintas versiones de Python a nivel global del sistema. En vez de eso, se suele crear una carpeta .pyenv en el HOME del usuario, donde todo está aislado sin generar intrusión en el sistema operativo. Podemos hacer cosas como: • Listar las versiones de Python instaladas: $ pyenv versions 3.7.4 * 3.5.0 (set by /Users/yuu/.pyenv/version) miniconda3-3.16.0 pypy-2.6.0 • Descubrir la versión global «activa» de Python: $ python --version Python 3.5.0 • Cambiar la versión global «activa» de Python: 2.2. Contexto real 31
- 36. Aprende Python $ pyenv global 3.7.4 $ python --version Python 3.7.4 • Instalar una nueva versión de Python: $ pyenv install 3.9.1 ... • Activar una versión de Python local por carpetas: $ cd /cool-project $ pyenv local 3.9.1 $ python --version Python 3.9.1 También existe un módulo denominado pyenv-virtualenv para manejar entornos virtuales utilizando las ventajas que proporciona pyenv. 2.2.4 Editores Existen multitud de editores en el mercado que nos pueden servir perfectamente para escribir código Python. Algunos de ellos incorporan funcionalidades extra y otros simplemente nos permiten editar ficheros. Cabe destacar aquí el concepto de Entorno de Desarrollo Integrado, más conocido por sus siglas en inglés IDE3 . Se trata de una aplicación informática que proporciona servicios integrales para el desarrollo de software. Podríamos decir que Thonny es un IDE de aprendizaje, pero existen muchos otros. Veamos un listado de editores de código que se suelen utilizar para desarrollo en Python: • Editores generales o IDEs con soporte para Python: – Eclipse + PyDev – Sublime Text – Atom – GNU Emacs – Vi-Vim – Visual Studio (+ Python Tools) – Visual Studio Code (+ Python Tools) • Editores o IDEs específicos para Python: 3 Integrated Development Environment. 32 Capítulo 2. Entornos de desarrollo
- 37. Aprende Python – PyCharm – Spyder – Thonny Cada editor tiene sus características (ventajas e inconvenientes). Supongo que la preferencia por alguno de ellos estará en base a la experiencia y a las necesidades que surjan. La parte buena es que hay diversidad de opciones para elegir. 2.2.5 Jupyter Notebook Jupyter Notebook es una aplicación «open-source» que permite crear y compartir documentos que contienen código, ecuaciones, visualizaciones y texto narrativo. Podemos utilizarlo para propósito general aunque suele estar más enfocado a ciencia de datos: limpieza y transformación de datos, simulación numérica, modelado estadístico, visualización o «machine-learning»4 . Podemos verlo como un intérprete de Python (contiene un «kernel»5 que permite ejecutar código) con la capacidad de incluir documentación en formato Markdown, lo que potencia sus funcionalidades y lo hace adecuado para preparar cualquier tipo de material vinculado con lenguajes de programación. Aunque su uso está más extendido en el mundo Python, existen muchos otros «kernels» sobre los que trabajar en Jupyter Notebook. Ver también: Sección sobre Jupyter. Truco: Visual Studio Code también dispone de integración con Jupyter Notebooks. 2.2.6 repl.it repl.it es un servicio web que ofrece un entorno de desarrollo integrado para programar en más de 50 lenguajes (Python incluido). Es gratuito y de uso colaborativo. Se requiere una cuenta en el sistema para utilizarlo. El hecho de no requerir instalación ni configuración previa lo hace atractivo en determinadas circunstancias. En su versión gratuita ofrece: 4 Término inglés utilizado para hacer referencia a algoritmos de aprendizaje automático. 5 Proceso específico para un lenguaje de programación que ejecuta instrucciones y actúa como interfaz de entrada/salida. 2.2. Contexto real 33
- 38. Aprende Python Figura 4: repl.it • Almacenamiento de 500MB. • Python 3.8.2 (febrero de 2022). • 117 paquetes preinstalados (febrero de 2022). • Navegador (y subida) de ficheros integrado. • Gestor de paquetes integrado. • Integración con GitHub. • Gestión de secretos (datos sensibles). • Base de datos clave-valor ya integrada. • Acceso (limitado) al sistema operativo y sistema de ficheros. 2.2.7 WSL Si estamos trabajando en un sistema Windows 10 es posible que nos encontremos más cómodos usando una terminal tipo «Linux», entre otras cosas para poder usar con facilidad las herramientas vistas en esta sección y preparar el entorno de desarrollo Python. Durante mucho tiempo esto fue difícil de conseguir hasta que Microsoft sacó WSL. WSL6 nos proporciona una consola con entorno Linux que podemos utilizar en nuestro Windows 10 sin necesidad de instalar una máquina virtual o crear una partición para un 6 Windows Subsystem for Linux. 34 Capítulo 2. Entornos de desarrollo
- 39. Aprende Python Linux nativo. Es importante también saber que existen dos versiones de WSL hoy en día: WSL y WSL2. La segunda es bastante reciente (publicada a mediados de 2019), tiene mejor rendimiento y se adhiere más al comportamiento de un Linux nativo. Para la instalación de WSL7 hay que seguir los siguientes pasos: 1. Lanzamos Powershell con permisos de administrador. 2. Activamos la característica de WSL: $ Enable-WindowsOptionalFeature -Online -FeatureName Microsoft-Windows- ˓ →Subsystem-Linux 3. Descargamos la imagen de Ubuntu 20.04 que usaremos: $ Invoke-WebRequest -Uri https://aka.ms/wslubuntu2004 -OutFile Ubuntu.appx - ˓ →UseBasicParsing 4. Finalmente, la instalamos: $ Add-AppxPackage .Ubuntu.appx En este punto, WSL debería estar instalado correctamente, y debería también aparecer en el menú Inicio. 7 Tutorial de instalación de WSL. 2.2. Contexto real 35
- 40. Aprende Python 36 Capítulo 2. Entornos de desarrollo
- 41. CAPÍTULO 3 Tipos de datos Igual que en el mundo real cada objeto pertenece a una categoría, en programación manejamos objetos que tienen asociado un tipo determinado. En este capítulo se verán los tipos de datos básicos con los que podemos trabajar en Python. 37
- 42. Aprende Python 3.1 Datos Los programas están formados por código y datos. Pero a nivel interno de la memoria del ordenador no son más que una secuencia de bits. La interpretación de estos bits depende del lenguaje de programación, que almacena en la memoria no sólo el puro dato sino distintos metadatos.1 Cada «trozo» de memoria contiene realmente un objeto, de ahí que se diga que en Python todo son objetos. Y cada objeto tiene, al menos, los siguientes campos: • Un tipo del dato almacenado. • Un identificador único para distinguirlo de otros objetos. • Un valor consistente con su tipo. 3.1.1 Tipos de datos A continuación se muestran los distintos tipos de datos que podemos encontrar en Python, sin incluir aquellos que proveen paquetes externos: 1 Foto original de portada por Alexander Sinn en Unsplash. 38 Capítulo 3. Tipos de datos
- 43. Aprende Python Figura 1: Esquema (metadatos) de un objeto en Python 3.1. Datos 39
- 44. Aprende Python Tabla 1: Tipos de datos en Python Nombre Tipo Ejemplos Booleano bool True, False Entero int 21, 34500, 34_500 Flotante float 3.14, 1.5e3 Complejo complex 2j, 3 + 5j Cadena str tfn , tenerife - islas canarias Tupla tuple (1, 3, 5) Lista list [ Chrome , Firefox ] Conjunto set set([2, 4, 6]) Diccionario dict { Chrome : v79 , Firefox : v71 } 3.1.2 Variables Las variables son fundamentales ya que permiten definir nombres para los valores que tenemos en memoria y que vamos a usar en nuestro programa. Figura 2: Uso de un nombre de variable Reglas para nombrar variables En Python existen una serie de reglas para los nombres de variables: 1. Sólo pueden contener los siguientes caracteres2 : • Letras minúsculas. • Letras mayúsculas. • Dígitos. • Guiones bajos (_). 2. Deben empezar con una letra o un guión bajo, nunca con un dígito. 3. No pueden ser una palabra reservada del lenguaje («keywords»). 2 Para ser exactos, sí se pueden utilizar otros caracteres, e incluso emojis en los nombres de variables, aunque no suele ser una práctica extendida, ya que podría dificultar la legibilidad. 40 Capítulo 3. Tipos de datos
- 45. Aprende Python Podemos obtener un listado de las palabras reservadas del lenguaje de la siguiente forma: >>> help( keywords ) Here is a list of the Python keywords. Enter any keyword to get more help. False class from or None continue global pass True def if raise and del import return as elif in try assert else is while async except lambda with await finally nonlocal yield break for not Nota: Por lo general se prefiere dar nombres en inglés a las variables que utilicemos, ya que así hacemos nuestro código más «internacional» y con la posibilidad de que otras personas puedan leerlo, entenderlo y – llegado el caso – modificarlo. Es sólo una recomendación, nada impide que se haga en castellano. Importante: Los nombres de variables son «case-sensitive»3 . Por ejemplo, stuff y Stuff son nombres diferentes. Ejemplos de nombres de variables Veamos a continuación una tabla con nombres de variables: Tabla 2: Ejemplos de nombres de variables Válido Inválido Razón a 3 Empieza por un dígito a3 3a Empieza por un dígito a_b_c___95 another-name Contiene un caracter no permitido _abc with Es una palabra reservada del lenguaje _3a 3_a Empieza por un dígito 3 Sensible a cambios en mayúsculas y minúsculas. 3.1. Datos 41
- 46. Aprende Python Convenciones para nombres Mientras se sigan las reglas que hemos visto para nombrar variables no hay problema en la forma en la que se escriban, pero sí existe una convención para la nomenclatura de las variables. Se utiliza el llamado snake_case en el que utilizamos caracteres en minúsculas (incluyendo dígitos si procede) junto con guiones bajos – cuando sean necesarios para su legibilidad –.4 Por ejemplo, para nombrar una variable que almacene el número de canciones en nuestro ordenador, podríamos usar num_songs. Esta convención, y muchas otras, están definidas en un documento denominado PEP 8. Se trata de una guía de estilo para escribir código en Python. Los PEPs5 son las propuestas que se hacen para la mejora del lenguaje. Aunque hay múltiples herramientas disponibles para la comprobación del estilo de código, una bastante accesible es http://pep8online.com/ ya que no necesita instalación, simplemente pegar nuestro código y verificar. Constantes Un caso especial y que vale la pena destacar son las constantes. Podríamos decir que es un tipo de variable pero que su valor no cambia a lo largo de nuestro programa. Por ejemplo la velocidad de la luz. Sabemos que su valor es constante de 300.000 km/s. En el caso de las constantes utilizamos mayúsculas (incluyendo guiones bajos si es necesario) para nombrarlas. Para la velocidad de la luz nuestra constante se podría llamar: LIGHT_SPEED. Elegir buenos nombres Se suele decir que una persona programadora (con cierta experiencia), a lo que dedica más tiempo, es a buscar un buen nombre para sus variables. Quizás pueda resultar algo excesivo pero da una idea de lo importante que es esta tarea. Es fundamental que los nombres de variables sean autoexplicativos, pero siempre llegando a un compromiso entre ser concisos y claros. Supongamos que queremos buscar un nombre de variable para almacenar el número de elementos que se deben manejar en un pedido: 1. n 2. num_elements 3. number_of_elements 4. number_of_elements_to_be_handled 4 Más información sobre convenciones de nombres en PEP 8. 5 Del término inglés «Python Enhancement Proposals». 42 Capítulo 3. Tipos de datos
- 47. Aprende Python No existe una regla mágica que nos diga cuál es el nombre perfecto, pero podemos aplicar el sentido común y, a través de la experiencia, ir detectando aquellos nombres que sean más adecuados. En el ejemplo anterior, quizás podríamos descartar de principio la opción 1 y la 4 (por ser demasiado cortas o demasiado largas); nos quedaríamos con las otras dos. Si nos fijamos bien, casi no hay mucha información adicional de la opción 3 con respecto a la 2. Así que podríamos concluir que la opción 2 es válida para nuestras necesidades. En cualquier caso esto dependerá siempre del contexto del problema que estemos tratando. Como regla general: • Usar nombres para variables (ejemplo article). • Usar verbos para funciones (ejemplo get_article()). • Usar adjetivos para booleanos (ejemplo available). 3.1.3 Asignación En Python se usa el símbolo = para asignar un valor a una variable: Figura 3: Asignación de valor a nombre de variable Nota: Hay que diferenciar la asignación en Python con la igualación en matemáticas. El símbolo = lo hemos aprendido desde siempre como una equivalencia entre dos expresiones algebraicas, sin embargo en Python nos indica una sentencia de asignación, del valor (en la derecha) al nombre (en la izquierda). Algunos ejemplos de asignaciones a variables: >>> total_population = 157503 >>> avg_temperature = 16.8 >>> city_name = San Cristóbal de La Laguna Algunos ejemplos de asignaciones a constantes: 3.1. Datos 43
- 48. Aprende Python >>> SOUND_SPEED = 343.2 >>> WATER_DENSITY = 997 >>> EARTH_NAME = La Tierra Python nos ofrece la posibilidad de hacer una asignación múltiple de la siguiente manera: >>> tres = three = drei = 3 En este caso las tres variables utilizadas en el «lado izquierdo» tomarán el valor 3. Recordemos que los nombres de variables deben seguir unas reglas establecidas, de lo contrario obtendremos un error sintáctico del intérprete de Python: >>> 7floor = 40 # el nombre empieza por un dígito File "<stdin>", line 1 7floor = 40 ^ SyntaxError: invalid syntax >>> for = Bucle # el nombre usa la palabra reservada "for" File "<stdin>", line 1 for = Bucle ^ SyntaxError: invalid syntax >>> screen-size = 14 # el nombre usa un caracter no válido File "<stdin>", line 1 SyntaxError: can t assign to operator Asignando una variable a otra variable Las asignaciones que hemos hecho hasta ahora han sido de un valor literal a una variable. Pero nada impide que podamos hacer asignaciones de una variable a otra variable: >>> people = 157503 >>> total_population = people >>> total_population 157503 Eso sí, la variable que utilicemos como valor de asignación debe existir previamente, ya que si no es así, obtendremos un error informando de que no está definida: >>> total_population = lot_of_people Traceback (most recent call last): File "<stdin>", line 1, in <module> NameError: name lot_of_people is not defined 44 Capítulo 3. Tipos de datos
- 49. Aprende Python De hecho, en el lado derecho de la asignación pueden aparecer expresiones más complejas que se verán en su momento. Conocer el valor de una variable Hemos visto previamente cómo asignar un valor a una variable, pero aún no sabemos cómo «comprobar» el valor que tiene dicha variable. Para ello podemos utilizar dos estrategias: 1. Si estamos en una «shell» de Python, basta con que usemos el nombre de la variable: >>> final_stock = 38934 >>> final_stock 38934 2. Si estamos escribiendo un programa desde el editor, podemos hacer uso de print: final_stock = 38934 print(final_stock) Nota: print sirve también cuando estamos en una sesión interactiva de Python («shell») Conocer el tipo de una variable Para poder descubrir el tipo de un literal o una variable, Python nos ofrece la función type(). Veamos algunos ejemplos de su uso: >>> type(9) int >>> type(1.2) float >>> height = 3718 >>> type(height) int >>> sound_speed = 343.2 >>> type(sound_speed) float Ejercicio 1. Asigna un valor entero 2001 a la variable space_odyssey y muestra su valor. 3.1. Datos 45
- 50. Aprende Python 2. Descubre el tipo del literal Good night & Good luck . 3. Identifica el tipo del literal True. 4. Asigna la expresión 10 * 3.0 a la variable result y muestra su tipo. 3.1.4 Mutabilidad Nivel avanzado Las variables son nombres, no lugares. Detrás de esta frase se esconde la reflexión de que cuando asignamos un valor a una variable, lo que realmente está ocurriendo es que se hace apuntar el nombre de la variable a una zona de memoria en el que se representa el objeto (con su valor). Si realizamos la asignación de una variable a un valor lo que está ocurriendo es que el nombre de la variable es una referencia al valor, no el valor en sí mismo: >>> a = 5 Figura 4: Representación de la asignación de valor a variable 46 Capítulo 3. Tipos de datos
- 51. Aprende Python Si ahora «copiamos» el valor de a en otra variable b se podría esperar que hubiera otro espacio en memoria para dicho valor, pero como ya hemos dicho, son referencias a memoria: >>> b = a Figura 5: Representación de la asignación de una variable a otra variable La función id() nos permite conocer la dirección de memoria6 de un objeto en Python. A través de ella podemos comprobar que los dos objetos que hemos creado «apuntan» a la misma zona de memoria: >>> id(a) 4445989712 >>> id(b) 4445989712 ¿Y esto qué tiene que ver con la mutabilidad? Pues se dice, por ejemplo, que un entero es inmutable ya que a la hora de modificar su valor obtenemos una nueva zona de memoria, o lo que es lo mismo, un nuevo objeto: >>> a = 5 >>> id(a) (continué en la próxima página) 6 Esto es un detalle de implementación de CPython. 3.1. Datos 47
- 52. Aprende Python (proviene de la página anterior) 4310690224 >>> a = 7 >>> id(a) 4310690288 Sin embargo, si tratamos con listas, podemos ver que la modificación de alguno de sus valores no implica un cambio en la posición de memoria de la variable, por lo que se habla de objetos mutables. Ejecución paso a paso a través de Python Tutor: https://cutt.ly/lvCyXeL La característica de que los nombres de variables sean referencias a objetos en memoria es la que hace posible diferenciar entre objetos mutables e inmutables: Inmutable Mutable bool list int set float dict str tuple Importante: El hecho de que un tipo de datos sea inmutable significa que no podemos modificar su valor «in-situ», pero siempre podremos asignarle un nuevo valor (hacerlo apuntar a otra zona de memoria). 3.1.5 Funciones «built-in» Nivel intermedio Hemos ido usando una serie de funciones sin ser especialmente conscientes de ello. Esto se debe a que son funciones «built-in» o incorporadas por defecto en el propio lenguaje Python. Tabla 3: Funciones «built-in» abs() delattr() hash() memoryview() set() all() dict() help() min() setattr() any() any() hex() next() slice() ascii() divmod() id() object() sorted() bin() enumerate() input() oct() staticmethod() continué en la próxima página 48 Capítulo 3. Tipos de datos
- 53. Aprende Python Tabla 3 – proviene de la página anterior bool() eval() int() open() str() breakpoint() exec() isinstance() ord() sum() bytearray() filter() issubclass() pow() super() bytes() float() iter() print() tuple() callable() format() len() property() type() chr() frozenset() list() range() vars() classmethod() getattr() locals() repr() zip() compile() globals() map() reversed() __import__() complex() hasattr() max() round() Los detalles de estas funciones se puede consultar en la documentación oficial de Python. AMPLIAR CONOCIMIENTOS • Basic Data Types in Python • Variables in Python • Immutability in Python 3.2 Números 3.2. Números 49
- 54. Aprende Python En esta sección veremos los tipos de datos númericos que ofrece Python centrándonos en booleanos, enteros y flotantes.1 3.2.1 Booleanos George Boole es considerado como uno de los fundadores del campo de las ciencias de la computación y fue el creador del Álgebra de Boole que da lugar, entre otras estructuras algebraicas, a la Lógica binaria. En esta lógica las variables sólo pueden tomar dos valores discretos: verdadero o falso. El tipo de datos bool proviene de lo explicado anteriormente y admite dos posibles valores: • True que se corresponde con verdadero (y también con 1 en su representación numérica). • False que se corresponde con falso (y también con 0 en su representación numérica). Veamos un ejemplo de su uso: >>> is_opened = True >>> is_opened True >>> has_sugar = False >>> has_sugar False La primera variable is_opened está representando el hecho de que algo esté abierto, y al tomar el valor True podemos concluir que sí. La segunda variable has_sugar nos indica si una bebida tiene azúcar; dado que toma el valor False inferimos que no lleva azúcar. Atención: Tal y como se explicó en este apartado, los nombres de variables son «case-sensitive». De igual modo el tipo booleano toma valores True y False con la primera letra en mayúsculas. De no ser así obtendríamos un error sintáctico. >>> is_opened = true Traceback (most recent call last): File "<stdin>", line 1, in <module> NameError: name true is not defined >>> has_sugar = false Traceback (most recent call last): File "<stdin>", line 1, in <module> NameError: name false is not defined 1 Foto original de portada por Brett Jordan en Unsplash. 50 Capítulo 3. Tipos de datos
- 55. Aprende Python 3.2.2 Enteros Los números enteros no tienen decimales pero sí pueden contener signo y estar expresados en alguna base distinta de la usual (base 10). Literales enteros Veamos algunos ejemplos de números enteros: >>> 8 8 >>> 0 0 >>> 08 File "<stdin>", line 1 08 ^ SyntaxError: invalid token >>> 99 99 >>> +99 99 >>> -99 -99 >>> 3000000 3000000 >>> 3_000_000 3000000 Dos detalles a tener en cuenta: • No podemos comenzar un número entero por 0. • Python permite dividir los números enteros con guiones bajos _ para clarificar su lectura/escritura. A efectos prácticos es como si esos guiones bajos no existieran. Operaciones con enteros A continuación se muestra una tabla con las distintas operaciones sobre enteros que podemos realizar en Python: Tabla 4: Operaciones con enteros en Python Operador Descripción Ejemplo Resultado + Suma 3 + 9 12 continué en la próxima página 3.2. Números 51
- 56. Aprende Python Tabla 4 – proviene de la página anterior Operador Descripción Ejemplo Resultado - Resta 6 - 2 4 * Multiplicación 5 * 5 25 / División flotante 9 / 2 4.5 // División entera 9 // 2 4 % Módulo 9 % 4 1 ** Exponenciación 2 ** 4 16 Veamos algunas pruebas de estos operadores: >>> 2 + 8 + 4 14 >>> 4 ** 4 256 >>> 7 / 3 2.3333333333333335 >>> 7 // 3 2 >>> 6 / 0 Traceback (most recent call last): File "<stdin>", line 1, in <module> ZeroDivisionError: division by zero Es de buen estilo de programación dejar un espacio entre cada operador. Además hay que tener en cuenta que podemos obtener errores dependiendo de la operación (más bien de los operandos) que estemos utilizando, como es el caso de la división por cero. Asignación aumentada Python nos ofrece la posibilidad de escribir una asignación aumentada mezclando la asignación y un operador. Figura 6: Asignación aumentada en Python Supongamos que disponemos de 100 vehículos en stock y que durante el pasado mes se han 52 Capítulo 3. Tipos de datos
- 57. Aprende Python vendido 20 de ellos. Veamos cómo sería el código con asignación tradicional vs. asignación aumentada: Lista 1: Asignación tradicional >>> total_cars = 100 >>> sold_cars = 20 >>> total_cars = total_cars - sold_cars >>> total_cars 80 Lista 2: Asignación aumentada >>> total_cars = 100 >>> sold_cars = 20 >>> total_cars -= sold_cars >>> total_cars 80 Estas dos formas son equivalentes a nivel de resultados y funcionalidad, pero obviamente tienen diferencias de escritura y legibilidad. De este mismo modo, podemos aplicar un formato compacto al resto de operaciones: >>> random_number = 15 >>> random_number += 5 >>> random_number 20 >>> random_number *= 3 >>> random_number 60 >>> random_number //= 4 >>> random_number 15 >>> random_number **= 1 >>> random_number 15 3.2. Números 53
- 58. Aprende Python Módulo La operación módulo (también llamado resto), cuyo símbolo en Python es %, se define como el resto de dividir dos números. Veamos un ejemplo para enteder bien su funcionamiento: Figura 7: Operador «módulo» en Python >>> dividendo = 17 >>> divisor = 5 >>> cociente = dividendo // divisor # división entera >>> resto = dividendo % divisor >>> cociente 3 >>> resto 2 Exponenciación Para elevar un número a otro en Python utilizamos el operador de exponenciación **: >>> 4 ** 3 64 >>> 4 * 4 * 4 64 Se debe tener en cuenta que también podemos elevar un número entero a un número decimal. En este caso es como si estuviéramos haciendo una raíz2 . Por ejemplo: 4 1 2 = 40.5 = √ 4 = 2 Hecho en Python: 2 No siempre es una raíz cuadrada porque se invierten numerador y denominador. 54 Capítulo 3. Tipos de datos
- 59. Aprende Python >>> 4 ** 0.5 2.0 Ejercicio Una ecuación de segundo grado se define como 𝑎𝑥2 + 𝑏𝑥 + 𝑐 = 0, y (en determinados casos) tiene dos soluciones: 𝑥1 = −𝑏 + √ 𝑏2 − 4𝑎𝑐 2𝑎 𝑥2 = −𝑏 − √ 𝑏2 − 4𝑎𝑐 2𝑎 Dados los coeficientes a=4, b=-6 y c=2 calcule sus dos soluciones. Tenga en cuenta subdividir los cálculos y reutilizar variables (por ejemplo el discriminante). La solución para los valores anteriores es: • x1 = 1 • x2 = 0.5 Recuerde que la raíz cuadrada se puede calcular como la exponenciación a 1 2 . Puede comprobar los resultados para otros valores de entrada con esta aplicación para resolver ecuaciones cuadráticas. Valor absoluto Python ofrece la función abs() para obtener el valor absoluto de un número: >>> abs(-1) 1 >>> abs(1) 1 >>> abs(-3.14) 3.14 >>> abs(3.14) 3.14 3.2. Números 55
- 60. Aprende Python Límite de un entero Nivel avanzado ¿Cómo de grande puede ser un int en Python? La respuesta es de cualquier tamaño. Por poner un ejemplo, supongamos que queremos representar un centillón. Este valor viene a ser un «1» seguido por ¡600 ceros! ¿Será capaz Python de almacenarlo? >>> centillion = 10 ** 600 >>> centillion 1000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000 Nota: En muchos lenguajes tratar con enteros tan largos causaría un «integer overflow». No es el caso de Python que puede manejar estos valores sin problema. 3.2.3 Flotantes Los números en punto flotante3 tienen parte decimal. Veamos algunos ejemplos de flotantes en Python. 3 Punto o coma flotante es una notación científica usada por computadores. 56 Capítulo 3. Tipos de datos
- 61. Aprende Python Lista 3: Distintas formas de escribir el flotante 4.0 >>> 4.0 4.0 >>> 4. 4.0 >>> 04.0 4.0 >>> 04. 4.0 >>> 4.000_000 4.0 >>> 4e0 # 4.0 * (10 ** 0) 4.0 Conversión de tipos El hecho de que existan distintos tipos de datos en Python (y en el resto de lenguajes de programación) es una ventaja a la hora de representar la información del mundo real de la mejor manera posible. Pero también se hace necesario buscar mecanismos para convertir unos tipos de datos en otros. Conversión implícita Cuando mezclamos enteros, booleanos y flotantes, Python realiza automáticamente una conversión implícita (o promoción) de los valores al tipo de «mayor rango». Veamos algunos ejemplos de esto: >>> True + 25 26 >>> 7 * False 0 >>> True + False 1 >>> 21.8 + True 22.8 >>> 10 + 11.3 21.3 Podemos resumir la conversión implícita en la siguiente tabla: 3.2. Números 57
- 62. Aprende Python Tipo 1 Tipo 2 Resultado bool int int bool float float int float float Se puede ver claramente que la conversión numérica de los valores booleanos es: • True 1 • False 0 Conversión explícita Aunque más adelante veremos el concepto de función, desde ahora podemos decir que existen una serie de funciones para realizar conversiones explícitas de un tipo a otro: bool() Convierte el tipo a booleano. int() Convierte el tipo a entero. float() Convierte el tipo a flotante. Veamos algunos ejemplos de estas funciones: >>> bool(1) True >>> bool(0) False >>> int(True) 1 >>> int(False) 0 >>> float(1) 1.0 >>> float(0) 0.0 >>> float(True) 1.0 >>> float(False) 0.0 En el caso de que usemos la función int() sobre un valor flotante, nos retorna su parte baja: 𝑖𝑛𝑡(𝑥) = ⌊︀ 𝑥 ⌋︀ Por ejemplo: 58 Capítulo 3. Tipos de datos
- 63. Aprende Python >>> int(3.1) 3 >>> int(3.5) 3 >>> int(3.9) 3 Para obtener el tipo de una variable podemos hacer uso de la función type(): >>> is_raining = False >>> type(is_raining) <class bool > >>> sound_level = 35 >>> type(sound_level) <class int > >>> temperature = 36.6 >>> type(temperature) <class float > Igualmente existe la posibilidad de comprobar el tipo que tiene una variable mediante la función isinstance(): >>> isinstance(is_raining, bool) True >>> isinstance(sound_level, int) True >>> isinstance(temperature, float) True Ejercicio Existe una aproximación al seno de un ángulo 𝑥 expresado en grados: 𝑠𝑖𝑛(𝑥) ≈ 4𝑥(180 − 𝑥) 40500 − 𝑥(180 − 𝑥) Calcule dicha aproximación utilizando operaciones en Python. Descomponga la expresión en subcálculos almacenados en variables. Tenga en cuenta aquellas expresiones comunes para no repetir cálculos y seguir el principio DRY. ¿Qué tal funciona la aproximación? Compare sus resultados con estos: • 𝑠𝑖𝑛(90) = 1.0 • 𝑠𝑖𝑛(45) = 0.7071067811865475 3.2. Números 59
- 64. Aprende Python • 𝑠𝑖𝑛(50) = 0.766044443118978 Errores de aproximación Nivel intermedio Supongamos el siguiente cálculo: >>> (19 / 155) * (155 / 19) 0.9999999999999999 Debería dar 1.0, pero no es así puesto que la representación interna de los valores en coma flotante sigue el estándar IEEE 754 y estamos trabajando con aritmética finita. Aunque existen distintas formas de solventar esta limitación, de momento veremos una de las más sencillas utilizando la función «built-in» round() que nos permite redondear un número flotante a un número determinado de decimales: >>> pi = 3.14159265359 >>> round(pi) 3 >>> round(pi, 1) 3.1 >>> round(pi, 2) 3.14 >>> round(pi, 3) 3.142 >>> round(pi, 4) 3.1416 >>> round(pi, 5) 3.14159 Para el caso del error de aproximación que nos ocupa: >>> result = (19 / 155) * (155 / 19) >>> round(result, 1) 1.0 Prudencia: round() aproxima al valor más cercano, mientras que int() obtiene siepre el entero «por abajo». 60 Capítulo 3. Tipos de datos
- 65. Aprende Python Límite de un flotante A diferencia de los enteros, los números flotantes sí que tienen un límite en Python. Para descubrirlo podemos ejecutar el siguiente código: >>> import sys >>> sys.float_info.min 2.2250738585072014e-308 >>> sys.float_info.max 1.7976931348623157e+308 3.2.4 Bases Nivel intermedio Los valores numéricos con los que estamos acostumbrados a trabajar están en base 10 (o decimal). Esto indica que disponemos de 10 «símbolos» para representar las cantidades. En este caso del 0 al 9. Pero también es posible representar números en otras bases. Python nos ofrece una serie de prefijos y funciones para este cometido. Base binaria Cuenta con 2 símbolos para representar los valores: 0 y 1. Prefijo: 0b >>> 0b1001 9 >>> 0b1100 12 Función: bin() >>> bin(9) 0b1001 >>> bin(12) 0b1100 3.2. Números 61
- 66. Aprende Python Base octal Cuenta con 8 símbolos para representar los valores: 0, 1, 2, 3, 4, 5, 6 y 7. Prefijo: 0o >>> 0o6243 3235 >>> 0o1257 687 Función: oct() >>> oct(3235) 0o6243 >>> oct(687) 0o1257 Base hexadecimal Cuenta con 16 símbolos para representar los valores: 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, A, B, C, D, E y F. Prefijo: 0x >>> 0x7F2A 32554 >>> 0x48FF 18687 Función: hex() >>> hex(32554) 0x7f2a >>> hex(18687) 0x48ff Nota: Las letras para la representación hexadecimal no atienden a mayúsculas y minúsculas. 62 Capítulo 3. Tipos de datos
- 67. Aprende Python EJERCICIOS DE REPASO 1. Escriba un programa en Python que acepte el radio de un círculo y compute su área (solución). Entrada: 5 Salida: 78.5 2. Escriba un programa en Python que acepte el radio de una esfera y obtenga su volumen (solución). Entrada: 5 Salida: 523.3333333333334 3. Escriba un programa en Python que acepte la base y la altura de un triángulo y compute su área (solución). Entrada: base=4; altura=5 Salida: 10.0 4. Escriba un programa en Python que compute el futuro valor de una cantidad de dinero, a partir del capital inicial, el tipo de interés y el número de años (solución). Entrada: capital=10000; interés=3.5; años=7 Salida: 12722.792627665729 5. Escriba un programa en Python que calcule la distancia euclídea entre dos puntos (𝑥1, 𝑦1) y (𝑥2, 𝑦2) (solución). Entrada: (𝑥1 = 3, 𝑦1 = 5); (𝑥2 = −7, 𝑦2 = −4) Salida: 13.45362404707371 AMPLIAR CONOCIMIENTOS • The Python Square Root Function • How to Round Numbers in Python • Operators and Expressions in Python 3.2. Números 63
- 68. Aprende Python 3.3 Cadenas de texto Las cadenas de texto son secuencias de caracteres. También se les conoce como «strings» y nos permiten almacenar información textual de forma muy cómoda.1 Es importante destacar que Python 3 almacena los caracteres codificados en el estándar Unicode, lo que es una gran ventaja con respecto a versiones antiguas del lenguaje. Además permite representar una cantidad ingente de símbolos incluyendo los famosos emojis . 3.3.1 Creando «strings» Para escribir una cadena de texto en Python basta con rodear los caracteres con comillas simples6 : >>> Mi primera cadena en Python Mi primera cadena en Python Para incluir comillas dobles dentro de la cadena de texto no hay mayor inconveniente: >>> Los llamados "strings" son secuencias de caracteres Los llamados "strings" son secuencias de caracteres 1 Foto original de portada por Roman Kraft en Unsplash. 6 También es posible utilizar comillas dobles. Yo me he decantado por las comillas simples ya que quedan más limpias y suele ser el formato que devuelve el propio intérprete de Python. 64 Capítulo 3. Tipos de datos
- 69. Aprende Python Puede surgir la duda de cómo incluimos comillas simples dentro de la propia cadena de texto. Veamos soluciones para ello: Lista 4: Comillas simples escapadas >>> Los llamados strings son secuencias de caracteres "Los llamados strings son secuencias de caracteres" Lista 5: Comillas simples dentro de comillas dobles >>> "Los llamados strings son secuencias de caracteres" "Los llamados strings son secuencias de caracteres" En la primera opción estamos escapando las comillas simples para que no sean tratadas como caracteres especiales. En la segunda opción estamos creando el «string» con comillas dobles (por fuera) para poder incluir directamente las comillas simples (por dentro). Python también nos ofrece esta posibilidad. Comillas triples Hay una forma alternativa de crear cadenas de texto utilizando comillas triples. Su uso está pensado principalmente para cadenas multilínea: >>> poem = To be, or not to be, that is the question: ... Whether tis nobler in the mind to suffer ... The slings and arrows of outrageous fortune, ... Or to take arms against a sea of troubles Importante: Los tres puntos ... que aparecen a la izquierda de las líneas no están incluidos en la cadena de texto. Es el símbolo que ofrece el intérprete de Python cuando saltamos de línea. Cadena vacía La cadena vacía es aquella que no contiene ningún caracter. Aunque a priori no lo pueda parecer, es un recurso importante en cualquier código. Su representación en Python es la siguiente: >>> 3.3. Cadenas de texto 65
- 70. Aprende Python 3.3.2 Conversión Podemos crear «strings» a partir de otros tipos de datos usando la función str(): >>> str(True) True >>> str(10) 10 >>> str(21.7) 21.7 3.3.3 Secuencias de escape Python permite escapar el significado de algunos caracteres para conseguir otros resultados. Si escribimos una barra invertida antes del caracter en cuestión, le otorgamos un significado especial. Quizás la secuencia de escape más conocida es n que representa un salto de línea, pero existen muchas otras: # Salto de línea >>> msg = Primera líneanSegunda líneanTercera línea >>> print(msg) Primera línea Segunda línea Tercera línea # Tabulador >>> msg = Valor = t40 >>> print(msg) Valor = 40 # Comilla simple >>> msg = Necesitamos escapar la comilla simple >>> print(msg) Necesitamos escapar la comilla simple # Barra invertida >>> msg = Capítulo Sección Encabezado >>> print(msg) Capítulo Sección Encabezado Nota: Al utilizar la función print() es cuando vemos realmente el resultado de utilizar los caracteres escapados. 66 Capítulo 3. Tipos de datos
- 71. Aprende Python Expresiones literales Nivel intermedio Hay situaciones en las que nos interesa que los caracteres especiales pierdan ese significado y poder usarlos de otra manera. Existe un modificar de cadena que proporciona Python para tratar el texto en bruto. Es el llamado «raw data» y se aplica anteponiendo una r a la cadena de texto. Veamos algunos ejemplos: >>> text = abcndef >>> print(text) abc def >>> text = r abcndef >>> print(text) abcndef >>> text = atbtc >>> print(text) a b c >>> text = r atbtc >>> print(text) atbtc Consejo: El modificador r es muy utilizado para la escritura de expresiones regulares. 3.3.4 Más sobre print() Hemos estado utilizando la función print() de forma sencilla, pero admite algunos parámetros interesantes: 1 >>> msg1 = ¿Sabes por qué estoy acá? 2 >>> msg2 = Porque me apasiona 3 4 >>> print(msg1, msg2) 5 ¿Sabes por qué estoy acá? Porque me apasiona 6 7 >>> print(msg1, msg2, sep= | ) 8 ¿Sabes por qué estoy acá?|Porque me apasiona 9 (continué en la próxima página) 3.3. Cadenas de texto 67
- 72. Aprende Python (proviene de la página anterior) 10 >>> print(msg2, end= !! ) 11 Porque me apasiona!! Línea 4: Podemos imprimir todas las variables que queramos separándolas por comas. Línea 7: El separador por defecto entre las variables es un espacio, podemos cambiar el caracter que se utiliza como separador entre cadenas. Línea 10: El carácter de final de texto es un salto de línea, podemos cambiar el caracter que se utiliza como final de texto. 3.3.5 Leer datos desde teclado Los programas se hacen para tener interacción con el usuario. Una de las formas de interacción es solicitar la entrada de datos por teclado. Como muchos otros lenguajes de programación, Python también nos ofrece la posibilidad de leer la información introducida por teclado. Para ello se utiliza la función input(): >>> name = input( Introduzca su nombre: ) Introduzca su nombre: Sergio >>> name Sergio >>> type(name) str >>> age = input( Introduzca su edad: ) Introduzca su edad: 41 >>> age 41 >>> type(age) str Nota: La función input() siempre nos devuelve un objeto de tipo cadena de texto o str. Tenerlo muy en cuenta a la hora de trabajar con números, ya que debemos realizar una conversión explícita. Ejercicio Escriba un programa en Python que lea por teclado dos números enteros y muestre por pantalla el resultado de realizar las operaciones básicas entre ellos. Ejemplo • Valores de entrada 7 y 4. 68 Capítulo 3. Tipos de datos
- 73. Aprende Python • Salida esperada: 7+4=11 7-4=3 7*4=28 7/4=1.75 Consejo: Aproveche todo el potencial que ofrece print() para conseguir la salida esperada. 3.3.6 Operaciones con «strings» Combinar cadenas Podemos combinar dos o más cadenas de texto utilizando el operador +: >>> proverb1 = Cuando el río suena >>> proverb2 = agua lleva >>> proverb1 + proverb2 Cuando el río suenaagua lleva >>> proverb1 + , + proverb2 # incluimos una coma Cuando el río suena, agua lleva Repetir cadenas Podemos repetir dos o más cadenas de texto utilizando el operador *: >>> reaction = Wow >>> reaction * 4 WowWowWowWow 3.3. Cadenas de texto 69
- 74. Aprende Python Obtener un caracter Los «strings» están indexados y cada caracter tiene su propia posición. Para obtener un único caracter dentro de una cadena de texto es necesario especificar su índice dentro de corchetes [...]. Figura 8: Indexado de una cadena de texto Veamos algunos ejemplos de acceso a caracteres: >>> sentence = Hola, Mundo >>> sentence[0] H >>> sentence[-1] o >>> sentence[4] , >>> sentence[-5] M Truco: Nótese que existen tanto índices positivos como índices negativos para acceder a cada caracter de la cadena de texto. A priori puede parecer redundante, pero es muy útil en determinados casos. En caso de que intentemos acceder a un índice que no existe, obtendremos un error por fuera de rango: >>> sentence[50] Traceback (most recent call last): File "<stdin>", line 1, in <module> IndexError: string index out of range 70 Capítulo 3. Tipos de datos
- 75. Aprende Python Advertencia: Téngase en cuenta que el indexado de una cadena de texto siempre empieza en 0 y termina en una unidad menos de la longitud de la cadena. Las cadenas de texto son tipos de datos inmutables. Es por ello que no podemos modificar un caracter directamente: >>> song = Hey Jude >>> song[4] = D Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: str object does not support item assignment Truco: Existen formas de modificar una cadena de texto que veremos más adelante, aunque realmente no estemos transformando el original sino creando un nuevo objeto con las modificaciones. Trocear una cadena Es posible extraer «trozos» («rebanadas») de una cadena de texto2 . Tenemos varias aproximaciones para ello: [:] Extrae la secuencia entera desde el comienzo hasta el final. Es una especia de copia de toda la cadena de texto. [start:] Extrae desde start hasta el final de la cadena. [:end] Extrae desde el comienzo de la cadena hasta end menos 1. [start:end] Extrae desde start hasta end menos 1. [start:end:step] Extrae desde start hasta end menos 1 haciendo saltos de tamaño step. Veamos la aplicación de cada uno de estos accesos a través de un ejemplo: >>> proverb = Agua pasada no mueve molino >>> proverb[:] Agua pasada no mueve molino >>> proverb[12:] no mueve molino (continué en la próxima página) 2 El término usado en inglés es slice. 3.3. Cadenas de texto 71
- 76. Aprende Python (proviene de la página anterior) >>> proverb[:11] Agua pasada >>> proverb[5:11] pasada >>> proverb[5:11:2] psd Importante: El troceado siempre llega a una unidad menos del índice final que hayamos especificado. Sin embargo el comienzo sí coincide con el que hemos puesto. Longitud de una cadena Para obtener la longitud de una cadena podemos hacer uso de len(), una función común a prácticamente todos los tipos y estructuras de datos en Python: >>> proberb = Lo cortés no quita lo valiente >>> len(proverb) 27 >>> empty = >>> len(empty) 0 Pertenencia de un elemento Si queremos comprobar que una determinada subcadena se encuentra en una cadena de texto utilizamos el operador in para ello. Se trata de una expresión que tiene como resultado un valor «booleano» verdadero o falso: >>> proverb = Más vale malo conocido que bueno por conocer >>> malo in proverb True >>> bueno in proverb True (continué en la próxima página) 72 Capítulo 3. Tipos de datos
- 77. Aprende Python (proviene de la página anterior) >>> regular in proverb False Habría que prestar atención al caso en el que intentamos descubrir si una subcadena no está en la cadena de texto: >>> dna_sequence = ATGAAATTGAAATGGGA >>> not( C in dna_sequence) # Primera aproximación True >>> C not in dna_sequence # Forma pitónica True Dividir una cadena Una tarea muy común al trabajar con cadenas de texto es dividirlas por algún tipo de separador. En este sentido, Python nos ofrece la función split(), que debemos usar anteponiendo el «string» que queramos dividir: >>> proverb = No hay mal que por bien no venga >>> proverb.split() [ No , hay , mal , que , por , bien , no , venga ] >>> tools = Martillo,Sierra,Destornillador >>> tools.split( , ) [ Martillo , Sierra , Destornillador ] Nota: Si no se especifica un separador, split() usa por defecto cualquier secuencia de espacios en blanco, tabuladores y saltos de línea. Aunque aún no lo hemos visto, lo que devuelve split() es una lista (otro tipo de datos en Python) donde cada elemento es una parte de la cadena de texto original: >>> game = piedra-papel-tijera >>> type(game.split( - )) list Ejercicio 3.3. Cadenas de texto 73
- 78. Aprende Python Sabiendo que la longitud de una lista se calcula igual que la longitud de una cadena de texto, obtenga el número de palabras que contiene la siguiente cadena de texto: quote = Before software can be reusable, it first has to be usable Existe una forma algo más avanzada de dividir una cadena a través del particionado. Para ello podemos valernos de la función partition() que proporciona Python. Esta función toma un argumento como separador, y divide la cadena de texto en 3 partes: lo que queda a la izquiera del separador, el separador en sí mismo y lo que queda a la derecha del separador: >>> text = 3 + 4 >>> text.partition( + ) ( 3 , + , 4 ) Limpiar cadenas Cuando leemos datos del usuario o de cualquier fuente externa de información, es bastante probable que se incluyan en esas cadenas de texto, caracteres de relleno3 al comienzo y al final. Python nos ofrece la posibilidad de eliminar estos caracteres u otros que no nos interesen. La función strip() se utiliza para eliminar caracteres del principio y del final de un «string». También existen variantes de esta función para aplicarla únicamente al comienzo o únicamente al final de la cadena de texto. Supongamos que debemos procesar un fichero con números de serie de un determinado artículo. Cada línea contiene el valor que nos interesa pero se han «colado» ciertos caracteres de relleno que debemos limpiar: >>> serial_number = nt n 48374983274832 nnt t n >>> serial_number.strip() 48374983274832 Nota: Si no se especifican los caracteres a eliminar, strip() usa por defecto cualquier combinación de espacios en blanco, saltos de línea n y tabuladores t. A continuación vamos a hacer «limpieza» por la izquierda (comienzo) y por la derecha (final) utilizando la función lstrip() y rstrip() respectivamente: 3 Se suele utilizar el término inglés «padding» para referirse a estos caracteres. 74 Capítulo 3. Tipos de datos
- 79. Aprende Python Lista 6: «Left strip» >>> serial_number.lstrip() 48374983274832 nnt t n Lista 7: «Right strip» >>> serial_number.rstrip() nt n 48374983274832 Como habíamos comentado, también existe la posibilidad de especificar los caracteres que queremos borrar: >>> serial_number.strip( n ) t n 48374983274832 nnt t Importante: La función strip() no modifica la cadena que estamos usando (algo obvio porque los «strings» son inmutables) sino que devuelve una nueva cadena de texto con las modificaciones pertinentes. Realizar búsquedas Aunque hemos visto que la forma pitónica de saber si una subcadena se encuentra dentro de otra es a través del operador in, Python nos ofrece distintas alternativas para realizar búsquedas en cadenas de texto. Vamos a partir de una variable que contiene un trozo de la canción Mediterráneo de Joan Manuel Serrat para ejemplificar las distintas opciones que tenemos: >>> lyrics = Quizás porque mi niñez ... Sigue jugando en tu playa ... Y escondido tras las cañas ... Duerme mi primer amor ... Llevo tu luz y tu olor ... Por dondequiera que vaya Comprobar si una cadena de texto empieza o termina por alguna subcadena: >>> lyrics.startswith( Quizás ) True >>> lyrics.endswith( Final ) False 3.3. Cadenas de texto 75
- 80. Aprende Python Encontrar la primera ocurrencia de alguna subcadena: >>> lyrics.find( amor ) 93 >>> lyrics.index( amor ) # Same behaviour? 93 Tanto find() como index() devuelven el índice de la primera ocurrencia de la subcadena que estemos buscando, pero se diferencian en su comportamiento cuando la subcadena buscada no existe: >>> lyrics.find( universo ) -1 >>> lyrics.index( universo ) Traceback (most recent call last): File "<stdin>", line 1, in <module> ValueError: substring not found Contabilizar el número de veces que aparece una subcadena: >>> lyrics.count( mi ) 2 >>> lyrics.count( tu ) 3 >>> lyrics.count( él ) 0 Ejercicio Dada la siguiente letra5 , obtenga la misma pero sustituyendo la palabra voices por sounds: >>> song = You look so beautiful in this light ... Your silhouette over me ... The way it brings out the blue in your eyes ... Is the Tenerife sea ... And all of the voices surrounding us here ... They just fade out when you take a breath ... Just say the word and I will disappear ... Into the wilderness Utilice para ello únicamente búsqueda, concatenación y troceado de cadenas de texto. 5 «Tenerife Sea» por Ed Sheeran. 76 Capítulo 3. Tipos de datos
- 81. Aprende Python Reemplazar elementos Podemos usar la función replace() indicando la subcadena a reemplazar, la subcadena de reemplazo y cuántas instancias se deben reemplazar. Si no se especifica este último argumento, la sustitución se hará en todas las instancias encontradas: >>> proverb = Quien mal anda mal acaba >>> proverb.replace( mal , bien ) Quien bien anda bien acaba >>> proverb.replace( mal , bien , 1) # sólo 1 reemplazo Quien bien anda mal acaba Mayúsculas y minúsculas Python nos permite realizar variaciones en los caracteres de una cadena de texto para pasarlos a mayúsculas y/o minúsculas. Veamos las distintas opciones disponibles: >>> proverb = quien a buen árbol se arrima Buena Sombra le cobija >>> proverb quien a buen árbol se arrima Buena Sombra le cobija >>> proverb.capitalize() Quien a buen árbol se arrima buena sombra le cobija >>> proverb.title() Quien A Buen Árbol Se Arrima Buena Sombra Le Cobija >>> proverb.upper() QUIEN A BUEN ÁRBOL SE ARRIMA BUENA SOMBRA LE COBIJA >>> proverb.lower() quien a buen árbol se arrima buena sombra le cobija >>> proverb.swapcase() QUIEN A BUEN ÁRBOL SE ARRIMA bUENA sOMBRA LE COBIJA 3.3. Cadenas de texto 77
- 82. Aprende Python Identificando caracteres Hay veces que recibimos información textual de distintas fuentes de las que necesitamos identificar qué tipo de caracteres contienen. Para ello Python nos ofrece un grupo de funciones. Veamos algunas de estas funciones: Lista 8: Detectar si todos los caracteres son letras o números >>> R2D2 .isalnum() True >>> C3-PO .isalnum() False Lista 9: Detectar si todos los caracteres son números >>> 314 .isnumeric() True >>> 3.14 .isnumeric() False Lista 10: Detectar si todos los caracteres son letras >>> abc .isalpha() True >>> a-b-c .isalpha() False 78 Capítulo 3. Tipos de datos
- 83. Aprende Python Lista 11: Detectar mayúsculas/minúsculas >>> BIG .isupper() True >>> small .islower() True >>> First Heading .istitle() True 3.3.7 Interpolación de cadenas En este apartado veremos cómo interpolar valores dentro de cadenas de texto utilizando diferentes formatos. Interpolar (en este contexto) significa sustituir una variable por su valor dentro de una cadena de texto. Veamos los estilos que proporciona Python para este cometido: Nombre Símbolo Soportado Estilo antiguo % >= Python2 Estilo «nuevo» .format >= Python2.6 «f-strings» f >= Python3.6 Aunque aún podemos encontrar código con el estilo antiguo y el estilo nuevo en el formateo de cadenas, vamos a centrarnos en el análisis de los «f-strings» que se están utilizando bastante en la actualidad. «f-strings» Los f-strings aparecieron en Python 3.6 y se suelen usar en código de nueva creación. Es la forma más potente – y en muchas ocasiones más eficiente – de formar cadenas de texto incluyendo valores de otras variables. La interpolación en cadenas de texto es un concepto que existe en la gran mayoría de lenguajes de programación y hace referencia al hecho de sustituir los nombres de variables por sus valores cuando se construye un «string». Para indicar en Python que una cadena es un «f-string» basta con precederla de una f e incluir las variables o expresiones a interpolar entre llaves {...}. Supongamos que disponemos de los datos de una persona y queremos formar una frase de bienvenida con ellos: 3.3. Cadenas de texto 79
- 84. Aprende Python >>> name = Elon Musk >>> age = 49 >>> fortune = 43_300 >>> f Me llamo {name}, tengo {age} años y una fortuna de {fortune} millones Me llamo Elon Musk, tengo 49 años y una fortuna de 43300 millones Advertencia: Si olvidamos poner la f delante del «string» no conseguiremos sustitución de variables. Podría surgir la duda de cómo incluir llaves dentro de la cadena de texto, teniendo en cuenta que las llaves son símbolos especiales para la interpolación de variables. La respuesta es duplicar las llaves: >>> x = 10 >>> f The variable is {{ x = {x} }} The variable is { x = 10 } Formateando cadenas Nivel intermedio Los «f-strings» proporcionan una gran variedad de opciones de formateado: ancho del texto, número de decimales, tamaño de la cifra, alineación, etc. Muchas de estas facilidades se pueden consultar en el artículo Best of Python3.6 f-strings4 Dando formato a valores enteros: >>> mount_height = 3718 >>> f {mount_height:10d} 3718 >>> f {mount_height:010d} 0000003718 Dando formato a otras bases: >>> value = 0b10010011 (continué en la próxima página) 4 Escrito por Nirant Kasliwal en Medium. 80 Capítulo 3. Tipos de datos
- 85. Aprende Python (proviene de la página anterior) >>> f {value} 147 >>> f {value:b} 10010011 >>> value = 0o47622 >>> f {value} 20370 >>> f {value:o} 47622 >>> value = 0xab217 >>> f {value} 700951 >>> f {value:x} ab217 Dando formato a valores flotantes: >>> pi = 3.14159265 >>> f {pi:f} # 6 decimales por defecto (se rellenan con ceros si procede) 3.141593 >>> f {pi:.3f} 3.142 >>> f {pi:12f} 3.141593 >>> f {pi:7.2f} 3.14 >>> f {pi:07.2f} 0003.14 >>> f {pi:.010f} 3.1415926500 >>> f {pi:e} 3.141593e+00 Alineando valores: >>> text1 = how (continué en la próxima página) 3.3. Cadenas de texto 81
- 86. Aprende Python (proviene de la página anterior) >>> text2 = are >>> text3 = you >>> f {text1:<7s}|{text2:^11s}|{text3:>7s} how | are | you >>> f {text1:-<7s}|{text2:·^11s}|{text3:->7s} how----|····are····|----you Modo «debug» A partir de Python 3.8, los «f-strings» permiten imprimir el nombre de la variable y su valor, como un atajo para depurar nuestro código. Para ello sólo tenemos que incluir un símbolo = después del nombre de la variable: >>> serie = The Simpsons >>> imdb_rating = 8.7 >>> num_seasons = 30 >>> f {serie=} "serie= The Simpsons " >>> f {imdb_rating=} imdb_rating=8.7 >>> f {serie[4:]=} # incluso podemos añadir expresiones! "serie[4:]= Simpsons " >>> f {imdb_rating / num_seasons=} imdb_rating / num_seasons=0.29 Ejercicio Dada la variable: e = 2.71828 , obtenga los siguientes resultados utilizando «f-strings»: 2.718 2.718280 2.72 # 4 espacios en blanco 2.718280e+00 (continué en la próxima página) 82 Capítulo 3. Tipos de datos
- 87. Aprende Python (proviene de la página anterior) 00002.7183 2.71828 # 12 espacios en blanco 3.3.8 Caracteres Unicode Python trabaja por defecto con caracteres Unicode. Eso significa que tenemos acceso a la amplia carta de caracteres que nos ofrece este estándar de codificación. Supongamos un ejemplo sobre el típico «emoji» de un cohete definido en este cuadro: Figura 9: Representación Unicode del carácter ROCKET La función chr() permite representar un carácter a partir de su código: >>> rocket_code = 0x1F680 >>> rocket = chr(rocket_code) >>> rocket La función ord() permite obtener el código (decimal) de un carácter a partir de su representación: >>> rocket_code = hex(ord(rocket)) >>> rocket_code 0x1f680 El modificador N permite representar un carácter a partir de su nombre: >>> N{ROCKET} 3.3. Cadenas de texto 83
- 88. Aprende Python 3.3.9 Casos de uso Nivel avanzado Hemos estado usando muchas funciones de objetos tipo «string» (y de otros tipos previamente). Pero quizás no sabemos aún como podemos descubrir todo lo que podemos hacer con ellos y los casos de uso que nos ofrece. Python proporciona una función «built-in» llamada dir() para inspeccionar un determinado tipo de objeto: >>> text = This is it! >>> dir(text) [ __add__ , __class__ , __contains__ , __delattr__ , __dir__ , __doc__ , __eq__ , __format__ , __ge__ , __getattribute__ , __getitem__ , __getnewargs__ , __gt__ , __hash__ , __init__ , __init_subclass__ , __iter__ , __le__ , __len__ , __lt__ , __mod__ , __mul__ , __ne__ , __new__ , __reduce__ , __reduce_ex__ , __repr__ , __rmod__ , __rmul__ , __setattr__ , __sizeof__ , __str__ , __subclasshook__ , (continué en la próxima página) 84 Capítulo 3. Tipos de datos
- 89. Aprende Python (proviene de la página anterior) capitalize , casefold , center , count , encode , endswith , expandtabs , find , format , format_map , index , isalnum , isalpha , isascii , isdecimal , isdigit , isidentifier , islower , isnumeric , isprintable , isspace , istitle , isupper , join , ljust , lower , lstrip , maketrans , partition , replace , rfind , rindex , rjust , rpartition , rsplit , rstrip , split , splitlines , startswith , strip , swapcase , title , translate , upper , zfill ] 3.3. Cadenas de texto 85
- 90. Aprende Python Esto es aplicable tanto a variables como a literales e incluso a tipos de datos (clases) explícitos: >>> dir(10) [ __abs__ , __add__ , __and__ , __bool__ , ... imag , numerator , real , to_bytes ] >>> dir(float) [ __abs__ , __add__ , __bool__ , __class__ , ... hex , imag , is_integer , real ] EJERCICIOS DE REPASO 1. Escriba un programa en Python que acepte el nombre y los apellidos de una persona y los imprima en orden inverso separados por una coma. Utilice f-strings para implementarlo (solución). Entrada: nombre=Sergio; apellidos=Delgado Quintero Salida: Delgado Quintero, Sergio 2. Escriba un programa en Python que acepte una ruta remota de recurso samba, y lo separe en nombre(IP) del equipo y ruta (solución). Entrada: //1.1.1.1/eoi/python Salida: equipo=1.1.1.1; ruta=/eoi/python 3. Escriba un programa en Python que acepte un «string» con los 8 dígitos de un NIF, y calcule su dígito de control (solución). Entrada: 12345678 Salida: 12345678Z 86 Capítulo 3. Tipos de datos
- 91. Aprende Python 4. Escriba un programa en Python que acepte un entero n y compute el valor de n + nn + nnn (solución). Entrada: 5 Salida: 615 5. Escriba un programa en Python que acepte una palabra en castellano y calcule una métrica que sea el número total de caracteres de la palabra multiplicado por el número total de vocales que contiene la palabra (solución). Entrada: ordenador Salida: 36 AMPLIAR CONOCIMIENTOS • A Guide to the Newer Python String Format Techniques • Strings and Character Data in Python • How to Convert a Python String to int • Your Guide to the Python print<> Function • Basic Input, Output, and String Formatting in Python • Unicode & Character Encodings in Python: A Painless Guide • Python String Formatting Tips & Best Practices • Python 3’s f-Strings: An Improved String Formatting Syntax • Splitting, Concatenating, and Joining Strings in Python • Conditional Statements in Python • Python String Formatting Best Practices 3.3. Cadenas de texto 87
- 92. Aprende Python 88 Capítulo 3. Tipos de datos
- 93. CAPÍTULO 4 Control de flujo Todo programa informático está formado por instrucciones que se ejecutan en forma secuencial de «arriba» a «abajo», de igual manera que leeríamos un libro. Este orden constituye el llamado flujo del programa. Es posible modificar este flujo secuencial para que tome bifurcaciones o repita ciertas instrucciones. Las sentencias que nos permiten hacer estas modificaciones se engloban en el control de flujo. 89
- 94. Aprende Python 4.1 Condicionales En esta sección veremos las sentencias if y match-case junto a las distintas variantes que pueden asumir, pero antes de eso introduciremos algunas cuestiones generales de escritura de código.1 4.1.1 Definición de bloques A diferencia de otros lenguajes que utilizan llaves para definir los bloques de código, cuando Guido Van Rossum creó el lenguaje quiso evitar estos caracteres por considerarlos innecesarios. Es por ello que en Python los bloques de código se definen a través de espacios en blanco, preferiblemente 4.2 En términos técnicos se habla del tamaño de indentación. Consejo: Esto puede resultar extraño e incómodo a personas que vienen de otros lenguajes de programación pero desaparece rápido y se siente natural a medida que se escribe código. 1 Foto original de portada por ali nafezarefi en Unsplash. 2 Reglas de indentación definidas en PEP 8 90 Capítulo 4. Control de flujo
- 95. Aprende Python Figura 1: Python recomienda 4 espacios en blanco para indentar 4.1.2 Comentarios Los comentarios son anotaciones que podemos incluir en nuestro programa y que nos permiten aclarar ciertos aspectos del código. Estas indicaciones son ignoradas por el intérprete de Python. Los comentarios se incluyen usando el símbolo almohadilla # y comprenden hasta el final de la línea. Lista 1: Comentario en bloque # Universe age expressed in days universe_age = 13800 * (10 ** 6) * 365 Los comentarios también pueden aparecer en la misma línea de código, aunque la guía de estilo de Python no aconseja usarlos en demasía: Lista 2: Comentario en línea stock = 0 # Release additional articles Reglas para escribir buenos comentarios:6 1. Los comentarios no deberían duplicar el código. 2. Los buenos comentarios no arreglan un código poco claro. 3. Si no puedes escribir un comentario claro, puede haber un problema en el código. 4. Los comentarios deberían evitar la confusión, no crearla. 5. Usa comentarios para explicar código no idiomático. 6. Proporciona enlaces a la fuente original del código copiado. 6 Referencia: Best practices for writing code comments 4.1. Condicionales 91
- 96. Aprende Python 7. Incluye enlaces a referencias externas que sean de ayuda. 8. Añade comentarios cuando arregles errores. 9. Usa comentarios para destacar implementaciones incompletas. 4.1.3 Ancho del código Los programas suelen ser más legibles cuando las líneas no son excesivamente largas. La longitud máxima de línea recomendada por la guía de estilo de Python es de 80 caracteres. Sin embargo, esto genera una cierta polémica hoy en día, ya que los tamaños de pantalla han aumentado y las resoluciones son mucho mayores que hace años. Así las líneas de más de 80 caracteres se siguen visualizando correctamente. Hay personas que son más estrictas en este límite y otras más flexibles. En caso de que queramos romper una línea de código demasiado larga, tenemos dos opciones: 1. Usar la barra invertida : >>> factorial = 4 * 3 * 2 * 1 >>> factorial = 4 * ... 3 * ... 2 * ... 1 2. Usar los paréntesis (...): >>> factorial = 4 * 3 * 2 * 1 >>> factorial = (4 * ... 3 * ... 2 * ... 1) 4.1.4 La sentencia if La sentencia condicional en Python (al igual que en muchos otros lenguajes de programación) es if. En su escritura debemos añadir una expresión de comparación terminando con dos puntos al final de la línea. Veamos un ejemplo: >>> temperature = 40 (continué en la próxima página) 92 Capítulo 4. Control de flujo
- 97. Aprende Python (proviene de la página anterior) >>> if temperature > 35: ... print( Aviso por alta temperatura ) ... Aviso por alta temperatura Nota: Nótese que en Python no es necesario incluir paréntesis ( y ) al escribir condiciones. Hay veces que es recomendable por claridad o por establecer prioridades. En el caso anterior se puede ver claramente que la condición se cumple y por tanto se ejecuta la instrucción que tenemos dentro del cuerpo de la condición. Pero podría no ser así. Para controlar ese caso existe la sentencia else. Veamos el mismo ejemplo anterior pero añadiendo esta variante: >>> temperature = 20 >>> if temperature > 35: ... print( Aviso por alta temperatura ) ... else: ... print( Parámetros normales ) ... Parámetros normales Podríamos tener incluso condiciones dentro de condiciones, lo que se viene a llamar técnicamente condiciones anidadas3 . Veamos un ejemplo ampliando el caso anterior: >>> temperature = 28 >>> if temperature < 20: ... if temperature < 10: ... print( Nivel azul ) ... else: ... print( Nivel verde ) ... else: ... if temperature < 30: ... print( Nivel naranja ) ... else: ... print( Nivel rojo ) ... Nivel naranja Python nos ofrece una mejora en la escritura de condiciones anidadas cuando aparecen consecutivamente un else y un if. Podemos sustituirlos por la sentencia elif: 3 El anidamiento (o «nesting») hace referencia a incorporar sentencias unas dentro de otras mediante la inclusión de diversos niveles de profunidad (indentación). 4.1. Condicionales 93
- 98. Aprende Python Figura 2: Construcción de la sentencia elif Apliquemos esta mejora al código del ejemplo anterior: >>> temperature = 28 >>> if temperature < 20: ... if temperature < 10: ... print( Nivel azul ) ... else: ... print( Nivel verde ) ... elif temperature < 30: ... print( Nivel naranja ) ... else: ... print( Nivel rojo ) ... Nivel naranja Ejecución paso a paso a través de Python Tutor: https://cutt.ly/wd58B4t 4.1.5 Operadores de comparación Cuando escribimos condiciones debemos incluir alguna expresión de comparación. Para usar estas expresiones es fundamental conocer los operadores que nos ofrece Python: Operador Símbolo Igualdad == Desigualdad != Menor que < Menor o igual que <= Mayor que > Mayor o igual que >= A continuación vamos a ver una serie de ejemplos con expresiones de comparación. Téngase 94 Capítulo 4. Control de flujo
- 99. Aprende Python en cuenta que estas expresiones habría que incluirlas dentro de la sentencia condicional en el caso de que quisiéramos tomar una acción concreta: # Asignación de valor inicial >>> value = 8 >>> value == 8 True >>> value != 8 False >>> value < 12 True >>> value <= 7 False >>> value > 4 True >>> value >= 9 False Podemos escribir condiciones más complejas usando los operadores lógicos: • and • or • not # Asignación de valor inicial >>> x = 8 >>> x > 4 or x > 12 # True or False True >>> x < 4 or x > 12 # False or False False >>> x > 4 and x > 12 # True and False False >>> x > 4 and x < 12 # True and True True >>> not(x != 8) # not False (continué en la próxima página) 4.1. Condicionales 95
- 100. Aprende Python (proviene de la página anterior) True Python ofrece la posibilidad de ver si un valor está entre dos límites de manera directa. Así, por ejemplo, para descubrir si value está entre 4 y 12 haríamos: >>> 4 <= value <= 12 True Nota: 1. Una expresión de comparación siempre devuelve un valor booleano, es decir True o False. 2. El uso de paréntesis, en función del caso, puede aclarar la expresión de comparación. Ejercicio Dada una variable year con un valor entero, compruebe si dicho año es bisiesto o no lo es. Un año es bisiesto en el calendario Gregoriano, si es divisible entre 4 y no divisible entre 100, o bien si es divisible entre 400. Puedes hacer la comprobación en esta lista de años bisiestos. Ejemplo • Entrada: 2008 • Salida: Es un año bisiesto «Booleanos» en condiciones Cuando queremos preguntar por la veracidad de una determinada variable «booleana» en una condición, la primera aproximación que parece razonable es la siguiente: >>> is_cold = True >>> if is_cold == True: ... print( Coge chaqueta ) ... else: ... print( Usa camiseta ) ... Coge chaqueta Pero podemos simplificar esta condición tal que así: 96 Capítulo 4. Control de flujo
- 101. Aprende Python >>> if is_cold: ... print( Coge chaqueta ) ... else: ... print( Usa camiseta ) ... Coge chaqueta Hemos visto una comparación para un valor «booleano» verdadero (True). En el caso de que la comparación fuera para un valor falso lo haríamos así: >>> is_cold = False >>> if not is_cold: # Equivalente a if is_cold == False ... print( Usa camiseta ) ... else: ... print( Coge chaqueta ) ... Usa camiseta De hecho, si lo pensamos, estamos reproduciendo bastante bien el lenguaje natural: • Si hace frío, coge chaqueta. • Si no hace frío, usa camiseta. Ejercicio Escriba un programa que permita adivinar un personaje de Marvel en base a las tres preguntas siguientes: 1. ¿Puede volar? 2. ¿Es humano? 3. ¿Tiene máscara? 4.1. Condicionales 97
- 102. Aprende Python Ejemplo • Entrada: can_fly = True, is_human = True y has_mask = True • Salida: Ironman Es una especie de Akinator para personajes de Marvel… 98 Capítulo 4. Control de flujo
- 103. Aprende Python Valor nulo Nivel intermedio None es un valor especial de Python que almacena el valor nulo4 . Veamos cómo se comporta al incorporarlo en condiciones de veracidad: >>> value = None >>> if value: ... print( Value has some useful value ) ... else: ... # value podría contener None, False (u otro) ... print( Value seems to be void ) ... Value seems to be void Para distinguir None de los valores propiamente booleanos, se recomienda el uso del operador is. Veamos un ejemplo en el que tratamos de averiguar si un valor es nulo: >>> value = None >>> if value is None: ... print( Value is clearly None ) ... else: ... # value podría contener True, False (u otro) ... print( Value has some useful value ) ... Value is clearly void De igual forma, podemos usar esta construcción para el caso contrario. La forma «pitónica» de preguntar si algo no es nulo es la siguiente: >>> value = 99 >>> if value is not None: ... print(f {value=} ) ... value=99 4 Lo que en otros lenguajes se conoce como nil, null, nothing. 4.1. Condicionales 99
- 104. Aprende Python 4.1.6 Sentencia match-case Una de las novedades más esperadas (y quizás controvertidas) de Python 3.10 fue el llamado Structural Pattern Matching que introdujo en el lenguaje una nueva sentencia condicional. Ésta se podría asemejar a la sentencia «switch» que ya existe en otros lenguajes de programación. Comparando valores En su versión más simple, el «pattern matching» permite comparar un valor de entrada con una serie de literales. Algo así como un conjunto de sentencias «if» encadenadas. Veamos esta aproximación mediante un ejemplo: >>> color = #FF0000 >>> match color: ... case #FF0000 : ... print( ) ... case #00FF00 : ... print( ) ... case #0000FF : ... print( ) ... ¿Qué ocurre si el valor que comparamos no existe entre las opciones disponibles? Pues en principio, nada, ya que este caso no está cubierto. Si lo queremos controlar, hay que añadir una nueva regla utilizando el subguión _ como patrón: >>> color = #AF549B >>> match color: ... case #FF0000 : ... print( ) ... case #00FF00 : ... print( ) ... case #0000FF : ... print( ) ... case _: ... print( Unknown color! ) ... Unknown color! Ejercicio 100 Capítulo 4. Control de flujo
- 105. Aprende Python Escriba un programa en Python que pida (por separado) dos valores numéricos y un operando (suma, resta, multiplicación, división) y calcule el resultado de la operación, usando para ello la sentencia match-case. Controlar que la operación no sea una de las cuatro predefinidas. En este caso dar un mensaje de error y no mostrar resultado final. Ejemplo • Entrada: 4, 3, + • Salida: 4+3=7 Patrones avanzados Nivel avanzado La sentencia match-case va mucho más allá de una simple comparación de valores. Con ella podremos deconstruir estructuras de datos, capturar elementos o mapear valores. Para ejemplificar varias de sus funcionalidades, vamos a partir de una tupla que representará un punto en el plano (2 coordenadas) o en el espacio (3 coordenadas). Lo primero que vamos a hacer es detectar en qué dimensión se encuentra el punto: >>> point = (2, 5) >>> match point: ... case (x, y): ... print(f ({x},{y}) is in plane ) ... case (x, y, z): ... print(f ({x},{y},{z}) is in space ) ... (2,5) is in plane >>> point = (3, 1, 7) >>> match point: ... case (x, y): ... print(f ({x},{y}) is in plane ) ... case (x, y, z): ... print(f ({x},{y},{z}) is in space ) ... (3,1,7) is in space En cualquier caso, esta aproximación permitiría un punto formado por «strings»: 4.1. Condicionales 101
- 106. Aprende Python >>> point = ( 2 , 5 ) >>> match point: ... case (x, y): ... print(f ({x},{y}) is in plane ) ... case (x, y, z): ... print(f ({x},{y},{z}) is in space ) ... (2,5) is in plane Por lo tanto, en un siguiente paso, podemos restringir nuestros patrones a valores enteros: >>> point = ( 2 , 5 ) >>> match point: ... case (int(), int()): ... print(f {point} is in plane ) ... case (int(), int(), int()): ... print(f {point} is in space ) ... case _: ... print( Unknown! ) ... Unknown! >>> point = (3, 9, 1) >>> match point: ... case (int(), int()): ... print(f {point} is in plane ) ... case (int(), int(), int()): ... print(f {point} is in space ) ... case _: ... print( Unknown! ) ... (3, 9, 1) is in space Imaginemos ahora que nos piden calcular la distancia del punto al origen. Debemos tener en cuenta que, a priori, desconocemos si el punto está en el plano o en el espacio: >>> point = (8, 3, 5) >>> match point: ... case (int(x), int(y)): ... dist_to_origin = (x ** 2 + y ** 2) ** (1 / 2) ... case (int(x), int(y), int(z)): ... dist_to_origin = (x ** 2 + y ** 2 + z ** 2) ** (1 / 2) (continué en la próxima página) 102 Capítulo 4. Control de flujo
- 107. Aprende Python (proviene de la página anterior) ... case _: ... print( Unknown! ) ... >>> dist_to_origin 9.899494936611665 Con este enfoque, nos aseguramos que los puntos de entrada deben tener todas sus coordenadas como valores enteros: >>> point = ( 8 , 3, 5) # Nótese el 8 como "string" >>> match point: ... case (int(x), int(y)): ... dist_to_origin = (x ** 2 + y ** 2) ** (1 / 2) ... case (int(x), int(y), int(z)): ... dist_to_origin = (x ** 2 + y ** 2 + z ** 2) ** (1 / 2) ... case _: ... print( Unknown! ) ... Unknown! Cambiando de ejemplo, veamos un fragmento de código en el que tenemos que comprobar la estructura de un bloque de autenticación definido mediante un diccionario. Los métodos válidos de autenticación son únicamente dos: bien usando nombre de usuario y contraseña, o bien usando correo electrónico y «token» de acceso. Además, los valores deben venir en formato cadena de texto: 1 >>> # Lista de diccionarios 2 >>> auths = [ 3 ... { username : sdelquin , password : 1234 }, 4 ... { email : sdelquin@gmail.com , token : 4321 }, 5 ... { email : test@test.com , password : ABCD }, 6 ... { username : sdelquin , password : 1234} 7 ... ] 8 9 >>> for auth in auths: 10 ... print(auth) 11 ... match auth: 12 ... case { username : str(username), password : str(password)}: 13 ... print( Authenticating with username and password ) 14 ... print(f {username}: {password} ) 15 ... case { email : str(email), token : str(token)}: 16 ... print( Authenticating with email and token ) 17 ... print(f {email}: {token} ) (continué en la próxima página) 4.1. Condicionales 103
- 108. Aprende Python (proviene de la página anterior) 18 ... case _: 19 ... print( Authenticating method not valid! ) 20 ... print( --- ) 21 ... 22 { username : sdelquin , password : 1234 } 23 Authenticating with username and password 24 sdelquin: 1234 25 --- 26 { email : sdelquin@gmail.com , token : 4321 } 27 Authenticating with email and token 28 sdelquin@gmail.com: 4321 29 --- 30 { email : test@test.com , password : ABCD } 31 Authenticating method not valid! 32 --- 33 { username : sdelquin , password : 1234} 34 Authenticating method not valid! 35 --- Cambiando de ejemplo, a continuación veremos un código que nos indica si, dada la edad de una persona, puede beber alcohol: 1 >>> age = 21 2 3 >>> match age: 4 ... case 0 | None: 5 ... print( Not a person ) 6 ... case n if n < 17: 7 ... print( Nope ) 8 ... case n if n < 22: 9 ... print( Not in the US ) 10 ... case _: 11 ... print( Yes ) 12 ... 13 Not in the US • En la línea 4 podemos observar el uso del operador OR. • En las líneas 6 y 8 podemos observar el uso de condiciones dando lugar a cláusulas guarda. 104 Capítulo 4. Control de flujo
- 109. Aprende Python 4.1.7 Operador morsa Nivel avanzado A partir de Python 3.8 se incorpora el operador morsa5 que permite unificar sentencias de asignación dentro de expresiones. Su nombre proviene de la forma que adquiere := Supongamos un ejemplo en el que computamos el perímetro de una circunferencia, indicando al usuario que debe incrementarlo siempre y cuando no llegue a un mínimo establecido. Versión tradicional >>> radius = 4.25 ... perimeter = 2 * 3.14 * radius ... if perimeter < 100: ... print( Increase radius to reach minimum perimeter ) ... print( Actual perimeter: , perimeter) ... Increase radius to reach minimum perimeter Actual perimeter: 26.69 Versión con operador morsa >>> radius = 4.25 ... if (perimeter := 2 * 3.14 * radius) < 100: ... print( Increase radius to reach minimum perimeter ) ... print( Actual perimeter: , perimeter) ... Increase radius to reach minimum perimeter Actual perimeter: 26.69 Consejo: Como hemos comprobado, el operador morsa permite realizar asignaciones dentro de expresiones, lo que, en muchas ocasiones, permite obtener un código más compacto. Sería conveniente encontrar un equilibrio entre la expresividad y la legibilidad. 5 Se denomina así porque el operador := tiene similitud con los colmillos de una morsa. 4.1. Condicionales 105
- 110. Aprende Python EJERCICIOS DE REPASO 1. Escriba un programa en Python que acepte la opción de dos jugadoras en Piedra-Papel-Tijera y decida el resultado (solución). Entrada: persona1=piedra; persona2=papel Salida: Gana persona2: El papel envuelve a la piedra 2. Escriba un programa en Python que acepte 3 números y calcule el mínimo (solución). Entrada: 7, 4, 9 Salida: 4 3. Escriba un programa en Python que acepte un país (como «string») y muestre por pantalla su bandera (como «emoji»). Puede restringirlo a un conjunto limitado de países (solución). Entrada: Italia Salida: �� 4. Escriba un programa en Python que acepte 3 códigos de teclas y muestre por pantalla la acción que se lleva a cabo en sistemas Ubuntu Linux (solución). Entrada: tecla1=Ctrl; tecla2=Alt; tecla3=Del; Salida: Log out 5. Escriba un programa en Python que acepte edad, peso, pulso y plaquetas, y determine si una persona cumple con estos requisitos para donar sangre. Entrada: edad=34; peso=81; heartbeat=70; plaquetas=150000 Salida: Apto para donar sangre AMPLIAR CONOCIMIENTOS • How to Use the Python or Operator • Conditional Statements in Python (if/elif/else) 106 Capítulo 4. Control de flujo
- 111. Aprende Python 4.2 Bucles Cuando queremos hacer algo más de una vez, necesitamos recurrir a un bucle. En esta sección veremos las distintas sentencias en Python que nos permiten repetir un bloque de código.1 4.2.1 La sentencia while El primer mecanismo que existe en Python para repetir instrucciones es usar la sentencia while. La semántica tras esta sentencia es: «Mientras se cumpla la condición haz algo». Veamos un sencillo bucle que muestra por pantalla los números del 1 al 4: >>> value = 1 >>> while value <= 4: ... print(value) ... value += 1 ... 1 2 3 4 1 Foto original de portada por Gary Lopater en Unsplash. 4.2. Bucles 107
- 112. Aprende Python Ejecución paso a paso a través de Python Tutor: https://cutt.ly/RgM2HYn La condición del bucle se comprueba en cada nueva repetición. En este caso chequeamos que la variable value sea menor o igual que 4. Dentro del cuerpo del bucle estamos incrementando esa variable en 1 unidad. Romper un bucle while Python ofrece la posibilidad de romper o finalizar un bucle antes de que se cumpla la condición de parada. Supongamos un ejemplo en el que estamos buscando el primer número múltiplo de 3 yendo desde 20 hasta 1: >>> num = 20 >>> while num >= 1: ... if num % 3 == 0: ... print(num) ... break ... num -= 1 ... 18 Ejecución paso a paso a través de Python Tutor: https://cutt.ly/wfrKnHl Como hemos visto en este ejemplo, break nos permite finalizar el bucle una vez que hemos encontrado nuestro objetivo: el primer múltiplo de 3. Pero si no lo hubiéramos encontrado, el bucle habría seguido decrementando la variable num hasta valer 0, y la condición del bucle while hubiera resultado falsa. Comprobar la rotura Nivel intermedio Python nos ofrece la posibilidad de detectar si el bucle ha acabado de forma ordinaria, esto es, ha finalizado por no cumplirse la condición establecida. Para ello podemos hacer uso de la sentencia else como parte del propio bucle. Si el bucle while finaliza normalmente (sin llamada a break) el flujo de control pasa a la sentencia opcional else. Veamos un ejemplo en el que tratamos de encontrar un múltiplo de 9 en el rango [1, 8] (es obvio que no sucederá): 108 Capítulo 4. Control de flujo
- 113. Aprende Python >>> num = 8 >>> while num >= 1: ... if num % 9 == 0: ... print(f {num} is a multiple of 9! ) ... break ... num -= 1 ... else: ... print( No multiples of 9 found! ) ... No multiples of 9 found! Ejecución paso a paso a través de Python Tutor: https://cutt.ly/CgYQFiA Continuar un bucle Nivel intermedio Hay situaciones en las que, en vez de romper un bucle, nos interesa saltar adelante hacia la siguiente repetición. Para ello Python nos ofrece la sentencia continue que hace precisamente eso, descartar el resto del código del bucle y saltar a la siguiente iteración. Veamos un ejemplo en el que usaremos esta estrategia para mostrar todos los números en el rango [1, 20] ignorando aquellos que sean múltiplos de 3: >>> num = 21 >>> while num >= 1: ... num -= 1 ... if num % 3 == 0: ... continue ... print(num, end= , ) # Evitar salto de línea ... 20, 19, 17, 16, 14, 13, 11, 10, 8, 7, 5, 4, 2, 1, Ejecución paso a paso a través de Python Tutor: https://cutt.ly/YgYQ3m6 4.2. Bucles 109
- 114. Aprende Python Bucle infinito Si no establecemos correctamente la condición de parada o bien el valor de alguna variable está fuera de control, es posible que lleguemos a una situación de bucle infinito, del que nunca podamos salir. Veamos un ejemplo de esto: >>> num = 1 >>> while num != 10: ... num += 2 ... # CTRL-C KeyboardInterrupt Traceback (most recent call last): File "<stdin>", line 1, in <module> El problema que surje es que la variable num toma los valores 1, 3, 5, 7, 9, 11, .. . por lo que nunca se cumple la condición de parada del bucle. Esto hace que repitamos «eternamente» la instrucción de incremento. Ejecución paso a paso a través de Python Tutor: https://cutt.ly/AfrZroa Una posible solución a este error es reescribir la condición de parada en el bucle: >>> num = 1 >>> while num < 10: ... num += 2 ... Truco: Para abortar una situación de bucle infinito podemos pulsar en el teclado la combinación CTRL-C. Se puede ver reflejado en el intérprete de Python por KeyboardInterrupt. Ejercicio Escriba un programa que calcule la distancia hamming entre dos cadenas de texto de la misma longitud. Ejemplo • Entrada: 0001010011101 y 0000110010001 • Salida: 4 110 Capítulo 4. Control de flujo
- 115. Aprende Python 4.2.2 La sentencia for Python permite recorrer aquellos tipos de datos que sean iterables, es decir, que admitan iterar2 sobre ellos. Algunos ejemplos de tipos y estructuras de datos que permiten ser iteradas (recorridas) son: cadenas de texto, listas, diccionarios, ficheros, etc. La sentencia for nos permite realizar esta acción. A continuación se plantea un ejemplo en el que vamos a recorrer (iterar) una cadena de texto: >>> word = Python >>> for letter in word: ... print(letter) ... P y t h o n La clave aquí está en darse cuenta que el bucle va tomando, en cada iteración, cada uno de los elementos de la variable que especifiquemos. En este caso concreto letter va tomando cada una de las letras que existen en word, porque una cadena de texto está formada por elementos que son caracteres. Ejecución paso a paso a través de Python Tutor: https://cutt.ly/Pft6R2e Importante: La variable que utilizamos en el bucle for para ir tomando los valores puede tener cualquier nombre. Al fin y al cabo es una variable que definimos según nuestras necesidades. Tener en cuenta que se suele usar un nombre en singular. Romper un bucle for Una sentencia break dentro de un for rompe el bucle, igual que veíamos para los bucles while. Veamos un ejemplo con el código anterior. En este caso vamos a recorrer una cadena de texto y pararemos el bucle cuando encontremos una letra t minúscula: >>> word = Python (continué en la próxima página) 2 Realizar cierta acción varias veces. En este caso la acción es tomar cada elemento. 4.2. Bucles 111
- 116. Aprende Python (proviene de la página anterior) >>> for letter in word: ... if letter == t : ... break ... print(letter) ... P y Ejecución paso a paso a través de Python Tutor: https://cutt.ly/zfyqkbJ Truco: Tanto la comprobación de rotura de un bucle como la continuación a la siguiente iteración se llevan a cabo del mismo modo que hemos visto con los bucles de tipo while. Ejercicio Dada una cadena de texto, indique el número de vocales que tiene. Ejemplo • Entrada: Supercalifragilisticoespialidoso • Salida: 15 Secuencias de números Es muy habitual hacer uso de secuencias de números en bucles. Python no tiene una instrucción específica para ello. Lo que sí aporta es una función range() que devuelve un flujo de números en el rango especificado. Una de las grandes ventajas es que la «lista» generada no se construye explícitamente, sino que cada valor se genera bajo demanda. Esta técnica mejora el consumo de recursos, especialmente en términos de memoria. La técnica para la generación de secuencias de números es muy similar a la utilizada en los «slices» de cadenas de texto. En este caso disponemos de la función range(start, stop, step): • start: Es opcional y tiene valor por defecto 0. • stop: es obligatorio (siempre se llega a 1 menos que este valor). • step: es opcional y tiene valor por defecto 1. 112 Capítulo 4. Control de flujo
- 117. Aprende Python range() devuelve un objeto iterable, así que iremos obteniendo los valores paso a paso con una sentencia for ... in3 . Veamos diferentes ejemplos de uso: Rango: [0, 1, 2] >>> for i in range(0, 3): ... print(i) ... 0 1 2 >>> for i in range(3): ... print(i) ... 0 1 2 Rango: [1, 3, 5] >>> for i in range(1, 6, 2): ... print(i) ... 1 3 5 Rango: [2, 1, 0] >>> for i in range(2, -1, -1): ... print(i) ... 2 1 0 Ejecución paso a paso a través de Python Tutor: https://cutt.ly/vfywE45 Truco: Se suelen utilizar nombres de variables i, j, k para lo que se denominan contadores. Este tipo de variables toman valores numéricos enteros como en los ejemplos anteriores. No conviene generalizar el uso de estas variables a situaciones en las que, claramente, tenemos la posibilidad de asignar un nombre semánticamente más significativo. Esto viene de tiempos 3 O convertir el objeto a una secuencia como una lista. 4.2. Bucles 113
- 118. Aprende Python antiguos en FORTRAN donde i era la primera letra que tenía valor entero por defecto. Ejercicio Determine si un número dado es un número primo. No es necesario implementar ningún algoritmo en concreto. La idea es probar los números menores al dado e ir viendo si las divisiones tienen resto cero o no. ¿Podrías optimizar tu código? ¿Realmente es necesario probar con tantos divisores? Ejemplo • Entrada: 11 • Salida: Es primo Usando el guión bajo Nivel avanzado Hay situaciones en las que no necesitamos usar la variable que toma valores en el rango, sino que únicamente queremos repetir una acción un número determinado de veces. Para estos casos se suele recomendar usar el guión bajo _ como nombre de variable, que da a entender que no estamos usando esta variable de forma explícita: >>> for _ in range(10): ... print( Repeat me 10 times! ) ... Repeat me 10 times! Repeat me 10 times! Repeat me 10 times! Repeat me 10 times! Repeat me 10 times! Repeat me 10 times! Repeat me 10 times! Repeat me 10 times! Repeat me 10 times! Repeat me 10 times! 114 Capítulo 4. Control de flujo
- 119. Aprende Python 4.2.3 Bucles anidados Como ya vimos en las sentencias condicionales, el anidamiento es una técnica por la que incluimos distintos niveles de encapsulamiento de sentencias, unas dentro de otras, con mayor nivel de profundidad. En el caso de los bucles también es posible hacer anidamiento. Veamos un ejemplo de 2 bucles anidados en el que generamos todas las tablas de multiplicar: >>> for i in range(1, 10): ... for j in range(1, 10): ... result = i * j ... print(f {i} * {j} = {result} ) ... 1 x 1 = 1 1 x 2 = 2 1 x 3 = 3 1 x 4 = 4 1 x 5 = 5 1 x 6 = 6 1 x 7 = 7 1 x 8 = 8 1 x 9 = 9 2 x 1 = 2 2 x 2 = 4 2 x 3 = 6 2 x 4 = 8 2 x 5 = 10 2 x 6 = 12 2 x 7 = 14 2 x 8 = 16 2 x 9 = 18 3 x 1 = 3 3 x 2 = 6 3 x 3 = 9 3 x 4 = 12 3 x 5 = 15 3 x 6 = 18 3 x 7 = 21 3 x 8 = 24 3 x 9 = 27 4 x 1 = 4 4 x 2 = 8 4 x 3 = 12 4 x 4 = 16 4 x 5 = 20 4 x 6 = 24 4 x 7 = 28 (continué en la próxima página) 4.2. Bucles 115
- 120. Aprende Python (proviene de la página anterior) 4 x 8 = 32 4 x 9 = 36 5 x 1 = 5 5 x 2 = 10 5 x 3 = 15 5 x 4 = 20 5 x 5 = 25 5 x 6 = 30 5 x 7 = 35 5 x 8 = 40 5 x 9 = 45 6 x 1 = 6 6 x 2 = 12 6 x 3 = 18 6 x 4 = 24 6 x 5 = 30 6 x 6 = 36 6 x 7 = 42 6 x 8 = 48 6 x 9 = 54 7 x 1 = 7 7 x 2 = 14 7 x 3 = 21 7 x 4 = 28 7 x 5 = 35 7 x 6 = 42 7 x 7 = 49 7 x 8 = 56 7 x 9 = 63 8 x 1 = 8 8 x 2 = 16 8 x 3 = 24 8 x 4 = 32 8 x 5 = 40 8 x 6 = 48 8 x 7 = 56 8 x 8 = 64 8 x 9 = 72 9 x 1 = 9 9 x 2 = 18 9 x 3 = 27 9 x 4 = 36 9 x 5 = 45 9 x 6 = 54 9 x 7 = 63 (continué en la próxima página) 116 Capítulo 4. Control de flujo
- 121. Aprende Python (proviene de la página anterior) 9 x 8 = 72 9 x 9 = 81 Lo que está ocurriendo en este código es que, para cada valor que toma la variable i, la otra variable j toma todos sus valores. Como resultado tenemos una combinación completa de los valores en el rango especificado. Ejecución paso a paso a través de Python Tutor: https://cutt.ly/vfyeWvj Nota: • Podemos añadir todos los niveles de anidamiento que queramos. Eso sí, hay que tener en cuenta que cada nuevo nivel de anidamiento supone un importante aumento de la complejidad ciclomática de nuestro código, lo que se traduce en mayores tiempos de ejecución. • Los bucles anidados también se pueden aplicar en la sentencia while. Ejercicio Imprima los 100 primeros números de la sucesión de Fibonacci: 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, . . . EJERCICIOS DE REPASO 1. Escriba un programa en Python que realice las siguientes 9 multiplicaciones. ¿Nota algo raro? (solución) 1 · 1 11 · 11 111 · 111 . . . 111111111 · 111111111 2. Escriba un programa en Python que acepte una cadena de texto e indique si todos sus caracteres son alfabéticos (solución). Entrada: hello-world Salida: Se han encontrado caracteres no alfabéticos 4.2. Bucles 117
- 122. Aprende Python 3. Escriba un programa en Python que acepte un número entero 𝑛 y realice el siguiente cálculo de productos sucesivos (solución): 𝑛 ∏︁ 𝑖=1 𝑥2 𝑖 = 𝑥2 0 · 𝑥2 1 · 𝑥2 2 · · · · · 𝑥2 𝑛 4. Escriba un programa en Python que acepte dos cadenas de texto y compute el producto cartesiano letra a letra entre ellas (solución). Entrada: cadena1=abc; cadena2=123 Salida: a1 a2 a3 b1 b2 b3 c1 c2 c3 5. Escriba un programa en Python que acepte dos valores enteros (𝑥 e 𝑦) que representarán un punto (objetivo) en el plano. El programa simulará el movimiento de un «caballo» de ajedrez moviéndose de forma alterna: 2 posiciones en 𝑥 + 1 posición en 𝑦. El siguiente movimiento que toque sería para moverse 1 posición en 𝑥 + 2 posiciones en 𝑦. El programa deberá ir mostrando los puntos por los que va pasando el «caballo» hasta llegar al punto objetivo (solución). Entrada: objetivo_x=7; objetivo_y=8; Salida: (0, 0) (1, 2) (3, 3) (4, 5) (6, 6) (7, 8) AMPLIAR CONOCIMIENTOS • The Python range() Function • How to Write Pythonic Loops • For Loops in Python (Definite Iteration) • Python «while» Loops (Indefinite Iteration) 118 Capítulo 4. Control de flujo
- 123. CAPÍTULO 5 Estructuras de datos Si bien ya hemos visto una sección sobre Tipos de datos, podríamos hablar de tipos de datos más complejos en Python que se constituyen en estructuras de datos. Si pensamos en estos elementos como átomos, las estructuras de datos que vamos a ver sería moléculas. Es decir, combinamos los tipos básicos de formas más complejas. De hecho, esta distinción se hace en el Tutorial oficial de Python. Trataremos distintas estructuras de datos como listas, tuplas, diccionarios y conjuntos. 119
- 124. Aprende Python 5.1 Listas Las listas permiten almacenar objetos mediante un orden definido y con posibilidad de duplicados. Las listas son estructuras de datos mutables, lo que significa que podemos añadir, eliminar o modificar sus elementos.1 5.1.1 Creando listas Una lista está compuesta por cero o más elementos. En Python debemos escribir estos elementos separados por comas y dentro de corchetes. Veamos algunos ejemplos de listas: >>> empty_list = [] >>> languages = [ Python , Ruby , Javascript ] >>> fibonacci = [0, 1, 1, 2, 3, 5, 8, 13] >>> data = [ Tenerife , { cielo : limpio , temp : 24}, 3718, (28.2933947, -16. ˓ →5226597)] Nota: Una lista puede contener tipos de datos heterogéneos, lo que la hace una estructura 1 Foto original de portada por Mike Arney en Unsplash. 120 Capítulo 5. Estructuras de datos
- 125. Aprende Python de datos muy versátil. Ejecución paso a paso a través de Python Tutor: https://cutt.ly/Ofiiare 5.1.2 Conversión Para convertir otros tipos de datos en una lista podemos usar la función list(): >>> # conversión desde una cadena de texto >>> list( Python ) [ P , y , t , h , o , n ] Si nos fijamos en lo que ha pasado, al convertir la cadena de texto Python se ha creado una lista con 6 elementos, donde cada uno de ellos representa un caracter de la cadena. Podemos extender este comportamiento a cualquier otro tipo de datos que permita ser iterado (iterables). Lista vacía Existe una manera particular de usar list() y es no pasarle ningún argumento. En este caso estaremos queriendo convertir el «vacío» en una lista, con lo que obtendremos una lista vacía: >>> list() [] Truco: Para crear una lista vacía, se suele recomendar el uso de [] frente a list(), no sólo por ser más pitónico sino por tener (en promedio) un mejor rendimiento en tiempos de ejecución. 5.1.3 Operaciones con listas Obtener un elemento Igual que en el caso de las cadenas de texto, podemos obtener un elemento de una lista a través del índice (lugar) que ocupa. Veamos un ejemplo: 5.1. Listas 121
- 126. Aprende Python >>> shopping = [ Agua , Huevos , Aceite ] >>> shopping[0] Agua >>> shopping[1] Huevos >>> shopping[2] Aceite >>> shopping[-1] # acceso con índice negativo Aceite El índice que usemos para acceder a los elementos de una lista tiene que estar comprendido entre los límites de la misma. Si usamos un índice antes del comienzo o después del final obtendremos un error (excepción): >>> shopping = [ Agua , Huevos , Aceite ] >>> shopping[3] Traceback (most recent call last): File "<stdin>", line 1, in <module> IndexError: list index out of range >>> shopping[-5] Traceback (most recent call last): File "<stdin>", line 1, in <module> IndexError: list index out of range Trocear una lista El troceado de listas funciona de manera totalmente análoga al troceado de cadenas. Veamos algunos ejemplos: >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> shopping[0:3] [ Agua , Huevos , Aceite ] >>> shopping[:3] [ Agua , Huevos , Aceite ] >>> shopping[2:4] [ Aceite , Sal ] (continué en la próxima página) 122 Capítulo 5. Estructuras de datos
- 127. Aprende Python (proviene de la página anterior) >>> shopping[-1:-4:-1] [ Limón , Sal , Aceite ] >>> # Equivale a invertir la lista >>> shopping[::-1] [ Limón , Sal , Aceite , Huevos , Agua ] En el troceado de listas, a diferencia de lo que ocurre al obtener elementos, no debemos preocuparnos por acceder a índices inválidos (fuera de rango) ya que Python los restringirá a los límites de la lista: >>> shopping [ Agua , Huevos , Aceite , Sal , Limón ] >>> shopping[10:] [] >>> shopping[-100:2] [ Agua , Huevos ] >>> shopping[2:100] [ Aceite , Sal , Limón ] Importante: Ninguna de las operaciones anteriores modifican la lista original, simplemente devuelven una lista nueva. Invertir una lista Python nos ofrece, al menos, tres mecanismos para invertir los elementos de una lista: Conservando la lista original: Mediante troceado de listas con step negativo: >>> shopping [ Agua , Huevos , Aceite , Sal , Limón ] >>> shopping[::-1] [ Limón , Sal , Aceite , Huevos , Agua ] Conservando la lista original: Mediante la función reversed(): >>> shopping [ Agua , Huevos , Aceite , Sal , Limón ] (continué en la próxima página) 5.1. Listas 123
- 128. Aprende Python (proviene de la página anterior) >>> list(reversed(shopping)) [ Limón , Sal , Aceite , Huevos , Agua ] Modificando la lista original: Utilizando la función reverse() (nótese que es sin «d» al final): >>> shopping [ Agua , Huevos , Aceite , Sal , Limón ] >>> shopping.reverse() >>> shopping [ Limón , Sal , Aceite , Huevos , Agua ] Añadir al final de la lista Una de las operaciones más utilizadas en listas es añadir elementos al final de las mismas. Para ello Python nos ofrece la función append(). Se trata de un método destructivo que modifica la lista original: >>> shopping = [ Agua , Huevos , Aceite ] >>> shopping.append( Atún ) >>> shopping [ Agua , Huevos , Aceite , Atún ] Creando desde vacío Una forma muy habitual de trabajar con listas es empezar con una vacía e ir añadiendo elementos poco a poco. Se podría hablar de un patrón creación. Supongamos un ejemplo en el que queremos construir una lista con los números pares del 1 al 20: >>> even_numbers = [] >>> for i in range(20): ... if i % 2 == 0: ... even_numbers.append(i) ... (continué en la próxima página) 124 Capítulo 5. Estructuras de datos
- 129. Aprende Python (proviene de la página anterior) >>> even_numbers [0, 2, 4, 6, 8, 10, 12, 14, 16, 18] Ejecución paso a paso a través de Python Tutor: https://cutt.ly/2fiS9Ax Añadir en cualquier posición de una lista Ya hemos visto cómo añadir elementos al final de una lista. Sin embargo, Python ofrece una función insert() que vendría a ser una generalización de la anterior, para incorporar elementos en cualquier posición. Simplemente debemos especificar el índice de inserción y el elemento en cuestión. También se trata de una función destructiva2 : >>> shopping = [ Agua , Huevos , Aceite ] >>> shopping.insert(1, Jamón ) >>> shopping [ Agua , Jamón , Huevos , Aceite ] >>> shopping.insert(3, Queso ) >>> shopping [ Agua , Jamón , Huevos , Queso , Aceite ] Nota: El índice que especificamos en la función insert() lo podemos intepretar como la posición delante (a la izquierda) de la cual vamos a colocar el nuevo valor en la lista. Al igual que ocurría con el troceado de listas, en este tipo de inserciones no obtendremos un error si especificamos índices fuera de los límites de la lista. Estos se ajustarán al principio o al final en función del valor que indiquemos: >>> shopping = [ Agua , Huevos , Aceite ] >>> shopping.insert(100, Mermelada ) >>> shopping [ Agua , Huevos , Aceite , Mermelada ] (continué en la próxima página) 2 Cuando hablamos de que una función/método es «destructiva/o» significa que modifica la lista (objeto) original, no que la destruye. 5.1. Listas 125
- 130. Aprende Python (proviene de la página anterior) >>> shopping.insert(-100, Arroz ) >>> shopping [ Arroz , Agua , Huevos , Aceite , Mermelada ] Consejo: Aunque es posible utilizar insert() para añadir elementos al final de una lista, siempre se recomienda usar append() por su mayor legibilidad: >>> values = [1, 2, 3] >>> values.append(4) >>> values [1, 2, 3, 4] >>> values = [1, 2, 3] >>> values.insert(len(values), 4) # don t do it! >>> values [1, 2, 3, 4] Repetir elementos Al igual que con las cadenas de texto, el operador * nos permite repetir los elementos de una lista: >>> shopping = [ Agua , Huevos , Aceite ] >>> shopping * 3 [ Agua , Huevos , Aceite , Agua , Huevos , Aceite , Agua , Huevos , Aceite ] 126 Capítulo 5. Estructuras de datos
- 131. Aprende Python Combinar listas Python nos ofrece dos aproximaciones para combinar listas: Conservando la lista original: Mediante el operador + o +=: >>> shopping = [ Agua , Huevos , Aceite ] >>> fruitshop = [ Naranja , Manzana , Piña ] >>> shopping + fruitshop [ Agua , Huevos , Aceite , Naranja , Manzana , Piña ] Modificando la lista original: Mediante la función extend(): >>> shopping = [ Agua , Huevos , Aceite ] >>> fruitshop = [ Naranja , Manzana , Piña ] >>> shopping.extend(fruitshop) >>> shopping [ Agua , Huevos , Aceite , Naranja , Manzana , Piña ] Hay que tener en cuenta que extend() funciona adecuadamente si pasamos una lista como argumento. En otro caso, quizás los resultados no sean los esperados. Veamos un ejemplo: >>> shopping = [ Agua , Huevos , Aceite ] >>> shopping.extend( Limón ) >>> shopping [ Agua , Huevos , Aceite , L , i , m , ó , n ] El motivo es que extend() «recorre» (o itera) sobre cada uno de los elementos del objeto en cuestión. En el caso anterior, al ser una cadena de texto, está formada por caracteres. De ahí el resultado que obtenemos. Se podría pensar en el uso de append() para combinar listas. La realidad es que no funciona exactamente como esperamos; la segunda lista se añadiría como una sublista de la principal: >>> shopping = [ Agua , Huevos , Aceite ] >>> fruitshop = [ Naranja , Manzana , Piña ] >>> shopping.append(fruitshop) >>> shopping [ Agua , Huevos , Aceite , [ Naranja , Manzana , Piña ]] 5.1. Listas 127
- 132. Aprende Python Modificar una lista Del mismo modo que se accede a un elemento utilizando su índice, también podemos modificarlo: >>> shopping = [ Agua , Huevos , Aceite ] >>> shopping[0] Agua >>> shopping[0] = Jugo >>> shopping [ Jugo , Huevos , Aceite ] En el caso de acceder a un índice no válido de la lista, incluso para modificar, obtendremos un error: >>> shopping[100] = Chocolate Traceback (most recent call last): File "<stdin>", line 1, in <module> IndexError: list assignment index out of range Modificar con troceado No sólo es posible modificar un elemento de cada vez, sino que podemos asignar valores a trozos de una lista: >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> shopping[1:4] [ Huevos , Aceite , Sal ] >>> shopping[1:4] = [ Atún , Pasta ] >>> shopping [ Agua , Atún , Pasta , Limón ] Nota: La lista que asignamos no necesariamente debe tener la misma longitud que el trozo que sustituimos. 128 Capítulo 5. Estructuras de datos
- 133. Aprende Python Borrar elementos Python nos ofrece, al menos, cuatro formas para borrar elementos en una lista: Por su índice: Mediante la función del(): >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> del(shopping[3]) >>> shopping [ Agua , Huevos , Aceite , Limón ] Por su valor: Mediante la función remove(): >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> shopping.remove( Sal ) >>> shopping [ Agua , Huevos , Aceite , Limón ] Advertencia: Si existen valores duplicados, la función remove() sólo borrará la primera ocurrencia. Por su índice (con extracción): Las dos funciones anteriores del() y remove() efectivamente borran el elemento indicado de la lista, pero no «devuelven»3 nada. Sin embargo, Python nos ofrece la función pop() que además de borrar, nos «recupera» el elemento; algo así como una extracción. Lo podemos ver como una combinación de acceso + borrado: >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> shopping.pop() Limón >>> shopping [ Agua , Huevos , Aceite , Sal ] >>> shopping.pop(2) Aceite (continué en la próxima página) 3 Más adelante veremos el comportamiento de las funciones. Devolver o retornar un valor es el resultado de aplicar una función. 5.1. Listas 129
- 134. Aprende Python (proviene de la página anterior) >>> shopping [ Agua , Huevos , Sal ] Nota: Si usamos la función pop() sin pasarle ningún argumento, por defecto usará el índice -1, es decir, el último elemento de la lista. Pero también podemos indicarle el índice del elemento a extraer. Por su rango: Mediante troceado de listas: >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> shopping[1:4] = [] >>> shopping [ Agua , Limón ] Borrado completo de la lista Python nos ofrece, al menos, dos formas para borrar una lista por completo: 1. Utilizando la función clear(): >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> shopping.clear() # Borrado in-situ >>> shopping [] 2. «Reinicializando» la lista a vacío con []: >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> shopping = [] # Nueva zona de memoria >>> shopping [] Nota: La diferencia entre ambos métodos tiene que ver con cuestiones internas de gestión de memoria y de rendimiento. 130 Capítulo 5. Estructuras de datos
- 135. Aprende Python Encontrar un elemento Si queremos descubrir el índice que corresponde a un determinado valor dentro la lista podemos usar la función index() para ello: >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> shopping.index( Huevos ) 1 Tener en cuenta que si el elemento que buscamos no está en la lista, obtendremos un error: >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> shopping.index( Pollo ) Traceback (most recent call last): File "<stdin>", line 1, in <module> ValueError: Pollo is not in list Nota: Si buscamos un valor que existe más de una vez en una lista, la función index() sólo nos devolverá el índice de la primera ocurrencia. Pertenencia de un elemento Si queremos comprobar la existencia de un determinado elemento en una lista, podríamos buscar su índice, pero la forma pitónica de hacerlo es utilizar el operador in: >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> Aceite in shopping True >>> Pollo in shopping False Nota: El operador in siempre devuelve un valor booleano, es decir, verdadero o falso. Ejercicio Determine si una cadena de texto dada es un isograma, es decir, no se repite ninguna letra. Ejemplos válidos de isogramas: 5.1. Listas 131
- 136. Aprende Python • lumberjacks • background • downstream • six-year-old Número de ocurrencias Para contar cuántas veces aparece un determinado valor dentro de una lista podemos usar la función count(): >>> sheldon_greeting = [ Penny , Penny , Penny ] >>> sheldon_greeting.count( Howard ) 0 >>> sheldon_greeting.count( Penny ) 3 Convertir lista a cadena de texto Dada una lista, podemos convetirla a una cadena de texto, uniendo todos sus elementos mediante algún separador. Para ello hacemos uso de la función join() con la siguiente estructura: Figura 1: Estructura de llamada a la función join() >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> , .join(shopping) Agua,Huevos,Aceite,Sal,Limón (continué en la próxima página) 132 Capítulo 5. Estructuras de datos
- 137. Aprende Python (proviene de la página anterior) >>> .join(shopping) Agua Huevos Aceite Sal Limón >>> | .join(shopping) Agua|Huevos|Aceite|Sal|Limón Hay que tener en cuenta que join() sólo funciona si todos sus elementos son cadenas de texto: >>> , .join([1, 2, 3, 4, 5]) Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: sequence item 0: expected str instance, int found Truco: Esta función join() es realmente la opuesta a la de split() para dividir una cadena. Ejercicio Consiga la siguiente transformación: 12/31/20 31-12-2020 Ordenar una lista Python proporciona, al menos, dos formas de ordenar los elementos de una lista: Conservando lista original: Mediante la función sorted() que devuelve una nueva lista ordenada: >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> sorted(shopping) [ Aceite , Agua , Huevos , Limón , Sal ] Modificando la lista original: Mediante la función sort(): >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> shopping.sort() (continué en la próxima página) 5.1. Listas 133
- 138. Aprende Python (proviene de la página anterior) >>> shopping [ Aceite , Agua , Huevos , Limón , Sal ] Ambos métodos admiten un parámetro «booleano» reverse para indicar si queremos que la ordenación se haga en sentido inverso: >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> sorted(shopping, reverse=True) [ Sal , Limón , Huevos , Agua , Aceite ] Longitud de una lista Podemos conocer el número de elementos que tiene una lista con la función len(): >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> len(shopping) 5 Iterar sobre una lista Al igual que hemos visto con las cadenas de texto, también podemos iterar sobre los elementos de una lista utilizando la sentencia for: >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> for product in shopping: ... print(product) ... Agua Huevos Aceite Sal Limón Nota: También es posible usar la sentencia break en este tipo de bucles para abortar su ejecución en algún momento que nos interese. 134 Capítulo 5. Estructuras de datos
- 139. Aprende Python Iterar usando enumeración Hay veces que no sólo nos interesa «visitar» cada uno de los elementos de una lista, sino que también queremos saber su índice dentro de la misma. Para ello Python nos ofrece la función enumerate(): >>> shopping = [ Agua , Huevos , Aceite , Sal , Limón ] >>> for i, product in enumerate(shopping): ... print(i, product) ... 0 Agua 1 Huevos 2 Aceite 3 Sal 4 Limón Ejecución paso a paso a través de Python Tutor: https://cutt.ly/TfiuIZ0 Iterar sobre múltiples listas Python ofrece la posibilidad de iterar sobre múltiples listas en paralelo utilizando la función zip(): >>> shopping = [ Agua , Aceite , Arroz ] >>> details = [ mineral natural , de oliva virgen , basmati ] >>> for product, detail in zip(shopping, details): ... print(product, detail) ... Agua mineral natural Aceite de oliva virgen Arroz basmati Ejecución paso a paso a través de Python Tutor: https://cutt.ly/lfioilG Nota: En el caso de que las listas no tengan la misma longitud, la función zip() realiza la combinación hasta que se agota la lista más corta. Dado que zip() produce un iterador, si queremos obtener una lista explícita con la combinación en paralelo de las listas, debemos construir dicha lista de la siguiente manera: 5.1. Listas 135
- 140. Aprende Python >>> shopping = [ Agua , Aceite , Arroz ] >>> details = [ mineral natural , de oliva virgen , basmati ] >>> list(zip(shopping, details)) [( Agua , mineral natural ), ( Aceite , de oliva virgen ), ( Arroz , basmati )] Ejercicio Dados dos vectores (listas) de la misma dimensión, utilice la función zip() para calcular su producto escalar. Ejemplo • Entrada: v1 = [4, 3, 8, 1] v2 = [9, 2, 7, 3] • Salida: 101 𝑣1 × 𝑣2 = [4 · 9 + 3 · 2 + 8 · 7 + 1 · 3] = 101 5.1.4 Cuidado con las copias Nivel intermedio Las listas son estructuras de datos mutables y esta característica nos obliga a tener cuidado cuando realizamos copias de listas, ya que la modificación de una de ellas puede afectar a la otra. Veamos un ejemplo sencillo: >>> original_list = [4, 3, 7, 1] >>> copy_list = original_list >>> original_list[0] = 15 >>> original_list [15, 3, 7, 1] >>> copy_list [15, 3, 7, 1] 136 Capítulo 5. Estructuras de datos
- 141. Aprende Python Ejecución paso a paso a través de Python Tutor: https://cutt.ly/pfi5PC5 Nota: A través de Python Tutor se puede ver claramente el motivo de por qué ocurre esto. Dado que las variables «apuntan» a la misma zona de memoria, al modificar una de ellas, el cambio también se ve reflejado en la otra. Una posible solución a este problema es hacer una «copia dura». Para ello Python proporciona la función copy(): >>> original_list = [4, 3, 7, 1] >>> copy_list = original_list.copy() >>> original_list[0] = 15 >>> original_list [15, 3, 7, 1] >>> copy_list [4, 3, 7, 1] Ejecución paso a paso a través de Python Tutor: https://cutt.ly/Dfi6oLk Truco: En el caso de que estemos trabajando con listas que contienen elementos mutables, debemos hacer uso de la función deepcopy() dentro del módulo copy de la librería estándar. 5.1.5 Veracidad múltiple Si bien podemos usar sentencias condicionales para comprobar la veracidad de determinadas expresiones, Python nos ofrece dos funciones «built-in» con las que podemos evaluar si se cumplen todas las condiciones all() o si se cumple alguna condición any(). Estas funciones trabajan sobre iterables, y el caso más evidente es una lista. Supongamos un ejemplo en el que queremos comprobar si una determinada palabra cumple las siguientes condiciones: • Su longitud total es mayor que 4. • Empieza por «p». • Contiene, al menos, una «y». 5.1. Listas 137
- 142. Aprende Python Veamos la versión clásica: >>> word = python >>> if len(word) > 4 and word.startswith( p ) and word.count( y ) >= 1: ... print( Cool word! ) ... else: ... print( No thanks ) ... Cool word! Veamos la versión con veracidad múltiple usando all(), donde se comprueba que se cumplan todas las expresiones: >>> word = python >>> enough_length = len(word) > 4 # True >>> right_beginning = word.startswith( p ) # True >>> min_ys = word.count( y ) >= 1 # True >>> is_cool_word = all([enough_length, right_beginning, min_ys]) >>> if is_cool_word: ... print( Cool word! ) ... else: ... print( No thanks ) ... Cool word! Veamos la versión con veracidad múltiple usando any(), donde se comprueba que se cumpla alguna expresión: >>> word = yeah >>> enough_length = len(word) > 4 # False >>> right_beginning = word.startswith( p ) # False >>> min_ys = word.count( y ) >= 1 # True >>> is_fine_word = any([enough_length, right_beginning, min_ys]) >>> if is_fine_word: ... print( Fine word! ) ... else: ... print( No thanks ) ... Fine word! 138 Capítulo 5. Estructuras de datos
- 143. Aprende Python Consejo: Este enfoque puede ser interesante cuando se manejan muchas condiciones o bien cuando queremos separar las condiciones y agruparlas en una única lista. 5.1.6 Listas por comprensión Nivel intermedio Las listas por comprensión establecen una técnica para crear listas de forma más compacta basándose en el concepto matemático de conjuntos definidos por comprensión. Figura 2: Estructura de una lista por comprensión En primer lugar veamos un ejemplo en el que convertimos una cadena de texto con valores numéricos en una lista con los mismos valores pero convertidos a enteros. En su versión clásica haríamos algo tal que así: >>> values = 32,45,11,87,20,48 >>> int_values = [] >>> for value in values.split( , ): ... int_value = int(value) ... int_values.append(int_value) ... >>> int_values [32, 45, 11, 87, 20, 48] Ahora veamos el código utilizando una lista por comprensión: 5.1. Listas 139
- 144. Aprende Python >>> values = 32,45,11,87,20,48 >>> int_values = [int(value) for value in values.split( , )] >>> int_values [32, 45, 11, 87, 20, 48] Condiciones en comprensiones También existe la posibilidad de incluir condiciones en las listas por comprensión. Continuando con el ejemplo anterior, supongamos que sólo queremos crear la lista con aquellos valores que empiecen por el dígito 4: >>> values = 32,45,11,87,20,48 >>> int_values = [int(v) for v in values.split( , ) if v.startswith( 4 )] >>> int_values [45, 48] Anidamiento en comprensiones Nivel avanzado En la iteración que usamos dentro de la lista por comprensión es posible usar bucles anidados. Veamos un ejemplo en el que generamos todas las combinaciones de una serie de valores: >>> values = 32,45,11,87,20,48 >>> svalues = values.split( , ) >>> combinations = [f {v1}x{v2} for v1 in svalues for v2 in svalues] >>> combinations [ 32x32 , 32x45 , 32x11 , 32x87 , 32x20 , 32x48 , 45x32 , 45x45 , ... (continué en la próxima página) 140 Capítulo 5. Estructuras de datos
- 145. Aprende Python (proviene de la página anterior) 48x45 , 48x11 , 48x87 , 48x20 , 48x48 ] Consejo: Las listas por comprensión son una herramienta muy potente y nos ayuda en muchas ocasiones, pero hay que tener cuidado de no generar expresiones excesivamente complejas. En estos casos es mejor una aproximación clásica. Ejercicio Utilizando listas por comprensión, cree una lista que contenga el resultado de aplicar la función 𝑓(𝑥) = 3𝑥 + 2 para 𝑥 ∈ [0, 20). Salida esperada: [2, 5, 8, 11, 14, 17, 20, 23, 26, 29, 32, 35, 38, 41, 44, 47, 50, 53, 56, 59] 5.1.7 sys.argv Cuando queramos ejecutar un programa Python desde línea de comandos, tendremos la posibilidad de acceder a los argumentos de dicho programa. Para ello se utiliza una lista que la encontramos dentro del módulo sys y que se denomina argv: Figura 3: Acceso a parámetros en línea de comandos 5.1. Listas 141
- 146. Aprende Python Veamos un ejemplo de código en el que simulamos el paso de parámetros recogido en la figura anterior: get-args.py 1 import sys 2 3 filename = sys.argv[0] 4 arg1 = sys.argv[1] 5 arg2 = float(sys.argv[2]) 6 arg3 = int(sys.argv[3]) 7 arg4 = sys.argv[4] 8 9 print(f {arg1=} ) 10 print(f {arg2=} ) 11 print(f {arg3=} ) 12 print(f {arg4=} ) Si lo ejecutamos obtenemos lo siguiente: $ python3 get-args.py hello 99.9 55 "a nice arg" arg1= hello arg2=99.9 arg3=55 arg4= a nice arg 5.1.8 Funciones matemáticas Python nos ofrece, entre otras4 , estas tres funciones matemáticas básicas que se pueden aplicar sobre listas. Suma de todos los valores: Mediante la función sum(): >>> data = [5, 3, 2, 8, 9, 1] >>> sum(data) 28 Mínimo de todos los valores: Mediante la función min(): >>> data = [5, 3, 2, 8, 9, 1] >>> min(data) 1 4 Existen multitud de paquetes científicos en Python para trabajar con listas o vectores numéricos. Una de las más famosas es la librería Numpy. 142 Capítulo 5. Estructuras de datos
- 147. Aprende Python Máximo de todos los valores: Mediante la función max(): >>> data = [5, 3, 2, 8, 9, 1] >>> max(data) 9 Ejercicio Lea desde línea de comandos una serie de números y obtenga la media de dichos valores (muestre el resultado con 2 decimales). La llamada se haría de la siguiente manera: $ python3 avg.py 32 56 21 99 12 17 Plantilla de código para el programa: import sys # En values tendremos una lista con los valores (como strings) values = sys.argv[1:] # Su código debajo de aquí Ejemplo • Entrada: 32 56 21 99 12 17 • Salida: 39.50 5.1.9 Listas de listas Nivel intermedio Como ya hemos visto en varias ocasiones, las listas son estructuras de datos que pueden contener elementos heterogéneos. Estos elementos pueden ser a su vez listas. A continuación planteamos un ejemplo del mundo deportivo. Un equipo de fútbol suele tener una disposición en el campo organizada en líneas de jugadores. En aquella alineación con la que España ganó la copa del mundo en 2010 había una disposición 4-3-3 con los siguientes jugadores: Veamos una posible representación de este equipo de fútbol usando una lista compuesta de listas. Primero definimos cada una de las líneas: 5.1. Listas 143
- 148. Aprende Python Figura 4: Lista de listas (como equipo de fútbol) 144 Capítulo 5. Estructuras de datos
- 149. Aprende Python >>> goalkeeper = Casillas >>> defenders = [ Capdevila , Piqué , Puyol , Ramos ] >>> midfielders = [ Xabi , Busquets , X. Alonso ] >>> forwards = [ Iniesta , Villa , Pedro ] Y ahora las juntamos en una única lista: >>> team = [goalkeeper, defenders, midfielders, forwards] >>> team [ Casillas , [ Capdevila , Piqué , Puyol , Ramos ], [ Xabi , Busquets , X. Alonso ], [ Iniesta , Villa , Pedro ]] Podemos comprobar el acceso a distintos elementos: >>> team[0] # portero Casillas >>> team[1][0] # lateral izquierdo Capdevila >>> team[2] # centrocampistas [ Xabi , Busquets , X. Alonso ] >>> team[3][1] # delantero centro Villa Ejercicio Escriba un programa que permita multiplicar únicamente matrices de 2 filas por 2 columnas. Veamos un ejemplo concreto: A = [[6, 4], [8, 9]] B = [[3, 2], [1, 7]] El producto P = 𝐴 × 𝐵 se calcula siguiendo la multiplicación de matrices tal y como se indica a continuación: P = (︂ 6[00] 4[01] 8[10] 9[11] )︂ × (︂ 3[00] 2[01] 1[10] 7[11] )︂ = (︂ 6 · 3 + 4 · 1 6 · 2 + 4 · 7 8 · 3 + 9 · 1 8 · 2 + 9 · 7 )︂ = (︂ 22 40 33 79 )︂ 5.1. Listas 145
- 150. Aprende Python EJERCICIOS DE REPASO 1. Escriba un programa en Python que acepte una lista de valores numéricos y obtenga su valor máximo sin utilizar la función «built-in» max() (solución). Entrada: [6, 3, 9, 2, 10, 31, 15, 7] Salida: 31 2. Escriba un programa en Python que acepte una lista y elimine sus elementos duplicados (solución). Entrada: [“this”, “is”, “a”, “real”, “real”, “real”, “story”] Salida: [“this”, “is”, “a”, “real”, “story”] 3. Escriba un programa en Python que acepte una lista – que puede contener sublistas (sólo en 1 nivel de anidamiento) – y genere otra lista «aplanada» (solución). Entrada: [0, 10, [20, 30], 40, 50, [60, 70, 80], [90, 100, 110, 120]] Salida: [0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120] 4. Escriba un programa en Python que acepte una lista y genere otra lista eliminando los elementos duplicados consecutivos (solución). Entrada: [0, 0, 1, 2, 3, 4, 4, 5, 6, 6, 6, 7, 8, 9, 4, 4] Salida: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 4] 5. Escriba un programa en Python que acepte una lista de listas representando una matriz numérica y compute la suma de los elementos de la diagonal principal (solución). Entrada: [[4, 6, 1], [2, 9, 3], [1, 7, 7]] Salida: 20 AMPLIAR CONOCIMIENTOS • Linked Lists in Python: An Introduction • Python Command Line Arguments • Sorting Data With Python • When to Use a List Comprehension in Python • Using the Python zip() Function for Parallel Iteration • Lists and Tuples in Python • How to Use sorted() and sort() in Python • Using List Comprehensions Effectively 146 Capítulo 5. Estructuras de datos
- 151. Aprende Python 5.2 Tuplas El concepto de tupla es muy similar al de lista. Aunque hay algunas diferencias menores, lo fundamental es que, mientras una lista es mutable y se puede modificar, una tupla no admite cambios y por lo tanto, es inmutable.1 5.2.1 Creando tuplas Podemos pensar en crear tuplas tal y como lo hacíamos con listas, pero usando paréntesis en lugar de corchetes: >>> empty_tuple = () >>> tenerife_geoloc = (28.46824, -16.25462) >>> three_wise_men = ( Melchor , Gaspar , Baltasar ) 1 Foto original de portada por engin akyurt en Unsplash. 5.2. Tuplas 147
- 152. Aprende Python Tuplas de un elemento Hay que prestar especial atención cuando vamos a crear una tupla de un único elemento. La intención primera sería hacerlo de la siguiente manera: >>> one_item_tuple = ( Papá Noel ) >>> one_item_tuple Papá Noel >>> type(one_item_tuple) str Realmente, hemos creado una variable de tipo str (cadena de texto). Para crear una tupla de un elemento debemos añadir una coma al final: >>> one_item_tuple = ( Papá Noel ,) >>> one_item_tuple ( Papá Noel ,) >>> type(one_item_tuple) tuple Tuplas sin paréntesis Según el caso, hay veces que nos podemos encontrar con tuplas que no llevan paréntesis. Quizás no está tan extendido, pero a efectos prácticos tiene el mismo resultado. Veamos algunos ejemplos de ello: >>> one_item_tuple = Papá Noel , >>> three_wise_men = Melchor , Gaspar , Baltasar >>> tenerife_geoloc = 28.46824, -16.25462 5.2.2 Modificar una tupla Como ya hemos comentado previamente, las tuplas con estructuras de datos inmutables. Una vez que las creamos con un valor, no podemos modificarlas. Veamos qué ocurre si lo intentamos: 148 Capítulo 5. Estructuras de datos
- 153. Aprende Python >>> three_wise_men = Melchor , Gaspar , Baltasar >>> three_wise_men[0] = Tom Hanks Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: tuple object does not support item assignment 5.2.3 Conversión Para convertir otros tipos de datos en una tupla podemos usar la función tuple(): >>> shopping = [ Agua , Aceite , Arroz ] >>> tuple(shopping) ( Agua , Aceite , Arroz ) Esta conversión es válida para aquellos tipos de datos que sean iterables: cadenas de caracteres, listas, diccionarios, conjuntos, etc. Un ejemplo que no funciona es intentar convertir un número en una tupla: >>> tuple(5) Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: int object is not iterable El uso de la función tuple() sin argumentos equivale a crear una tupla vacía: >>> tuple() () Truco: Para crear una tupla vacía, se suele recomendar el uso de () frente a tuple(), no sólo por ser más pitónico sino por tener (en promedio) un mejor rendimiento en tiempos de ejecución. 5.2. Tuplas 149
- 154. Aprende Python 5.2.4 Operaciones con tuplas Con las tuplas podemos realizar todas las operaciones que vimos con listas salvo las que conlleven una modificación «in-situ» de la misma: • reverse() • append() • extend() • remove() • clear() • sort() 5.2.5 Desempaquetado de tuplas El desempaquetado es una característica de las tuplas que nos permite asignar una tupla a variables independientes: Figura 5: Desempaquetado de tuplas Veamos un ejemplo con código: >>> three_wise_men = ( Melchor , Gaspar , Baltasar ) >>> king1, king2, king3 = three_wise_men >>> king1 Melchor >>> king2 Gaspar (continué en la próxima página) 150 Capítulo 5. Estructuras de datos
- 155. Aprende Python (proviene de la página anterior) >>> king3 Baltasar Python proporciona la función «built-in» divmod() que devuelve el cociente y el resto de una división usando una única llamada. Lo interesante (para el caso que nos ocupa) es que se suele utilizar el desempaquetado de tuplas para obtener los valores: >>> quotient, remainder = divmod(7, 3) >>> quotient 2 >>> remainder 1 Intercambio de valores A través del desempaquetado de tuplas podemos llevar a cabo el intercambio de los valores de dos variables de manera directa: >>> value1 = 40 >>> value2 = 20 >>> value1, value2 = value2, value1 >>> value1 20 >>> value2 40 Nota: A priori puede parecer que esto es algo «natural», pero en la gran mayoría de lenguajes de programación no es posible hacer este intercambio de forma «directa» ya que necesitamos recurrir a una tercera variable «auxiliar» como almacén temporal en el paso intermedio de traspaso de valores. 5.2. Tuplas 151
- 156. Aprende Python Desempaquetado extendido No tenemos que ceñirnos a realizar desempaquetado uno a uno. También podemos extenderlo e indicar ciertos «grupos» de elementos mediante el operador *. Veamos un ejemplo: >>> ranking = ( G , A , R , Y , W ) >>> head, *body, tail = ranking >>> head G >>> body [ A , R , Y ] >>> tail W Desempaquetado genérico El desempaquetado de tuplas es extensible a cualquier tipo de datos que sea iterable. Veamos algunos ejemplos de ello. Sobre cadenas de texto: >>> oxygen = O2 >>> first, last = oxygen >>> first, last ( O , 2 ) >>> text = Hello, World! >>> head, *body, tail = text >>> head, body, tail ( H , [ e , l , l , o , , , , W , o , r , l , d ], ! ) Sobre listas: >>> writer1, writer2, writer3 = [ Virginia Woolf , Jane Austen , Mary Shelley ] >>> writer1, writer2, writer3 ( Virginia Woolf , Jane Austen , Mary Shelley ) >>> text = Hello, World! >>> word1, word2 = text.split() >>> word1, word2 ( Hello, , World! ) 152 Capítulo 5. Estructuras de datos
- 157. Aprende Python 5.2.6 ¿Tuplas por comprensión? Los tipos de datos mutables (listas, diccionarios y conjuntos) sí permiten comprensiones pero no así los tipos de datos inmutables como cadenas de texto y tuplas. Si intentamos crear una tupla por comprensión utilizando paréntesis alrededor de la expresión, vemos que no obtenemos ningún error al ejecutarlo: >>> myrange = (number for number in range(1, 6)) Sin embargo no hemos conseguido una tupla por comprensión sino un generador: >>> myrange <generator object <genexpr> at 0x10b3732e0> 5.2.7 Tuplas vs Listas Aunque puedan parecer estructuras de datos muy similares, sabemos que las tuplas carecen de ciertas operaciones, especialmente las que tienen que ver con la modificación de sus valores, ya que no son inmutables. Si las listas son más flexibles y potentes, ¿por qué íbamos a necesitar tuplas? Veamos 4 potenciales ventajas del uso de tuplas frente a las listas: 1. Las tuplas ocupan menos espacio en memoria. 2. En las tuplas existe protección frente a cambios indeseados. 3. Las tuplas se pueden usar como claves de diccionarios (son «hashables»). 4. Las namedtuples son una alternativa sencilla a los objetos. 5.2. Tuplas 153
- 158. Aprende Python 5.3 Diccionarios Podemos trasladar el concepto de diccionario de la vida real al de diccionario en Python. Al fin y al cabo un diccionario es un objeto que contiene palabras, y cada palabra tiene asociado un significado. Haciendo el paralelismo, diríamos que en Python un diccionario es también un objeto indexado por claves (las palabras) que tienen asociados unos valores (los significados).1 Los diccionarios en Python tienen las siguientes características: • Mantienen el orden en el que se insertan las claves.2 • Son mutables, con lo que admiten añadir, borrar y modificar sus elementos. • Las claves deben ser únicas. A menudo se utilizan las cadenas de texto como claves, pero en realidad podría ser cualquier tipo de datos inmutable: enteros, flotantes, tuplas (entre otros). • Tienen un acceso muy rápido a sus elementos, debido a la forma en la que están implementados internamente.3 Nota: En otros lenguajes de programación, a los diccionarios se les conoce como arrays 1 Foto original de portada por Aaron Burden en Unsplash. 2 Aunque históricamente Python no establecía que las claves de los diccionarios tuvieran que mantener su orden de inserción, a partir de Python 3.7 este comportamiento cambió y se garantizó el orden de inserción de las claves como parte oficial de la especificación del lenguaje. 3 Véase este análisis de complejidad y rendimiento de distintas estructuras de datos en CPython. 154 Capítulo 5. Estructuras de datos
- 159. Aprende Python Figura 6: Analogía de un diccionario en Python 5.3. Diccionarios 155
- 160. Aprende Python asociativos, «hashes» o «hashmaps». 5.3.1 Creando diccionarios Para crear un diccionario usamos llaves {} rodeando asignaciones clave: valor que están separadas por comas. Veamos algunos ejemplos de diccionarios: >>> empty_dict = {} >>> rae = { ... bifronte : De dos frentes o dos caras , ... anarcoide : Que tiende al desorden , ... montuvio : Campesino de la costa ... } >>> population_can = { ... 2015: 2_135_209, ... 2016: 2_154_924, ... 2017: 2_177_048, ... 2018: 2_206_901, ... 2019: 2_220_270 ... } En el código anterior podemos observar la creación de un diccionario vacío, otro donde sus claves y sus valores son cadenas de texto y otro donde las claves y los valores son valores enteros. Ejecución paso a paso a través de Python Tutor: https://cutt.ly/Sfav2Yw Ejercicio Cree un diccionario con los nombres de 5 personas de su familia y sus edades. 5.3.2 Conversión Para convertir otros tipos de datos en un diccionario podemos usar la función dict(): >>> # Diccionario a partir de una lista de cadenas de texto >>> dict([ a1 , b2 ]) { a : 1 , b : 2 } (continué en la próxima página) 156 Capítulo 5. Estructuras de datos
- 161. Aprende Python (proviene de la página anterior) >>> # Diccionario a partir de una tupla de cadenas de texto >>> dict(( a1 , b2 )) { a : 1 , b : 2 } >>> # Diccionario a partir de una lista de listas >>> dict([[ a , 1], [ b , 2]]) { a : 1, b : 2} Nota: Si nos fijamos bien, cualquier iterable que tenga una estructura interna de 2 elementos es susceptible de convertirse en un diccionario a través de la función dict(). Diccionario vacío Existe una manera particular de usar dict() y es no pasarle ningún argumento. En este caso estaremos queriendo convertir el «vacío» en un diccionario, con lo que obtendremos un diccionario vacío: >>> dict() {} Truco: Para crear un diccionario vacío, se suele recomendar el uso de {} frente a dict(), no sólo por ser más pitónico sino por tener (en promedio) un mejor rendimiento en tiempos de ejecución. Creación con dict() También es posible utilizar la función dict() para crear dicionarios y no tener que utilizar llaves y comillas: Supongamos que queremos transformar la siguiente tabla en un diccionario: Atributo Valor name Guido surname Van Rossum job Python creator Utilizando la construcción mediante dict podemos pasar clave y valor como argumentos de la función: 5.3. Diccionarios 157
- 162. Aprende Python >>> person = dict( ... name= Guido , ... surname= Van Rossum , ... job= Python creator ... ) >>> person { name : Guido , surname : Van Rossum , job : Python creator } El inconveniente que tiene esta aproximación es que las claves deben ser identificadores válidos en Python. Por ejemplo, no se permiten espacios: >>> person = dict( ... name= Guido van Rossum , ... date of birth= 31/01/1956 File "<stdin>", line 3 date of birth= 31/01/1956 ^ SyntaxError: invalid syntax Nivel intermedio Es posible crear un diccionario especificando sus claves y un único valor de «relleno»: >>> dict.fromkeys( aeiou , 0) { a : 0, e : 0, i : 0, o : 0, u : 0} Nota: Es válido pasar cualquier «iterable» como referencia a las claves. 5.3.3 Operaciones con diccionarios Obtener un elemento Para obtener un elemento de un diccionario basta con escribir la clave entre corchetes. Veamos un ejemplo: >>> rae = { ... bifronte : De dos frentes o dos caras , ... anarcoide : Que tiende al desorden , ... montuvio : Campesino de la costa ... } (continué en la próxima página) 158 Capítulo 5. Estructuras de datos
- 163. Aprende Python (proviene de la página anterior) >>> rae[ anarcoide ] Que tiende al desorden Si intentamos acceder a una clave que no existe, obtendremos un error: >>> rae[ acceso ] Traceback (most recent call last): File "<stdin>", line 1, in <module> KeyError: acceso Usando get() Existe una función muy útil para «superar» los posibles errores de acceso por claves inexistentes. Se trata de get() y su comportamiento es el siguiente: 1. Si la clave que buscamos existe, nos devuelve su valor. 2. Si la clave que buscamos no existe, nos devuelve None4 salvo que le indiquemos otro valor por defecto, pero en ninguno de los dos casos obtendremos un error. 1 >>> rae 2 { bifronte : De dos frentes o dos caras , 3 anarcoide : Que tiende al desorden , 4 montuvio : Campesino de la costa } 5 6 >>> rae.get( bifronte ) 7 De dos frentes o dos caras 8 9 >>> rae.get( programación ) 10 11 >>> rae.get( programación , No disponible ) 12 No disponible Línea 6: Equivalente a rae[ bifronte ]. Línea 9: La clave buscada no existe y obtenemos None.5 Línea 11: La clave buscada no existe y nos devuelve el valor que hemos aportado por defecto. 4 None es la palabra reservada en Python para la «nada». Más información en esta web. 5 Realmente no estamos viendo nada en la consola de Python porque la representación en cadena de texto es vacía. 5.3. Diccionarios 159
- 164. Aprende Python Añadir o modificar un elemento Para añadir un elemento a un diccionario sólo es necesario hacer referencia a la clave y asignarle un valor: • Si la clave ya existía en el diccionario, se reemplaza el valor existente por el nuevo. • Si la clave es nueva, se añade al diccionario con su valor. No vamos a obtener un error a diferencia de las listas. Partimos del siguiente diccionario para ejemplificar estas acciones: >>> rae = { ... bifronte : De dos frentes o dos caras , ... anarcoide : Que tiende al desorden , ... montuvio : Campesino de la costa ... } Vamos a añadir la palabra enjuiciar a nuestro diccionario de la Real Academia de La Lengua: >>> rae[ enjuiciar ] = Someter una cuestión a examen, discusión y juicio >>> rae { bifronte : De dos frentes o dos caras , anarcoide : Que tiende al desorden , montuvio : Campesino de la costa , enjuiciar : Someter una cuestión a examen, discusión y juicio } Supongamos ahora que queremos modificar el significado de la palabra enjuiciar por otra acepción: >>> rae[ enjuiciar ] = Instruir, juzgar o sentenciar una causa >>> rae { bifronte : De dos frentes o dos caras , anarcoide : Que tiende al desorden , montuvio : Campesino de la costa , enjuiciar : Instruir, juzgar o sentenciar una causa } Ejercicio Construya un diccionario partiendo de una cadena de texto con el siguiente formato: <city>:<population>;<city>:<population>;<city>:<population>;.... • Claves: ciudades. • Valores: habitantes (como enteros). 160 Capítulo 5. Estructuras de datos
- 165. Aprende Python Ejemplo • Entrada: Tokyo:38_140_000;Delhi:26_454_000;Shanghai:24_484_000; Mumbai:21_357_000;São Paulo:21_297_000 • Salida: { Tokyo : 38140000, Delhi : 26454000, Shanghai : 24484000, Mumbai : 21357000, São Paulo : 21297000} Creando desde vacío Una forma muy habitual de trabajar con diccionarios es utilizar el patrón creación partiendo de uno vacío e ir añadiendo elementos poco a poco. Supongamos un ejemplo en el que queremos construir un diccionario donde las claves son las letras vocales y los valores son sus posiciones: >>> VOWELS = aeiou >>> enum_vowels = {} >>> for i, vowel in enumerate(VOWELS): ... enum_vowels[vowel] = i + 1 ... >>> enum_vowels { a : 1, e : 2, i : 3, o : 4, u : 5} Nota: Hemos utilizando la función enumerate() que ya vimos para las listas en el apartado: Iterar usando enumeración. Pertenencia de una clave La forma pitónica de comprobar la existencia de una clave dentro de un diccionario, es utilizar el operador in: >>> bifronte in rae True >>> almohada in rae False >>> montuvio not in rae False 5.3. Diccionarios 161
- 166. Aprende Python Nota: El operador in siempre devuelve un valor booleano, es decir, verdadero o falso. Ejercicio Usando un diccionario, cuente el número de veces que se repite cada letra en una cadena de texto dada. Ejemplo • Entrada: boom • Salida: { b : 1, o : 2, m : 1} Obtener todos los elementos Python ofrece mecanismos para obtener todos los elementos de un diccionario. Partimos del siguiente diccionario: >>> rae { bifronte : De dos frentes o dos caras , anarcoide : Que tiende al desorden , montuvio : Campesino de la costa , enjuiciar : Instruir, juzgar o sentenciar una causa } Obtener todas las claves de un diccionario: Mediante la función keys(): >>> rae.keys() dict_keys([ bifronte , anarcoide , montuvio , enjuiciar ]) Obtener todos los valores de un diccionario: Mediante la función values(): >>> rae.values() dict_values([ De dos frentes o dos caras , Que tiende al desorden , Campesino de la costa , Instruir, juzgar o sentenciar una causa ]) Obtener todos los pares «clave-valor» de un diccionario: Mediante la función items(): 162 Capítulo 5. Estructuras de datos
- 167. Aprende Python >>> rae.items() dict_items([ ( bifronte , De dos frentes o dos caras ), ( anarcoide , Que tiende al desorden ), ( montuvio , Campesino de la costa ), ( enjuiciar , Instruir, juzgar o sentenciar una causa ) ]) Nota: Para este último caso cabe destacar que los «items» se devuelven como una lista de tuplas, donde cada tupla tiene dos elementos: el primero representa la clave y el segundo representa el valor. Longitud de un diccionario Podemos conocer el número de elementos («clave-valor») que tiene un diccionario con la función len(): >>> rae { bifronte : De dos frentes o dos caras , anarcoide : Que tiende al desorden , montuvio : Campesino de la costa , enjuiciar : Instruir, juzgar o sentenciar una causa } >>> len(rae) 4 Iterar sobre un diccionario En base a los elementos que podemos obtener, Python nos proporciona tres maneras de iterar sobre un diccionario. Iterar sobre claves: >>> for word in rae.keys(): ... print(word) ... bifronte anarcoide montuvio enjuiciar Iterar sobre valores: 5.3. Diccionarios 163
- 168. Aprende Python >>> for meaning in rae.values(): ... print(meaning) ... De dos frentes o dos caras Que tiende al desorden Campesino de la costa Instruir, juzgar o sentenciar una causa Iterar sobre «clave-valor»: >>> for word, meaning in rae.items(): ... print(f {word}: {meaning} ) ... bifronte: De dos frentes o dos caras anarcoide: Que tiende al desorden montuvio: Campesino de la costa enjuiciar: Instruir, juzgar o sentenciar una causa Nota: En este último caso, recuerde el uso de los «f-strings» para formatear cadenas de texto. Ejercicio Dado el diccionario de ciudades y poblaciones ya visto, y suponiendo que estas ciudades son las únicas que existen en el planeta, calcule el porcentaje de población relativo de cada una de ellas con respecto al total. Ejemplo • Entrada: Tokyo:38_140_000;Delhi:26_454_000;Shanghai:24_484_000; Mumbai:21_357_000;São Paulo:21_297_000 • Salida: { Tokyo : 28.952722193544467, Delhi : 20.081680988673973, Shanghai : 18.58622050830474, Mumbai : 16.212461664591746, São Paulo : 16.16691464488507} 164 Capítulo 5. Estructuras de datos
- 169. Aprende Python Combinar diccionarios Dados dos (o más) diccionarios, es posible «mezclarlos» para obtener una combinación de los mismos. Esta combinación se basa en dos premisas: 1. Si la clave no existe, se añade con su valor. 2. Si la clave ya existe, se añade con el valor del «último» diccionario en la mezcla.6 Python ofrece dos mecanismos para realizar esta combinación. Vamos a partir de los siguientes diccionarios para ejemplificar su uso: >>> rae1 = { ... bifronte : De dos frentes o dos caras , ... enjuiciar : Someter una cuestión a examen, discusión y juicio ... } >>> rae2 = { ... anarcoide : Que tiende al desorden , ... montuvio : Campesino de la costa , ... enjuiciar : Instruir, juzgar o sentenciar una causa ... } Sin modificar los diccionarios originales: Mediante el operador **: >>> {**rae1, **rae2} { bifronte : De dos frentes o dos caras , enjuiciar : Instruir, juzgar o sentenciar una causa , anarcoide : Que tiende al desorden , montuvio : Campesino de la costa } A partir de Python 3.9 podemos utilizar el operador | para combinar dos diccionarios: >>> rae1 | rae2 { bifronte : De dos frentes o dos caras , enjuiciar : Instruir, juzgar o sentenciar una causa , anarcoide : Que tiende al desorden , montuvio : Campesino de la costa } Modificando los diccionarios originales: Mediante la función update(): >>> rae1.update(rae2) >>> rae1 { bifronte : De dos frentes o dos caras , enjuiciar : Instruir, juzgar o sentenciar una causa , (continué en la próxima página) 6 En este caso «último» hace referencia al diccionario que se encuentra más a la derecha en la expresión. 5.3. Diccionarios 165
- 170. Aprende Python (proviene de la página anterior) anarcoide : Que tiende al desorden , montuvio : Campesino de la costa } Nota: Tener en cuenta que el orden en el que especificamos los diccionarios a la hora de su combinación (mezcla) es relevante en el resultado final. En este caso el orden de los factores sí altera el producto. Borrar elementos Python nos ofrece, al menos, tres formas para borrar elementos en un diccionario: Por su clave: Mediante la sentencia del: >>> rae = { ... bifronte : De dos frentes o dos caras , ... anarcoide : Que tiende al desorden , ... montuvio : Campesino de la costa ... } >>> del(rae[ bifronte ]) >>> rae { anarcoide : Que tiende al desorden , montuvio : Campesino de la costa } Por su clave (con extracción): Mediante la función pop() podemos extraer un elemento del diccionario por su clave. Vendría a ser una combinación de get() + del: >>> rae = { ... bifronte : De dos frentes o dos caras , ... anarcoide : Que tiende al desorden , ... montuvio : Campesino de la costa ... } >>> rae.pop( anarcoide ) Que tiende al desorden >>> rae { bifronte : De dos frentes o dos caras , montuvio : Campesino de la costa } >>> rae.pop( bucle ) Traceback (most recent call last): File "<stdin>", line 1, in <module> KeyError: bucle 166 Capítulo 5. Estructuras de datos
- 171. Aprende Python Advertencia: Si la clave que pretendemos extraer con pop() no existe, obtendremos un error. Borrado completo del diccionario: 1. Utilizando la función clear(): >>> rae = { ... bifronte : De dos frentes o dos caras , ... anarcoide : Que tiende al desorden , ... montuvio : Campesino de la costa ... } >>> rae.clear() >>> rae {} 2. «Reinicializando» el diccionario a vacío con {}: >>> rae = { ... bifronte : De dos frentes o dos caras , ... anarcoide : Que tiende al desorden , ... montuvio : Campesino de la costa ... } >>> rae = {} >>> rae {} Nota: La diferencia entre ambos métodos tiene que ver con cuestiones internas de gestión de memoria y de rendimiento. 5.3.4 Cuidado con las copias Nivel intermedio Al igual que ocurría con las listas, si hacemos un cambio en un diccionario, se verá reflejado en todas las variables que hagan referencia al mismo. Esto se deriva de su propiedad de ser mutable. Veamos un ejemplo concreto: 5.3. Diccionarios 167
- 172. Aprende Python >>> original_rae = { ... bifronte : De dos frentes o dos caras , ... anarcoide : Que tiende al desorden , ... montuvio : Campesino de la costa ... } >>> copy_rae = original_rae >>> original_rae[ bifronte ] = bla bla bla >>> original_rae { bifronte : bla bla bla , anarcoide : Que tiende al desorden , montuvio : Campesino de la costa } >>> copy_rae { bifronte : bla bla bla , anarcoide : Que tiende al desorden , montuvio : Campesino de la costa } Una posible solución a este problema es hacer una «copia dura». Para ello Python proporciona la función copy(): >>> original_rae = { ... bifronte : De dos frentes o dos caras , ... anarcoide : Que tiende al desorden , ... montuvio : Campesino de la costa ... } >>> copy_rae = original_rae.copy() >>> original_rae[ bifronte ] = bla bla bla >>> original_rae { bifronte : bla bla bla , anarcoide : Que tiende al desorden , montuvio : Campesino de la costa } >>> copy_rae { bifronte : De dos frentes o dos caras , anarcoide : Que tiende al desorden , montuvio : Campesino de la costa } Truco: En el caso de que estemos trabajando con diccionarios que contienen elementos mutables, debemos hacer uso de la función deepcopy() dentro del módulo copy de la librería 168 Capítulo 5. Estructuras de datos
- 173. Aprende Python estándar. 5.3.5 Diccionarios por comprensión Nivel intermedio De forma análoga a cómo se escriben las listas por comprensión, podemos aplicar este método a los diccionarios usando llaves { }. Veamos un ejemplo en el que creamos un diccionario por comprensión donde las claves son palabras y los valores son sus longitudes: >>> words = ( sun , space , rocket , earth ) >>> words_length = {word: len(word) for word in words} >>> words_length { sun : 3, space : 5, rocket : 6, earth : 5} También podemos aplicar condiciones a estas comprensiones. Continuando con el ejemplo anterior, podemos incorporar la restricción de sólo incluir palabras que no empiecen por vocal: >>> words = ( sun , space , rocket , earth ) >>> words_length = {w: len(w) for w in words if w[0] not in aeiou } >>> words_length { sun : 3, space : 5, rocket : 6} Nota: Se puede consultar el PEP-274 para ver más ejemplos sobre diccionarios por comprensión. 5.3.6 Objetos «hashables» Nivel avanzado La única restricción que deben cumplir las claves de un diccionario es ser «hashables»7 . Un objeto es «hashable» si se le puede asignar un valor «hash» que no cambia en ejecución durante toda su vida. 7 Se recomienda esta ponencia de Víctor Terrón sobre objetos «hashables». 5.3. Diccionarios 169
- 174. Aprende Python Para encontrar el «hash» de un objeto, Python usa la función hash(), que devuelve un número entero y es utilizado para indexar la tabla «hash» que se mantiene internamente: >>> hash(999) 999 >>> hash(3.14) 322818021289917443 >>> hash( hello ) -8103770210014465245 >>> hash(( a , b , c )) -2157188727417140402 Para que un objeto sea «hashable», debe ser inmutable: >>> hash([ a , b , c ]) Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: unhashable type: list Nota: De lo anterior se deduce que las claves de los diccionarios, al tener que ser «hasheables», sólo pueden ser objetos inmutables. La función «built-in» hash() realmente hace una llamada al método mágico __hash__() del objeto en cuestión: >>> hash( spiderman ) -8105710090476541603 >>> spiderman .__hash__() -8105710090476541603 EJERCICIOS DE REPASO 1. Escriba un programa en Python que acepte una lista de palabras y las agrupe por su letra inicial usando un diccionario (solución). Entrada: [ “mesa”, “móvil”, “barco”, “coche”, “avión”, “bandeja”, “casa”, “monitor”, “carretera”, “arco”] Salida: {“m”: [“mesa”, “móvil”, “monitor”], “b”: [“barco”, “bandeja”], “c”: [“coche”, “casa”, “carretera”], “a”: [“avión”, “arco”]} 170 Capítulo 5. Estructuras de datos
- 175. Aprende Python 2. Escriba un programa en Python que acepte un diccionario y determine si todos los valores son iguales o no (solución). Entrada: {“Juan”: 5, “Antonio”: 5, “Inma”: 5, “Ana”: 5, “Esteban”: 5} Salida: Same values 3. Escriba un programa en Python que acepte una lista de listas con varios elementos y obtenga un diccionario donde las claves serán los primeros elementos de las sublistas y los valores serán los restantes – como listas – (solución). Entrada: [[“Episode IV - A New Hope”, “May 25”, 1977], [“Episode V - The Empire Strikes Back”, “May 21”, 1980], [“Episode VI - Return of the Jedi”, “May 25”, 1983]] Salida: {“Episode IV - A New Hope”: [“May 25”, 1977], “Episode V - The Empire Strikes Back”: [“May 21”, 1980], “Episode VI - Return of the Jedi”: [“May 25”, 1983]} 4. Escriba un programa en Python que acepte un diccionario cuyos valores son listas y borre el contenido de dichas listas (solución). Entrada: {“C1”: [10, 20, 30], “C2”: [20, 30, 40], “C3”: [12, 34]} Salida: {“C1”: [], “C2”: [], “C3”: []} 5. Escriba un programa en Python que acepte un diccionario y elimine los espacios de sus claves respetando los valores correspondientes (solución). Entrada: {“S 001”: [“Math”, “Science”], “S 002”: [“Math”, “English”]} Salida: {“S001”: [“Math”, “Science”], “S002”: [“Math”, “English”]} AMPLIAR CONOCIMIENTOS • Using the Python defaultdict Type for Handling Missing Keys • Python Dictionary Iteration: Advanced Tips & Tricks • Python KeyError Exceptions and How to Handle Them • Dictionaries in Python • How to Iterate Through a Dictionary in Python • Shallow vs Deep Copying of Python Objects 5.3. Diccionarios 171
- 176. Aprende Python 5.4 Conjuntos Un conjunto en Python representa una serie de valores únicos y sin orden establecido, con la única restricción de que sus elementos deben ser «hashables». Mantiene muchas similitudes con el concepto matemático de conjunto1 5.4.1 Creando conjuntos Para crear un conjunto basta con separar sus valores por comas y rodearlos de llaves {}: >>> lottery = {21, 10, 46, 29, 31, 94} >>> lottery {10, 21, 29, 31, 46, 94} La excepción la tenemos a la hora de crear un conjunto vacío, ya que, siguiendo la lógica de apartados anteriores, deberíamos hacerlo a través de llaves: >>> wrong_empty_set = {} >>> type(wrong_empty_set) dict 1 Foto original de portada por Duy Pham en Unsplash. 172 Capítulo 5. Estructuras de datos
- 177. Aprende Python Advertencia: Si hacemos esto, lo que obtenemos es un diccionario vacío. La única opción que tenemos es utilizar la función set(): >>> empty_set = set() >>> empty_set set() >>> type(empty_set) set 5.4.2 Conversión Para convertir otros tipos de datos en un conjunto podemos usar la función set() sobre cualquier iterable: >>> set( aplatanada ) { a , d , l , n , p , t } >>> set([1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5]) {1, 2, 3, 4, 5} >>> set(( ADENINA , TIMINA , TIMINA , GUANINA , ADENINA , CITOSINA )) { ADENINA , CITOSINA , GUANINA , TIMINA } >>> set({ manzana : rojo , plátano : amarillo , kiwi : verde }) { kiwi , manzana , plátano } Importante: Como se ha visto en los ejemplos anteriores, set() se suele utilizar en muchas ocasiones como una forma de extraer los valores únicos de otros tipos de datos. En el caso de los diccionarios se extraen las claves, que, por definición, son únicas. Nota: El hecho de que en los ejemplos anteriores los elementos de los conjuntos estén ordenados es únicamente un «detalle de implementación» en el que no se puede confiar. 5.4. Conjuntos 173
- 178. Aprende Python 5.4.3 Operaciones con conjuntos Obtener un elemento En un conjunto no existe un orden establecido para sus elementos, por lo tanto no podemos acceder a un elemento en concreto. De este hecho se deriva igualmente que no podemos modificar un elemento existente, ya que ni siquiera tenemos acceso al mismo. Python sí nos permite añadir o borrar elementos de un conjunto. Añadir un elemento Para añadir un elemento a un conjunto debemos utilizar la función add(). Como ya hemos indicado, al no importar el orden dentro del conjunto, la inserción no establece a priori la posición donde se realizará. A modo de ejemplo, vamos a partir de un conjunto que representa a los cuatro integrantes originales de The Beatles. Luego añadiremos a un nuevo componente: >>> # John Lennon, Paul McCartney, George Harrison y Ringo Starr >>> beatles = set([ Lennon , McCartney , Harrison , Starr ]) >>> beatles.add( Best ) # Pete Best >>> beatles { Best , Harrison , Lennon , McCartney , Starr } Ejecución paso a paso a través de Python Tutor: https://tinyurl.com/9folv2v Ejercicio Dada una tupla de duplas (2 valores), cree dos conjuntos: • Uno de ellos con los primeros valores de cada dupla. • El otro con los segundos valores de cada dupla. Ejemplo • Entrada: ((4, 3), (8, 2), (7, 5), (8, 2), (9, 1)) • Salida: {8, 9, 4, 7} {1, 2, 3, 5} 174 Capítulo 5. Estructuras de datos
- 179. Aprende Python Borrar elementos Para borrar un elemento de un conjunto podemos utilizar la función remove(). Siguiendo con el ejemplo anterior, vamos a borrar al último «beatle» añadido: >>> beatles { Best , Harrison , Lennon , McCartney , Starr } >>> beatles.remove( Best ) >>> beatles { Harrison , Lennon , McCartney , Starr } Longitud de un conjunto Podemos conocer el número de elementos que tiene un conjunto con la función len(): >>> beatles { Harrison , Lennon , McCartney , Starr } >>> len(beatles) 4 Iterar sobre un conjunto Tal y como hemos visto para otros tipos de datos iterables, la forma de recorrer los elementos de un conjunto es utilizar la sentencia for: >>> for beatle in beatles: ... print(beatle) ... Harrison McCartney Starr Lennon Consejo: Como en el ejemplo anterior, es muy común utilizar una variable en singular para recorrer un iterable (en plural). No es una regla fija ni sirve para todos los casos, pero sí suele ser una buena práctica. 5.4. Conjuntos 175
- 180. Aprende Python Pertenencia de elemento Al igual que con otros tipos de datos, Python nos ofrece el operador in para determinar si un elemento pertenece a un conjunto: >>> beatles { Harrison , Lennon , McCartney , Starr } >>> Lennon in beatles True >>> Fari in beatles False 5.4.4 Teoría de conjuntos Vamos a partir de dos conjuntos 𝐴 = {1, 2} y 𝐵 = {2, 3} para ejemplificar las distintas operaciones que se pueden hacer entre ellos basadas en los Diagramas de Venn y la Teoría de Conjuntos: >>> A = {1, 2} >>> B = {2, 3} Figura 7: Diagramas de Venn Intersección 𝐴 ∩ 𝐵 – Elementos que están a la vez en 𝐴 y en 𝐵: >>> A & B {2} >>> A.intersection(B) {2} 176 Capítulo 5. Estructuras de datos
- 181. Aprende Python Unión 𝐴 ∪ 𝐵 – Elementos que están tanto en 𝐴 como en 𝐵: >>> A | B {1, 2, 3} >>> A.union(B) {1, 2, 3} Diferencia 𝐴 − 𝐵 – Elementos que están en 𝐴 y no están en 𝐵: >>> A - B {1} >>> A.difference(B) {1} Diferencia simétrica 𝐴 ∩ 𝐵 – Elementos que están en 𝐴 o en 𝐵 pero no en ambos conjuntos: >>> A ^ B {1, 3} >>> A.symmetric_difference(B) {1, 3} 5.4.5 Conjuntos por comprensión Los conjuntos, al igual que las listas y los diccionarios, también se pueden crear por comprensión. Veamos un ejemplo en el que construimos un conjunto por comprensión con los aquellos números enteros múltiplos de 3 en el rango [0, 20): >>> m3 = {number for number in range(0, 20) if number % 3 == 0} >>> m3 {0, 3, 6, 9, 12, 15, 18} 5.4. Conjuntos 177
- 182. Aprende Python Ejercicio Dadas dos cadenas de texto, obtenga una nueva cadena de texto con las letras consonantes que se repiten en ambas frases. Ignore los espacios en blanco y muestre la cadena de salida con sus letras ordenadas. Resuelva el ejercicio mediante dos aproximaciones: Una de ellas usando conjuntos por comprensión y otra sin usar comprensiones. Ejemplo • Entrada: Flat is better than nested y Readability counts • Salida: bdlnst 5.4.6 Conjuntos inmutables Python ofrece la posibilidad de crear conjuntos inmutables haciendo uso de la función frozenset() que recibe cualquier iterable como argumento. Supongamos que recibimos una serie de calificaciones de exámenes y queremos crear un conjunto inmutable con los posibles niveles (categorías) de calificaciones: >>> marks = [1, 3, 2, 3, 1, 4, 2, 4, 5, 2, 5, 5, 3, 1, 4] >>> marks_levels = frozenset(marks) >>> marks_levels frozenset({1, 2, 3, 4, 5}) Veamos qué ocurre si intentamos modificar este conjunto: >>> marks_levels.add(50) Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: frozenset object has no attribute add Nota: Los frozenset son a los sets lo que las tuplas a las listas: una forma de «congelar» los valores para que no se puedan modificar. 178 Capítulo 5. Estructuras de datos
- 183. Aprende Python AMPLIAR CONOCIMIENTOS • Sets in Python 5.5 Ficheros Aunque los ficheros encajarían más en un apartado de «entrada/salida» ya que representan un medio de almacenamiento persistente, también podrían ser vistos como estructuras de datos, puesto que nos permiten guardar la información y asignarles un cierto formato.1 Un fichero es un conjunto de bytes almacenados en algún dispositivo. El sistema de ficheros es la estructura lógica que alberga los ficheros y está jerarquizado a través de directorios (o carpetas). Cada fichero se identifica unívocamente a través de una ruta que nos permite acceder a él. 1 Foto original de portada por Maksym Kaharlytskyi en Unsplash. 5.5. Ficheros 179
- 184. Aprende Python 5.5.1 Lectura de un fichero Python ofrece la función open() para «abrir» un fichero. Esta apertura se puede realizar en 3 modos distintos: • Lectura del contenido de un fichero existente. • Escritura del contenido en un fichero nuevo. • Añadido al contenido de un fichero existente. Veamos un ejemplo para leer el contenido de un fichero en el que se encuentran las temperaturas máximas y mínimas de cada día de la última semana. El fichero está en la subcarpeta (ruta relativa) files/temps.dat y tiene el siguiente contenido: 29 23 31 23 34 26 33 23 29 22 28 22 28 22 Lo primero será abrir el fichero: >>> f = open( files/temps.dat ) La función open() recibe como primer argumento la ruta al fichero que queremos manejar (como un «string») y devuelve el manejador del fichero, que en este caso lo estamos asignando a una variable llamada f pero le podríamos haber puesto cualquier otro nombre. Nota: Es importante dominar los conceptos de ruta relativa y ruta absoluta para el trabajo con ficheros. Véase este artículo de DeNovatoANovato. Hay que tener en cuenta que la ruta al fichero que abrimos (en modo lectura) debe existir, ya que de lo contrario obtendremos un error: >>> f = open( foo.txt ) Traceback (most recent call last): File "<stdin>", line 1, in <module> FileNotFoundError: [Errno 2] No such file or directory: foo.txt Una vez abierto el fichero ya podemos proceder a leer su contenido. Para ello Python nos ofrece la posibilidad de leer todo el fichero de una vez o bien leerlo línea a línea. 180 Capítulo 5. Estructuras de datos
- 185. Aprende Python Lectura completa de un fichero Siguiendo con nuestro ejemplo de temperaturas, veamos cómo leer todo el contenido del fichero de una sola vez. Para esta operación, Python nos provee, al menos, de dos funciones: read() Devuelve todo el contenido del fichero como una cadena de texto (str): >>> f = open( files/temps.dat ) >>> f.read() 29 23n31 23n34 26n33 23n29 22n28 22n28 22n readlines() Devuelve todo el contenido del fichero como una lista (list) donde cada elemento es una línea: >>> f = open( files/temps.dat ) >>> f.readlines() [ 29 23n , 31 23n , 34 26n , 33 23n , 29 22n , 28 22n , 28 22n ] Importante: Nótese que, en ambos casos, los saltos de línea n siguen apareciendo en los datos leídos, por lo que habría que «limpiar» estos caracteres. Para ello se recomienda utilizar las funciones ya vistas de cadenas de texto. Lectura línea a línea Hay situaciones en las que interesa leer el contenido del fichero línea a línea. Imaginemos un fichero de tamaño considerable (varios GB). Si intentamos leer completamente este fichero de sola una vez podríamos ocupar demasiada RAM y reducir el rendimiento de nuestra máquina. Es por ello que Python nos ofrece varias aproximaciones a la lectura de ficheros línea a línea. La más usada es iterar sobre el propio manejador del fichero: >>> f = open( files/temps.dat ) >>> for line in f: # that easy! ... print(line) ... 29 23 31 23 34 26 (continué en la próxima página) 5.5. Ficheros 181
- 186. Aprende Python (proviene de la página anterior) 33 23 29 22 28 22 28 22 Truco: Igual que pasaba anteriormente, la lectura línea por línea también incluye el salto de línea n lo que provoca un «doble espacio» entre cada una de las salidas. Bastaría con aplicar line.split() para eliminarlo. 5.5.2 Escritura en un fichero Para escribir texto en un fichero hay que abrir dicho fichero en modo escritura. Para ello utilizamos un argumento adicional en la función open() que indica esta operación: >>> f = open( files/canary-iata.dat , w ) Nota: Si bien el fichero en sí mismo se crea al abrirlo en modo escritura, la ruta hasta ese fichero no. Eso quiere decir que debemos asegurarnos que las carpetas hasta llegar a dicho fichero existen. En otro caso obtenemos un error de tipo FileNotFoundError. Ahora ya podemos hacer uso de la función write() para enviar contenido al fichero abierto. Supongamos que queremos volcar el contenido de una lista en dicho fichero. En este caso partimos de los códigos IATA de aeropuertos de las Islas Canarias2 . 1 >>> canary_iata = ("GCFV", "GCHI", "GCLA", "GCLP", "GCGM", "GCRR", "GCTS", "GCXO") 2 3 >>> for code in canary_iata: 4 ... f.write(code + n ) 5 ... 6 7 >>> f.close() Nótese: 2 Fuente: Smart Drone 182 Capítulo 5. Estructuras de datos
- 187. Aprende Python Línea 4 Escritura de cada código en el fichero. La función write() no incluye el salto de línea por defecto, así que lo añadimos de manera explícita. Línea 7 Cierre del fichero con la función close(). Especialmente en el caso de la escritura de ficheros, se recomienda encarecidamente cerrar los ficheros para evitar pérdida de datos. Advertencia: Siempre que se abre un fichero en modo escritura utilizando el argumento w , el fichero se inicializa, borrando cualquier contenido que pudiera tener. 5.5.3 Añadido a un fichero La única diferencia entre añadir información a un fichero y escribir información en un fichero es el modo de apertura del fichero. En este caso utilizamos a por «append»: >>> f = open( more-data.txt , a ) En este caso el fichero more-data.txt se abrirá en modo añadir con lo que las llamadas a la función write() hará que aparezcan nueva información al final del contenido ya existente en dicho fichero. 5.5.4 Usandos contextos Python ofrece gestores de contexto como una solución para establecer reglas de entrada y salida a un determinado bloque de código. En el caso que nos ocupa, usaremos la sentencia with y el contexto creado se ocupará de cerrar adecuadamente el fichero que hemos abierto, liberando así sus recursos: 1 >>> with open( files/temps.dat ) as f: 2 ... for line in f: 3 ... max_temp, min_temp = line.strip().split() 4 ... print(max_temp, min_temp) 5 ... 6 29 23 7 31 23 8 34 26 9 33 23 10 29 22 11 28 22 12 28 22 Línea 1 Apertura del fichero en modo lectura utilizando el gestor de contexto definido por la palabra reservada with. 5.5. Ficheros 183
- 188. Aprende Python Línea 2 Lectura del fichero línea a línea utilizando la iteración sobre el manejador del fichero. Línea 3 Limpieza de saltos de línea con strip() encadenando la función split() para separar las dos temperaturas por el caracter espacio. Ver limpiar una cadena y dividir una cadena. Línea 4 Imprimir por pantalla la temperatura mínima y la máxima. Nota: Es una buena práctica usar with cuando se manejan ficheros. La ventaja es que el fichero se cierra adecuadamente en cualquier circunstancia, incluso si se produce cualquier tipo de error. Hay que prestar atención a la hora de escribir valores numéricos en un fichero, ya que el método write() por defecto espera ver un «string» como argumento: >>> lottery = [43, 21, 99, 18, 37, 99] >>> with open( files/lottery.dat , w ) as f: ... for number in lottery: ... f.write(number + n ) ... Traceback (most recent call last): File "<stdin>", line 3, in <module> TypeError: unsupported operand type(s) for +: int and str Importante: Para evitar este tipo de errores, se debe convertir a str aquellos valores que queramos usar con la función write() para escribir información en un fichero de texto. Ejercicio Dado el fichero temperatures.txt con 12 filas (meses) y 31 columnas (temperaturas de cada día), se pide: 1. Leer el fichero de datos. 2. Calcular la temperatura media de cada mes. 3. Escribir un fichero de salida avgtemps.txt con 12 filas (meses) y la temperatura media de cada mes. Guarda el fichero en la misma carpeta en la que vas a escribir tu código. Así evitarás problemas de rutas relativas/absolutas. 184 Capítulo 5. Estructuras de datos
- 189. Aprende Python AMPLIAR CONOCIMIENTOS • Reading and Writing Files in Python • Python Context Managers and the «with» Statement 5.5. Ficheros 185
- 190. Aprende Python 186 Capítulo 5. Estructuras de datos
- 191. CAPÍTULO 6 Modularidad La modularidad es la característica de un sistema que permite que sea estudiado, visto o entendido como la unión de varias partes que interactúan entre sí y que trabajan solidariamente para alcanzar un objetivo común, realizando cada una de ellas una tarea necesaria para la consecución de dicho objetivo. Cada una de esas partes en que se encuentre dividido el sistema recibe el nombre de módulo. Idealmente un módulo debe poder cumplir las condiciones de caja negra, es decir, ser independiente del resto de los módulos y comunicarse con ellos (con todos o sólo con una parte) a través de entradas y salidas bien definidas.1 En este capítulo veremos las facilidades que nos proporciona Python para trabajar en la línea de modularidad del código. 1 Definición de modularidad en Wikipedia 187
- 192. Aprende Python 6.1 Funciones El concepto de función es básico en prácticamente cualquier lenguaje de programación. Se trata de una estructura que nos permite agrupar código. Persigue dos objetivos claros: 1. No repetir trozos de código durante nuestro programa. 2. Reutilizar el código para distintas situaciones. Una función viene definida por su nombre, sus parámetros y su valor de retorno. Esta parametrización de las funciones las convierte en una poderosa herramienta ajustable a las circunstancias que tengamos. Al invocarla estaremos solicitando su ejecución y obtendremos unos resultados.1 6.1.1 Definir una función Para definir una función utilizamos la palabra reservada def seguida del nombre6 de la función. A continuación aparecerán 0 o más parámetros separados por comas (entre paréntesis), finalizando la línea con dos puntos : En la siguiente línea empezaría el cuerpo de la función que puede contener 1 o más sentencias, incluyendo (o no) una sentencia de retorno con el resultado mediante return. 1 Foto original por Nathan Dumlao en Unsplash. 6 Las reglas aplicadas a nombres de variables también se aplican a nombres de funciones. 188 Capítulo 6. Modularidad
- 193. Aprende Python Figura 1: Definición de una función en Python Advertencia: Prestar especial atención a los dos puntos : porque suelen olvidarse en la definición de la función. Hagamos una primera función sencilla que no recibe parámetros: def say_hello(): print( Hello! ) • Nótese la indentación (sangrado) del cuerpo de la función. • Los nombres de las funciones siguen las mismas reglas que las variables. Invocar una función Para invocar (o «llamar») a una función sólo tendremos que escribir su nombre seguido de paréntesis. En el caso de la función sencilla (vista anteriormente) se haría así: >>> def say_hello(): ... print( Hello! ) ... >>> say_hello() Hello! Como era de esperar, al invocar a esta función obtenemos un mensaje por pantalla, fruto de la ejecución del cuerpo de la función. 6.1. Funciones 189
- 194. Aprende Python Retornar un valor Las funciones pueden retornar (o «devolver») un valor. Veamos un ejemplo muy sencillo: >>> def one(): ... return 1 ... >>> one() 1 Importante: No confundir return con print(). El valor de retorno de una función nos permite usarlo fuera de su contexto. El hecho de añadir print() al cuerpo de una función es algo «coyuntural» y no modifica el resultado de la lógica interna. Nota: En la sentencia return podemos incluir variables y expresiones, no únicamente literales. Pero no sólo podemos invocar a la función directamente, también la podemos integrar en otras expresiones. Por ejemplo en condicionales: >>> if one() == 1: ... print( It works! ) ... else: ... print( Something is broken ) ... It works! Si una función no incluye un return de forma explícita, devolverá None de forma implícita: >>> def empty(): ... x = 0 ... >>> print(empty()) None 190 Capítulo 6. Modularidad
- 195. Aprende Python 6.1.2 Veracidad Nivel intermedio Ya hemos hablado ligeramente sobre la comprobación de veracidad en Python. Vamos a crear una función propia para comprobar la veracidad de distintos objetos del lenguaje, y así hacernos una mejor idea de qué cosas son evaluadas a verdadero y cuáles a falso: >>> def truthiness(obj): ... if obj: ... print(f {obj} is True ) ... else: ... print(f {obj} is False ) ... Evaluando a False Veamos qué «cosas» son evaluadas a False en Python: >>> truthiness(False) False is False >>> truthiness(None) None is False >>> truthiness(0) 0 is False >>> truthiness(0.0) 0.0 is False >>> truthiness( ) is False >>> truthiness([]) [] is False >>> truthiness(()) () is False >>> truthiness({}) {} is False (continué en la próxima página) 6.1. Funciones 191
- 196. Aprende Python (proviene de la página anterior) >>> truthiness(set()) set() is False Importante: El resto de objetos son evaluados a True en Python. Evaluando a True Veamos ciertos ejemplos que son evaluados a True en Python: >>> truthiness(True) True is True >>> truthiness(1e-10) 1e-10 is True >>> truthiness([0]) [0] is True >>> truthiness(( ,)) ( ,) is True >>> truthiness( ) is True >>> truthiness( ) is True 6.1.3 Parámetros y argumentos Si una función no dispusiera de valores de entrada estaría muy limitada en su actuación. Es por ello que los parámetros nos permiten variar los datos que consume una función para obtener distintos resultados. Vamos a empezar a crear funciones que reciben parámetros. En este caso escribiremos una función que recibe un valor numérico y devuelve su raíz cuadrada: >>> def sqrt(value): ... return value ** (1/2) ... (continué en la próxima página) 192 Capítulo 6. Modularidad
- 197. Aprende Python (proviene de la página anterior) >>> sqrt(4) 2.0 Nota: En este caso, el valor 4 es un argumento de la función. Cuando llamamos a una función con argumentos, los valores de estos argumentos se copian en los correspondientes parámetros dentro de la función: Figura 2: Parámetros y argumentos de una función Truco: La sentencia pass permite «no hacer nada». Es una especie de «placeholder». Veamos otra función con dos parámetros y algo más de lógica de negocio:2 >>> def _min(a, b): ... if a < b: ... return a (continué en la próxima página) 2 Término para identificar el «algoritmo» o secuencia de instrucciones derivadas del procesamiento que corresponda. 6.1. Funciones 193
- 198. Aprende Python (proviene de la página anterior) ... else: ... return b ... >>> _min(7, 9) 7 Ejercicio Escriba una función en Python que reproduzca lo siguiente: 𝑓(𝑥, 𝑦) = 𝑥2 + 𝑦2 Ejemplo • Entrada: 3 y 4 • Salida: 25 Argumentos posicionales Los argumentos posicionales son aquellos argumentos que se copian en sus correspondientes parámetros en orden. Vamos a mostrar un ejemplo definiendo una función que construye una «cpu» a partir de 3 parámetros: >>> def build_cpu(vendor, num_cores, freq): ... return dict( ... vendor=vendor, ... num_cores=num_cores, ... freq=freq ... ) ... Una posible llamada a la función con argumentos posicionales sería la siguiente: >>> build_cpu( AMD , 8, 2.7) { vendor : AMD , num_cores : 8, freq : 2.7} Lo que ha sucedido es un mapeo directo entre argumentos y parámetros en el mismo orden que estaban definidos: 194 Capítulo 6. Modularidad
- 199. Aprende Python Parámetro Argumento vendor AMD num_cores 8 freq 2.7 Pero es evidente que una clara desventaja del uso de argumentos posicionales es que se necesita recordar el orden de los argumentos. Un error en la posición de los argumentos puede causar resultados indeseados: >>> build_cpu(8, 2.7, AMD ) { vendor : 8, num_cores : 2.7, freq : AMD } Argumentos nominales En esta aproximación los argumentos no son copiados en un orden específico sino que se asignan por nombre a cada parámetro. Ello nos permite salvar el problema de conocer cuál es el orden de los parámetros en la definición de la función. Para utilizarlo, basta con realizar una asignación de cada argumento en la propia llamada a la función. Veamos la misma llamada que hemos hecho en el ejemplo de construcción de la «cpu» pero ahora utilizando paso de argumentos nominales: >>> build_cpu(vendor= AMD , num_cores=8, freq=2.7) { vendor : AMD , num_cores : 8, freq : 2.7} Se puede ver claramente que el orden de los argumentos no influye en el resultado final: >>> build_cpu(num_cores=8, freq=2.7, vendor= AMD ) { vendor : AMD , num_cores : 8, freq : 2.7} Argumentos posicionales y nominales Python permite mezclar argumentos posicionales y nominales en la llamada a una función: >>> build_cpu( INTEL , num_cores=4, freq=3.1) { vendor : INTEL , num_cores : 4, freq : 3.1} Pero hay que tener en cuenta que, en este escenario, los argumentos posicionales siempre deben ir antes que los argumentos nominales. Esto tiene mucho sentido ya que, de hacerlo así, Python no tendría forma de discernir a qué parámetro corresponde cada argumento: 6.1. Funciones 195
- 200. Aprende Python >>> build_cpu(num_cores=4, INTEL , freq=3.1) File "<stdin>", line 1 SyntaxError: positional argument follows keyword argument Parámetros por defecto Es posible especificar valores por defecto en los parámetros de una función. En el caso de que no se proporcione un valor al argumento en la llamada a la función, el parámetro correspondiente tomará el valor definido por defecto. Siguiendo con el ejemplo de la «cpu», podemos asignar 2.0GHz como frecuencia por defecto. La definición de la función cambiaría ligeramente: >>> def build_cpu(vendor, num_cores, freq=2.0): ... return dict( ... vendor=vendor, ... num_cores=num_cores, ... freq=freq ... ) ... Llamada a la función sin especificar frecuencia de «cpu»: >>> build_cpu( INTEL , 2) { vendor : INTEL , num_cores : 2, freq : 2.0} Llamada a la función indicando una frecuencia concreta de «cpu»: >>> build_cpu( INTEL , 2, 3.4) { vendor : INTEL , num_cores : 2, freq : 3.4} Importante: Los valores por defecto en los parámetros se calculan cuando se define la función, no cuando se ejecuta. Ejercicio Escriba una función factorial que reciba un único parámetro n y devuelva su factorial. El factorial de un número n se define como: 𝑛! = 𝑛 · (𝑛 − 1) · (𝑛 − 2) · . . . · 1 Ejemplo • Entrada: 5 196 Capítulo 6. Modularidad
- 201. Aprende Python • Salida: 120 Modificando parámetros mutables Nivel avanzado Hay que tener cuidado a la hora de manejar los parámetros que pasamos a una función ya que podemos obtener resultados indeseados, especialmente cuando trabajamos con tipos de datos mutables. Supongamos una función que añade elementos a una lista que pasamos por parámetro. La idea es que si no pasamos la lista, ésta siempre empiece siendo vacía. Hagamos una serie de pruebas pasando alguna lista como segundo argumento: >>> def buggy(arg, result=[]): ... result.append(arg) ... print(result) ... >>> buggy( a , []) [ a ] >>> buggy( b , []) [ b ] >>> buggy( a , [ x , y , z ]) [ x , y , z , a ] >>> buggy( b , [ x , y , z ]) [ x , y , z , b ] Aparentemente todo está funcionando de manera correcta, pero veamos qué ocurre en las siguientes llamadas: >>> def buggy(arg, result=[]): ... result.append(arg) ... print(result) ... >>> buggy( a ) [ a ] >>> buggy( b ) # Se esperaría [ b ] [ a , b ] 6.1. Funciones 197
- 202. Aprende Python Obviamente algo no ha funcionado correctamente. Se esperaría que result tuviera una lista vacía en cada ejecución. Sin embargo esto no sucede por estas dos razones: 1. El valor por defecto se establece cuando se define la función. 2. La variable result apunta a una zona de memoria en la que se modifican sus valores. Ejecución paso a paso a través de Python Tutor: https://cutt.ly/MgoQGU3 A riesgo de perder el parámetro por defecto, una posible solución sería la siguiente: >>> def works(arg): ... result = [] ... result.append(arg) ... return result ... >>> works( a ) [ a ] >>> works( b ) [ b ] La forma de arreglar el código anterior utilizando un parámetro con valor por defecto sería utilizar un tipo de dato inmutable y tener en cuenta cuál es la primera llamada: >>> def nonbuggy(arg, result=None): ... if result is None: ... result = [] ... result.append(arg) ... print(result) ... >>> nonbuggy( a ) [ a ] >>> nonbuggy( b ) [ b ] >>> nonbuggy( a , [ x , y , z ]) [ x , y , z , a ] >>> nonbuggy( b , [ x , y , z ]) [ x , y , z , b ] 198 Capítulo 6. Modularidad
- 203. Aprende Python Empaquetar/Desempaquetar argumentos Nivel avanzado Python nos ofrece la posibilidad de empaquetar y desempaquetar argumentos cuando estamos invocando a una función, tanto para argumentos posicionales como para argumentos nominales. Y de este hecho se deriva que podamos utilizar un número variable de argumentos en una función, algo que puede ser muy interesante según el caso de uso que tengamos. Empaquetar/Desempaquetar argumentos posicionales Si utilizamos el operador * delante del nombre de un parámetro posicional, estaremos indicando que los argumentos pasados a la función se empaqueten en una tupla: >>> def test_args(*args): ... print(f {args=} ) ... >>> test_args() args=() >>> test_args(1, 2, 3, pescado , salado , es ) args=(1, 2, 3, pescado , salado , es ) Nota: El hecho de llamar args al parámetro es una convención. También podemos utilizar esta estrategia para establecer en una función una serie de parámetros como requeridos y recibir el resto de argumentos como opcionales y empaquetados: >>> def sum_all(v1, v2, *args): ... total = 0 ... for value in (v1, v2) + args: ... total += value ... return total ... >>> sum_all() Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: sum_all() missing 2 required positional arguments: v1 and v2 >>> sum_all(1, 2) (continué en la próxima página) 6.1. Funciones 199
- 204. Aprende Python (proviene de la página anterior) 3 >>> sum_all(5, 9, 3, 8, 11, 21) 57 Existe la posibilidad de usar el asterisco * en la llamada a la función para desempaquetar los argumentos posicionales: >>> def test_args(*args): ... print(f {args=} ) ... >>> my_args = (4, 3, 7, 9) >>> test_args(my_args) # No existe desempaquetado! args=((4, 3, 7, 9),) >>> test_args(*my_args) # Sí existe desempaquetado! args=(4, 3, 7, 9) Empaquetar/Desempaquetar argumentos nominales Si utilizamos el operador ** delante del nombre de un parámetro nominal, estaremos indicando que los argumentos pasados a la función se empaqueten en un diccionario: >>> def test_kwargs(**kwargs): ... print(f {kwargs=} ) ... >>> test_kwargs() kwargs={} >>> test_kwargs(a=4, b=3, c=7, d=9) kwargs={ a : 4, b : 3, c : 7, d : 9} Nota: El hecho de llamar kwargs al parámetro es una convención. Al igual que veíamos previamente, existe la posibilidad de usar doble asterisco ** en la llamada a la función, para desempaquetar los argumentos nominales: >>> def test_kwargs(**kwargs): ... print(f {kwargs=} ) (continué en la próxima página) 200 Capítulo 6. Modularidad
- 205. Aprende Python (proviene de la página anterior) ... >>> my_kwargs = { a : 4, b : 3, c : 7, d : 9} >>> test_kwargs(my_kwargs) # No existe desempaquetado! Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: test_kwargs() takes 0 positional arguments but 1 was given >>> test_kwargs(**my_kwargs) # Sí existe desempaquetado! kwargs={ a : 4, b : 3, c : 7, d : 9} Forzando modo de paso de argumentos Si bien Python nos da flexibilidad para pasar argumentos a nuestras funciones en modo posicional o nominal, existen opciones para forzar a que dicho paso sea obligatorio en una determinada modalidad. Argumentos sólo posicionales Nivel avanzado A partir de Python 3.8 se ofrece la posibilidad de obligar a que determinados parámetros de la función sean pasados sólo por posición. Para ello, en la definición de los parámetros de la función, tendremos que incluir un parámetro especial / que delimitará el tipo de parámetros. Así, todos los parámetros a la izquierda del delimitador estarán obligados a ser posicionales: Figura 3: Separador para especificar parámetros sólo posicionales Ejemplo: 6.1. Funciones 201
- 206. Aprende Python >>> def sum_power(a, b, /, power=False): ... if power: ... a **= 2 ... b **= 2 ... return a + b ... >>> sum_power(3, 4) 7 >>> sum_power(3, 4, True) 25 >>> sum_power(3, 4, power=True) 25 >>> sum_power(a=3, b=4) Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: sum_power() got some positional-only arguments passed as keyword␣ ˓ →arguments: a, b Argumentos sólo nominales Nivel avanzado A partir de Python 3 se ofrece la posibilidad de obligar a que determinados parámetros de la función sean pasados sólo por nombre. Para ello, en la definición de los parámetros de la función, tendremos que incluir un parámetro especial * que delimitará el tipo de parámetros. Así, todos los parámetros a la derecha del separador estarán obligados a ser nominales: Ejemplo: >>> def sum_power(a, b, *, power=False): ... if power: ... a **= 2 ... b **= 2 ... return a + b ... >>> sum_power(3, 4) 7 (continué en la próxima página) 202 Capítulo 6. Modularidad
- 207. Aprende Python Figura 4: Separador para especificar parámetros sólo nominales (proviene de la página anterior) >>> sum_power(a=3, b=4) 7 >>> sum_power(3, 4, power=True) 25 >>> sum_power(3, 4, True) --------------------------------------------------------------------------- Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: sum_power() takes 2 positional arguments but 3 were given Fijando argumentos posicionales y nominales Si mezclamos las dos estrategias anteriores podemos forzar a que una función reciba argumentos de un modo concreto. Continuando con ejemplo anterior, podríamos hacer lo siguiente: >>> def sum_power(a, b, /, *, power=False): ... if power: ... a **= 2 ... b **= 2 ... return a + b ... >>> sum_power(3, 4, power=True) # Único modo posible de llamada 25 6.1. Funciones 203
- 208. Aprende Python Argumentos mutables e inmutables Nivel intermedio Igual que veíamos en la incidencia de parámetros por defecto con valores mutables, cuando realizamos modificaciones a los argumentos de una función es importante tener en cuenta si son mutables (listas, diccionarios, conjuntos, …) o inmutables (tuplas, enteros, flotantes, cadenas de texto, …) ya que podríamos obtener efectos colaterales no deseados: >>> fib = [1, 1, 2, 3, 5, 8, 13] >>> def square_it(values, *, index): ... values[index] **= 2 ... >>> fib [1, 1, 2, 3, 5, 8, 13] >>> square_it(fib, index=4) >>> fib # [1, 1, 2, 3, 25, 8, 13] Advertencia: Esto no es una buena práctica. O bien documentar que el argumento puede modificarse o bien retornar un nuevo valor. Funciones como parámetros Nivel avanzado Las funciones se pueden utilizar en cualquier contexto de nuestro programa. Son objetos que pueden ser asignados a variables, usados en expresiones, devueltos como valores de retorno o pasados como argumentos a otras funciones. Veamos un primer ejemplo en el que pasamos una función como argumento: >>> def success(): ... print( Yeah! ) ... >>> type(success) function >>> def doit(f): (continué en la próxima página) 204 Capítulo 6. Modularidad
- 209. Aprende Python (proviene de la página anterior) ... f() ... >>> doit(success) Yeah! Veamos un segundo ejemplo en el que pasamos, no sólo una función como argumento, sino los valores con los que debe operar: >>> def repeat_please(text, times=1): ... return text * times ... >>> type(repeat_please) function >>> def doit(f, arg1, arg2): ... return f(arg1, arg2) ... >>> doit(repeat_please, Functions as params , 2) Functions as paramsFunctions as params 6.1.4 Documentación Ya hemos visto que en Python podemos incluir comentarios para explicar mejor determinadas zonas de nuestro código. Del mismo modo podemos (y en muchos casos debemos) adjuntar documentación a la definición de una función incluyendo una cadena de texto (docstring) al comienzo de su cuerpo: >>> def sqrt(value): ... Returns the square root of the value ... return value ** (1/2) ... La forma más ortodoxa de escribir un docstring es utilizando triples comillas: >>> def closest_int(value): ... Returns the closest integer to the given value. ... The operation is: ... 1. Compute distance to floor. ... 2. If distance less than a half, return floor. (continué en la próxima página) 6.1. Funciones 205
- 210. Aprende Python (proviene de la página anterior) ... Otherwise, return ceil. ... ... floor = int(value) ... if value - floor < 0.5: ... return floor ... else: ... return floor + 1 ... Para ver el docstring de una función, basta con utilizar help: >>> help(closest_int) Help on function closest_int in module __main__: closest_int(value) Returns the closest integer to the given value. The operation is: 1. Compute distance to floor. 2. If distance less than a half, return floor. Otherwise, return ceil. También es posible extraer información usando el símbolo de interrogación: >>> closest_int? Signature: closest_int(value) Docstring: Returns the closest integer to the given value. The operation is: 1. Compute distance to floor. 2. If distance less than a half, return floor. Otherwise, return ceil. File: ~/aprendepython/<ipython-input-75-5dc166360da1> Type: function Importante: Esto no sólo se aplica a funciones propias, sino a cualquier otra función definida en el lenguaje. Nota: Si queremos ver el docstring de una función en «crudo» (sin formatear), podemos usar <function>.__doc__. 206 Capítulo 6. Modularidad
- 211. Aprende Python Explicación de parámetros Como ya se ha visto, es posible documentar una función utilizando un docstring. Pero la redacción y el formato de esta cadena de texto puede ser muy variada. Existen distintas formas de documentar una función (u otros objetos)3 : Sphinx docstrings Formato nativo de documentación Sphinx. Google docstrings Formato de documentación recomendado por Google. NumPy-SciPy docstrings Combinación de formatos reStructured y Google (usados por el proyecto NumPy). Epytext Una adaptación a Python de Epydoc(Java). Aunque cada uno tienes sus particularidades, todos comparten una misma estructura: • Una primera línea de descripción de la función. • A continuación especificamos las características de los parámetros (incluyendo sus tipos). • Por último, indicamos si la función retorna un valor y sus características. Aunque todos los formatos son válidos, nos centraremos en Sphinx docstrings al ser el que viene mejor integrado con la documentación Sphinx. Google docstrings y Numpy docstrings también son ampliamente utilizados, lo único es que necesitan de un módulo externo denominado Napoleon para que se puedan incluir en la documentación Sphinx. Sphinx Sphinx es una herramienta para generar documentación e incluye un módulo «built-in» denominado autodoc el cual permite la autogeneración de documentación a partir de los «docstrings» definidos en el código. Veamos el uso de este formato en la documentación de la siguiente función «dummy»: >>> def my_power(x, n): ... Calculate x raised to the power of n. ... ... :param x: number representing the base of the operation ... :type x: int ... :param n: number representing the exponent of the operation ... :type n: int ... ... :return: :math: x^n ... :rtype: int (continué en la próxima página) 3 Véase Docstring Formats. 6.1. Funciones 207
- 212. Aprende Python (proviene de la página anterior) ... ... result = 1 ... for _ in range(n): ... result *= x ... return result ... Dentro del «docstring» podemos escribir con sintaxis reStructured Text – véase por ejemplo la expresión matemática en el tag :return: – lo que nos proporciona una gran flexibilidad. Nota: La plataforma Read the Docs aloja la documentación de gran cantidad de proyectos. En muchos de los casos se han usado «docstrings» con el formato Sphinx visto anteriormente. Anotación de tipos Nivel intermedio Las anotaciones de tipos5 se introdujeron en Python 3.5 y permiten indicar tipos para los parámetros de una función así como su valor de retorno (aunque también funcionan en creación de variables). Veamos un ejemplo en el que creamos una función para dividir una cadena de texto por la posición especificada en el parámetro: >>> def ssplit(text: str, split_pos: int) -> tuple: ... return text[:split_pos], text[split_pos:] ... >>> ssplit( Always remember us this way , 15) ( Always remember , us this way ) Como se puede observar, vamos añadiendo los tipos después de cada parámetro utilizando : como separador. En el caso del valor de retorno usamos el símbolo -> Quizás la siguiente ejecución pueda sorprender: >>> ssplit([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], 5) ([1, 2, 3, 4, 5], [6, 7, 8, 9, 10]) Efectivamente como habrás visto, no hemos obtenido ningún error, a pesar de que estamos pasando como primer argumento una lista en vez de una cadena de texto. Esto ocurre porque lo que hemos definido es una anotación de tipo, no una declaración de tipo. Existen herramientas como mypy que sí se encargan de chequear estas situaciones. 5 Conocidos como «type hints» en terminología inglesa. 208 Capítulo 6. Modularidad
- 213. Aprende Python Valores por defecto Al igual que ocurre en la definición ordinaria de funciones, cuando usamos anotaciones de tipos también podemos indicar un valor por defecto para los parámetros. Veamos la forma de hacerlo continuando con el ejemplo anterior: >>> def ssplit(text: str, split_pos: int = -1) -> tuple: ... if split_pos == -1: ... split_pos = len(text) // 2 ... return text[:split_pos], text[split_pos:] ... >>> ssplit( Always remember us this way ) ( Always rememb , er us this way ) Simplemente añadimos el valor por defecto después de indicar el tipo. Nota: Las anotaciones de tipos son una herramienta muy potente y que, usada de forma adecuada, permite complementar la documentación de nuestro código y aclarar ciertos aspectos, que a priori, pudieran parecer confusos. Su aplicación estará en función de la necesidad detectada por parte del equipo de desarrollo. 6.1.5 Tipos de funciones Nivel avanzado Funciones interiores Está permitido definir una función dentro de otra función: >>> def validation_test(text): ... def is_valid_char(char): ... return char in xyz ... checklist = [] ... for char in text: ... checklist.append(is_valid_char(char)) ... return sum(checklist) / len(text) ... >>> validation_test( zxyzxxyz ) 1.0 (continué en la próxima página) 6.1. Funciones 209
- 214. Aprende Python (proviene de la página anterior) >>> validation_test( abzxyabcdz ) 0.4 >>> validation_test( abc ) 0.0 Clausuras Una clausura (del término inglés «closure») establece el uso de una función interior que se genera dinámicamente y recuerda los valores de los argumentos con los que fue creada: >>> def make_multiplier_of(n): ... def multiplier(x): ... return x * n ... return multiplier ... >>> m3 = make_multiplier_of(3) >>> m5 = make_multiplier_of(5) >>> type(m3) function >>> m3(7) # 7 * 3 21 >>> type(m5) function >>> m5(8) # 8 * 5 40 Importante: En una clausura retornamos una función, no una llamada a la función. 210 Capítulo 6. Modularidad
- 215. Aprende Python Funciones anónimas «lambda» Una función lambda tiene las siguientes propiedades: 1. Se escribe con una única sentencia. 2. No tiene nombre (anónima). 3. Su cuerpo tiene implícito un return. 4. Puede recibir cualquier número de parámetros. Veamos un primer ejemplo de función «lambda» que nos permite contar el número de palabras de una cadena de texto: >>> num_words = lambda t: len(t.strip().split()) >>> type(num_words) function >>> num_words <function __main__.<lambda>(t)> >>> num_words( hola socio vamos a ver ) 5 Veamos otro ejemplo en el que mostramos una tabla con el resultado de aplicar el «and» lógico mediante una función «lambda» que ahora recibe dos parámetros: >>> logic_and = lambda x, y: x & y >>> for i in range(2): ... for j in range(2): ... print(f {i} & {j} = {logic_and(i, j)} ) ... 0 & 0 = 0 0 & 1 = 0 1 & 0 = 0 1 & 1 = 1 Las funciones «lambda» son bastante utilizadas como argumentos a otras funciones. Un ejemplo claro de ello es la función sorted que tiene un parámetro opcional key donde se define la clave de ordenación. Veamos cómo usar una función anónima «lambda» para ordenar una tupla de pares longitud-latitud: >>> geoloc = ( ... (15.623037, 13.258358), (continué en la próxima página) 6.1. Funciones 211
- 216. Aprende Python (proviene de la página anterior) ... (55.147488, -2.667338), ... (54.572062, -73.285171), ... (3.152857, 115.327724), ... (-40.454262, 172.318877) ) >>> # Ordenación por longitud (primer elemento de la tupla) >>> sorted(geoloc) [(-40.454262, 172.318877), (3.152857, 115.327724), (15.623037, 13.258358), (54.572062, -73.285171), (55.147488, -2.667338)] >>> # Ordenación por latitud (segundo elemento de la tupla) >>> sorted(geoloc, key=lambda t: t[1]) [(54.572062, -73.285171), (55.147488, -2.667338), (15.623037, 13.258358), (3.152857, 115.327724), (-40.454262, 172.318877)] Enfoque funcional Como se comentó en la introducción, Python es un lenguaje de programación multiparadigma. Uno de los paradigmas menos explotados en este lenguaje es la programación funcional4 . Python nos ofrece 3 funciones que encajan verdaderamente bien en este enfoque: map(), filter() y reduce(). map() Esta función aplica otra función sobre cada elemento de un iterable. Supongamos que queremos aplicar la siguiente función: 𝑓(𝑥) = 𝑥2 2 ∀𝑥 ∈ [1, 10] >>> def f(x): ... return x**2 / 2 (continué en la próxima página) 4 Definición de Programación funcional en Wikipedia. 212 Capítulo 6. Modularidad
- 217. Aprende Python Figura 5: Rutinas muy enfocadas a programación funcional (proviene de la página anterior) ... >>> data = range(1, 11) >>> map_gen = map(f, data) >>> type(map_gen) map >>> list(map_gen) [0.5, 2.0, 4.5, 8.0, 12.5, 18.0, 24.5, 32.0, 40.5, 50.0] Aplicando una función anónima «lambda»… >>> list(map(lambda x: x**2 / 2, data)) [0.5, 2.0, 4.5, 8.0, 12.5, 18.0, 24.5, 32.0, 40.5, 50.0] Importante: map() devuelve un generador, no directamente una lista. filter() Esta función selecciona aquellos elementos de un iterable que cumplan una determinada condición. Supongamos que queremos seleccionar sólo aquellos números impares dentro de un rango: >>> def odd_number(x): ... return x % 2 == 1 (continué en la próxima página) 6.1. Funciones 213
- 218. Aprende Python (proviene de la página anterior) ... >>> data = range(1, 21) >>> filter_gen = filter(odd_number, data) >>> type(filter_gen) filter >>> list(filter_gen) [1, 3, 5, 7, 9, 11, 13, 15, 17, 19] Aplicando una función anónima «lambda»… >>> list(filter(lambda x: x % 2 == 1, data)) [1, 3, 5, 7, 9, 11, 13, 15, 17, 19] Importante: filter() devuelve un generador, no directamente una lista. reduce() Para poder usar esta función debemos usar el módulo functools. Nos permite aplicar una función dada sobre todos los elementos de un iterable de manera acumulativa. O dicho en otras palabras, nos permite reducir una función sobre un conjunto de valores. Supongamos que queremos realizar el producto de una serie de valores aplicando este enfoque: >>> from functools import reduce >>> def mult_values(a, b): ... return a * b ... >>> data = range(1, 6) >>> reduce(mult_values, data) # ((((1 * 2) * 3) * 4) * 5) 120 Aplicando una función anónima «lambda»… >>> reduce(lambda x, y: x * y, data) 120 214 Capítulo 6. Modularidad
- 219. Aprende Python Consejo: Por cuestiones de legibilidad del código, se suelen preferir las listas por comprensión a funciones como map() o filter(), aunque cada problema tiene sus propias características y sus soluciones más adecuadas. Generadores Un generador es un objeto que nos permite iterar sobre una secuencia de valores con la particularidad de no tener que crear explícitamente dicha secuencia. Esta propiedad los hace idóneos para situaciones en las que el tamaño de las secuencias podría tener un impacto negativo en el consumo de memoria. De hecho ya hemos visto algunos generadores y los hemos usado de forma directa. Un ejemplo es range() que ofrece la posibilidad de crear secuencias de números. Básicamente existen dos implementaciones de generadores: • Funciones generadoras. • Expresiones generadoras. Nota: A diferencia de las funciones ordinarias, los generadores tienen la capacidad de «recordar» su estado para recuperarlo en la siguiente iteración y continuar devolviendo nuevos valores. Funciones generadoras Las funciones generadoras se escriben como funciones ordinarias con el matiz de incorporar la sentencia yield que sustituye, de alguna manera, a return. Esta sentencia devuelve el valor indicado y, a la vez, «congela» el estado de la función para subsiguientes ejecuciones. Veamos un ejemplo en el que escribimos una función generadora de números pares: >>> def evens(lim): ... for i in range(0, lim + 1, 2): ... yield i ... >>> type(evens) function >>> evens_gen = evens(20) # returns generator (continué en la próxima página) 6.1. Funciones 215
- 220. Aprende Python (proviene de la página anterior) >>> type(evens_gen) generator Una vez creado el generador, ya podemos iterar sobre él: >>> for i in evens_gen: ... print(i, end= ) ... 0 2 4 6 8 10 12 14 16 18 20 Si queremos «explicitar» la lista de valores que contiene un generador, podemos hacerlo de la siguiente manera: >>> list(evens(20)) [0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20] Importante: Un detalle muy importante sobre los generadores es que «se agotan». Es decir, una vez que ya hemos consumido todos sus elementos ya no obtendremos nuevos valores. Expresiones generadoras Una expresión generadora es sintácticamente muy similar a una lista por comprensión, pero utilizamos paréntesis en vez de corchetes. Se podría ver como una versión acortada de una función generadora. Podemos tratar de reproducir el ejemplo visto en funciones generadoras en el que creamos números pares hasta el 20: >>> evens_gen = (i for i in range(0, 20, 2)) >>> type(evens_gen) generator >>> for i in evens_gen: ... print(i, end= ) ... 0 2 4 6 8 10 12 14 16 18 Nota: Las expresiones generadoras admiten condiciones y anidamiento de bucles, tal y como se vio con las listas por comprensión. 216 Capítulo 6. Modularidad
- 221. Aprende Python Ejercicio Escriba una función generadora que devuelva los 100 primeros números enteros elevados al cuadrado. Decoradores Hay situaciones en las que necesitamos modificar el comportamiento de funciones existentes pero sin alterar su código. Para estos casos es muy útil usar decoradores. Un decorador es una función que recibe como parámetro una función y devuelve otra función. Se podría ver como un caso particular de clausura. Veamos un ejemplo en el que documentamos la ejecución de una función: >>> def simple_logger(func): ... def wrapper(*args, **kwargs): ... print(f Running "{func.__name__}"... ) ... return func(*args, **kwargs) ... return wrapper ... >>> type(simple_logger) function Ahora vamos a definir una función ordinaria (que usaremos más adelante): >>> def hi(name): ... return f Hello {name}! ... >>> hi( Guido ) Hello Guido! >>> hi( Lovelace ) Hello Lovelace! Ahora aplicaremos el decorador definido previamente simple_logger() sobre la función ordinaria hi(). Se dice que que simple_logger() es la función decoradora y que hi() es la función decorada. De esta forma obtendremos mensajes informativos adicionales. Además el decorador es aplicable a cualquier número y tipo de argumentos e incluso a cualquier otra función ordinaria: >>> decorated_hi = simple_logger(hi) (continué en la próxima página) 6.1. Funciones 217
- 222. Aprende Python (proviene de la página anterior) >>> decorated_hi( Guido ) Running "hi"... Hello Guido! >>> decorated_hi( Lovelace ) Running "hi"... Hello Lovelace! Usando @ para decorar Python nos ofrece un «syntactic sugar» para simplificar la aplicación de los decoradores a través del operador @ justo antes de la definición de la función que queremos decorar: >>> @simple_logger ... def hi(name): ... return f Hello {name}! ... ... >>> hi( Galindo ) Running "hi"... Hello Galindo! >>> hi( Terrón ) Running "hi"... Hello Terrón! Podemos aplicar más de un decorador a cada función. Para ejemplificarlo vamos a crear dos decoradores muy sencillos: >>> def plus5(func): ... def wrapper(*args, **kwargs): ... result = func(*args, **kwargs) ... return result + 5 ... return wrapper ... >>> def div2(func): ... def wrapper(*args, **kwargs): ... result = func(*args, **kwargs) ... return result // 2 ... return wrapper ... 218 Capítulo 6. Modularidad
- 223. Aprende Python Ahora aplicaremos ambos decoradores sobre una función que realiza el producto de dos números: >>> @plus5 ... @div2 ... def prod(a, b): ... return a * b ... >>> prod(4, 3) 11 >>> ((4 * 3) // 2) + 5 11 Importante: Cuando tenemos varios decoradores aplicados a una función, el orden de ejecución empieza por aquel decorador más «cercano» a la definición de la función. Ejercicio Escriba un decorador llamado fabs() que convierta a su valor absoluto los dos primeros parámetros de la función que decora y devuelva el resultado de aplicar dicha función a sus dos argumentos. El valor absoluto de un número se obtiene con la función abs(). A continuación probar el decorador con una función fprod() que devuelva el producto de dos valores, jugando con números negativos y positivos. ¿Podrías extender el decorador para que tuviera en cuenta un número indeterminado de argumentos posicionales? Ejemplo • Entrada: -3 y 7 • Salida: 21 Funciones recursivas La recursividad es el mecanismo por el cual una función se llama a sí misma: >>> def call_me(): ... return call_me() ... (continué en la próxima página) 6.1. Funciones 219
- 224. Aprende Python (proviene de la página anterior) >>> call_me() Traceback (most recent call last): File "<stdin>", line 1, in <module> File "<stdin>", line 2, in call_me File "<stdin>", line 2, in call_me File "<stdin>", line 2, in call_me [Previous line repeated 996 more times] RecursionError: maximum recursion depth exceeded Advertencia: Podemos observar que existe un número máximo de llamadas recursivas. Python controla esta situación por nosotros, ya que, de no ser así, podríamos llegar a consumir los recursos del sistema. Veamos ahora un ejemplo más real en el que computar el enésimo término de la Sucesión de Fibonacci utilizando una función recursiva: >>> def fibonacci(n): ... if n == 0: ... return 0 ... if n == 1: ... return 1 ... return fibonacci(n - 1) + fibonacci(n - 2) ... >>> fibonacci(10) 55 >>> fibonacci(20) 6765 Función generadora recursiva Si tratamos de extender el ejemplo anterior de Fibonacci para obtener todos los términos de la sucesión hasta un límite, pero con la filosofía recursiva, podríamos plantear el uso de una función generadora: >>> def fibonacci(): ... def _fibonacci(n): ... if n == 0: ... return 0 ... if n == 1: (continué en la próxima página) 220 Capítulo 6. Modularidad
- 225. Aprende Python (proviene de la página anterior) ... return 1 ... return _fibonacci(n - 1) + _fibonacci(n - 2) ... ... n = 0 ... while True: ... yield _fibonacci(n) ... n += 1 ... >>> fib = fibonacci() >>> type(fib) generator >>> for _ in range(10): ... print(next(fib)) ... 0 1 1 2 3 5 8 13 21 34 Ejercicio Escriba una función recursiva que calcule el factorial de un número: 𝑛! = 𝑛 · (𝑛 − 1) · (𝑛 − 2) · . . . · 1 Ejemplo • Entrada: 5 • Salida: 120 6.1. Funciones 221
- 226. Aprende Python 6.1.6 Espacios de nombres Como bien indica el Zen de Python: Namespaces are one honking great idea – let’s do more of those! Que vendría a traducirse como: «Los espacios de nombres son una gran idea – hagamos más de eso». Los espacios de nombres permiten definir ámbitos o contextos en los que agrupar nombres de objetos. Los espacios de nombres proporcionan un mecanismo de empaquetamiento, de tal forma que podamos tener incluso nombres iguales que no hacen referencia al mismo objeto (siempre y cuando estén en ámbitos distintos). Cada función define su propio espacio de nombres y es diferente del espacio de nombres global aplicable a todo nuestro programa. Figura 6: Espacio de nombres global vs espacios de nombres de funciones 222 Capítulo 6. Modularidad
- 227. Aprende Python Acceso a variables globales Cuando una variable se define en el espacio de nombres global podemos hacer uso de ella con total transparencia dentro del ámbito de las funciones del programa: >>> language = castellano >>> def catalonia(): ... print(f {language=} ) ... >>> language castellano >>> catalonia() language= castellano Creando variables locales En el caso de que asignemos un valor a una variable global dentro de una función, no estaremos modificando ese valor. Por el contrario, estaremos creando una variable en el espacio de nombres local: >>> language = castellano >>> def catalonia(): ... language = catalan ... print(f {language=} ) ... >>> language castellano >>> catalonia() language= catalan >>> language castellano 6.1. Funciones 223
- 228. Aprende Python Forzando modificación global Python nos permite modificar una variable definida en un espacio de nombres global dentro de una función. Para ello debemos usar el modificador global: >>> language = castellano >>> def catalonia(): ... global language ... language = catalan ... print(f {language=} ) ... >>> language castellano >>> catalonia() language= catalan >>> language catalan Advertencia: El uso de global no se considera una buena práctica ya que puede inducir a confusión y tener efectos colaterales indeseados. Contenido de los espacios de nombres Python proporciona dos funciones para acceder al contenido de los espacios de nombres: locals() Devuelve un diccionario con los contenidos del espacio de nombres local. globals() Devuelve un diccionario con los contenidos del espacio de nombres global. >>> language = castellano >>> def catalonia(): ... language = catalan ... print(f {locals()=} ) ... >>> language castellano >>> catalonia() (continué en la próxima página) 224 Capítulo 6. Modularidad
- 229. Aprende Python (proviene de la página anterior) locals()={ language : catalan } >>> globals() { __name__ : __main__ , __doc__ : Automatically created module for IPython interactive environment , __package__ : None, __loader__ : None, __spec__ : None, __builtin__ : <module builtins (built-in)>, __builtins__ : <module builtins (built-in)>, _ih : [ , "language = castellano ", "def catalonia():n language = catalan n print(f {locals()=} )n ", language , catalonia() , globals() ], _oh : {3: castellano }, _dh : [ /Users/sdelquin ], In : [ , "language = castellano ", "def catalonia():n language = catalan n print(f {locals()=} )n ", language , catalonia() , globals() ], Out : {3: castellano }, get_ipython : <bound method InteractiveShell.get_ipython of <IPython.terminal. ˓ →interactiveshell.TerminalInteractiveShell object at 0x10e70c2e0>>, exit : <IPython.core.autocall.ExitAutocall at 0x10e761070>, quit : <IPython.core.autocall.ExitAutocall at 0x10e761070>, _ : castellano , __ : , ___ : , Prompts : IPython.terminal.prompts.Prompts, Token : Token, MyPrompt : __main__.MyPrompt, ip : <IPython.terminal.interactiveshell.TerminalInteractiveShell at 0x10e70c2e0>, _i : catalonia() , _ii : language , _iii : "def catalonia():n language = catalan n print(f {locals()=} )n ␣ ˓ → ", _i1 : "language = castellano ", language : castellano , _i2 : "def catalonia():n language = catalan n print(f {locals()=} )n ˓ →", catalonia : <function __main__.catalonia()>, (continué en la próxima página) 6.1. Funciones 225
- 230. Aprende Python (proviene de la página anterior) _i3 : language , _3 : castellano , _i4 : catalonia() , _i5 : globals() } EJERCICIOS DE REPASO 1. Escriba una función en Python que indique si un número está en un determinado intervalo (solución). Entrada: valor=3; lim_inferior=2; lim_superior=5 Salida: True 2. Escriba una función en Python que reciba una lista de valores enteros y devuelva otra lista sólo con aquellos valores pares (solución). Entrada: [1, 2, 3, 4, 5, 6, 7, 8, 9] Salida: [2, 4, 6, 8] 3. Escriba una función en Python que indique si un número es perfecto. Utilice una función auxiliar que calcule los divisores propios (solución). Entrada: 8128 Salida: True 4. Escriba una función en Python que determine si una cadena de texto es un palíndromo (solución). Entrada: ana lava lana Salida: True 5. Escriba una función en Python que determine si una cadena de texto es un pangrama (solución) Entrada: The quick brown fox jumps over the lazy dog Salida: True 226 Capítulo 6. Modularidad
- 231. Aprende Python AMPLIAR CONOCIMIENTOS • Comparing Python Objects the Right Way: «is» vs «==» • Python Scope & the LEGB Rule: Resolving Names in Your Code • Defining Your Own Python Function • Null in Python: Understanding Python’s NoneType Object • Python “!=” Is Not “is not”: Comparing Objects in Python • Python args and kwargs: Demystified • Documenting Python Code: A Complete Guide • Thinking Recursively in Python • How to Use Generators and yield in Python • How to Use Python Lambda Functions • Python Decorators 101 • Writing Comments in Python • Introduction to Python Exceptions • Primer on Python Decorators 6.1. Funciones 227
- 232. Aprende Python 6.2 Objetos y Clases Hasta ahora hemos estado usando objetos de forma totalmente transparente, casi sin ser conscientes de ello. Pero, en realidad, todo en Python es un objeto, desde números a funciones. El lenguaje provee ciertos mecanismos para no tener que usar explícitamente técnicas de orientación a objetos. Llegados a este punto, investigaremos en profundidad sobre la creación y manipulación de clases y objetos, y todas las operaciones que engloban este paradigma.1 6.2.1 Programación orientada a objetos La programación orientada a objetos (POO) o en sus siglas inglesas OOP es una manera de programar que permite llevar al código mecanismos usados con entidades de la vida real. Sus beneficios son los siguientes: Encapsulamiento Permite empaquetar el código dentro de una unidad (objeto) donde se puede determinar el ámbito de actuación. Abstracción Permite generalizar los tipos de objetos a través de las clases y simplificar el programa. Herencia Permite reutilizar código al poder heredar atributos y comportamientos de una clase a otra. 1 Foto original por Rabie Madaci en Unsplash. 228 Capítulo 6. Modularidad
- 233. Aprende Python Polimorfismo Permite crear múltiples objetos a partir de una misma pieza flexible de código. Figura 7: Beneficios de la Programación Orientada a Objetos ¿Qué es un objeto? Un objeto es una estructura de datos personalizada que contiene datos y código: Elementos ¿Qué son? ¿Cómo se llaman? ¿Cómo se identifican? Datos Variables Atributos Nombres Código Funciones Métodos Verbos Un objeto representa una instancia única de alguna entidad a través de los valores de sus atributos e interactuan con otros objetos (o consigo mismos) a través de sus métodos. 6.2. Objetos y Clases 229
- 234. Aprende Python Figura 8: Analogía de atributos y métodos en un objeto «bicicleta» ¿Qué es una clase? Para crear un objeto primero debemos definir la clase que lo contiene. Podemos pensar en la clase como el molde con el que crear nuevos objetos de ese tipo. En el proceso de diseño de una clase hay que tener en cuenta – entre otros – el principio de responsabilidad única7 , intentando que los atributos y los métodos que contenga estén enfocados a un objetivo único y bien definido. 6.2.2 Creando objetos Empecemos por crear nuestra primera clase. En este caso vamos a modelar algunos de los droides de la saga StarWars: Para ello usaremos la palabra reservada class seguido del nombre de la clase: >>> class StarWarsDroid: ... pass ... 7 Principios SOLID 2 Fuente de la imagen: Astro Mech Droids. 230 Capítulo 6. Modularidad
- 235. Aprende Python Figura 9: Ejemplificación de creación de objetos a partir de una clase Figura 10: Droides de la saga StarWars2 6.2. Objetos y Clases 231
- 236. Aprende Python Consejo: Los nombres de clases se suelen escribir en formato CamelCase y en singular3 . Existen multitud de droides en el universo StarWars. Una vez que hemos definido la clase genérica podemos crear instancias/objetos (droides) concretos: >>> c3po = StarWarsDroid() >>> r2d2 = StarWarsDroid() >>> bb8 = StarWarsDroid() >>> type(c3po) __main__.StarWarsDroid >>> type(r2d2) __main__.StarWarsDroid >>> type(bb8) __main__.StarWarsDroid Añadiendo atributos Un atributo no es más que una variable, un nombre al que asignamos un valor, con la particularidad de vivir dentro de una clase o de un objeto. Los atributos – por lo general – se suelen asignar durante la creación de un objeto, pero también es posible añadirlos a posteriori: >>> blue_droid = StarWarsDroid() >>> golden_droid = StarWarsDroid() >>> golden_droid.name = C-3PO >>> blue_droid.name = R2-D2 >>> blue_droid.height = 1.09 >>> blue_droid.num_feet = 3 >>> blue_droid.partner_droid = golden_droid # otro droide como atributo Una vez creados, es muy sencillo acceder a los atributos: >>> golden_droid.name C-3PO >>> blue_droid.num_feet 3 3 Guía de estilos PEP8 para convenciones de nombres. 232 Capítulo 6. Modularidad
- 237. Aprende Python Hemos definido un droide «socio». Veremos a continuación que podemos trabajar con él de una manera totalmente natural: >>> type(blue_droid.partner_droid) __main__.StarWarsDroid >>> blue_droid.partner_droid.name # acceso al nombre del droide socio C-3PO >>> blue_droid.partner_droid.num_feet # aún sin definir! Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: StarWarsDroid object has no attribute num_feet >>> blue_droid.partner_droid.num_feet = 2 Añadiendo métodos Un método es una función que forma parte de una clase o de un objeto. En su ámbito tiene acceso a otros métodos y atributos de la clase o del objeto al que pertenece. La definición de un método (de instancia) es análoga a la de una función ordinaria, pero incorporando un primer parámetro self que hace referencia a la instancia actual del objeto. Una de las acciones más sencillas que se pueden hacer sobre un droide es encenderlo o apagarlo. Vamos a implementar estos dos métodos en nuestra clase: >>> class Droid: ... def switch_on(self): ... print("Hi! I m a droid. Can I help you?") ... ... def switch_off(self): ... print("Bye! I m going to sleep") ... >>> k2so = Droid() >>> k2so.switch_on() Hi! I m a droid. Can I help you? >>> k2so.switch_off() Bye! I m going to sleep 6.2. Objetos y Clases 233
- 238. Aprende Python Inicialización Existe un método especial que se ejecuta cuando creamos una instancia de un objeto. Este método es __init__ y nos permite asignar atributos y realizar operaciones con el objeto en el momento de su creación. También es ampliamente conocido como el constructor. Veamos un ejemplo de este método con nuestros droides en el que únicamente guardaremos el nombre del droide como un atributo del objeto: 1 >>> class Droid: 2 ... def __init__(self, name): 3 ... self.name = name 4 ... 5 6 >>> droid = Droid( BB-8 ) 7 8 >>> droid.name 9 BB-8 Línea 2 Definición del constructor. Línea 7 Creación del objeto (y llamada implícita al constructor) Línea 9 Acceso al atributo name creado previamente en el constructor. Ejercicio Escriba una clase MobilePhone que represente un teléfono móvil. Atributos: • manufacturer (cadena de texto) • screen_size (flotante) • num_cores (entero) • apps (lista de cadenas de texto) • status (0: apagado, 1: encendido) Métodos: • __init__(self, manufacturer, screen_size, num_cores) • power_on(self) • power_off(self) • install_app(self, app) • uninstall_app(self, app) 234 Capítulo 6. Modularidad
- 239. Aprende Python Crear al menos una instancia (móvil) a partir de la clase creada y «jugar» con los métodos, visualizando cómo cambian sus atributos. ¿Serías capaz de extender el método install_app() para instalar varias aplicaciones a la vez? 6.2.3 Atributos Acceso directo En el siguiente ejemplo vemos que, aunque el atributo name se ha creado en el constructor de la clase, también podemos modificarlo desde «fuera» con un acceso directo: >>> class Droid: ... def __init__(self, name): ... self.name = name ... >>> droid = Droid( C-3PO ) >>> droid.name C-3PO >>> droid.name = waka-waka # esto sería válido! Propiedades Como hemos visto previamente, los atributos definidos en un objeto son accesibles públicamente. Esto puede parecer extraño a personas desarrolladoras de otros lenguajes. En Python existe un cierto «sentido de responsabilidad» a la hora de programar y manejar este tipo de situaciones. Una posible solución «pitónica» para la privacidad de los atributos es el uso de propiedades. La forma más común de aplicar propiedades es mediante el uso de decoradores: • @property para leer el valor de un atributo. • @name.setter para escribir el valor de un atributo. Veamos un ejemplo en el que estamos ofuscando el nombre del droide a través de propiedades: >>> class Droid: ... def __init__(self, name): ... self.hidden_name = name (continué en la próxima página) 6.2. Objetos y Clases 235
- 240. Aprende Python (proviene de la página anterior) ... ... @property ... def name(self): ... print( inside the getter ) ... return self.hidden_name ... ... @name.setter ... def name(self, name): ... print( inside the setter ) ... self.hidden_name = name ... >>> droid = Droid( N1-G3L ) >>> droid.name inside the getter N1-G3L >>> droid.name = Nigel inside the setter >>> droid.name inside the getter Nigel En cualquier caso, seguimos pudiendo acceder directamente a .hidden_name: >>> droid.hidden_name Nigel Valores calculados Una propiedad también se puede usar para devolver un valor calculado (o computado). A modo de ejemplo, supongamos que la altura del periscopio de los droides astromecánicos se calcula siempre como un porcentaje de su altura. Veamos cómo implementarlo: >>> class AstromechDroid: ... def __init__(self, name, height): ... self.name = name ... self.height = height ... ... @property ... def periscope_height(self): (continué en la próxima página) 236 Capítulo 6. Modularidad
- 241. Aprende Python (proviene de la página anterior) ... return 0.3 * self.height ... >>> droid = AstromechDroid( R2-D2 , 1.05) >>> droid.periscope_height # podemos acceder como atributo 0.315 >>> droid.periscope_height = 10 # no podemos modificarlo Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: can t set attribute Consejo: La ventaja de usar valores calculados sobre simples atributos es que el cambio de valor en un atributo no asegura que actualicemos otro atributo, y además siempre podremos modificar directamente el valor del atributo, con lo que podríamos obtener efectos colaterales indeseados. Ocultando atributos Python tiene una convención sobre aquellos atributos que queremos hacer «privados» (u ocultos): comenzar el nombre con doble subguión __ >>> class Droid: ... def __init__(self, name): ... self.__name = name ... >>> droid = Droid( BC-44 ) >>> droid.__name # efectivamente no aparece como atributo Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: Droid object has no attribute __name Lo que realmente ocurre tras el telón se conoce como «name mangling» y consiste en modificar el nombre del atributo incorporado la clase como un prefijo. Sabiendo esto podemos acceder al valor del atributo supuestamente privado: >>> droid._Droid__name BC-44 6.2. Objetos y Clases 237
- 242. Aprende Python Atributos de clase Podemos asignar atributos a las clases y serán heredados por todos los objetos instanciados de esa clase. A modo de ejemplo, en un principio, todos los droides están diseñados para que obedezcan a su dueño. Esto lo conseguiremos a nivel de clase, salvo que ese comportamiento se sobreescriba: >>> class Droid: ... obeys_owner = True # obedece a su dueño ... >>> good_droid = Droid() >>> good_droid.obeys_owner True >>> t1000 = Droid() >>> t1000.obeys_owner = False # T-1000 (Terminator) >>> t1000.obeys_owner False >>> Droid.obeys_owner # el cambio no afecta a nivel de clase True 6.2.4 Métodos Métodos de instancia Un método de instancia es un método que modifica el comportamiento del objeto al que hace referencia. Recibe self como primer parámetro, el cual se convierte en el propio objeto sobre el que estamos trabajando. Python envía este argumento de forma transparente. Veamos un ejemplo en el que, además del constructor, creamos un método de instancia para desplazar un droide: >>> class Droid: ... def __init__(self, name): # método de instancia -> constructor ... self.name = name ... self.covered_distance = 0 ... ... def move_up(self, steps): # método de instancia ... self.covered_distance += steps ... print(f Moving {steps} steps ) ... (continué en la próxima página) 238 Capítulo 6. Modularidad
- 243. Aprende Python (proviene de la página anterior) >>> droid = Droid( C1-10P ) >>> droid.move_up(10) Moving 10 steps Métodos de clase Un método de clase es un método que modifica el comportamiento de la clase a la que hace referencia. Recibe cls como primer parámetro, el cual se convierte en la propia clase sobre la que estamos trabajando. Python envía este argumento de forma transparente. La identificación de estos métodos se completa aplicando el decorador @classmethod a la función. Veamos un ejemplo en el que implementaremos un método de clase que lleva la cuenta de los droides que hemos creado: >>> class Droid: ... count = 0 ... ... def __init__(self): ... Droid.count += 1 ... ... @classmethod ... def total_droids(cls): ... print(f {cls.count} droids built so far! ) ... >>> droid1 = Droid() >>> droid2 = Droid() >>> droid3 = Droid() >>> Droid.total_droids() 3 droids built so far! Métodos estáticos Un método estático es un método que no modifica el comportamiento del objeto ni de la clase. No recibe ningún parámetro especial. La identificación de estos métodos se completa aplicando el decorador @staticmethod a la función. Veamos un ejemplo en el que creamos un método estático para devolver las categorías de droides que existen en StarWars: 6.2. Objetos y Clases 239
- 244. Aprende Python >>> class Droid: ... def __init__(self): ... pass ... ... @staticmethod ... def get_droids_categories(): ... return [ Messeger , Astromech , Power , Protocol ] ... >>> Droid.get_droids_categories() [ Messeger , Astromech , Power , Protocol ] Métodos mágicos Nivel avanzado Cuando escribimos hello world * 3 ¿cómo sabe el objeto hello world lo que debe hacer para multiplicarse con el objeto entero 3? O dicho de otra forma, ¿cuál es la implementación del operador * para «strings» y enteros? En valores numéricos puede parecer evidente (siguiendo los operadores matemáticos), pero no es así para otros objetos. La solución que proporciona Python para estas (y otras) situaciones son los métodos mágicos. Los métodos mágicos empiezan y terminan por doble subguión __ (es por ello que también se les conoce como «dunder-methods»). Uno de los «dunder-methods» más famosos es el constructor de una clase: __init__(). Importante: Digamos que los métodos mágicos se «disparan» de manera transparente cuando utilizamos ciertas estructuras y expresiones del lenguaje. Para el caso de los operadores, existe un método mágico asociado (que podemos personalizar). Por ejemplo la comparación de dos objetos se realiza con el método __eq__(): Extrapolando esta idea a nuestro universo StarWars, podríamos establecer que dos droides son iguales si su nombre es igual, independientemente de que tengan distintos números de serie: >>> class Droid: ... def __init__(self, name, serial_number): ... self.serial_number = serial_number ... self.name = name ... ... def __eq__(self, droid): ... return self.name == droid.name ... (continué en la próxima página) 240 Capítulo 6. Modularidad
- 245. Aprende Python Figura 11: Equivalencia entre operador y método mágico (proviene de la página anterior) >>> droid1 = Droid( C-3PO , 43974973242) >>> droid2 = Droid( C-3PO , 85094905984) >>> droid1 == droid2 # llamada implícita a __eq__ True >>> droid1.__eq__(droid2) True Nota: Los métodos mágicos no sólo están restringidos a operadores de comparación o matemáticos. Existen muchos otros en la documentación oficial de Python, donde son llamados métodos especiales. Veamos un ejemplo en el que «sumamos» dos droides. Esto se podría ver como una fusión. Supongamos que la suma de dos droides implica: a) que el nombre del droide resultante es la concatenación de los nombres de los droides; b) que la energía del droide resultante es la suma de la energía de los droides: >>> class Droid: ... def __init__(self, name, power): ... self.name = name ... self.power = power (continué en la próxima página) 6.2. Objetos y Clases 241
- 246. Aprende Python Figura 12: Métodos mágicos para comparaciones y operaciones matemáticas 242 Capítulo 6. Modularidad
- 247. Aprende Python (proviene de la página anterior) ... ... def __add__(self, droid): ... new_name = self.name + - + droid.name ... new_power = self.power + droid.power ... return Droid(new_name, new_power) # Hay que devolver un objeto de tipo␣ ˓ →Droid ... >>> droid1 = Droid( C3PO , 45) >>> droid2 = Droid( R2D2 , 91) >>> droid3 = droid1 + droid2 >>> print(f Fusion droid:n{droid3.name} with power {droid3.power} ) Fusion droid: C3PO-R2D2 with power 136 __str__ Uno de los métodos mágicos más utilizados es __str__ que permite establecer la forma en la que un objeto es representado como cadena de texto: >>> class Droid: ... def __init__(self, name, serial_number): ... self.serial_number = serial_number ... self.name = name ... ... def __str__(self): ... return f Droid "{self.name}" serial-no {self.serial_number} ... >>> droid = Droid( K-2SO , 8403898409432) >>> print(droid) # llamada a droid.__str__() Droid "K-2SO" serial-no 8403898409432 >>> str(droid) Droid "K-2SO" serial-no 8403898409432 >>> f Droid -> {droid} Droid -> Droid "K-2SO" serial-no 8403898409432 Ejercicio 6.2. Objetos y Clases 243
- 248. Aprende Python Defina una clase Fraction que represente una fracción con numerador y denominador enteros y utilice los métodos mágicos para poder sumar, restar, multiplicar y dividir estas fracciones. Además de esto, necesitaremos: • gcd(a, b) como método estático siguiendo el algoritmo de Euclides para calcular el máximo común divisor entre a y b. • __init__(self, num, den) para construir una fracción (incluyendo simplificación de sus términos mediante el método gcd(). • __str__(self) para representar una fracción. Compruebe que se cumplen las siguientes igualdades: [︂ 25 30 + 40 45 = 31 18 ]︂ [︂ 25 30 − 40 45 = −1 18 ]︂ [︂ 25 30 * 40 45 = 20 27 ]︂ [︂ 25 30 / 40 45 = 15 16 ]︂ Gestores de contexto Otra de las aplicaciones de los métodos mágicos (especiales) que puede ser interesante es la de gestores de contexto. Se trata de un bloque de código en Python que engloba una serie de acciones a la entrada y a la salida del mismo. Hay dos métodos que son utilizados para implementar los gestores de contexto: __enter__() Acciones que se llevan a cabo al entrar al contexto. __exit__() Acciones que se llevan a cabo al salir del contexto. Veamos un ejemplo en el que implementamos un gestor de contexto que mide tiempos de ejecución: >>> from time import time >>> class Timer(): ... def __enter__(self): ... self.start = time() ... ... def __exit__(self, exc_type, exc_value, exc_traceback): ... # Omit exception handling ... self.end = time() ... exec_time = self.end - self.start ... print(f Execution time (seconds): {exec_time:.5f} ) ... Ahora podemos probar nuestro gestor de contexto con un ejemplo concreto. La forma de «activar» el contexto es usar la sentencia with seguida del símbolo que lo gestiona: 244 Capítulo 6. Modularidad
- 249. Aprende Python >>> with Timer(): ... for _ in range(1_000_000): ... x = 2 ** 20 ... Execution time (seconds): 0.05283 >>> with Timer(): ... x = 0 ... for _ in range(1_000_000): ... x += 2 ** 20 ... Execution time (seconds): 0.08749 6.2.5 Herencia Nivel intermedio La herencia consiste en crear una nueva clase partiendo de una clase existente, pero que añade o modifica ciertos aspectos. Se considera una buena práctica tanto para reutilizar código como para realizar generalizaciones. Figura 13: Nomenclatura de clases en la herencia6 6 Iconos por Freepik. 6.2. Objetos y Clases 245
- 250. Aprende Python Nota: Cuando se utiliza herencia, la clase derivada, de forma automática, puede usar todo el código de la clase base sin necesidad de copiar nada explícitamente. Heredar desde una clase base Para que una clase «herede» de otra, basta con indicar la clase base entre paréntesis en la definición de la clase derivada. Sigamos con el ejemplo. Una de las grandes categorías de droides en StarWars es la de droides de protocolo. Vamos a crear una herencia sobre esta idea: >>> class Droid: ... Clase Base ... pass ... >>> class ProtocolDroid(Droid): ... Clase Derivada ... pass ... >>> issubclass(ProtocolDroid, Droid) # comprobación de herencia True >>> r2d2 = Droid() >>> c3po = ProtocolDroid() Vamos a añadir un par de métodos a la clase base, y analizar su comportamiento: >>> class Droid: ... def switch_on(self): ... print("Hi! I m a droid. Can I help you?") ... ... def switch_off(self): ... print("Bye! I m going to sleep") ... >>> class ProtocolDroid(Droid): ... pass ... >>> r2d2 = Droid() >>> c3po = ProtocolDroid() (continué en la próxima página) 246 Capítulo 6. Modularidad
- 251. Aprende Python (proviene de la página anterior) >>> r2d2.switch_on() Hi! I m a droid. Can I help you? >>> c3po.switch_on() # método heredado de Droid Hi! I m a droid. Can I help you? >>> r2d2.switch_off() Bye! I m going to sleep Sobreescribir un método Como hemos visto, una clase derivada hereda todo lo que tiene su clase base. Pero en muchas ocasiones nos interesa modificar el comportamiento de esta herencia. En el ejemplo vamos a modificar el comportamiento del método switch_on() para la clase derivada: >>> class Droid: ... def switch_on(self): ... print("Hi! I m a droid. Can I help you?") ... ... def switch_off(self): ... print("Bye! I m going to sleep") ... >>> class ProtocolDroid(Droid): ... def switch_on(self): ... print("Hi! I m a PROTOCOL droid. Can I help you?") ... >>> r2d2 = Droid() >>> c3po = ProtocolDroid() >>> r2d2.switch_on() Hi! I m a droid. Can I help you? >>> c3po.switch_on() # método heredado pero sobreescrito Hi! I m a PROTOCOL droid. Can I help you? 6.2. Objetos y Clases 247
- 252. Aprende Python Añadir un método La clase derivada también puede añadir métodos que no estaban presentes en su clase base. En el siguiente ejemplo vamos a añadir un método translate() que permita a los droides de protocolo traducir cualquier mensaje: >>> class Droid: ... def switch_on(self): ... print("Hi! I m a droid. Can I help you?") ... ... def switch_off(self): ... print("Bye! I m going to sleep") ... >>> class ProtocolDroid(Droid): ... def switch_on(self): ... print("Hi! I m a PROTOCOL droid. Can I help you?") ... ... def translate(self, msg, from_language): ... Translate from language to Human understanding ... print(f {msg} means "ZASCA" in {from_language} ) >>> r2d2 = Droid() >>> c3po = ProtocolDroid() >>> c3po.translate( kiitos , Huttese ) # idioma de Watoo kiitos means "ZASCA" in Huttese >>> r2d2.translate( kiitos , Huttese ) # droide genérico no puede traducir Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: Droid object has no attribute translate Con esto ya hemos aportado una personalidad diferente a los droides de protocolo, a pesar de que heredan de la clase genérica de droides de StarWars. Accediendo a la clase base Puede darse la situación en la que tengamos que acceder desde la clase derivada a métodos o atributos de la clase base. Python ofrece super() como mecanismo para ello. Veamos un ejemplo más elaborado con nuestros droides: >>> class Droid: ... def __init__(self, name): ... self.name = name (continué en la próxima página) 248 Capítulo 6. Modularidad
- 253. Aprende Python (proviene de la página anterior) ... >>> class ProtocolDroid(Droid): ... def __init__(self, name, languages): ... super().__init__(name) # llamada al constructor de la clase base ... self.languages = languages ... >>> droid = ProtocolDroid( C-3PO , [ Ewokese , Huttese , Jawaese ]) >>> droid.name # fijado en el constructor de la clase base C-3PO >>> droid.languages # fijado en el constructor de la clase derivada [ Ewokese , Huttese , Jawaese ] Herencia múltiple Nivel avanzado Aunque no está disponible en todos los lenguajes de programación, Python sí permite que los objetos pueden heredar de múltiples clases base. Si en una clase se hace referencia a un método o atributo que no existe, Python lo buscará en todas sus clases base. Es posible que exista una colisión en caso de que el método o el atributo buscado esté, a la vez, en varias clases base. En este caso, Python resuelve el conflicto a través del orden de resolución de métodos4 . Supongamos que queremos modelar la siguiente estructura de clases con herencia múltiple: >>> class Droid: ... def greet(self): ... return Here a droid ... >>> class ProtocolDroid(Droid): ... def greet(self): ... return Here a protocol droid ... >>> class AstromechDroid(Droid): ... def greet(self): (continué en la próxima página) 4 Viene del inglés «method resolution order» o mro. 5 Imágenes de los droides por StarWars Fandom. 6.2. Objetos y Clases 249
- 254. Aprende Python Figura 14: Ejemplo de herencia múltiple5 250 Capítulo 6. Modularidad
- 255. Aprende Python (proviene de la página anterior) ... return Here an astromech droid ... >>> class SuperDroid(ProtocolDroid, AstromechDroid): ... pass ... >>> class HyperDroid(AstromechDroid, ProtocolDroid): ... pass Todas las clases en Python disponen de un método especial llamado mro() que devuelve una lista de las clases que se visitarían en caso de acceder a un método o un atributo. También existe el atributo __mro__ como una tupla de esas clases: >>> SuperDroid.mro() [__main__.SuperDroid, __main__.ProtocolDroid, __main__.AstromechDroid, __main__.Droid, object] >>> HyperDroid.__mro__ (__main__.HyperDroid, __main__.AstromechDroid, __main__.ProtocolDroid, __main__.Droid, object) Veamos el resultado de la llamada a los métodos definidos: >>> super_droid = SuperDroid() >>> hyper_droid = HyperDroid() >>> super_droid.greet() Here a protocol droid >>> hyper_droid.greet() Here an astromech droid Nota: Todos los objetos en Python heredan, en primera instancia, de object. Esto se puede comprobar con el mro() correspondiente: >>> int.mro() [int, object] (continué en la próxima página) 6.2. Objetos y Clases 251
- 256. Aprende Python (proviene de la página anterior) >>> str.mro() [str, object] >>> float.mro() [float, object] >>> tuple.mro() [tuple, object] >>> list.mro() [list, object] >>> bool.mro() [bool, int, object] Mixins Hay situaciones en la que nos interesa incorporar una clase base «independiente» de la jerarquía establecida, y sólo a efectos de tareas auxiliares. Esta aproximación podría ayudar a evitar colisiones en métodos o atributos reduciendo la ambigüedad que añade la herencia múltiple. Estas clases auxiliares reciben el nombre de «mixins». Veamos un ejemplo en el que usamos un «mixin» para mostrar las variables de un objeto: >>> class Instrospection: ... def dig(self): ... print(vars(self)) # vars devuelve las variables del argumento ... ... class Droid(Instrospection): ... pass ... >>> droid = Droid() >>> droid.code = DN-LD >>> droid.num_feet = 2 >>> droid.type = Power Droid >>> droid.dig() { code : DN-LD , num_feet : 2, type : Power Droid } Ejercicio 252 Capítulo 6. Modularidad
- 257. Aprende Python Dada la siguiente estructura/herencia que representa diferentes clases de ficheros: Se pide lo siguiente: 1. Cree las 3 clases de la imagen anterior con la herencia señalada. 2. Cree un objeto de tipo VideoFile con las siguientes características: • path: /home/python/vanrossum.mp4 • codec: h264 • geoloc: (23.5454, 31.4343) • duration: 487 • dimensions: (1920, 1080) 3. Añada el contenido audio/ogg al fichero. 4. Añada el contenido video/webm al fichero. 5. Imprima por pantalla la info() de este objeto (el método info() debería retornar str y debería hacer uso de los métodos info() de las clases base). 6.2. Objetos y Clases 253
- 258. Aprende Python Salida esperada: /home/python/vanrossum.mp4 [size=19B] # self.info() de File Codec: h264 # ┐ Geolocalization: (23.5454, 31.4343) # ├ self.info() de MediaFile Duration: 487s # ┘ Dimensions: (1920, 1080) # self.info() de VideoFile � El método size() debe devolver el número total de caracteres sumando las longitudes de los elementos del atributo contents. Agregación y composición Aunque la herencia de clases nos permite modelar una gran cantidad de casos de uso en términos de «is-a» (es un), existen muchas otras situaciones en las que la agregación o la composición son una mejor opción. En este caso una clase se compone de otras cases: hablamos de una relación «has-a» (tiene un). Hay una sutil diferencia entre agregación y composición: • La composición implica que el objeto utilizado no puede «funcionar» sin la presencia de su propietario. • La agregación implica que el objeto utilizado puede funcionar por sí mismo. Figura 15: Agregación vs. Composición6 Veamos un ejemplo de agregación en el que añadimos una herramienta a un droide: >>> class Tool: ... def __init__(self, name): ... self.name = name ... ... def __str__(self): (continué en la próxima página) 254 Capítulo 6. Modularidad
- 259. Aprende Python (proviene de la página anterior) ... return self.name.upper() ... ... class Droid: ... def __init__(self, name, serial_number, tool): ... self.name = name ... self.serial_number = serial_number ... self.tool = tool # agregación ... ... def __str__(self): ... return f Droid {self.name} armed with a {self.tool} ... >>> lighter = Tool( lighter ) >>> bb8 = Droid( BB-8 , 48050989085439, lighter) >>> print(bb8) Droid BB-8 armed with a LIGHTER EJERCICIOS DE REPASO 1. Escriba una clase en Python para representar una secuencia de ADN. De momento, la clase sólo contendrá los siguientes elementos: • 4 atributos de clase, cada uno representando una base nitrogenada con su valor como un carácter. • Constructor que recibe una secuencia de caracteres (bases). • Método para representar el objeto en formato «string». 2. Continúe con el ejercicio anterior, y añada a la clase 4 propiedades que calculen el número total de cada una de las bases presentes en la secuencia. 3. Continúe con el ejercicio anterior, y añada a la clase un método de instancia para sumar dos secuencias de ADN. La suma se hará base a base y el resultado será el máximo de cada letra(base). 4. Continúe con el ejercicio anterior, y añada a la clase un método de instancia para obtener el porcentaje de aparición de cada base (usando las propiedades definidas en ejercicios anteriores). 5. Continúe con el ejercicio anterior, y añada a la clase un método de instancia para multiplicar dos secuencias de ADN. La multiplicación consiste en dar como salida una nueva secuencia que contenga sólo aquellas bases que coincidan en posición en ambas secuencias de entrada. 6.2. Objetos y Clases 255
- 260. Aprende Python → Solución a todos los ejercicios AMPLIAR CONOCIMIENTOS • Supercharge Your Classes With Python super() • Inheritance and Composition: A Python OOP Guide • OOP Method Types in Python: @classmethod vs @staticmethod vs Instance Methods • Intro to Object-Oriented Programming (OOP) in Python • Pythonic OOP String Conversion: __repr__ vs __str__ • @staticmethod vs @classmethod in Python • Modeling Polymorphism in Django With Python • Operator and Function Overloading in Custom Python Classes • Object-Oriented Programming (OOP) in Python 3 • Why Bother Using Property Decorators in Python? 6.3 Excepciones 256 Capítulo 6. Modularidad
- 261. Aprende Python Una excepción es el bloque de código que se lanza cuando se produce un error en la ejecución de un programa Python.1 De hecho ya hemos visto algunas de estas excepciones: accesos fuera de rango a listas o tuplas, accesos a claves inexistentes en diccionarios, etc. Cuando ejecutamos código que podría fallar bajo ciertas circunstancias, necesitamos también manejar, de manera adecuada, las excepciones que se generan. 6.3.1 Manejando errores Si una excepción ocurre en algún lugar de nuestro programa y no es capturada en ese punto, va subiendo (burbujeando) hasta que es capturada en alguna función que ha hecho la llamada. Si en toda la «pila» de llamadas no existe un control de la excepción, Python muestra un mensaje de error con información adicional: >>> def intdiv(a, b): ... return a // b ... >>> intdiv(3, 0) Traceback (most recent call last): File "<stdin>", line 1, in <module> File "<stdin>", line 2, in intdiv ZeroDivisionError: integer division or modulo by zero Para manejar (capturar) las excepciones podemos usar un bloque de código con las palabras reservadas try and except: >>> def intdiv(a, b): ... try: ... return a // b ... except: ... print( Please do not divide by zero... ) ... >>> intdiv(3, 0) Please do not divide by zero... Aquel código que se encuentre dentro del bloque try se ejecutará normalmente siempre y cuando no haya un error. Si se produce una excepción, ésta será capturada por el bloque except, ejecutándose el código que contiene. Consejo: No es una buena práctica usar un bloque except sin indicar el tipo de excepción que estamos gestionando, no sólo porque puedan existir varias excepciones que capturar sino 1 Foto original por Sarah Kilian en Unsplash. 6.3. Excepciones 257
- 262. Aprende Python porque, como dice el Zen de Python: «explícito» es mejor que «implícito». Especificando excepciones En el siguiente ejemplo mejoraremos el código anterior, capturando distintos tipos de excepciones: • TypeError por si los operandos no permiten la división. • ZeroDivisionError por si el denominador es cero. • Exception para cualquier otro error que se pueda producir. Veamos su implementación: >>> def intdiv(a, b): ... try: ... result = a // b ... except TypeError: ... print( Check operands. Some of them seems strange... ) ... except ZeroDivisionError: ... print( Please do not divide by zero... ) ... except Exception: ... print( Ups. Something went wrong... ) ... >>> intdiv(3, 0) Please do not divide by zero... >>> intdiv(3, 0 ) Check operands. Some of them seems strange... Importante: Las excepciones predefinidas en Python no hace falta importarlas previamente. Se pueden usar directamente. Cubriendo más casos Python proporciona la cláusula else para saber que todo ha ido bien y que no se ha lanzado ninguna excepción. Esto es relevante a la hora de manejar los errores. De igual modo, tenemos a nuestra disposición la cláusula finally que se ejecuta siempre, independientemente de si ha habido o no ha habido error. Veamos un ejemplo de ambos: 258 Capítulo 6. Modularidad
- 263. Aprende Python >>> values = [4, 2, 7] >>> user_index = 3 >>> try: ... r = values[user_index] ... except IndexError: ... print( Error: Index not in list ) ... else: ... print(f Your wishes are my command: {r} ) ... finally: ... print( Have a good day! ) ... Error: Index not in list Have a good day! >>> user_index = 2 >>> try: ... r = values[user_index] ... except IndexError: ... print( Error: Index not in list ) ... else: ... print(f Your wishes are my command: {r} ) ... finally: ... print( Have a good day! ) ... Your wishes are my command: 7 Have a good day! Ejercicio Sabiendo que ValueError es la excepción que se lanza cuando no podemos convertir una cadena de texto en su valor numérico, escriba una función get_int() que lea un valor entero del usuario y lo devuelva, iterando mientras el valor no sea correcto. Ejecución a modo de ejemplo: Give me an integer number: ten Not a valid integer. Try it again! Give me an integer number: diez Not a valid integer. Try it again! Give me an integer number: 10 Trate de implementar tanto la versión recursiva como la versión iterativa. 6.3. Excepciones 259
- 264. Aprende Python 6.3.2 Excepciones propias Nivel avanzado Python ofrece una gran cantidad de excepciones predefinidas. Hasta ahora hemos visto cómo gestionar y manejar este tipo de excepciones. Pero hay ocasiones en las que nos puede interesar crear nuestras propias excepciones. Para ello tendremos que crear una clase heredando de Exception, la clase base para todas las excepciones. Veamos un ejemplo en el que creamos una excepción propia controlando que el valor sea un número entero: >>> class NotIntError(Exception): ... pass ... >>> values = (4, 7, 2.11, 9) >>> for value in values: ... if not isinstance(value, int): ... raise NotIntError(value) ... Traceback (most recent call last): File "<stdin>", line 3, in <module> __main__.NotIntError: 2.11 Hemos usado la sentencia raise para «elevar» esta excepción, que podría ser controlada en un nivel superior mediante un bloque try - except. Nota: Para crear una excepción propia basta con crear una clase vacía. No es necesario incluir código más allá de un pass. Mensaje personalizado Podemos personalizar la excepción añadiendo un mensaje más informativo. Siguiendo el ejemplo anterior, veamos cómo introducimos esta información: >>> class NotIntError(Exception): ... def __init__(self, message= This module only works with integers. Sorry! ): ... super().__init__(message) ... >>> raise NotIntError() Traceback (most recent call last): (continué en la próxima página) 260 Capítulo 6. Modularidad
- 265. Aprende Python (proviene de la página anterior) File "<stdin>", line 1, in <module> __main__.NotIntError: This module only works with integers. Sorry! Podemos ir un paso más allá e incorporar en el mensaje el propio valor que está generando el error: >>> class NotIntError(Exception): ... def __init__(self, value, message= This module only works with integers.␣ ˓ →Sorry! ): ... self.value = value ... self.message = message ... super().__init__(self.message) ... ... def __str__(self): ... return f {self.value} -> {self.message} ... >>> raise NotIntError(2.11) Traceback (most recent call last): File "<stdin>", line 1, in <module> __main__.NotIntError: 2.11 -> This module only works with integers. Sorry! 6.3.3 Aserciones Si hablamos de control de errores hay que citar una sentencia en Python denominada assert. Esta sentencia nos permite comprobar si se están cumpliendo las «expectativas» de nuestro programa, y en caso contrario, lanza una excepción informativa. Su sintaxis es muy simple. Únicamente tendremos que indicar una expresión de comparación después de la sentencia: >>> result = 10 >>> assert result > 0 >>> print(result) 10 En el caso de que la condición se cumpla, no sucede nada: el programa continúa con su flujo normal. Esto es indicativo de que las expectativas que teníamos se han satisfecho. Sin embargo, si la condición que fijamos no se cumpla, la aserción devuelve un error AssertionError y el programa interrupme su ejecución: 6.3. Excepciones 261
- 266. Aprende Python >>> result = -1 >>> assert result > 0 --------------------------------------------------------------------------- AssertionError Traceback (most recent call last) <ipython-input-29-e2efe60b0c46> in <module> ----> 1 assert result > 0 AssertionError: Podemos observar que la excepción que se lanza no contiene ningún mensaje informativo. Es posible personalizar este mensaje añadiendo un segundo elemento en la tupla de la aserción: >>> assert result > 0, El resultado debe ser positivo --------------------------------------------------------------------------- AssertionError Traceback (most recent call last) <ipython-input-31-f58052ce672b> in <module> ----> 1 assert result > 0, El resultado debe ser positivo AssertionError: El resultado debe ser positivo AMPLIAR CONOCIMIENTOS • Python Exceptions: An introduction • Python KeyError Exceptions and How to Handle Them • Understanding the Python Traceback 262 Capítulo 6. Modularidad
- 267. Aprende Python 6.4 Módulos Escribir pequeños trozos de código puede resultar interesante para realizar determinadas pruebas. Pero a la larga, nuestros programas tenderán a crecer y será necesario agrupar el código en unidades manejables. Los módulos son simplemente ficheros de texto que contienen código Python y representan unidades con las que evitar la repetición y favorecer la reutilización.1 6.4.1 Importar un módulo Para hacer uso del código de otros módulos usaremos la sentencia import. Esto permite importar el código y las variables de dicho módulo para que estén disponibles en nuestro programa. La forma más sencilla de importar un módulo es import <module> donde module es el nombre de otro fichero Python, sin la extensión .py. Supongamos que partimos del siguiente fichero (módulo): arith.py 1 def addere(a, b): 2 Sum of input values (continué en la próxima página) 1 Foto original por Xavi Cabrera en Unsplash. 6.4. Módulos 263
- 268. Aprende Python (proviene de la página anterior) 3 return a + b 4 5 6 def minuas(a, b): 7 Substract of input values 8 return a - b 9 10 11 def pullulate(a, b): 12 Product of input values 13 return a * b 14 15 16 def partitus(a, b): 17 Division of input values 18 return a / b Desde otro fichero - en principio en la misma carpeta - podríamos hacer uso de las funciones definidas en arith.py. Importar módulo completo Desde otro fichero haríamos lo siguiente para importar todo el contenido del módulo arith. py: 1 >>> import arith 2 3 >>> arith.addere(3, 7) 4 10 Nota: Nótese que en la línea 3 debemos anteponer a la función addere() el espacio de nombres que define el módulo arith. Ruta de búsqueda de módulos Python tiene 2 formas de encontrar un módulo: 1. En la carpeta actual de trabajo. 2. En las rutas definidas en la variable de entorno PYTHONPATH. Para ver las rutas de búsqueda establecidas, podemos ejecutar lo siguiente en un intérprete de Python: 264 Capítulo 6. Modularidad
- 269. Aprende Python >>> import sys >>> sys.path [ /path/to/.pyenv/versions/3.9.1/envs/aprendepython/bin , /path/to/.pyenv/versions/3.9.1/lib/python3.9 , /path/to/.pyenv/versions/3.9.1/envs/aprendepython/lib/python3.9/site-packages , ] La cadena vacía que existe al final de la lista hace referencia a la carpeta actual. Modificando la ruta de búsqueda Si queremos modificar la ruta de búsqueda, existen dos opciones: Modificando directamente la variable PYTHONPATH Para ello exportamos dicha variable de entorno desde una terminal: $ export PYTHONPATH=/tmp Y comprobamos que se ha modificado en sys.path: >>> sys.path [ /path/to/.pyenv/versions/3.9.1/envs/aprendepython/bin , /tmp , /path/to/.pyenv/versions/3.9.1/lib/python3.9 , /path/to/.pyenv/versions/3.9.1/envs/aprendepython/lib/python3.9/site-packages , ] Modificando directamente la lista sys.path Para ello accedemos a lista que está en el módulo sys de la librería estandar: >>> sys.path.append( /tmp ) # añadimos al final >>> sys.path [ /path/to/.pyenv/versions/3.9.1/envs/aprendepython/bin , /path/to/.pyenv/versions/3.9.1/lib/python3.9 , /path/to/.pyenv/versions/3.9.1/envs/aprendepython/lib/python3.9/site-packages , , /tmp ] >>> sys.path.insert(0, /tmp ) # insertamos por el principio >>> sys.path [ /tmp , /path/to/.pyenv/versions/3.9.1/envs/aprendepython/bin , (continué en la próxima página) 6.4. Módulos 265
- 270. Aprende Python (proviene de la página anterior) /path/to/.pyenv/versions/3.9.1/lib/python3.9 , /path/to/.pyenv/versions/3.9.1/envs/aprendepython/lib/python3.9/site-packages , ] Truco: El hecho de poner nuestra ruta al principio o al final de sys.path influye en la búsqueda, ya que si existen dos (o más módulos) que se llaman igual en nuestra ruta de búsqueda, Python usará el primero que encuentre. Importar partes de un módulo Es posible que no necesitemos todo aquello que está definido en arith.py. Supongamos que sólo vamos a realizar divisiones. Para ello haremos lo siguiente: 1 >>> from arith import partitus 2 3 >>> partitus(5, 2) 4 2.5 Nota: Nótese que en la línea 3 ya podemos hacer uso directamente de la función partitus() porque la hemos importado directamente. Este esquema tiene el inconveniente de la posible colisión de nombres, en aquellos casos en los que tuviéramos algún objeto con el mismo nombre que el objeto que estamos importando. Importar usando un alias Hay ocasiones en las que interesa, por colisión de otros nombres o por mejorar la legibilidad, usar un nombre diferente del módulo (u objeto) que estamos importando. Python nos ofrece esta posibilidad a través de la sentencia as. Supongamos que queremos importar la función del ejemplo anterior pero con otro nombre: >>> from arith import partitus as mydivision >>> mydivision(5, 2) 2.5 266 Capítulo 6. Modularidad
- 271. Aprende Python 6.4.2 Paquetes Un paquete es simplemente una carpeta que contiene ficheros .py. Además permite tener una jerarquía con más de un nivel de subcarpetas anidadas. Para ejemplificar este modelo vamos a crear un paquete llamado mymath que contendrá 2 módulos: • arith.py para operaciones aritméticas (ya visto anteriormente). • logic.py para operaciones lógicas. El código del módulo de operaciones lógicas es el siguiente: logic.py 1 def et(a, b): 2 Logic "and" of input values 3 return a & b 4 5 6 def uel(a, b): 7 Logic "or" of input values 8 return a | b 9 10 11 def vel(a, b): 12 Logic "xor" of input values 13 return a ^ b Si nuestro código principal va a estar en un fichero main.py (a primer nivel), la estructura de ficheros nos quedaría tal que así: 1 . 2 ├── main.py 3 └── mymath 4 ├── arith.py 5 └── logic.py 6 7 1 directory, 3 files Línea 2 Punto de entrada de nuestro programa a partir del fichero main.py Línea 3 Carpeta que define el paquete mymath. Línea 4 Módulo para operaciones aritméticas. Línea 5 Módulo para operaciones lógicas. 6.4. Módulos 267
- 272. Aprende Python Importar desde un paquete Si ya estamos en el fichero main.py (o a ese nivel) podremos hacer uso de nuestro paquete de la siguiente forma: 1 >>> from mymath import arith, logic 2 3 >>> arith.pullulate(4, 7) 4 28 5 6 >>> logic.et(1, 0) 7 0 Línea 1 Importar los módulos arith y logic del paquete mymath Línea 3 Uso de la función pullulate que está definida en el módulo arith Línea 5 Uso de la función et que está definida en el módulo logic 6.4.3 Programa principal Cuando decidimos desarrollar una pieza de software en Python, normalmente usamos distintos ficheros para ello. Algunos de esos ficheros se convertirán en módulos, otros se englobarán en paquetes y existirá uno en concreto que será nuestro punto de entrada, también llamado programa principal. Consejo: Suele ser una buena práctica llamar main.py al fichero que contiene nuestro programa principal. La estructura que suele tener este programa principal es la siguiente: # imports de la librería estándar # imports de librerías de terceros # imports de módulos propios # CÓDIGO PROPIO # ... # CÓDIGO PROPIO if __name__ == __main__ : # punto de entrada real Importante: Si queremos ejecutar este fichero main.py desde línea de comandos, tendríamos que hacer: 268 Capítulo 6. Modularidad
- 273. Aprende Python $ python3 main.py if __name__ == __main__ Esta condición permite, en el programa principal, diferenciar qué codigo se lanzará cuando el fichero se ejecuta directamente o cuando el fichero se importa desde otro lugar. Figura 16: Comportamiento de un programa principal al importarlo o ejecutarlo hello.py 1 import blabla 2 3 4 def myfunc(): 5 print( Inside myfunc ) 6 blabla.hi() 7 8 9 if __name__ == __main__ : 10 print( Entry point ) 11 myfunc() import hello El código se ejecuta siempre desde la primera instrucción a la última: • Línea 1: se importa el módulo blabla. • Línea 4: se define la función myfunc() y estará disponible para usarse. 6.4. Módulos 269
- 274. Aprende Python • Línea 9: esta condición no se cumple, ya que estamos importando y la variable especial __name__ no toma ese valor. Con lo cual finaliza la ejecución. • No hay salida por pantalla. $ python3 hello.py El código se ejecuta siempre desde la primera instrucción a la última: • Línea 1: se importa el módulo blabla. • Línea 4: se define la función myfunc() y estará disponible para usarse. • Línea 9: esta condición sí se cumple, ya que estamos ejecutando directamente el fichero (como programa principal) y la variable especial __name__ toma el valor __main__. • Línea 10: salida por pantalla de la cadena de texto Entry point. • Línea 11: llamada a la función myfunc() que muestra por pantalla Inside myfunc, además de invocar a la función hi() del módulo blabla. AMPLIAR CONOCIMIENTOS • Defining Main Functions in Python • Python Modules and Packages: An Introduction • Absolute vs Relative Imports in Python • Running Python Scripts • Writing Beautiful Pythonic Code With PEP 8 • Python Imports 101 • Clean Code in Python 270 Capítulo 6. Modularidad
- 275. CAPÍTULO 7 Procesamiento de texto Además de las herramientas que se han visto en cadenas de texto, la librería estándar nos ofrece una serie de módulos para procesamiento de texto que nos harán la vida más fácil a la hora de gestionar este tipo de datos. 271
- 276. Aprende Python 7.1 string El módulo string proporciona una serie de constantes muy útiles para manejo de «strings», además de distintas estrategias de formateado de cadenas.1 7.1.1 Constantes Las constantes definidas en este módulo son las siguientes: >>> import string >>> string.ascii_lowercase abcdefghijklmnopqrstuvwxyz >>> string.ascii_uppercase ABCDEFGHIJKLMNOPQRSTUVWXYZ >>> string.ascii_letters abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ >>> string.digits 0123456789 (continué en la próxima página) 1 Foto original de portada por Steve Johnson en Unsplash. 272 Capítulo 7. Procesamiento de texto
- 277. Aprende Python (proviene de la página anterior) >>> string.hexdigits 0123456789abcdefABCDEF >>> string.octdigits 01234567 >>> string.punctuation !"#$%& ()*+,-./:;<=>?@[]^_ {|}~ >>> string.printable 0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ!"#$%& ()*+,-./:;<=>? ˓ →@[]^_ {|}~ tnrx0bx0c >>> string.whitespace tnrx0bx0c Ejercicio Dada una cadena de texto, compruebe si todos sus caracteres son dígitos ASCII. Ignore los espacios en blanco. Ejemplo • Entrada: This is it • Salida: True 7.1.2 Plantillas El módulo string también nos permite usar plantillas con interpolación de variables. Algo similar a los f-strings pero con otro tipo de sintaxis. Lo primero es definir la plantilla. Las variables que queramos interporlar deben ir precedidas del signo dólar $: from string import Template tmpl = Template( $lang is the best programming language in the $place! ) Ahora podemos realizar la sustitución con los valores que nos interesen: >>> tmpl.substitute(lang= Python , place= World ) Python is the best programming language in the World! (continué en la próxima página) 7.1. string 273
- 278. Aprende Python (proviene de la página anterior) >>> tmpl.substitute({ lang : Python , place : World }) Python is the best programming language in the World! Hay que prestar atención cuando el identificador de variable está seguido por algún carácter que, a su vez, puede formar parte del identificador. En este caso hay que utilizar llaves para evitar la ambigüedad: >>> tmpl = Template( You won several ${price}s ) >>> tmpl.substitute(price= phone ) You won several phones Sustitución segura En el caso de que alguna de las variables que estamos interpolando no exista o no tenga ningún valor, obtendremos un error al sustituir: >>> tmpl = Template( $lang is the best programming language in the $place! ) >>> tmpl.substitute(lang= Python ) Traceback (most recent call last): File "<stdin>", line 1, in <module> KeyError: place Para ello Python nos ofrece el método safe_substitute() que no emite error si alguna variable no es especificada: >>> tmpl.safe_substitute(lang= Python ) Python is the best programming language in the $place! Casos de uso A primera vista podría parecer que este sistema de plantillas no aporta gran ventaja sobre los f-strings que ya hemos visto. Sin embargo hay ocasiones en los que puede resultar muy útil. La mayoría de estas situaciones tienen que ver con la oportunidad de definir el «string». Si en el momento de crear la plantilla aún no están disponibles las variables de sustitución, podría interesar utilizar la estrategia que nos proporciona este módulo. Supongamos un ejemplo en el que tenemos una estructura de «url» y queremos únicamente sustituir una parte de ella. Para no tener que repetir la cadena de texto completa en un «f-string», podríamos seguir este enfoque: 274 Capítulo 7. Procesamiento de texto
- 279. Aprende Python >>> urlbase = Template( https://python.org/3/library/$module.html ) >>> for module in ( string , re , difflib ): ... url = urlbase.substitute(module=module) ... print(url) ... https://python.org/3/library/string.html https://python.org/3/library/re.html https://python.org/3/library/difflib.html 7.1. string 275
- 280. Aprende Python 276 Capítulo 7. Procesamiento de texto
- 281. CAPÍTULO 8 Ciencia de datos La Ciencia de Datos representa uno de los ámbitos de aplicación más importantes dentro del mundo Python. De hecho, en la encuesta a desarrolladores/as de JetBrains del año 2020 se puede observar que análisis de datos y aprendizaje automático están en primera y tercera opción en la pregunta ¿para qué utiliza Python?. Muchos de los paquetes que veremos en esta sección también vienen incluidos por defecto en Anaconda una plataforma para desarrollo de ciencia de datos que dispone de instaladores para todos los sistemas operativos. 277
- 282. Aprende Python 8.1 jupyter El módulo jupyter proporciona un entorno de desarrollo integrado para ciencia de datos, que no es exclusivo de Python, sino que además admite otros lenguajes en su «backend».1 $ pip install jupyter Para lanzar el servidor de «notebooks»2 : $ jupyter notebook Nota: Este comando nos debería abrir una ventana en el navegador web por defecto del sistema, apuntando a la dirección http://localhost:8888 1 Foto original de portada por NASA en Unsplash. 2 Un «notebook» es el concepto de cuaderno (documento) científico que se maneja en Jupyter 278 Capítulo 8. Ciencia de datos
- 283. Aprende Python 8.1.1 Notebooks Un «notebook» es un documento que está compuesto por celdas en las que podemos incluir: • Texto en formato markdown (incluyendo fórmulas). • Elementos multimedia. • Código Python ejecutable. Figura 1: Ejecución de celdas en Jupyter Notebook En código «markdown», la salida de la celda es la renderización del texto. En código Python, la salida de la celda es el resultado de la última sentencia incluida en la celda. Nota: Los «notebooks» o cuadernos son básicamente archivos de texto en formato json con extensión .ipynb (que proviene de «IPython Notebook»). 8.1.2 Interfaz Jupyter se presenta como una aplicación web en cuya interfaz podemos encontrar distintos elementos que nos permitirán desarrollar nuestras tareas de programación de una forma más cómoda. Explorador de archivos Lo primero que veremos al arrancar el servidor de «notebooks» será el explorador de archivos con un diseño muy similar al de cualquier sistema operativo. Nota: Los «notebooks» que se están ejecutando suelen tener un color verde en el icono, mientras que los que están parados aparecen en gris. 8.1. jupyter 279
- 284. Aprende Python Figura 2: Explorador de archivos de Jupyter Notebook Barra de menú Menú Fichero Del estilo de los menús tradicionales de aplicaciones, aquí podemos encontrar las principales funciones sobre ficheros. Checkpoints: Permiten guardar el estado del «notebook» en un momento determinado para luego poder revertirlo a ese momento del tiempo. Exportar notebooks: Es posible exportar «notebooks» a una gran variedad de formatos: • Python (.py) • HTML (.html) • Reveal.js «slides» (.html) • Markdown (.md) • reST (.rst) • PDF vía LaTeX (.pdf) • asciidoc (.asciidoc) • custom (.txt) • LaTeX (.tex) Ejercicio Cree un «notebook» de prueba y descárgelo en formato HTML y Markdown. 280 Capítulo 8. Ciencia de datos
- 285. Aprende Python Figura 3: Menú Fichero de Jupyter Notebook 8.1. jupyter 281
- 286. Aprende Python Menú Edición Este menú contiene las acciones que podemos realizar sobre una o varias celdas. Las funciones las podríamos agrupar en gestión de celdas (cortar, pegar, borrar, dividir, unir, mover, etc.) e inserción de imágenes seleccionando desde un cuadro de diálogo. Menú Vista Permite modificar el aspecto visual de determinados elementos de la aplicación. Números de línea: Puede resultar interesante mostrar los números de línea en celdas que contengan código. Modo presentación (Cell Toolbar Slideshow) : Jupyter Notebook ofrece la posibilidad de crear una presentación sobre el documento en el que estamos trabajando. Cada celda se puede configurar con alguno de los siguientes tipos: • Slide. • Subslide. • Fragment. • Skip. • Notes. Etiquetas (Cell Toolbar Tags): Es interesante – entre otras – el uso de la etiqueta raises-exception ya que nos permite ejecutar todas las celdas de un «notebook» sin que el sistema se detenga por errores en la celda etiquetada, ya que estamos informando que lanzará una excepción. Menú Insertar Insertar celda antes o después de la actual. Menú Celda Principalmente enfocado a la ejecución de las celdas que componen el «notebook». Ejecución de celdas: La ejecución de celdas se puede hacer de forma individual o grupal así como indicando el punto de partida (celda actual). Tipo de celdas: 282 Capítulo 8. Ciencia de datos
- 287. Aprende Python Figura 4: Menú Edición de Jupyter Notebook 8.1. jupyter 283
- 288. Aprende Python Figura 5: Menú Vista de Jupyter Notebook 284 Capítulo 8. Ciencia de datos
- 289. Aprende Python Figura 6: Menú Insertar de Jupyter Notebook Figura 7: Menú Celda de Jupyter Notebook 8.1. jupyter 285
- 290. Aprende Python • Code: para incluir código (se podrá ejecutar el lenguaje de programación según el «kernel» instalado). • Markdown: para escribir texto utilizando sintaxis markdown. • Raw: estas celdas no serán formateadas. Salida de celdas: La ejecución de las celdas de código tiene (suele tener) una salida. Esta salida se puede ocultar (si interesa). Incluso tenemos control sobre activar o desactivar el «scroll» en caso de que la salida sea muy larga. Menú Kernel Permite gestionar el servicio que se encarga de lanzar los «notebooks». Figura 8: Menú Kernel de Jupyter Notebook El kernel es la capa de software que se encarga de ejecutar las celdas de nuestro «notebook» que contienen código. Podemos tener instalados distintos «kernels» para un mismo Jupyter Notebook. El kernel se puede interrumpir o reiniciar. Hay veces, que debido a un error de programación o a procesos muy largos, podemos encontrarnos con el «kernel» bloqueado durante un largo período de tiempo. En estas 286 Capítulo 8. Ciencia de datos
- 291. Aprende Python ocasiones es útil reiniciarlo para salvar esa situación. Figura 9: Kernel ocupado Menú Ayuda Como cualquier aplicación, existe un menú de ayuda en el que se pueden encontrar enlaces a referencias y manuales. Uno de los elementos más interesantes de la ayuda es el uso de los «shortcuts»3 . Aunque hay muchos, dejamos aquí algunos de los más útiles: Shortcut Acción SHIFT + ENTER Ejecutar la celda actual ALT + ENTER Ejecutar la celda actual y «abrir» una celda debajo a Abrir una celda encima de la actual («above») b Abrir una celda debajo de la actual («below») m Convertir la celda actual a Markdown y Convertir la celda actual a código dd Borrar la celda actual 8.1.3 MathJax MathJax es una biblioteca javascript que permite visualizar fórmulas matemáticas en navegadores web, utilizando (entre otros) el lenguajes de marcado LaTeX. Para escribir fórmulas matemáticas la celda debe ser de tipo Markdown y tendremos que usar delimitadores especiales. Fórmulas «en línea»: Se debe usar el delimitador dólar antes y después de la expresión $ ... $ Por ejemplo: $ sum_{x=1}^n sin(x) + cos(x) $ produce : ∑︀𝑛 𝑥=1 𝑠𝑖𝑛(𝑥) + 𝑐𝑜𝑠(𝑥) 3 Un «shortcut» es un «atajo de teclado» (combinación de teclas) para lanzar una determinada acción. 8.1. jupyter 287
- 292. Aprende Python Figura 10: Menú Ayuda de Jupyter Notebook 288 Capítulo 8. Ciencia de datos
- 293. Aprende Python Fórmulas «de bloque»: Se debe usar el delimitador doble dólar antes y después de la expresión $$ ... $$ Por ejemplo: $$ sum_{x=1}^n sin(x) + cos(x) $$ produce: 𝑛 ∑︁ 𝑥=1 𝑠𝑖𝑛(𝑥) + 𝑐𝑜𝑠(𝑥) Ejemplos de fórmulas A continuación veremos distintas fórmulas inspiradas en Motivating Examples de la documentación oficial de Jupyter Notebook. Nótese que aunque no se estén indicando los delimitadores $$ sí habría que ponerlos para conseguir el efecto deseado. Ecuaciones en varias líneas: dot{x} = sigma(y-x) dot{y} = rho x - y - xz dot{z} = -beta z + xy ˙ 𝑥 = 𝜎(𝑦 − 𝑥) ˙ 𝑦 = 𝜌𝑥 − 𝑦 − 𝑥𝑧 ˙ 𝑧 = −𝛽𝑧 + 𝑥𝑦 Ecuaciones en varias líneas (con alineación): begin{align} dot{x} &= sigma(y-x) dot{y} &= rho x - y - xz dot{z} &= -beta z + xy end{align} ˙ 𝑥 = 𝜎(𝑦 − 𝑥) ˙ 𝑦 = 𝜌𝑥 − 𝑦 − 𝑥𝑧 ˙ 𝑧 = −𝛽𝑧 + 𝑥𝑦 Usando paréntesis: left( sum_{k=1}^n a_k b_k right)^2 leq left( sum_{k=1}^n a_k^2 right) left( sum_{k=1}^n b_k^2 right) (︃ 𝑛 ∑︁ 𝑘=1 𝑎𝑘𝑏𝑘 )︃2 ≤ (︃ 𝑛 ∑︁ 𝑘=1 𝑎2 𝑘 )︃ (︃ 𝑛 ∑︁ 𝑘=1 𝑏2 𝑘 )︃ Trabajando con matrices: 8.1. jupyter 289
- 294. Aprende Python mathbf{V}_1 times mathbf{V}_2 = begin{vmatrix} mathbf{i} & mathbf{j} & mathbf{k} frac{partial X}{partial u} & frac{partial Y}{partial u} & 0 frac{partial X}{partial v} & frac{partial Y}{partial v} & 0 end{vmatrix} V1 × V2 = ⃒ ⃒ ⃒ ⃒ ⃒ ⃒ i j k 𝜕𝑋 𝜕𝑢 𝜕𝑌 𝜕𝑢 0 𝜕𝑋 𝜕𝑣 𝜕𝑌 𝜕𝑣 0 ⃒ ⃒ ⃒ ⃒ ⃒ ⃒ Algo de probabilidad: P(E) = {n choose k} p^k (1-p)^{ n-k} 𝑃(𝐸) = (︂ 𝑛 𝑘 )︂ 𝑝𝑘 (1 − 𝑝)𝑛−𝑘 Algunos ejemplos con fracciones: frac{1}{Bigl(sqrt{phi sqrt{5}}-phiBigr) e^{frac25 pi}} = 1+frac{e^{-2pi}} {1+frac{e^{-4pi}} {1+frac{e^{-6pi}} {1+frac{e^{-8pi}} {1+ldots} } } } 1 (︁√︀ 𝜑 √ 5 − 𝜑 )︁ 𝑒 2 5 𝜋 = 1 + 𝑒−2𝜋 1 + 𝑒−4𝜋 1+ 𝑒−6𝜋 1+ 𝑒−8𝜋 1+... 1 + frac{q^2}{(1-q)}+frac{q^6}{(1-q)(1-q^2)}+cdots = prod_{j=0}^{infty}frac{1}{(1-q^{5j+2})(1-q^{5j+3})}, quadquad text{for $|q|<1$}. 1 + 𝑞2 (1 − 𝑞) + 𝑞6 (1 − 𝑞)(1 − 𝑞2) + · · · = ∞ ∏︁ 𝑗=0 1 (1 − 𝑞5𝑗+2)(1 − 𝑞5𝑗+3) , for |𝑞| < 1. Múltiples puntos de alineación: begin{eqnarray} x &=& &x sinphi &+& z cosphi z &=& - &x cosphi &+& z sinphi end{eqnarray} 𝑥′ = 𝑥 sin 𝜑 + 𝑧 cos 𝜑 𝑧′ = − 𝑥 cos 𝜑 + 𝑧 sin 𝜑 Ejercicio Escriba en MathJax las siguientes ecuaciones: 290 Capítulo 8. Ciencia de datos
- 295. Aprende Python Ecuación 1 ∫︁ 𝑏 𝑎 𝑓′ (𝑥)𝑑𝑥 = 𝑓(𝑏) − 𝑓(𝑎) Ecuación 2 𝑡′ = 𝑡 1 √︁ 1 − 𝑣2 𝑐2 Ecuación 3 [︁ 𝑀 𝜕 𝜕𝑀 + 𝛽(𝑔) 𝜕 𝜕𝑔 + 𝜂𝛾 ]︁ 𝐺𝑛 (𝑥1, 𝑥2, . . . , 𝑥𝑛; 𝑀, 𝑔) = 0 Ecuación 4 𝑅00 ≈ − 1 2 ∑︁ 𝑖 𝜕2 ℎ00 𝜕(𝑥𝑖)2 = 4𝜋𝐺 𝑐2 (𝜌𝑐2 ) ⇒ ▽2 𝜑𝑔 = 4𝜋𝐺𝜌 Truco: Puede encontrar símbolos matemáticos para Latex en este enlace así como dibujar directamente un símbolo y obtener su referencia a través de la herramienta Detexify. 8.1.4 Comandos especiales Jupyter Notebook ofrece una gama de comandos especiales que cubren gran variedad de funcionalidades. Comandos de shell Podemos ejecutar comandos de «shell» usando el prefijo exclamación ! >>> !date martes, 15 de junio de 2021, 09:13:25 WEST >>> !whoami sdelquin Ejercicio Ejecute los siguientes comandos del sistema y obtenga la salida en una celda del Notebook: 8.1. jupyter 291
- 296. Aprende Python Windows Linux & macOS time date dir ls mem free Obteniendo ayuda Una de las formas más sencillas de obtener información de librerías, funciones o módulos es utilizar el sufijo interrogación ? >>> import random >>> random.randint? Signature: random.randint(a, b) Docstring: Return random integer in range [a, b], including both end points. File: ~/.pyenv/versions/3.9.1/lib/python3.9/random.py Type: method Ejercicio Obtenga la documentación de las siguientes funciones: • os.path.dirname • re.match • datetime.timedelta Comandos mágicos Jupyter Notebook, o mejor expresado IPython, admite un conjunto de comandos mágicos que permiten realizar distintas tareas, en muchos casos, no necesariamente relacionadas con Python: >>> %lsmagic Available line magics: %aimport %alias %alias_magic %autoawait %autocall %autoindent %automagic ˓ →%autoreload %bookmark %cat %cd %clear %colors %conda %config %cp %cpaste ˓ →%debug %dhist %dirs %doctest_mode %ed %edit %env %gui %hist %history ˓ →%killbgscripts %ldir %less %lf %lk %ll %load %load_ext %loadpy %logoff ˓ →%logon %logstart %logstate %logstop %ls %lsmagic %lx %macro %magic %man ˓ →%matplotlib %mkdir %more %mv %notebook %page %paste %pastebin %pdb %pdef ˓ →%pdoc %pfile %pinfo %pinfo2 %pip %popd %pprint %precision %prun %psearch ˓ →%psource %pushd %pwd %pycat %pylab %quickref %recall %rehashx %reload_ext ˓ →%rep %rerun %reset %reset_selective %rm %rmdir %run %save %sc %set_env ˓ →%store %sx %system %tb %time %timeit %unalias %unload_ext %who %who_ls (continué en la próxima página) 292 Capítulo 8. Ciencia de datos
- 297. Aprende Python (proviene de la página anterior) Available cell magics: %%! %%HTML %%SVG %%bash %%capture %%debug %%file %%html %%javascript %%js % ˓ →%latex %%markdown %%perl %%prun %%pypy %%python %%python2 %%python3 %%ruby␣ ˓ → %%script %%sh %%svg %%sx %%system %%time %%timeit %%writefile Automagic is ON, % prefix IS NOT needed for line magics. Si nos fijamos en el último mensaje, al estar habilitado el modo «automagic», no es estrictamente necesario que usemos el prefijo % para hacer uso de estos comandos. Por ejemplo, si quisiéramos conocer la historia de comandos en el intérprete: >>> hist # equivalente a %hist !date import random random.randint? %lsmagic pwd hist Representando gráficas Otra de las grandes ventajas que ofrece Jupyter Notebook es poder graficar directamente sobre el cuaderno. Para ello utilizamos código Python (en este caso) y una directiva de comando mágico para indicar que se renderice en línea: >>> %matplotlib inline >>> from matplotlib import pyplot as plt >>> x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] >>> y = [1, 4, 9, 16, 25, 36, 49, 64, 81, 100] >>> plt.plot(x, y) [<matplotlib.lines.Line2D at 0x106414e50>] <Figure size 432x288 with 1 Axes> 8.1. jupyter 293
- 298. Aprende Python Figura 11: Gráfica sencilla hecha en Jupyter Notebook Manejando ficheros Cargando un fichero en la celda actual: Para ello utilizamos el comando %load "ruta/ al/fichero" Ejecutando un fichero en la celda actual: Para ello utilizamos el comando %run "ruta/al/fichero" Escribiendo el contenido de la celda actual a fichero: Para ello utilizamos el comando %writefile "ruta/al/fichero" como primera línea de la celda y después vendría el código que queremos escribir. Ejercicio • En una celda del «notebook», escriba código Python para crear una lista de 100 números pares. • Guarde el contenido de esa celda un fichero Python usando %%writefile • Carge este fichero en una celda con %load • Ejecútelo con %run 294 Capítulo 8. Ciencia de datos
- 299. Aprende Python Tiempos de ejecución Para medir el tiempo de ejecución de una determinada instrucción Python podemos utilizar el comando %timeit que calcula un promedio tras correr repetidas veces el código indicado: >>> import numpy >>> %timeit numpy.random.normal(size=100) 3.03 µs ± 6.77 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each) De igual forma, existe un mecanismo para medir el tiempo de ejecución de una celda completa. En este caso se utiliza el comando %%timeit (nótese la diferencia del doble porcentaje como prefijo): %%timeit numpy.random.poisson(size=100) numpy.random.uniform(size=100) numpy.random.logistic(size=100) 8.88 µs ± 25.8 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each) Ejercicio Mida si hay diferencias significativas en tiempos de ejecución en la creación de distribuciones aleatorias atendiendo a: • Tipo de distribución (Poisson, Uniform, Logistic). • Tamaño de la muestra (100, 10000, 1000000). Incluyendo otros lenguajes Celdas con HTML: Si necesitamos insertar código HTML en una celda, podemos usar el comando %%html al comienzo de la misma: %%html <iframe src="https://www.google.com/maps/embed?pb=!1m18!1m12!1m3!1d3592984. ˓ →8538165656!2d-18.096789575396794!3d28.426067294993228!2m3!1f0!2f0!3f0!3m2! ˓ →1i1024!2i768!4f13.1!3m3!1m2!1s0xc41aa86ef755363%3A0x10340f3be4bc8c0! ˓ →2sCanarias!5e0!3m2!1ses!2ses!4v1623755509663!5m2!1ses!2ses" width="400"␣ ˓ →height="300" style="border:0;" allowfullscreen="" loading="lazy"></iframe> 8.1. jupyter 295
- 300. Aprende Python Celdas con «shell script»: Hay ocasiones en las que un código en shell script suele ser útil. Para incluirlo recurrimos al comando %%bash al principio de la celda: %%bash !tree -d -L 2 . ├── __pycache__ ├── _build │ └── html ├── _static │ ├── css │ ├── img │ └── js ├── core │ ├── controlflow │ ├── datastructures │ ├── datatypes │ ├── devenv │ ├── introduction │ └── modularity ├── miniprojects (continué en la próxima página) 296 Capítulo 8. Ciencia de datos
- 301. Aprende Python (proviene de la página anterior) │ └── spotify ├── pypi │ └── datascience └── stdlib └── text_processing 20 directories Celdas con perl: No hay que subestimar el poder del lenguaje de programación perl. Si fuera necesario, lo podemos incluir en una celda del «notebook» con %%perl al comienzo de la misma: %%perl my $email = sdelquin@gmail.com ; if ($email =~ /^([^@]+)@(.+)$/) { print "Username is: $1n"; print "Hostname is: $2n"; } ... Username is: sdelquin Hostname is: gmail.com 8.1.5 Extensiones El ecosistema de Jupyter Notebook es muy amplio y ofrece una gran variedad de extensiones que se pueden incluir en la instalación que tengamos: Unofficial Jupyter Notebook Extensions. Su instalación es tan sencilla como: $ pip install jupyter_contrib_nbextensions 8.1. jupyter 297
- 302. Aprende Python 8.1.6 Otros entornos El ecosistema de entornos para trabajos en ciencia de datos ha ido ampliándose durante estos últimos años con la explosión del «BigData» y la inteligencia artificial. En este apartado veremos otras plataformas que también nos permiten usar Python enfocado al análisis de datos. JupyterLab JupyterLab es una evolución de Jupyter Notebook. Entre sus mejoras podemos destacar: • Explorador de ficheros integrado en la barra lateral. • Posibilidad de abrir múltiples .ipynb al mismo tiempo usando pestañas. • Posibilidad de abrir múltiples terminales. • Editor integrado para cualquier fichero de texto. • Vista previa en tiempo real de documentos markdown o csv. Figura 12: Pantalla inicial de JupyterLab Su instalación se lleva a cabo como cualquier otro paquete Python: $ pip install jupyterlab Para ejecutar la aplicación: 298 Capítulo 8. Ciencia de datos
- 303. Aprende Python $ jupyter-lab Google Colab Google Colab es un entorno de computación científica creado por Google y disponible en su nube. Como era previsible, para su uso es necesario disponer de una cuenta en Google. Figura 13: Pantalla inicial de Google Colab Características: • Tiene un comportamiento totalmente análogo a Jupyter en cuanto a comportamiento y funcionalidades. • Completamente en la nube. No necesita instalación ni configuración. • Por defecto trae multitud de paquetes instalados, principalmente en el ámbito científico: 386 paquetes (febrero de 2022). • Versión de Python: 3.7.12 (febrero de 2022). • Espacio en disco sujeto a las características de Google Compute Engine: 107.72GB (febrero de 2022) • Memoria RAM sujeta a las características de Google Compute Engine: 12.69GB (febrero de 2022) • Acceso limitado al sistema operativo. 8.1. jupyter 299
- 304. Aprende Python • En cuentas gratuitas, los tiempos de cómputo son, por lo general, mayores que en una máquina local.4 • Previsualización markdown en tiempo real sobre cada celda. • Posibilidad de subir ficheros de datos propios en carpetas accesibles por el cuaderno. • Posibilidad de ejecutar Jupyter «notebooks» propios. • Posibilidad (limitada) de acelerar cálculos usando GPU6 o TPU7 . • Posibilidad de descargar el cuaderno como Jupyter «notebook» o archivo de Python. • Índice de contenidos integrado en barra lateral. • Inspector de variables integrado en barra lateral. Kaggle Kaggle es una plataforma que no sólo ofrece un entorno de trabajo para cuadernos Jupyter sino también una enorme colección de conjuntos de datos de libre acceso. Para su uso es necesario disponer de una cuenta en el servicio. Figura 14: Pantalla inicial de Kaggle Características: 4 Todo estará en función de las características de la máquina con la que se esté trabajando. 6 Graphics Processing Unit (Unidad gráfica de procesamiento). 7 Tensor Processing Unit (Unidad de procesamiento tensorial). 300 Capítulo 8. Ciencia de datos
- 305. Aprende Python • Tiene un comportamiento totalmente análogo a Jupyter en cuanto a comportamiento y funcionalidades. • Completamente en la nube. No necesita instalación ni configuración. • Por defecto trae multitud de paquetes instalados, principalmente en el ámbito científico: 792 paquetes (febrero de 2022). • Versión de Python: 3.7.12 (febrero de 2022). • Espacio en disco sujeto a las características de Kaggle: 73.1GB (febrero de 2022) • Memoria RAM sujeta a las características de Kaggle: 16GB (febrero de 2022) • Acceso limitado al sistema operativo. • En cuentas gratuitas, los tiempos de cómputo son, por lo general, mayores que en una máquina local.4 • Posibilidad de subir ficheros de datos propios sólo como «datasets» de Kaggle. • Posibilidad de ejecutar Jupyter «notebooks» propios. • Posibilidad (limitada) de acelerar cálculos usando GPU6 o TPU7 . • Posibilidad de descargar el cuaderno como Jupyter «notebook». Comparativa Haremos una comparativa de tiempos de ejecución lanzando una FFT5 sobre una matriz de 1 millón de elementos: >>> import numpy as np >>> bigdata = np.random.randint(1, 100, size=(1_000, 1_000)) >>> %timeit np.fft.fft(bigdata) 4.89 ms ± 5.78 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) Jupyter Colab Kaggle 4.89ms 13.9ms 12.8ms Obviamente se trata de una ejecución puntual y no podemos sacar conclusiones claras al respecto. Además de ello depende del «hardware» sobre el que estemos trabajando. En cualquier caso el propósito es únicamente tener una ligera idea de los órdenes de magnitud. 5 Fast Fourier Transform (Transformada rápida de Fourier). 8.1. jupyter 301
- 306. Aprende Python 8.2 numpy NumPy es el paquete fundamental para computación científica en Python y manejo de arrays numéricos multi-dimensionales.1 $ pip install numpy La forma más común de importar esta librería es usar el alias np: >>> import numpy as np 8.2.1 ndarray En el núcleo de NumPy está el ndarray, donde «nd» es por n-dimensional. Un ndarray es un array multidimensional de elementos del mismo tipo. Aquí tenemos una diferencia fundamental con las listas en Python que pueden mantener objetos heterogéneos. Y esta característica propicia que el rendimiento de un ndarray sea bastante mejor que el de una lista convencional. Para crear un array podemos usar: 1 Foto original de portada por Vlado Paunovic en Unsplash. 302 Capítulo 8. Ciencia de datos
- 307. Aprende Python >>> import numpy as np >>> x = np.array([1, 2, 3, 4, 5]) >>> x array([1, 2, 3, 4, 5]) >>> type(x) numpy.ndarray Si queremos obtener información sobre el array creado, podemos acceder a distintos atributos del mismo: >>> x.ndim # dimensión 1 >>> x.size # tamaño total del array 5 >>> x.shape # forma (5,) >>> x.dtype # tipo de sus elementos dtype( int64 ) Datos heterogéneos Hemos dicho que los ndarray son estructuras de datos que almacenan un único tipo de datos. A pesar de esto, es posible crear un array con los siguientes valores: >>> x = np.array([4, Einstein , 1e-7]) Aunque, a priori, puede parecer que estamos mezclando tipos enteros, flotantes y cadenas de texto, lo que realmente se produce (de forma implícita) es una coerción2 de tipos a Unicode: >>> x array([ 4 , Einstein , 1e-07 ], dtype= <U32 ) >>> x.dtype dtype( <U32 ) 2 Característica de los lenguajes de programación que permite, implícita o explícitamente, convertir un elemento de un tipo de datos en otro, sin tener en cuenta la comprobación de tipos. 8.2. numpy 303
- 308. Aprende Python Tipos de datos NumPy maneja gran cantidad de tipos de datos. A diferencia de los tipos de datos numéricos en Python que no establecen un tamaño de bytes de almacenamiento, aquí sí hay una diferencia clara. Algunos de los tipos de datos numéricos en NumPy se presentan en la siguiente tabla: Tabla 1: Tipos de datos numéricos en NumPy dtype Descripción Rango np.int32 Integer De -2147483648 a 2147483647 np.int64 Integer De -9223372036854775808 a 9223372036854775807 np.uint32Unsigned integer De 0 a 4294967295 np.uint64Unsigned integer De 0 a 18446744073709551615 np.float32 Float De -3.4028235e+38 a 3.4028235e+38 np.float64 Float De -1.7976931348623157e+308 a 1.7976931348623157e+308 Truco: NumPy entiende por defecto que int hace referencia a np.int64 y que float hace referencia a np.float64. Son «alias» bastante utilizados. Si creamos un array de números enteros, el tipo de datos por defecto será int64: >>> a = np.array(range(10)) >>> a array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> a.dtype dtype( int64 ) Sin embargo podemos especificar el tipo de datos que nos interese: >>> b = np.array(range(10), dtype= int32 ) # int32 hace referencia a np.int32 >>> b array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=int32) >>> b.dtype dtype( int32 ) Lo mismo ocurre con valores flotantes, donde float64 es el tipo de datos por defecto. Es posible convertir el tipo de datos que almacena un array mediante el método astype. Por 304 Capítulo 8. Ciencia de datos
- 309. Aprende Python ejemplo: >>> a array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> c = a.astype(float) >>> c.dtype dtype( float64 ) ndarray vs list Como ya se ha comentado en la introducción de esta sección, el uso de ndarray frente a list está justificado por cuestiones de rendimiento. Pero veamos un ejemplo clarificador en el que sumamos 10 millones de valores enteros: >>> array_as_list = list(range(int(10e6))) >>> array_as_ndarray = np.array(array_as_list) >>> %timeit sum(array_as_list) 48 ms ± 203 µs per loop (mean ± std. dev. of 7 runs, 10 loops each) >>> %timeit array_as_ndarray.sum() 3.83 ms ± 4.84 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) Nota: El cómputo es casi 12 veces más rápido utilizando ndarray frente a listas clásicas. En cualquier caso, existe la posibilidad de convertir a lista cualquier ndarray mediante el método tolist(): >>> a = np.array([10, 20, 30]) >>> a array([10, 20, 30]) >>> b = a.tolist() >>> b [10, 20, 30] >>> type(b) list 8.2. numpy 305
- 310. Aprende Python Matrices Una matriz no es más que un array bidimensional. Como ya se ha comentado, NumPy provee ndarray que se comporta como un array multidimensional con lo que podríamos crear una matriz sin mayor problema. Veamos un ejemplo en el que tratamos de construir la siguiente matriz: 𝑀 = ⎡ ⎢ ⎢ ⎣ 1 2 3 4 5 6 7 8 9 10 11 12 ⎤ ⎥ ⎥ ⎦ Nos apoyamos en una lista de listas para la creación de la matriz: >>> M = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]) >>> M array([[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9], [10, 11, 12]]) >>> M.ndim # bidimensional 2 >>> M.size 12 >>> M.shape # 4 filas x 3 columnas (4, 3) >>> M.dtype dtype( int64 ) Ejercicio Cree los siguientes arrays en NumPy: array1 = [︀ 88 23 39 41 ]︀ array2 = [︂ 76.4 21.7 38.4 41.2 52.8 68.9 ]︂ array3 = ⎡ ⎢ ⎢ ⎣ 12 4 9 8 ⎤ ⎥ ⎥ ⎦ 306 Capítulo 8. Ciencia de datos
- 311. Aprende Python Obtenga igualmente las siguientes características de cada uno de ellos: dimensión, tamaño, forma y tipo de sus elementos. Cambiando la forma Dado un array, podemos cambiar su forma mediante la función np.reshape(): >>> a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]) >>> np.reshape(a, (3, 4)) # 3 x 4 array([[ 1, 2, 3, 4], [ 5, 6, 7, 8], [ 9, 10, 11, 12]]) Si sólo queremos especificar un número determinado de filas o columnas, podemos dejar la otra dimensión a -1: >>> np.reshape(a, (6, -1)) # 6 filas array([[ 1, 2], [ 3, 4], [ 5, 6], [ 7, 8], [ 9, 10], [11, 12]]) >>> np.reshape(a, (-1, 3)) # 3 columnas array([[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9], [10, 11, 12]]) Advertencia: En el caso de que no exista posibilidad de cambiar la forma del array por el número de filas y/o columnas especificado, obtendremos un error de tipo ValueError: cannot reshape array. 8.2. numpy 307
- 312. Aprende Python Almacenando arrays Es posible que nos interese almacenar (de forma persistente) los arrays que hemos ido creando. Para ello NumPy nos provee, al menos, de dos mecanismos: Almacenamiento en formato binario propio: Mediante el método save() podemos guardar la estructura de datos en ficheros .npy. Veamos un ejemplo: >>> M array([[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9], [10, 11, 12]]) >>> np.save( my_matrix , M) >>> !ls my_matrix.npy my_matrix.npy >>> M_reloaded = np.load( my_matrix.npy ) >>> M_reloaded array([[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9], [10, 11, 12]]) Almacenamiento en formato de texto plano: NumPy proporciona el método savetxt() con el que podremos volcar la estructura de datos a un fichero de texto csv. Veamos un ejemplo: >>> M array([[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9], [10, 11, 12]]) >>> np.savetxt( my_matrix.csv , M, fmt= %d ) >>> !cat my_matrix.csv 1 2 3 4 5 6 7 8 9 10 11 12 >>> M_reloaded = np.loadtxt( my_matrix.csv , dtype=int) (continué en la próxima página) 308 Capítulo 8. Ciencia de datos
- 313. Aprende Python (proviene de la página anterior) >>> M_reloaded array([[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9], [10, 11, 12]]) Truco: Por defecto el almacenamiento y la carga de arrays en formato texto usa tipos de datos flotantes. Es por ello que hemos usado el parámetro fmt en el almacenamiento y el parámetro dtype en la carga. Es posible cargar un array desempaquetando sus valores a través del parámetro unpack. En el siguiente ejemplo separamos las columnas en tres variables diferentes: >>> M array([[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9], [10, 11, 12]]) >>> col1, col2, col3 = np.loadtxt( my_matrix.csv , unpack=True, dtype=int) >>> col1 array([ 1, 4, 7, 10]) >>> col2 array([ 2, 5, 8, 11]) >>> col3 array([ 3, 6, 9, 12]) 8.2.2 Funciones predefinidas para creación de arrays NumPy ofrece una gran variedad de funciones predefinidas para creación de arrays que nos permiten simplificar el proceso de construcción de este tipo de estructuras de datos. Valores fijos A continuación veremos una serie de funciones para crear arrays con valores fijos. 8.2. numpy 309
- 314. Aprende Python Ceros >>> np.zeros((3, 4)) array([[0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.]]) Por defecto, ésta y otras funciones del estilo, devuelven valores flotantes. Si quisiéramos trabajar con valores enteros basta con usar el parámetro dtype: >>> np.zeros((3, 4), dtype=int) array([[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]]) Existe la posibilidad de crear un array de ceros con las mismas dimensiones (y forma) que otro array: >>> M = np.array([[1, 2, 3], [4, 5, 6]]) >>> M array([[1, 2, 3], [4, 5, 6]]) >>> np.zeros_like(M) array([[0, 0, 0], [0, 0, 0]]) Lo cual sería equivalente a pasar la «forma» del array a la función predefinida de creación de ceros: >>> np.zeros(M.shape, dtype=int) array([[0, 0, 0], [0, 0, 0]]) Unos >>> np.ones((3, 4)) # también existe np.ones_like() array([[1., 1., 1., 1.], [1., 1., 1., 1.], [1., 1., 1., 1.]]) 310 Capítulo 8. Ciencia de datos
- 315. Aprende Python Mismo valor >>> np.full((3, 4), 7) # también existe np.full_like() array([[7, 7, 7, 7], [7, 7, 7, 7], [7, 7, 7, 7]]) Matriz identidad >>> np.eye(5) array([[1., 0., 0., 0., 0.], [0., 1., 0., 0., 0.], [0., 0., 1., 0., 0.], [0., 0., 0., 1., 0.], [0., 0., 0., 0., 1.]]) Matriz diagonal >>> np.diag([5, 4, 3, 2, 1]) array([[5, 0, 0, 0, 0], [0, 4, 0, 0, 0], [0, 0, 3, 0, 0], [0, 0, 0, 2, 0], [0, 0, 0, 0, 1]]) Ejercicio Cree la siguiente matriz mediante código Python: diagonal = ⎡ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ 0 0 0 . . . 0 0 1 0 . . . 0 0 0 2 . . . 0 . . . . . . 0 ... 0 0 0 0 . . . 49 ⎤ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ Obtenga igualmente las siguientes características de cada uno de ellos: dimensión, tamaño, forma y tipo de sus elementos. 8.2. numpy 311
- 316. Aprende Python Valores equiespaciados A continuación veremos una serie de funciones para crear arrays con valores equiespaciados o en intervalos definidos. Valores enteros equiespaciados La función que usamos para este propósito es np.arange() cuyo comportamiento es totalmente análogo a la función «built-in» range(). Especificando límite superior: >>> np.arange(21) array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20]) Especificando límite inferior y superior: >>> np.arange(6, 60) array([ 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59]) Especificando límite inferior, superior y paso: >>> np.arange(6, 60, 3) array([ 6, 9, 12, 15, 18, 21, 24, 27, 30, 33, 36, 39, 42, 45, 48, 51, 54, 57]) Es posible especificar un paso flotante en la función arange(): >>> np.arange(6, 16, .3) array([ 6. , 6.3, 6.6, 6.9, 7.2, 7.5, 7.8, 8.1, 8.4, 8.7, 9. , 9.3, 9.6, 9.9, 10.2, 10.5, 10.8, 11.1, 11.4, 11.7, 12. , 12.3, 12.6, 12.9, 13.2, 13.5, 13.8, 14.1, 14.4, 14.7, 15. , 15.3, 15.6, 15.9]) 312 Capítulo 8. Ciencia de datos
- 317. Aprende Python Valores flotantes equiespaciados La función que usamos para este propósito es np.linspace() cuyo comportamiento es «similar» a np.arange() pero para valores flotantes. Especificando límite inferior y superior: >>> np.linspace(6, 60) # [6, 60] con 50 valores array([ 6. , 7.10204082, 8.20408163, 9.30612245, 10.40816327, 11.51020408, 12.6122449 , 13.71428571, 14.81632653, 15.91836735, 17.02040816, 18.12244898, 19.2244898 , 20.32653061, 21.42857143, 22.53061224, 23.63265306, 24.73469388, 25.83673469, 26.93877551, 28.04081633, 29.14285714, 30.24489796, 31.34693878, 32.44897959, 33.55102041, 34.65306122, 35.75510204, 36.85714286, 37.95918367, 39.06122449, 40.16326531, 41.26530612, 42.36734694, 43.46938776, 44.57142857, 45.67346939, 46.7755102 , 47.87755102, 48.97959184, 50.08163265, 51.18367347, 52.28571429, 53.3877551 , 54.48979592, 55.59183673, 56.69387755, 57.79591837, 58.89795918, 60. ]) Nota: Por defecto np.linspace() genera 50 elementos. Especificando límite inferior, superior y total de elementos: >>> np.linspace(6, 60, 20) # [6, 60] con 20 valores array([ 6. , 8.84210526, 11.68421053, 14.52631579, 17.36842105, 20.21052632, 23.05263158, 25.89473684, 28.73684211, 31.57894737, 34.42105263, 37.26315789, 40.10526316, 42.94736842, 45.78947368, 48.63157895, 51.47368421, 54.31578947, 57.15789474, 60. ]) Importante: A diferencia de np.arange(), la función np.linspace() incluye «por defecto» el límte superior especificado. Especificando un intervalo abierto [𝑎, 𝑏): >>> np.linspace(6, 60, 20, endpoint=False) # [6, 60) con 20 elementos array([ 6. , 8.7, 11.4, 14.1, 16.8, 19.5, 22.2, 24.9, 27.6, 30.3, 33. , 35.7, 38.4, 41.1, 43.8, 46.5, 49.2, 51.9, 54.6, 57.3]) 8.2. numpy 313
- 318. Aprende Python Valores aleatorios A continuación veremos una serie de funciones para crear arrays con valores aleatorios y distribuciones de probabilidad. Valores aleatorios enteros Valores aleatorios enteros en [𝑎, 𝑏): >>> np.random.randint(3, 30) # escalar 4 >>> np.random.randint(3, 30, size=9) # vector array([29, 7, 8, 21, 27, 23, 29, 15, 28]) >>> np.random.randint(3, 30, size=(3, 3)) # matriz array([[24, 4, 29], [10, 22, 27], [27, 7, 20]]) Valores aleatorios flotantes Por simplicidad, en el resto de ejemplos vamos a obviar la salida escalar y matriz. Valores aleatorios flotantes en [0, 1): >>> np.random.random(9) array([0.53836208, 0.78315275, 0.6931254 , 0.97194325, 0.01523289, 0.47692141, 0.27653964, 0.82297655, 0.70502383]) Valores aleatorios flotantes en [𝑎, 𝑏): >>> np.random.uniform(1, 100, size=9) array([17.00450378, 67.08416159, 56.99930273, 9.19685998, 35.27334323, 97.34651516, 25.89283558, 53.59685476, 72.74943888]) 314 Capítulo 8. Ciencia de datos
- 319. Aprende Python Distribuciones de probabilidad Distribución normal: Ejemplo en el que generamos un millón de valores usando como parámetros de la distribución 𝜇 = 0, 𝜎 = 5 >>> dist = np.random.normal(0, 5, size=1_000_000) >>> dist[:20] array([ 2.5290643 , 1.46577658, 1.65170437, -1.36970819, -2.24547757, 7.19905613, -4.4666239 , -1.05505116, 2.42351298, -4.45314272, 1.13604077, -2.85054948, 4.34589478, -2.81235743, -0.8215143 , 0.57796411, -2.56594122, -7.14899388, 3.49197644, 1.80691996]) >>> dist.mean() 0.004992046432131982 >>> dist.std() 4.998583810032169 Muestra aleatoria: Ejemplo en el que generamos una muestra aleatoria de un millón de lanzamientos de una moneda: >>> coins = np.random.choice([ head , tail ], size=1_000_000) >>> coins array([ tail , head , tail , ..., tail , head , tail ], dtype= <U4 ) >>> sum(coins == head ) 499874 >>> sum(coins == tail ) 500126 Muestra aleatoria con probabilidades no uniformes: Ejemplo en el que generamos una muestra aleatoria de un millón de lanzamientos con un dado «trucado»: >>> # La cara del "1" tiene un 50% de probabilidades de salir >>> dices = np.random.choice(range(1, 7), size=1_000_000, p=[.5, .1, .1, .1, .1, ˓ → .1]) >>> dices array([6, 5, 4, ..., 1, 6, 1]) >>> sum(dices == 1) 500290 >>> sum(dices == 6) 99550 8.2. numpy 315
- 320. Aprende Python Muestra aleatoria sin reemplazo: Ejemplo en el que seleccionamos 5 principios aleatorios del Zen de Python sin reemplazo: >>> import this >>> import codecs >>> zen = codecs.decode(this.s, rot-13 ).splitlines()[3:] # https://bit.ly/ ˓ →3xhsucQ >>> np.random.choice(zen, size=5, replace=False) array([ Unless explicitly silenced. , "Although that way may not be obvious at first unless you re Dutch.", Sparse is better than dense. , If the implementation is easy to explain, it may be a good idea. , Complex is better than complicated. ], dtype= <U69 ) Ver también: Listado de distribuciones aleatorias que se pueden utilizar en NumPy. Ejercicio Cree: • Una matriz de 20 filas y 5 columnas con valores flotantes equiespaciados en el intervalo cerrado [1, 10]. • Un array unidimensional con 128 valores aleatorios de una distribución normal 𝜇 = 1, 𝜎 = 2. • Un array unidimensional con 15 valores aleatorios de una muestra 1, X, 2 donde la probabilidad de que gane el equipo local es del 50%, la probabilidad de que empaten es del 30% y la probabilidad de que gane el visitante es del 20%. Constantes Numpy proporciona una serie de constantes predefinidas que facilitan su acceso y reutilización. Veamos algunas de ellas: >>> import numpy as np >>> np.Inf inf >>> np.nan nan (continué en la próxima página) 316 Capítulo 8. Ciencia de datos
- 321. Aprende Python (proviene de la página anterior) >>> np.e 2.718281828459045 >>> np.pi 3.141592653589793 8.2.3 Manipulando elementos Los arrays multidimensionales de NumPy están indexados por unos ejes que establecen la forma en la que debemos acceder a sus elementos. Véase el siguiente diagrama: Figura 15: Esquema de ejes sobre los arrays de NumPy3 Arrays unidimensionales Acceso a arrays unidimensionales >>> values array([10, 11, 12, 13, 14, 15]) >>> values[2] 12 >>> values[-3] 13 3 Imagen de Harriet Dashnow, Stéfan van der Walt y Juan Núñez-Iglesias en O’Reilly. 8.2. numpy 317
- 322. Aprende Python Modificación a arrays unidimensionales >>> values array([10, 11, 12, 13, 14, 15]) >>> values[0] = values[1] + values[5] >>> values array([26, 11, 12, 13, 14, 15]) Borrado en arrays unidimensionales >>> values array([10, 11, 12, 13, 14, 15]) >>> np.delete(values, 2) # índice (como escalar) array([10, 11, 13, 14, 15]) >>> np.delete(values, (2, 3, 4)) # índices (como tupla) array([10, 11, 15]) Nota: La función np.delete() no es destructiva. Devuelve una copia modificada del array. Inserción en arrays unidimensionales >>> values array([10, 11, 12, 13, 14, 15]) >>> np.append(values, 16) # añade elementos al final array([10, 11, 12, 13, 14, 15, 16]) >>> np.insert(values, 1, 101) # añade elementos en una posición array([ 10, 101, 11, 12, 13, 14, 15]) Para ambas funciones también es posible añadir varios elementos de una sola vez: >>> values array([10, 11, 12, 13, 14, 15]) >>> np.append(values, [16, 17, 18]) array([10, 11, 12, 13, 14, 15, 16, 17, 18]) 318 Capítulo 8. Ciencia de datos
- 323. Aprende Python Nota: La funciones np.append() y np.insert() no son destructivas. Devuelven una copia modificada del array. Arrays multidimensionales Partimos del siguiente array bidimensional (matriz) para ejemplificar las distintas operaciones: >>> values = np.arange(1, 13).reshape(3, 4) >>> values array([[ 1, 2, 3, 4], [ 5, 6, 7, 8], [ 9, 10, 11, 12]]) Acceso a arrays multidimensionales >>> values array([[ 1, 2, 3, 4], [ 5, 6, 7, 8], [ 9, 10, 11, 12]]) Acceso a elementos individuales:: >>> values[0, 0] 1 >>> values[-1, -1] 12 >>> values[1, 2] 7 Acceso a múltiples elementos:: >>> values[[0, 2], [1, 2]] # Elementos [0, 1] y [2, 2] array([ 2, 11]) Acceso a filas o columnas completas: >>> values[2] # tercera fila array([ 9, 10, 11, 12]) >>> values[:, 1] # segunda columna array([ 2, 6, 10]) 8.2. numpy 319
- 324. Aprende Python Acceso a zonas parciales del array: >>> values[0:2, 0:2] array([[1, 2], [5, 6]]) >>> values[0:2, [1, 3]] array([[2, 4], [6, 8]]) Importante: Todos estos accesos crean una copia (vista) del array original. Esto significa que, si modificamos un valor en el array copia, se ve reflejado en el original. Para evitar esta situación podemos usar la función np.copy() y desvincular la vista de su fuente. Modificación de arrays multidimensionales >>> values array([[ 1, 2, 3, 4], [ 5, 6, 7, 8], [ 9, 10, 11, 12]]) >>> values[0, 0] = 100 >>> values[1] = [55, 66, 77, 88] >>> values[:,2] = [30, 70, 110] >>> values array([[100, 2, 30, 4], [ 55, 66, 70, 88], [ 9, 10, 110, 12]]) Borrado en arrays multidimensionales >>> values array([[ 1, 2, 3, 4], [ 5, 6, 7, 8], [ 9, 10, 11, 12]]) >>> np.delete(values, 0, axis=0) # Borrado de la primera fila array([[ 5, 6, 7, 8], (continué en la próxima página) 320 Capítulo 8. Ciencia de datos
- 325. Aprende Python (proviene de la página anterior) [ 9, 10, 11, 12]]) >>> np.delete(values, (1, 3), axis=1) # Borrado de la segunda y cuarta columna array([[ 1, 3], [ 5, 7], [ 9, 11]]) Truco: Tener en cuenta que axis=0 hace referencia a filas y axis=1 hace referencia a columnas tal y como describe el diagrama del comienzo de la sección. Inserción en arrays multidimensionales Añadir elementos al final del array: >>> values array([[1, 2], [3, 4]]) >>> np.append(values, [[5, 6]], axis=0) array([[1, 2], [3, 4], [5, 6]]) >>> np.append(values, [[5], [6]], axis=1) array([[1, 2, 5], [3, 4, 6]]) Insertar elementos en posiciones arbitrarias del array: >>> values array([[1, 2], [3, 4]]) >>> np.insert(values, 0, [0, 0], axis=0) array([[0, 0], [1, 2], [3, 4]]) >>> np.insert(values, 1, [0, 0], axis=1) array([[1, 0, 2], [3, 0, 4]]) 8.2. numpy 321
- 326. Aprende Python Ejercicio Utilizando las operaciones de modificación, borrado e inserción, convierta la siguiente matriz: ⎡ ⎢ ⎢ ⎣ 17 12 31 49 11 51 21 31 62 63 75 22 ⎤ ⎥ ⎥ ⎦ en esta: ⎡ ⎣ 17 12 31 63 49 11 51 75 21 31 62 22 ⎤ ⎦ y luego en esta: ⎡ ⎣ 17 12 31 63 49 49 49 63 21 31 62 63 ⎤ ⎦ Apilando matrices Hay veces que nos interesa combinar dos matrices (arrays en general). Una de los mecanismos que nos proporciona NumPy es el apilado. Apilado vertical: >>> m1 = np.random.randint(1, 100, size=(3, 2)) >>> m2 = np.random.randint(1, 100, size=(1, 2)) >>> m1 array([[68, 68], [10, 50], [87, 92]]) >>> m2 array([[63, 80]]) >>> np.vstack((m1, m2)) array([[68, 68], [10, 50], [87, 92], [63, 80]]) Apilado horizontal: 322 Capítulo 8. Ciencia de datos
- 327. Aprende Python >>> m1 = np.random.randint(1, 100, size=(3, 2)) >>> m2 = np.random.randint(1, 100, size=(3, 1)) >>> m1 array([[51, 50], [52, 15], [14, 21]]) >>> m2 array([[18], [52], [ 1]]) >>> np.hstack((m1, m2)) array([[51, 50, 18], [52, 15, 52], [14, 21, 1]]) Repitiendo elementos Repetición por ejes: El parámetro de repetición indica el número de veces que repetimos el array completo por cada eje: >>> values array([[1, 2], [3, 4], [5, 6]]) >>> np.tile(values, 3) # x3 en columnas array([[1, 2, 1, 2, 1, 2], [3, 4, 3, 4, 3, 4], [5, 6, 5, 6, 5, 6]]) >>> np.tile(values, (2, 3)) # x2 en filas; x3 en columnas array([[1, 2, 1, 2, 1, 2], [3, 4, 3, 4, 3, 4], [5, 6, 5, 6, 5, 6], [1, 2, 1, 2, 1, 2], [3, 4, 3, 4, 3, 4], [5, 6, 5, 6, 5, 6]]) Repetición por elementos: El parámetro de repetición indica el número de veces que repetimos cada elemento del array: >>> values array([[1, 2], (continué en la próxima página) 8.2. numpy 323
- 328. Aprende Python (proviene de la página anterior) [3, 4], [5, 6]]) >>> np.repeat(values, 2) array([1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 6, 6]) >>> np.repeat(values, 2, axis=0) # x2 en filas array([[1, 2], [1, 2], [3, 4], [3, 4], [5, 6], [5, 6]]) >>> np.repeat(values, 3, axis=1) # x3 en columnas array([[1, 1, 1, 2, 2, 2], [3, 3, 3, 4, 4, 4], [5, 5, 5, 6, 6, 6]]) Acceso por diagonal Es bastante común acceder a elementos de una matriz (array en general) tomando como referencia su diagonal. Para ello, NumPy nos provee de ciertos mecanismos que veremos a continuación. Para ejemplificarlo, partiremos del siguiente array: >>> values array([[73, 86, 90, 20], [96, 55, 15, 48], [38, 63, 96, 95], [13, 87, 32, 96]]) Extracción de elementos por diagonal La función np.diag() permite acceder a los elementos de un array especificando un parámetro k que indica la «distancia» con la diagonal principal: Veamos cómo variando el parámetro k obtenemos distintos resultados: >>> np.diag(values) # k = 0 array([73, 55, 96, 96]) (continué en la próxima página) 324 Capítulo 8. Ciencia de datos
- 329. Aprende Python Figura 16: Acceso a elementos de un array por su diagonal 8.2. numpy 325
- 330. Aprende Python (proviene de la página anterior) >>> for k in range(1, values.shape[0]): ... print(f k={k} , np.diag(values, k=k)) ... k=1 [86 15 95] k=2 [90 48] k=3 [20] >>> for k in range(1, values.shape[0]): ... print(f k={-k} , np.diag(values, k=-k)) ... k=-1 [96 63 32] k=-2 [38 87] k=-3 [13] Modificación de elementos por diagonal NumPy también provee un método np.diag_indices() que retorna los índices de los elementos de la diagonal principal, con lo que podemos modificar sus valores directamente: >>> values array([[73, 86, 90, 20], [96, 55, 15, 48], [38, 63, 96, 95], [13, 87, 32, 96]]) >>> di = np.diag_indices(values.shape[0]) >>> di (array([0, 1, 2, 3]), array([0, 1, 2, 3])) >>> values[di] = 0 >>> values array([[ 0, 86, 90, 20], [96, 0, 15, 48], [38, 63, 0, 95], [13, 87, 32, 0]]) Truco: Existen igualmente las funciones np.triu_indices() y np.tril_indices() para obtener los índices de la diagonal superior e inferior de una matriz. 326 Capítulo 8. Ciencia de datos
- 331. Aprende Python 8.2.4 Operaciones sobre arrays Operaciones lógicas Indexado booleano El indexado booleano es una operación que permite conocer (a nivel de elemento) si un array cumple o no con una determinada condición: >>> values array([[60, 47, 34, 38], [43, 63, 37, 68], [58, 28, 31, 43], [32, 65, 32, 96]]) >>> values > 50 # indexado booleano array([[ True, False, False, False], [False, True, False, True], [ True, False, False, False], [False, True, False, True]]) >>> values[values > 50] # uso de máscara array([60, 63, 68, 58, 65, 96]) >>> values[values > 50] = -1 # modificación de valores >>> values array([[-1, 47, 34, 38], [43, -1, 37, -1], [-1, 28, 31, 43], [32, -1, 32, -1]]) Las condiciones pueden ser más complejas e incorporar operadores lógicos | (or) y & (and): >>> values array([[60, 47, 34, 38], [43, 63, 37, 68], [58, 28, 31, 43], [32, 65, 32, 96]]) >>> (values < 25) | (values > 75) array([[False, False, False, False], [False, False, False, False], [False, False, False, False], [False, False, False, True]]) (continué en la próxima página) 8.2. numpy 327
- 332. Aprende Python (proviene de la página anterior) >>> (values > 25) & (values < 75) array([[ True, True, True, True], [ True, True, True, True], [ True, True, True, True], [ True, True, True, False]]) Consejo: El uso de paréntesis es obligatorio si queremos mantener la precedencia y que funcione correctamente. Ejercicio Extraiga todos los números impares de la siguiente matriz: values = ⎡ ⎣ 10 11 12 13 14 15 16 17 18 19 20 21 ⎤ ⎦ Si lo que nos interesa es obtener los índices del array que satisfacen una determinada condición, NumPy nos proporciona el método where() cuyo comportamiento se ejemplifica a continuación: >>> values array([[60, 47, 34, 38], [43, 63, 37, 68], [58, 28, 31, 43], [32, 65, 32, 96]]) >>> idx = np.where(values > 50) >>> idx (array([0, 1, 1, 2, 3, 3]), array([0, 1, 3, 0, 1, 3])) >>> values[idx] array([60, 63, 68, 58, 65, 96]) Ejercicio Partiendo de una matriz de 10 filas y 10 columnas con valores aleatorios enteros en el intervalo [0, 100], realice las operaciones necesarias para obtener una matriz de las mismas dimensiones donde: • Todos los elementos de la diagonal sean 50. 328 Capítulo 8. Ciencia de datos
- 333. Aprende Python • Los elementos mayores que 50 tengan valor 100. • Los elementos menores que 50 tengan valor 0. Comparando arrays Dados dos arrays podemos compararlos usando el operador == del mismo modo que con cualquier otro objeto en Python. La cuestión es que el resultado se evalúa a nivel de elemento: >>> m1 = np.array([[1, 2], [3, 4]]) >>> m3 = np.array([[1, 2], [3, 4]]) >>> m1 == m2 array([[ True, True], [ True, True]]) Si queremos comparar arrays en su totalidad, podemos hacer uso de la siguiente función: >>> np.array_equal(m1, m2) True Operaciones de conjunto Al igual que existen operaciones sobre conjuntos en Python, también podemos llevarlas a cabo sobre arrays en NumPy. Unión de arrays 𝑥 ∪ 𝑦 >>> x array([ 9, 4, 11, 3, 14, 5, 13, 12, 7, 14]) >>> y array([17, 9, 19, 4, 18, 4, 7, 13, 11, 10]) >>> np.union1d(x, y) array([ 3, 4, 5, 7, 9, 10, 11, 12, 13, 14, 17, 18, 19]) 8.2. numpy 329
- 334. Aprende Python Intersección de arrays 𝑥 ∩ 𝑦 >>> x array([ 9, 4, 11, 3, 14, 5, 13, 12, 7, 14]) >>> y array([17, 9, 19, 4, 18, 4, 7, 13, 11, 10]) >>> np.intersect1d(x, y) array([ 4, 7, 9, 11, 13]) Diferencia de arrays 𝑥 ∖ 𝑦 >>> x array([ 9, 4, 11, 3, 14, 5, 13, 12, 7, 14]) >>> y array([17, 9, 19, 4, 18, 4, 7, 13, 11, 10]) >>> np.setdiff1d(x, y) array([ 3, 5, 12, 14]) Ordenación de arrays En términos generales, existen dos formas de ordenar cualquier estructura de datos, una que modifica «in-situ» los valores (destructiva) y otra que devuelve «nuevos» valores (no destructiva). En el caso de NumPy también es así. Ordenación sobre arrays unidimensionales >>> values array([23, 24, 92, 88, 75, 68, 12, 91, 94, 24, 9, 21, 42, 3, 66]) >>> np.sort(values) # no destructivo array([ 3, 9, 12, 21, 23, 24, 24, 42, 66, 68, 75, 88, 91, 92, 94]) >>> values.sort() # destructivo >>> values array([ 3, 9, 12, 21, 23, 24, 24, 42, 66, 68, 75, 88, 91, 92, 94]) 330 Capítulo 8. Ciencia de datos
- 335. Aprende Python Ordenación sobre arrays multidimensionales >>> values array([[52, 23, 90, 46], [61, 63, 74, 59], [75, 5, 58, 70], [21, 7, 80, 52]]) >>> np.sort(values, axis=1) # equivale a np.sort(values) array([[23, 46, 52, 90], [59, 61, 63, 74], [ 5, 58, 70, 75], [ 7, 21, 52, 80]]) >>> np.sort(values, axis=0) array([[21, 5, 58, 46], [52, 7, 74, 52], [61, 23, 80, 59], [75, 63, 90, 70]]) Nota: También existe values.sort(axis=1) y values.sort(axis=0) como métodos «destructivos» de ordenación. Contando valores Otra de las herramientas útiles que proporciona NumPy es la posibilidad de contar el número de valores que existen en un array en base a ciertos criterios. Para ejemplificarlo, partiremos de un array unidimensional con valores de una distribución aleatoria uniforme en el intervalo [1, 10]: >>> randomized = np.random.randint(1, 11, size=1000) >>> randomized array([ 7, 9, 7, 8, 3, 7, 6, 4, 3, 9, 3, 1, 6, 7, 10, 4, 8, 1, 3, 3, 8, 5, 4, 7, 5, 8, 8, 3, 10, 1, 7, 10, 3, 10, 2, 9, 5, 1, 2, 4, 4, 10, 5, 10, 5, 2, 5, 2, 10, 3, 4, ... Valores únicos: >>> np.unique(randomized) array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) 8.2. numpy 331
- 336. Aprende Python Valores únicos (incluyendo frecuencias): >>> np.unique(randomized, return_counts=True) (array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]), array([101, 97, 117, 94, 101, 88, 94, 110, 93, 105])) Valores distintos de cero: >>> np.count_nonzero(randomized) 1000 Valores distintos de cero (incluyendo condición): >>> np.count_nonzero(randomized > 5) 490 Operaciones aritméticas Una de las grandes ventajas del uso de arrays numéricos en NumPy es la posibilidad de trabajar con ellos como si fueran objetos «simples» pero sacando partido de la aritmética vectorial. Esto redunda en una mayor eficiencia y rapidez de cómputo. Operaciones aritméticas con mismas dimensiones Cuando operamos entre arrays de las mismas dimensiones, las operaciones aritméticas se realizan elemento a elemento (ocupando misma posición) y el resultado, obviamente, tiene las mismas dimensiones: >>> m1 array([[21, 86, 45], [31, 36, 78], [31, 64, 70]]) >>> m2 array([[58, 67, 17], [99, 53, 9], [92, 42, 75]]) >>> m1 + m2 array([[ 79, 153, 62], [130, 89, 87], [123, 106, 145]]) >>> m1 - m2 (continué en la próxima página) 332 Capítulo 8. Ciencia de datos
- 337. Aprende Python (proviene de la página anterior) array([[-37, 19, 28], [-68, -17, 69], [-61, 22, -5]]) >>> m1 * m2 array([[1218, 5762, 765], [3069, 1908, 702], [2852, 2688, 5250]]) >>> m1 / m2 # división flotante array([[0.36206897, 1.28358209, 2.64705882], [0.31313131, 0.67924528, 8.66666667], [0.33695652, 1.52380952, 0.93333333]]) >>> m1 // m2 # división entera array([[0, 1, 2], [0, 0, 8], [0, 1, 0]]) Operaciones aritméticas con distintas dimensiones Cuando operamos entre arrays con dimensiones diferentes, siempre y cuando se cumplan ciertas restricciones en tamaños de filas y/o columnas, lo que se produce es un «broadcasting» (o difusión) de los valores. Suma con array «fila»: >>> m array([[9, 8, 1], [7, 6, 7]]) >>> v array([[2, 3, 6]]) >>> m + v # broadcasting array([[11, 11, 7], [ 9, 9, 13]]) Suma con array «columna»: >>> m array([[9, 8, 1], [7, 6, 7]]) (continué en la próxima página) 8.2. numpy 333
- 338. Aprende Python (proviene de la página anterior) >>> v array([[1], [6]]) >>> m + v # broadcasting array([[10, 9, 2], [13, 12, 13]]) Advertencia: En el caso de que no coincidan dimensiones de filas y/o columnas, NumPy no podrá ejecutar la operación y obtendremos un error ValueError: operands could not be broadcast together with shapes. Operaciones entre arrays y escalares Al igual que ocurría en los casos anteriores, si operamos con un array y un escalar, éste último será difundido para abarcar el tamaño del array: >>> m array([[9, 8, 1], [7, 6, 7]]) >>> m + 5 array([[14, 13, 6], [12, 11, 12]]) >>> m - 5 array([[ 4, 3, -4], [ 2, 1, 2]]) >>> m * 5 array([[45, 40, 5], [35, 30, 35]]) >>> m / 5 array([[1.8, 1.6, 0.2], [1.4, 1.2, 1.4]]) >>> m // 5 array([[1, 1, 0], [1, 1, 1]]) >>> m ** 5 (continué en la próxima página) 334 Capítulo 8. Ciencia de datos
- 339. Aprende Python (proviene de la página anterior) array([[59049, 32768, 1], [16807, 7776, 16807]]) Operaciones unarias Existen multitud de operaciones sobre un único array. A continuación veremos algunas de las más utilizas en NumPy. Funciones universales Las funciones universales «ufunc» son funciones que operan sobre arrays elemento a elemento. Existen muchas funciones universales definidas en Numpy, parte de ellas operan sobre dos arrays y parte sobre un único array. Un ejemplo de algunas de estas funciones: >>> values array([[48.32172375, 24.89651106, 77.49724241], [77.81874191, 22.54051494, 65.11282444], [ 5.54960482, 59.06720303, 62.52817198]]) >>> np.sqrt(values) array([[6.95138287, 4.98964037, 8.80325181], [8.82149318, 4.74768522, 8.06925179], [2.35575992, 7.68551905, 7.9074757 ]]) >>> np.sin(values) array([[-0.93125201, -0.23403917, 0.86370435], [ 0.66019205, -0.52214693, 0.75824777], [-0.66953344, 0.58352079, -0.29903488]]) >>> np.ceil(values) array([[49., 25., 78.], [78., 23., 66.], [ 6., 60., 63.]]) >>> np.floor(values) array([[48., 24., 77.], [77., 22., 65.], [ 5., 59., 62.]]) >>> np.log(values) array([[3.87788123, 3.21472768, 4.35024235], (continué en la próxima página) 8.2. numpy 335
- 340. Aprende Python (proviene de la página anterior) [4.3543823 , 3.11531435, 4.17612153], [1.71372672, 4.07867583, 4.13561721]]) Reduciendo el resultado NumPy nos permite aplicar cualquier función sobre un array reduciendo el resultado por alguno de sus ejes. Esto abre una amplia gama de posibilidades. A modo de ilustración, veamos un par de ejemplos con la suma y el producto: >>> values array([[8, 2, 7], [2, 0, 6], [6, 3, 4]]) >>> np.sum(values, axis=0) # suma por columnas array([16, 5, 17]) >>> np.sum(values, axis=1) # suma por filas array([17, 8, 13]) >>> np.prod(values, axis=0) # producto por columnas array([ 96, 0, 168]) >>> np.prod(values, axis=1) # producto por filas array([112, 0, 72]) Ejercicio Compruebe que, para 𝜃 = 2𝜋 (radianes) y 𝑘 = 20 se cumple la siguiente igualdad del producto infinito de Euler: cos (︂ 𝜃 2 )︂ · cos (︂ 𝜃 4 )︂ · cos (︂ 𝜃 8 )︂ · · · = 𝑘 ∏︁ 𝑖=1 cos (︂ 𝜃 2𝑖 )︂ ≈ sin(𝜃) 𝜃 336 Capítulo 8. Ciencia de datos
- 341. Aprende Python Funciones estadísticas NumPy proporciona una gran cantidad de funciones estadísticas que pueden ser aplicadas sobre arrays. Veamos algunas de ellas: >>> dist array([[-6.79006504, -0.01579498, -0.29182173, 0.3298951 , -5.30598975], [ 3.10720923, -4.09625791, -7.60624152, 2.3454259 , 9.23399023], [-7.4394269 , -9.68427195, 3.04248586, -5.9843767 , 1.536578 ], [ 3.33953286, -8.41584411, -9.530274 , -2.42827813, -7.34843663], [ 7.1508544 , 5.51727548, -3.20216834, -5.00154367, -7.15715252]]) >>> np.mean(dist) -2.1877878715377777 >>> np.std(dist) 5.393254994089515 >>> np.median(dist) -3.2021683412383295 Máximos y mínimos Una de las operaciones más comunes en el manejo de datos es encontrar máximos o mínimos. Para ello, disponemos de las típicas funciones con las ventajas del uso de arrays multidimensionales: >>> values array([[66, 54, 33, 15, 58], [55, 46, 39, 16, 38], [73, 75, 79, 25, 83], [81, 30, 22, 32, 8], [92, 25, 82, 10, 90]]) >>> np.min(values) 8 >>> np.min(values, axis=0) array([55, 25, 22, 10, 8]) >>> np.min(values, axis=1) array([15, 16, 25, 8, 10]) >>> np.max(values) (continué en la próxima página) 8.2. numpy 337
- 342. Aprende Python (proviene de la página anterior) 92 >>> np.max(values, axis=0) array([92, 75, 82, 32, 90]) >>> np.max(values, axis=1) array([66, 55, 83, 81, 92]) Si lo que interesa es obtener los índices de aquellos elementos con valores máximos o mínimos, podemos hacer uso de las funciones argmax() y argmin() respectivamente. Veamos un ejemplo donde obtenemos los valores máximos por columnas (mediante sus índices): >>> values array([[66, 54, 33, 15, 58], [55, 46, 39, 16, 38], [73, 75, 79, 25, 83], [81, 30, 22, 32, 8], [92, 25, 82, 10, 90]]) >>> idx = np.argmax(values, axis=0) >>> idx array([4, 2, 4, 3, 4]) >>> values[idx, range(values.shape[1])] array([92, 75, 82, 32, 90]) Vectorizando funciones Una de las ventajas de trabajar con arrays numéricos en NumPy es sacar provecho de la optimización que se produce a nivel de la propia estructura de datos. En el caso de que queramos implementar una función propia para realizar una determinada acción, sería deseable seguir aprovechando esa característica. Veamos un ejemplo en el que queremos realizar el siguiente cálculo entre dos matrices 𝐴 y 𝐵: 𝐴𝑖𝑗 * 𝐵𝑖𝑗 = ⎧ ⎪ ⎨ ⎪ ⎩ 𝐴𝑖𝑗 + 𝐵𝑖𝑗 , si 𝐴𝑖𝑗 > 𝐵𝑖𝑗 𝐴𝑖𝑗 − 𝐵𝑖𝑗 , si 𝐴𝑖𝑗 < 𝐵𝑖𝑗 0 , e.o.c. Esta función, definida en Python, quedaría tal que así: 338 Capítulo 8. Ciencia de datos
- 343. Aprende Python >>> def customf(a, b): ... if a > b: ... return a + b ... elif a < b: ... return a - b ... else: ... return 0 ... Las dos matrices de partida tienen 9M de valores aleatorios entre -100 y 100: >>> A = np.random.randint(-100, 100, size=(3000, 3000)) >>> B = np.random.randint(-100, 100, size=(3000, 3000)) Una primera aproximación para aplicar esta función a cada elemento de las matrices de entrada sería la siguiente: >>> result = np.zeros_like(A) >>> %%timeit ... for i in range(A.shape[0]): ... for j in range(A.shape[1]): ... result[i, j] = customf(A[i, j], B[i, j]) ... 3 s ± 23.8 ms per loop (mean ± std. dev. of 7 runs, 1 loop each) Mejorando rendimiento con funciones vectorizadas Con un pequeño detalle podemos mejorar el rendimiento de la función que hemos diseñado anteriormente. Se trata de decorarla con np.vectorize con lo que estamos otorgándole un comportamiento distinto y enfocado al procesamiento de arrays numéricos: >>> @np.vectorize ... def customf(a, b): ... if a > b: ... return a + b ... elif a < b: ... return a - b ... else: ... return 0 ... Dado que ahora ya se trata de una función vectorizada podemos aplicarla directamente a las matrices de entrada (aprovechamos para medir su tiempo de ejecución): 8.2. numpy 339
- 344. Aprende Python >>> %timeit customf(A, B) 1.29 s ± 7.33 ms per loop (mean ± std. dev. of 7 runs, 1 loop each) Hemos obtenido una mejora de 2.32x con respecto al uso de funciones simples. Truco: La mejora de rendimiento se aprecia más claramente a medida que los tamaños de las matrices (arrays) de entrada son mayores. Consejo: El uso de funciones lambda puede ser muy útil en vectorización: np. vectorize(lambda a, b: return a + b). Ejercicio 1. Cree dos matrices cuadradas de 20x20 con valores aleatorios flotantes uniformes en el intervalo [0, 1000) 2. Vectorice una función que devuelva la media (elemento a elemento) entre las dos matrices. 3. Realice la misma operación que en 2) pero usando suma de matrices y división por escalar. 4. Compute los tiempos de ejecución de 2) y 3) 8.2.5 Álgebra lineal NumPy tiene una sección dedicada al álgebra lineal cuyas funciones pueden resultar muy interesantes según el contexto en el que estemos trabajando. Producto de matrices Si bien hemos hablado del producto de arrays elemento a elemento, NumPy nos permite hacer la multiplicación clásica de matrices: >>> m1 array([[1, 8, 4], [8, 7, 1], [1, 3, 8]]) >>> m2 (continué en la próxima página) 340 Capítulo 8. Ciencia de datos
- 345. Aprende Python (proviene de la página anterior) array([[1, 5, 7], [9, 4, 2], [1, 4, 2]]) >>> np.dot(m1, m2) array([[77, 53, 31], [72, 72, 72], [36, 49, 29]]) En Python 3.5 se introdujo el operador @ que permitía implementar el método especial __matmul__() de multiplicación de matrices. NumPy lo ha desarrollado y simplifica la multiplicación de matrices de la siguiente manera: >>> m1 @ m2 array([[77, 53, 31], [72, 72, 72], [36, 49, 29]]) Ejercicio Compruebe que la matriz [︂ 1 2 3 5 ]︂ satisface la ecuación matricial: 𝑋2 − 6𝑋 − 𝐼 = 0 donde 𝐼 es la matriz identidad de orden 2. Determinante de una matriz El cálculo del determinante es una operación muy utilizada en álgebra lineal. Lo podemos realizar en NumPy de la siguiente manera: >>> m array([[4, 1, 6], [4, 8, 8], [2, 1, 7]]) >>> np.linalg.det(m) 108.00000000000003 8.2. numpy 341
- 346. Aprende Python Inversa de una matriz La inversa de una matriz se calcula de la siguiente manera: >>> m array([[4, 1, 6], [4, 8, 8], [2, 1, 7]]) >>> m_inv = np.linalg.inv(m) >>> m_inv array([[ 0.44444444, -0.00925926, -0.37037037], [-0.11111111, 0.14814815, -0.07407407], [-0.11111111, -0.01851852, 0.25925926]]) Una propiedad de la matriz inversa es que si la multiplicamos por la matriz de partida obtenemos la matriz identidad. Vemos que se cumple 𝒜 · 𝒜−1 = ℐ: >>> np.dot(m, m_inv) array([[1., 0., 0.], [0., 1., 0.], [0., 0., 1.]]) Traspuesta de una matriz La traspuesta de una matriz 𝒜 se denota por: (𝒜𝑡 )𝑖𝑗 = 𝒜𝑗𝑖, 1 ≤ 𝑖 ≤ 𝑛, 1 ≤ 𝑗 ≤ 𝑚, pero básicamente consiste en intercambiar filas por columnas. Aún más fácil es computar la traspuesta de una matriz con NumPy: >>> m array([[1, 2, 3], [4, 5, 6]]) >>> m.T array([[1, 4], [2, 5], [3, 6]]) Ejercicio Dadas las matrices: 𝐴 = [︂ 1 −2 1 3 0 1 ]︂ ; 𝐵 = [︂ 4 0 −1 −2 1 0 ]︂ 342 Capítulo 8. Ciencia de datos
- 347. Aprende Python , compruebe que se cumplen las siguientes igualdades: • (𝐴 + 𝐵)𝑡 = 𝐴𝑡 + 𝐵𝑡 • (3𝐴)𝑡 = 3𝐴𝑡 Elevar matriz a potencia En el mundo del álgebra lineal es muy frecuente recurrir a la exponenciación de matrices a a través de su producto clásico. En este sentido, NumPy nos proporciona una función para computarlo: >>> m array([[4, 1, 6], [4, 8, 8], [2, 1, 7]]) >>> np.linalg.matrix_power(m, 3) # más eficiente que np.dot(m, np.dot(m, m)) array([[ 348, 250, 854], [ 848, 816, 2000], [ 310, 231, 775]]) Ejercicio Dada la matriz 𝐴 = ⎡ ⎣ 4 5 −1 −3 −4 1 −3 −4 0 ⎤ ⎦ calcule: 𝐴2 , 𝐴3 , . . . , 𝐴128 ¿Nota algo especial en los resultados? Sistemas de ecuaciones lineales NumPy también nos permite resolver sistemas de ecuaciones lineales. Para ello debemos modelar nuestro sistema a través de arrays. Veamos un ejemplo en el que queremos resolver el siguiente sistema de ecuaciones lineales: ⎧ ⎪ ⎨ ⎪ ⎩ 𝑥1 + 2𝑥3 = 1 𝑥1 − 𝑥2 = −2 𝑥2 + 𝑥3 = −1 =⇒ ⎛ ⎝ 1 0 2 1 −1 0 0 1 1 ⎞ ⎠ ⎛ ⎝ 𝑥1 𝑥2 𝑥3 ⎞ ⎠ = ⎛ ⎝ 1 −2 −1 ⎞ ⎠ =⇒ 𝒜𝒳 = ℬ Podemos almacenar las matrices de coeficientes 𝒜 y ℬ de la siguiente manera: 8.2. numpy 343
- 348. Aprende Python >>> A = np.array([[1, 0, 2], [1, -1, 0], [0, 1, 1]]) >>> B = np.array([1, -2, -1]).reshape(-1, 1) >>> A array([[ 1, 0, 2], [ 1, -1, 0], [ 0, 1, 1]]) >>> B array([[ 1], [-2], [-1]]) La solución al sistema viene dada por la siguiente función: >>> np.linalg.solve(A, B) array([[-7.], [-5.], [ 4.]]) La solución del sistema debe ser la misma que si obtenemos 𝒳 = 𝒜−1 · 𝐵: >>> np.dot(np.linalg.inv(A), B) array([[-7.], [-5.], [ 4.]]) Ejercicio Resuelva el siguiente sistema de ecuaciones lineales: ⎧ ⎪ ⎨ ⎪ ⎩ 3𝑥 + 4𝑦 − 𝑧 = 8 5𝑥 − 2𝑦 + 𝑧 = 4 2𝑥 − 2𝑦 + 𝑧 = 1 344 Capítulo 8. Ciencia de datos
- 349. Aprende Python 8.3 pandas pandas es un paquete open-source que nos proporciona una forma sencilla y potente de trabajar con estructuras de datos a través de múltiples herramientas para su análisis.1 $ pip install pandas La forma más común de importar esta librería es usar el alias pd: >>> import pandas as pd Si bien en Numpy la estructura de datos fundamental es el ndarray, en pandas existen dos estructuras de datos sobre las que giran todas las operaciones: • Series. • Dataframes. 1 Foto original de portada por Sid Balachandran en Unsplash. 8.3. pandas 345
- 350. Aprende Python 8.3.1 Series Podríamos pensar en una serie como un ndarray en el que cada valor tiene asignado una etiqueta (índice) y además admite un título (nombre). Creación de una serie Veamos varios ejemplos de creación de la serie [1, 2, 3]. Creación de series usando listas: >>> pd.Series([1, 2, 3]) 0 1 1 2 2 3 dtype: int64 Nota: El índice por defecto se crea con números enteros positivos empezando desde 0. Especificando un índice personalizado (etiqueta a cada valor): >>> pd.Series(range(1, 4), index=[ a , b , c ]) a 1 b 2 c 3 dtype: int64 Especificando un diccionario con etiquetas y valores: >>> items = { a : 1, b : 2, c : 3} >>> pd.Series(items) a 1 b 2 c 3 dtype: int64 Todas las series que hemos visto hasta ahora no tienen asignado ningún nombre. Lo podemos hacer usando el parámetro name en la creación de la serie: >>> pd.Series([1, 2, 3], name= integers ) 0 1 1 2 (continué en la próxima página) 346 Capítulo 8. Ciencia de datos
- 351. Aprende Python (proviene de la página anterior) 2 3 Name: integers, dtype: int64 Ejercicio Cree una serie de pandas con valores enteros en el intervalo [1, 26] y etiquetas ABCDEFGHIJKLMNOPQRSTUVWXYZ . Busque una manera programática (no manual) de hacerlo (recuerde el módulo string). Atributos de una serie Las series en pandas contienen gran cantidad de atributos. A continuación destacaremos algunos de ellos. Trabajaremos con datos que contienen el número de empleados/as de diferentes empresas tecnológicas2 : >>> data { Apple : 147000, Samsung : 267937, Google : 135301, Microsoft : 163000, Huawei : 197000, Dell : 158000, Facebook : 58604, Foxconn : 878429, Sony : 109700} >>> employees = pd.Series(data, name= Tech Employees ) Índice de la serie: >>> employees.index Index([ Apple , Samsung , Google , Microsoft , Huawei , Dell , Facebook , Foxconn , Sony ], dtype= object ) Valores de la serie: >>> employees.values array([147000, 267937, 135301, 163000, 197000, 158000, 58604, 878429, 109700]) 2 Fuente: Wikipedia. 8.3. pandas 347
- 352. Aprende Python Tipo de la serie: >>> employees.dtype dtype( int64 ) Nombre de la serie: >>> employees.name Tech Employees Memoria ocupada por la serie: >>> employees.nbytes 72 Número de registros de la serie: >>> employees.size 9 Selección de registros La selección de los datos se puede realizar desde múltiples aproximaciones. A continuación veremos las posiblidades que nos ofrece pandas para seleccionar/filtrar los registros de una serie. >>> employees Apple 147000 Samsung 267937 Google 135301 Microsoft 163000 Huawei 197000 Dell 158000 Facebook 58604 Foxconn 878429 Sony 109700 Name: Tech Employees, dtype: int64 348 Capítulo 8. Ciencia de datos
- 353. Aprende Python Selección usando indexado numérico Para acceder a los registros por su posición (índice numérico) basta usar corchetes como ya se ha visto en cualquier secuencia: >>> employees[0] 147000 >>> employees[-1] 109700 >>> employees[2:5] Google 135301 Microsoft 163000 Huawei 197000 Name: Tech Employees, dtype: int64 >>> employees[1:6:2] Samsung 267937 Microsoft 163000 Dell 158000 Name: Tech Employees, dtype: int64 El atributo iloc es un alias (algo más expresivo) que permite realizar las mismas operaciones de indexado (con corchetes) que hemos visto anteriormente: >>> employees.iloc[1:6:2] Samsung 267937 Microsoft 163000 Dell 158000 Name: Tech Employees, dtype: int64 Truco: Python, y en este caso pandas, se dicen «0-index» porque sus índices (posiciones) comienzan en cero. Selección usando etiquetas En el caso de aquellas series que dispongan de un índice con etiquetas, podemos acceder a sus registros utilizando las mismas: >>> employees[ Apple ] # equivalente a employees.Apple 147000 (continué en la próxima página) 8.3. pandas 349
- 354. Aprende Python (proviene de la página anterior) >>> employees[ Apple : Huawei ] Apple 147000 Samsung 267937 Google 135301 Microsoft 163000 Huawei 197000 Name: Tech Employees, dtype: int64 >>> employees[ Apple : Huawei :2] Apple 147000 Google 135301 Huawei 197000 Name: Tech Employees, dtype: int64 El atributo loc es un alias (algo más expresivo) que permite realizar las mismas operaciones de indexado (con corchetes) que hemos visto anteriormente: >>> employees.loc[ Apple : Huawei :2] Apple 147000 Google 135301 Huawei 197000 Name: Tech Employees, dtype: int64 Fragmentos de comienzo y fin A nivel exploratorio, es bastante cómodo acceder a una porción inicial (o final) de los datos que manejamos. Esto se puede hacer de forma muy sencilla con series: >>> employees.head(3) Apple 147000 Samsung 267937 Google 135301 Name: Tech Employees, dtype: int64 >>> employees.tail(3) Facebook 58604 Foxconn 878429 Sony 109700 Name: Tech Employees, dtype: int64 350 Capítulo 8. Ciencia de datos
- 355. Aprende Python Operaciones con series Si tenemos en cuenta que una serie contiene valores en formato ndarray podemos concluir que las operaciones sobre arrays son aplicables al caso de las series. Veamos algunos ejemplos de operaciones que podemos aplicar sobre series. Operaciones lógicas Supongamos que queremos filtrar aquellas empresas que tengan más de 200000 trabajadores/as: >>> employees > 200_000 Apple False Samsung True Google False Microsoft False Huawei False Dell False Facebook False Foxconn True Sony False Name: Tech Employees, dtype: bool Hemos obtenido una serie «booleana». Si queremos aplicar esta «máscara», podemos hacerlo con indexado: >>> employees[employees > 200_000] # empresas con más de 200K trabajadores/as Samsung 267937 Foxconn 878429 Name: Tech Employees, dtype: int64 Ordenación Ordenación de una serie por sus valores: >>> employees.sort_values() Facebook 58604 Sony 109700 Google 135301 Apple 147000 Dell 158000 Microsoft 163000 Huawei 197000 (continué en la próxima página) 8.3. pandas 351
- 356. Aprende Python (proviene de la página anterior) Samsung 267937 Foxconn 878429 Name: Tech Employees, dtype: int64 Ordenación de una serie por su índice: >>> employees.sort_index() Apple 147000 Dell 158000 Facebook 58604 Foxconn 878429 Google 135301 Huawei 197000 Microsoft 163000 Samsung 267937 Sony 109700 Name: Tech Employees, dtype: int64 Truco: Ambos métodos admiten el parámetro ascending para indicar si la ordenación es ascendente (True) o descendente (False); y también admiten el parámetro inplace para indicar si se quiere modificar los valores de la serie (True) o devolver una nueva ya ordenada (False). Contando valores Si queremos obtener una «tabla de frecuencias» podemos contar los valores que existen en nuestra serie: >>> marks = pd.Series([5, 5, 3, 6, 5, 2, 8, 3, 8, 7, 6]) >>> marks.value_counts() 5 3 3 2 6 2 8 2 2 1 7 1 dtype: int64 Vinculado con el caso anterior, podemos obtener el número de valores únicos en la serie: 352 Capítulo 8. Ciencia de datos
- 357. Aprende Python >>> marks.nunique() 6 El método count() devuelve el número de valores «no nulos» que contiene la serie: >>> marks.count() # en este caso es equivalente a marks.size 11 Operaciones aritméticas Operaciones entre series y escalares Podemos operar entre series y escalares sin ningún tipo de problema: >>> employees / 1000 Apple 147.000 Samsung 267.937 Google 135.301 Microsoft 163.000 Huawei 197.000 Dell 158.000 Facebook 58.604 Foxconn 878.429 Sony 109.700 Name: Tech Employees, dtype: float64 Operaciones entre series Para el caso de operaciones entre series, vamos a ejemplificarlo con las dos siguientes3 : >>> employees Apple 147000 Samsung 267937 Google 135301 Microsoft 163000 Huawei 197000 Dell 158000 Facebook 58604 Foxconn 878429 Sony 109700 Name: Tech Employees, dtype: int64 (continué en la próxima página) 3 Los datos de ingresos («revenues») están en billones (americanos) de dólares. 8.3. pandas 353
- 358. Aprende Python (proviene de la página anterior) >>> revenues Apple 274515 Samsung 200734 Google 182527 Microsoft 143015 Huawei 129184 Dell 92224 Facebook 85965 Foxconn 181945 Sony 84893 Name: Tech Revenues, dtype: int64 Supongamos que queremos calcular la ratio de ingresos por trabajador/a: >>> revenues / employees Apple 1.867449 Samsung 0.749184 Google 1.349044 Microsoft 0.877393 Huawei 0.655756 Dell 0.583696 Facebook 1.466879 Foxconn 0.207125 Sony 0.773865 dtype: float64 Truco: Tener en cuenta que las operaciones se realizan entre registros que tienen el mismo índice (etiqueta). Funciones estadísticas Existen multitud de funciones estadísticas que podemos aplicar a una serie. Dependiendo del tipo de dato con el que estamos trabajando, serán más útiles unas que otras. Veamos dos funciones a modo de ejemplo: >>> employees.mean() 234996.77777777778 >>> employees.std() 248027.7840619765 354 Capítulo 8. Ciencia de datos
- 359. Aprende Python Máximos y mínimos El abanico de posibilidades es muy amplio en cuanto a la búsqueda de valores máximos y mínimos en una serie. Veamos lo que nos ofrece pandas a este respecto. Obtener valor mínimo/máximo de una serie: >>> employees.min() 58604 >>> employees.max() 878429 Posición (índice) del valor mínimo/máximo de una serie: >>> employees.argmin() # employees[6] = 58604 6 >>> employees.argmax() # employees[7] = 878429 7 Etiqueta (índice) del valor mínimo/máximo de una serie: >>> employees.idxmin() Facebook >>> employees.idxmax() Foxconn Obtener los 𝑛 valores menores/mayores de una serie: >>> employees.nsmallest(3) Facebook 58604 Sony 109700 Google 135301 Name: Tech Employees, dtype: int64 >>> employees.nlargest(3) Foxconn 878429 Samsung 267937 Huawei 197000 Name: Tech Employees, dtype: int64 8.3. pandas 355
- 360. Aprende Python Exportación de series Suele ser bastante habitual intercambiar datos en distintos formatos (y aplicaciones). Para ello, pandas nos permite exportar una serie a multitud de formatos. Veamos algunos de ellos: Exportación de serie a lista: >>> employees.to_list() [147000, 267937, 135301, 163000, 197000, 158000, 58604, 878429, 109700] Exportación de serie a diccionario: >>> employees.to_dict() { Apple : 147000, Samsung : 267937, Google : 135301, Microsoft : 163000, Huawei : 197000, Dell : 158000, Facebook : 58604, Foxconn : 878429, Sony : 109700} Exportación de serie a csv: >>> employees.to_csv() ,Tech EmployeesnApple,147000nSamsung,267937nGoogle,135301nMicrosoft,163000 ˓ →nHuawei,197000nDell,158000nFacebook,58604nFoxconn,878429nSony,109700n Exportación de serie a json: >>> employees.to_json() {"Apple":147000,"Samsung":267937,"Google":135301,"Microsoft":163000,"Huawei ˓ →":197000,"Dell":158000,"Facebook":58604,"Foxconn":878429,"Sony":109700} Exportación de serie a pandas.DataFrame: >>> employees.to_frame() Tech Employees Apple 147000 Samsung 267937 Google 135301 Microsoft 163000 Huawei 197000 Dell 158000 Facebook 58604 Foxconn 878429 Sony 109700 356 Capítulo 8. Ciencia de datos
- 361. Aprende Python Y muchos otros como: to_clipboard(), to_numpy(), to_pickle(), to_string(), to_xarray(), to_excel(), to_hdf(), to_latex(), to_markdown(), to_period(), to_sql() o to_timestamp(). 8.3.2 DataFrames Un DataFrame es una estructura tabular compuesta por series. Se trata del tipo de datos fundamental en pandas y sobre el que giran la mayoría de operaciones que podemos realizar. Figura 17: Estructura de un DataFrame a partir de Series Creación de un DataFrame Existen múltiples formas de crear un DataFrame en pandas. Veamos algunas de ellas. DataFrame desde diccionario de listas Cada elemento del diccionario se convierte en una columna, donde su clave es el nombre y sus valores se despliegan en «vertical»: >>> data = { A : [1, 2, 3], B : [4, 5, 6]} >>> pd.DataFrame(data) A B 0 1 4 1 2 5 2 3 6 8.3. pandas 357
- 362. Aprende Python DataFrame desde lista de diccionarios Cada elemento de la lista se convierte en una fila. Las claves de cada diccionario serán los nombres de las columnas y sus valores se despliegan en «horizontal»: >>> data = [{ A : 1, B : 2, C : 3}, { A : 4, B : 5, C : 6}] >>> pd.DataFrame(data) A B C 0 1 2 3 1 4 5 6 DataFrame desde lista de listas Cada elemento de la lista se convierte en una fila y sus valores se despliegan en «horizontal». Los nombres de las columnas deben pasarse como parámetro opcional: >>> data = [[1, 2], [3, 4], [5, 6]] >>> pd.DataFrame(data, columns=[ A , B ]) A B 0 1 2 1 3 4 2 5 6 DataFrame desde series >>> employees Apple 147000 Samsung 267937 Google 135301 Microsoft 163000 Huawei 197000 Dell 158000 Facebook 58604 Foxconn 878429 Sony 109700 Name: Tech Employees, dtype: int64 >>> revenues Apple 274515 Samsung 200734 (continué en la próxima página) 358 Capítulo 8. Ciencia de datos
- 363. Aprende Python (proviene de la página anterior) Google 182527 Microsoft 143015 Huawei 129184 Dell 92224 Facebook 85965 Foxconn 181945 Sony 84893 Name: Tech Revenues, dtype: int64 >>> pd.DataFrame({ employees : employees, revenues : revenues}) employees revenues Apple 147000 274515 Samsung 267937 200734 Google 135301 182527 Microsoft 163000 143015 Huawei 197000 129184 Dell 158000 92224 Facebook 58604 85965 Foxconn 878429 181945 Sony 109700 84893 Ejercicio Cree el siguiente DataFrame en Pandas5 : 5 Datos extraídos de Wikipedia. 8.3. pandas 359
- 364. Aprende Python La superficie (Area) está expresada en km2 y las provincias corresponden con LPGC: Las Palmas de Gran Canaria y SCTF: Santa Cruz de Tenerife. Importante: Nos referiremos a este DataFrame como democan de ahora en adelante. Gestión del índice Cuando creamos un DataFrame, pandas autocompleta el índice con un valor entero autoincremental comenzando desde cero: >>> pd.DataFrame({ A : [1, 2], B : [3, 4]}) A B 0 1 3 1 2 4 Si queremos convertir alguna columna en el índice de la tabla, podemos hacerlo así: >>> stats = pd.DataFrame({ A : [1, 2], B : [3, 4]}) >>> stats.set_index( A ) # columna A como índice B (continué en la próxima página) 360 Capítulo 8. Ciencia de datos
- 365. Aprende Python (proviene de la página anterior) A 1 3 2 4 Nota: En el caso anterior se puede observar que el índice toma un nombre A. Esto se puede conseguir directamente asignando un valor a df.index.name. Podemos añadir un parámetro (en la creación) para especificar los valores que queremos incluir en el índice: >>> pd.DataFrame({ A : [1, 2], B : [3, 4]}, index=[ R1 , R2 ]) A B R1 1 3 R2 2 4 En aquellos DataFrames que disponen de un índice etiquetado, es posible resetearlo: >>> pd.DataFrame({ A : [1, 2], B : [3, 4]}, index=[ R1 , R2 ]).reset_index() index A B 0 R1 1 3 1 R2 2 4 Ejercicio Convierta la columna Island en el índice de democan. El DataFrame debería de quedar así: >>> df Population Area Province Island Gran Canaria 855521 1560.10 LPGC Tenerife 928604 2034.38 SCTF La Palma 83458 708.32 SCTF Lanzarote 155812 845.94 LPGC La Gomera 21678 369.76 SCTF El Hierro 11147 278.71 SCTF Fuerteventura 119732 1659.00 LPGC 8.3. pandas 361
- 366. Aprende Python Lectura de fuentes externas Lo más habitual cuando se trabaja en ciencia de datos es tener la información en distintas fuentes auxiliares: bases de datos, ficheros, llamadas remotas a APIs, etc. Pandas nos ofrece una variedad enorme de funciones para cargar datos desde, prácticamente, cualquier origen. Tabla 2: Funciones para lectura de datos en pandas Función Explicación read_pickle Lectura de datos en formato pickle (Python) read_table Lectura de ficheros con delimitadores read_csv Lectura de ficheros .csv read_fwf Lectura de tablas con líneas de ancho fijo read_clipboard Lectura de texto del portapapeles read_excel Lectura de ficheros excel read_json Lectura de ficheros json read_html Lectura de tablas HTML read_xml Lectura de documentos XML read_hdf Lectura de objetos pandas almacenados en fichero read_feather Lectura de objetos en formato «feather» read_parquet Lectura de objetos en formato «parquet» read_orc Lectura de objetos en formato ORC read_sas Lectura de ficheros SAS read_spss Lectura de ficheros SPSS read_sql_table Lectura de tabla SQL read_sql_query Lectura de una consulta SQL read_sql Wrapper para read_sql_table y read_sql_query read_gbq Lectura de datos desde Google BigQuery read_stata Lectura de ficheros Stata Nota: Todas estas funciones tienen su equivalente para escribir datos en los distintos formatos. En vez de read_ habría que usar el prefijo to_. Por ejemplo: .to_csv(), .to_json() o .to_sql() A modo de ilustración, vamos a leer el contenido del fichero tech.csv que contiene la lista de las mayores empresas tecnológicas por ingresos totales (en millones de dólares)2 . Usaremos la función read_csv() que espera la coma como separador de campos. Este fichero está delimitado por tabuladores, por lo que especificaremos esta circunstancia mediante el parámetro delimiter. Igualmente, vamos a indicar que se use la primera columna Company como índice del DataFrame con el parámetro index_col: 362 Capítulo 8. Ciencia de datos
- 367. Aprende Python >>> df = pd.read_csv( tech.csv , delimiter= t , index_col= Company ) >>> df Revenue Employees City Country Company Apple 274515 147000 California United States Samsung Electronics 200734 267937 Suwon South Korea Alphabet 182527 135301 California United States Foxconn 181945 878429 New Taipei City Taiwan Microsoft 143015 163000 Washington United States Huawei 129184 197000 Shenzhen China Dell Technologies 92224 158000 Texas United States Facebook 85965 58604 California United States Sony 84893 109700 Tokyo Japan Hitachi 82345 350864 Tokyo Japan Intel 77867 110600 California United States IBM 73620 364800 New York United States Tencent 69864 85858 Shenzhen China Panasonic 63191 243540 Osaka Japan Lenovo 60742 71500 Hong Kong China HP Inc. 56639 53000 California United States LG Electronics 53625 75000 Seoul South Korea Truco: Se suele usar df como nombre para las variables tipo DataFrame. Ejercicio Cargue el conjunto de datos democan desde democan.csv en un DataFrame df indicando que la columna Island es el índice. También es posible cargar el «dataset» a través de la URL que conseguimos con botón derecho: copiar enlace. Características de un DataFrame Visualización de los datos Para «echar un vistazo» a los datos, existen dos funciones muy recurridas: >>> df.head() Revenue Employees City Country (continué en la próxima página) 8.3. pandas 363
- 368. Aprende Python (proviene de la página anterior) Company Apple 274515 147000 California United States Samsung Electronics 200734 267937 Suwon South Korea Alphabet 182527 135301 California United States Foxconn 181945 878429 New Taipei City Taiwan Microsoft 143015 163000 Washington United States >>> df.tail() Revenue Employees City Country Company Tencent 69864 85858 Shenzhen China Panasonic 63191 243540 Osaka Japan Lenovo 60742 71500 Hong Kong China HP Inc. 56639 53000 California United States LG Electronics 53625 75000 Seoul South Korea Truco: Estas funciones admiten como parámetro el número de registros a visualizar. Información sobre los datos Pandas ofrece algunas funciones que proporcionan un cierto «resumen» de los datos a nivel descriptivo. Veamos algunas de ellas. Información sobre columnas: >>> df.info() <class pandas.core.frame.DataFrame > Index: 17 entries, Apple to LG Electronics Data columns (total 4 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 Revenue 17 non-null int64 1 Employees 17 non-null int64 2 City 17 non-null object 3 Country 17 non-null object dtypes: int64(2), object(2) memory usage: 680.0+ bytes Descripción de las variables numéricas: >>> df.describe() Revenue Employees (continué en la próxima página) 364 Capítulo 8. Ciencia de datos
- 369. Aprende Python (proviene de la página anterior) count 17.000000 17.000000 mean 112523.235294 204125.470588 std 63236.957691 198345.912495 min 53625.000000 53000.000000 25% 69864.000000 85858.000000 50% 84893.000000 147000.000000 75% 143015.000000 243540.000000 max 274515.000000 878429.000000 Uso de memoria: >>> df.memory_usage() Index 692 Revenue 136 Employees 136 City 136 Country 136 dtype: int64 Truco: El resultado de describe() es un DataFrame, mientras que el resultado de memory_usage() es Series. En cualquier caso, ambas estructuras son accesibles normalmente como tipos de datos Pandas. Atributos de un DataFrame Tamaños y dimensiones: >>> df.shape # filas por columnas (17, 4) >>> df.size # número total de datos 68 >>> df.ndim # número de dimensiones 2 Índice, columnas y valores: >>> df.index Index([ Apple , Samsung Electronics , Alphabet , Foxconn , Microsoft , Huawei , Dell Technologies , Facebook , Sony , Hitachi , Intel , IBM , Tencent , Panasonic , Lenovo , HP Inc. , LG Electronics ], (continué en la próxima página) 8.3. pandas 365
- 370. Aprende Python (proviene de la página anterior) dtype= object , name= Company ) >>> df.columns Index([ Revenue , Employees , City , Country ], dtype= object ) >>> df.values array([[274515, 147000, California , United States ], [200734, 267937, Suwon , South Korea ], [182527, 135301, California , United States ], [181945, 878429, New Taipei City , Taiwan ], [143015, 163000, Washington , United States ], [129184, 197000, Shenzhen , China ], [92224, 158000, Texas , United States ], [85965, 58604, California , United States ], [84893, 109700, Tokyo , Japan ], [82345, 350864, Tokyo , Japan ], [77867, 110600, California , United States ], [73620, 364800, New York , United States ], [69864, 85858, Shenzhen , China ], [63191, 243540, Osaka , Japan ], [60742, 71500, Hong Kong , China ], [56639, 53000, California , United States ], [53625, 75000, Seoul , South Korea ]], dtype=object) Acceso a un DataFrame Es fundamental conocer la estructura de un DataFrame para su adecuado manejo: Para todos los ejemplos subsiguientes continuamos utilizando el conjunto de datos de empresas tecnológicas cargado previamente: >>> df Revenue Employees City Country Company Apple 274515 147000 California United States Samsung Electronics 200734 267937 Suwon South Korea Alphabet 182527 135301 California United States Foxconn 181945 878429 New Taipei City Taiwan Microsoft 143015 163000 Washington United States Huawei 129184 197000 Shenzhen China Dell Technologies 92224 158000 Texas United States Facebook 85965 58604 California United States Sony 84893 109700 Tokyo Japan Hitachi 82345 350864 Tokyo Japan (continué en la próxima página) 366 Capítulo 8. Ciencia de datos
- 371. Aprende Python Figura 18: Componentes de un DataFrame 8.3. pandas 367
- 372. Aprende Python (proviene de la página anterior) Intel 77867 110600 California United States IBM 73620 364800 New York United States Tencent 69864 85858 Shenzhen China Panasonic 63191 243540 Osaka Japan Lenovo 60742 71500 Hong Kong China HP Inc. 56639 53000 California United States LG Electronics 53625 75000 Seoul South Korea Acceso a filas Si queremos acceder a las filas de un conjunto de datos mediante la posición (índice numérico) del registro usamos el atributo iloc: >>> df.iloc[0] Revenue 274515 Employees 147000 City California Country United States Name: Apple, dtype: object >>> df.iloc[-1] Revenue 53625 Employees 75000 City Seoul Country South Korea Name: LG Electronics, dtype: object >>> df.iloc[3:5] Revenue Employees City Country Company Foxconn 181945 878429 New Taipei City Taiwan Microsoft 143015 163000 Washington United States >>> df.iloc[::5] # Salto de 5 en 5 filas Revenue Employees City Country Company Apple 274515 147000 California United States Huawei 129184 197000 Shenzhen China Intel 77867 110600 California United States HP Inc. 56639 53000 California United States Nota: El acceso a un registro individual nos devuelve una serie. 368 Capítulo 8. Ciencia de datos
- 373. Aprende Python Si queremos acceder a las filas de un conjunto de datos mediante la etiqueta del registro usamos el atributo loc: >>> df.loc[ Apple ] Revenue 274515 Employees 147000 City California Country United States Name: Apple, dtype: object >>> df.loc[ IBM ] Revenue 73620 Employees 364800 City New York Country United States Name: IBM, dtype: object >>> df.loc[ Sony : Intel ] Revenue Employees City Country Company Sony 84893 109700 Tokyo Japan Hitachi 82345 350864 Tokyo Japan Intel 77867 110600 California United States Nota: El acceso a un registro individual nos devuelve una serie. Acceso a columnas El acceso a columnas se realiza directamente utilizando corchetes, como si fuera un diccionario: >>> df[ Revenue ] # equivalente a df.Revenue Company Apple 274515 Samsung Electronics 200734 Alphabet 182527 Foxconn 181945 Microsoft 143015 Huawei 129184 Dell Technologies 92224 Facebook 85965 Sony 84893 Hitachi 82345 (continué en la próxima página) 8.3. pandas 369
- 374. Aprende Python (proviene de la página anterior) Intel 77867 IBM 73620 Tencent 69864 Panasonic 63191 Lenovo 60742 HP Inc. 56639 LG Electronics 53625 Name: Revenue, dtype: int64 Nota: El acceso a una columna individual nos devuelve una serie. Se pueden seleccionar varias columnas a la vez pasando una lista: >>> df[[ Employees , City ]].head() Employees City Company Apple 147000 California Samsung Electronics 267937 Suwon Alphabet 135301 California Foxconn 878429 New Taipei City Microsoft 163000 Washington Esta misma sintaxis permite la reordenación de las columnas de un DataFrame, si asignamos el resultado a la misma (u otra) variable: >>> df_reordered = df[[ City , Country , Revenue , Employees ]] >>> df_reordered.head() City Country Revenue Employees Company Apple California United States 274515 147000 Samsung Electronics Suwon South Korea 200734 267937 Alphabet California United States 182527 135301 Foxconn New Taipei City Taiwan 181945 878429 Microsoft Washington United States 143015 163000 370 Capítulo 8. Ciencia de datos
- 375. Aprende Python Acceso a filas y columnas Si mezclamos los dos accesos anteriores podemos seleccionar datos de forma muy precisa. Como siempre, partimos del «dataset» de empresas tecnológicas: >>> df.head() Revenue Employees City Country Company Apple 274515 147000 California United States Samsung Electronics 200734 267937 Suwon South Korea Alphabet 182527 135301 California United States Foxconn 181945 878429 New Taipei City Taiwan Microsoft 143015 163000 Washington United States Acceso al primer valor del número de empleados/as. Formas equivalentes de hacerlo: >>> df.iloc[0, 0] 274515 >>> df.loc[ Apple , Revenue ] 274515 Acceso a ciudad y país de las empresas Sony, Panasonic y Lenovo: >>> df.loc[[ Sony , Panasonic , Lenovo ], [ City , Country ]] City Country Company Sony Tokyo Japan Panasonic Osaka Japan Lenovo Hong Kong China Acceso a la última columna del DataFrame: >>> df.iloc[:, -1] Company Apple United States Samsung Electronics South Korea Alphabet United States Foxconn Taiwan Microsoft United States Huawei China Dell Technologies United States Facebook United States Sony Japan Hitachi Japan Intel United States (continué en la próxima página) 8.3. pandas 371
- 376. Aprende Python (proviene de la página anterior) IBM United States Tencent China Panasonic Japan Lenovo China HP Inc. United States LG Electronics South Korea Name: Country, dtype: object Acceso a las tres últimas filas (empresas) y a las dos primeras columnas: >>> df.iloc[-3:, :2] Revenue Employees Company Lenovo 60742 71500 HP Inc. 56639 53000 LG Electronics 53625 75000 Acceso a las filas que van desde «Apple» a «Huawei» y a las columnas que van desde «Revenue» hasta «City»: >>> df.loc[ Apple : Huawei , Revenue : City ] Revenue Employees City Company Apple 274515 147000 California Samsung Electronics 200734 267937 Suwon Alphabet 182527 135301 California Foxconn 181945 878429 New Taipei City Microsoft 143015 163000 Washington Huawei 129184 197000 Shenzhen Truco: Es posible usar «slicing» (troceado) en el acceso a registros y columnas. Selección condicional Es posible aplicar ciertas condiciones en la selección de los datos para obtener el subconjunto que estemos buscando. Veremos distintas aproximaciones a esta técnica. Supongamos que queremos seleccionar aquellas empresas con base en Estados Unidos. Si aplicamos la condición sobre la columna obtendremos una serie de tipo «booleano» en la que se indica para qué registros se cumple la condición (incluyendo el índice): 372 Capítulo 8. Ciencia de datos
- 377. Aprende Python >>> df[ Country ] == United States Company Apple True Samsung Electronics False Alphabet True Foxconn False Microsoft True Huawei False Dell Technologies True Facebook True Sony False Hitachi False Intel True IBM True Tencent False Panasonic False Lenovo False HP Inc. True LG Electronics False Name: Country, dtype: bool Si aplicamos esta «máscara» al conjunto original de datos, obtendremos las empresas que estamos buscando: >>> df[df[ Country ] == United States ] Revenue Employees City Country Company Apple 274515 147000 California United States Alphabet 182527 135301 California United States Microsoft 143015 163000 Washington United States Dell Technologies 92224 158000 Texas United States Facebook 85965 58604 California United States Intel 77867 110600 California United States IBM 73620 364800 New York United States HP Inc. 56639 53000 California United States También es posible aplicar condiciones compuestas. Supongamos que necesitamos selecionar aquellas empresas con más de 100000 millones de dólares de ingresos y más de 100000 empleados/as: >>> revenue_condition = df[ Revenue ] > 100_000 >>> employees_condition = df[ Employees ] > 100_000 >>> df[revenue_condition & employees_condition] Revenue Employees City Country Company (continué en la próxima página) 8.3. pandas 373
- 378. Aprende Python (proviene de la página anterior) Apple 274515 147000 California United States Samsung Electronics 200734 267937 Suwon South Korea Alphabet 182527 135301 California United States Foxconn 181945 878429 New Taipei City Taiwan Microsoft 143015 163000 Washington United States Huawei 129184 197000 Shenzhen China Los operadores lógicos que se pueden utilizar para combinar condiciones de selección son los siguientes: Operador Significado | «or» lógico & «and» lógico ~ «not» lógico ^ «xor» lógico Imaginemos ahora que estamos buscando aquellas empresas establecidas en California o Tokyo. Una posible aproximación sería utilizar una condición compuesta, pero existe la función isin() que nos permite comprobar si un valor está dentro de una lista de opciones: >>> mask = df[ City ].isin([ California , Tokyo ]) >>> df[mask] Revenue Employees City Country Company Apple 274515 147000 California United States Alphabet 182527 135301 California United States Facebook 85965 58604 California United States Sony 84893 109700 Tokyo Japan Hitachi 82345 350864 Tokyo Japan Intel 77867 110600 California United States HP Inc. 56639 53000 California United States Ejercicio Obtenga los siguientes subconjuntos del «dataset» democan: # Use .loc Population Area Province Island El Hierro 11147 278.71 SCTF La Gomera 21678 369.76 SCTF 374 Capítulo 8. Ciencia de datos
- 379. Aprende Python # Use .loc Island Gran Canaria LPGC Tenerife SCTF La Palma SCTF Lanzarote LPGC La Gomera SCTF El Hierro SCTF Fuerteventura LPGC Name: Province, dtype: object # Use .iloc Island Gran Canaria 1560.10 La Palma 708.32 La Gomera 369.76 Fuerteventura 1659.00 Name: Area, dtype: float64 # Islas con más de 1000 km2 de extensión Population Area Province Island Gran Canaria 855521 1560.10 LPGC Tenerife 928604 2034.38 SCTF Fuerteventura 119732 1659.00 LPGC Seleción usando «query» Pandas provee una alternativa para la selección condicional de registros a través de la función query(). Admite una sintaxis de consulta mediante operadores de comparación. Veamos las mismas consultas de ejemplo que para el apartado anterior: >>> df.query( Country == "United States" ) Revenue Employees City Country Company Apple 274515 147000 California United States Alphabet 182527 135301 California United States Microsoft 143015 163000 Washington United States Dell Technologies 92224 158000 Texas United States Facebook 85965 58604 California United States Intel 77867 110600 California United States IBM 73620 364800 New York United States (continué en la próxima página) 8.3. pandas 375
- 380. Aprende Python (proviene de la página anterior) HP Inc. 56639 53000 California United States >>> df.query( Revenue > 100_000 & Employees > 100_000 ) Revenue Employees City Country Company Apple 274515 147000 California United States Samsung Electronics 200734 267937 Suwon South Korea Alphabet 182527 135301 California United States Foxconn 181945 878429 New Taipei City Taiwan Microsoft 143015 163000 Washington United States Huawei 129184 197000 Shenzhen China >>> df.query( City in ["California", "Tokyo"] ) Revenue Employees City Country Company Apple 274515 147000 California United States Alphabet 182527 135301 California United States Facebook 85965 58604 California United States Sony 84893 109700 Tokyo Japan Hitachi 82345 350864 Tokyo Japan Intel 77867 110600 California United States HP Inc. 56639 53000 California United States Truco: Si los nombres de columna contienen espacios, se puede hacer referencias a ellas con comillas invertidas. Por ejemplo: Total Stock . Comparativa en consultas Hemos visto dos métodos para realizar consultas (o filtrado) en un DataFrame: usando selección booleana con corchetes y usando la función query. ¿Ambos métodos son igual de eficientes en términos de rendimiento? Haremos una comparativa muy simple para tener, al menos, una idea de sus órdenes de magnitud. En primer lugar creamos un DataFrame con 3 columnas y 1 millón de valores aleatorios enteros en cada una de ellas: >>> size = 1_000_000 >>> data = { ... A : np.random.randint(1, 100, size=size), ... B : np.random.randint(1, 100, size=size), ... C : np.random.randint(1, 100, size=size) (continué en la próxima página) 376 Capítulo 8. Ciencia de datos
- 381. Aprende Python (proviene de la página anterior) ... } >>> df = pd.DataFrame(data) >>> df.shape (1000000, 3) Ahora realizaremos la misma consulta sobre el DataFrame aplicando los métodos ya vistos: >>> %timeit df[(df[ A ] > 50) & (df[ B ] < 50)] 5.86 ms ± 28.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) >>> %timeit df.query( A > 50 & B < 50 ) 7.54 ms ± 115 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) Sin que esto sea en modo alguna concluyente, da la sensación de que query() añade un cierto «overhead»7 al filtrado y aumentan los tiempos de cómputo. Modificación de un DataFrame Modificando valores existentes Partiendo del acceso a los datos que ya hemos visto, podemos asignar valores sin mayor dificultad. Pero antes de modificar el DataFrame original, vamos a hacer una copia del mismo: >>> df_mod = df.copy() >>> df_mod.equals(df) # comprueba que todos los valores del DataFrame son iguales True Supongamos que hemos cometido un error en el número de empleados/as de Apple y queremos corregirlo: >>> df_mod.head(1) Revenue Employees City Country Company Apple 274515 147000 California United States >>> df_mod.loc[ Apple , Employees ] = 137000 (continué en la próxima página) 7 Exceso de tiempo de cómputacion, memoria o ancho de banda que son necesarios para realizar una tarea específica. 8.3. pandas 377
- 382. Aprende Python (proviene de la página anterior) >>> df_mod.head(1) Revenue Employees City Country Company Apple 274616 137000 California United States Supongamos que no se había contemplado una subida del 20% en los ingresos y queremos reflejarla: >>> df_mod[ Revenue ] *= 1.20 >>> df_mod[ Revenue ].head() Company Apple 329418.0 Samsung Electronics 240880.8 Alphabet 219032.4 Foxconn 218334.0 Microsoft 171618.0 Name: Revenue, dtype: float64 Supongamos que todas las empresas tecnológicas mueven su sede a Vigo (España) y queremos reflejarlo: >>> df_mod[ City ] = Vigo >>> df_mod[ Country ] = Spain >>> df_mod.head() Revenue Employees City Country Company Apple 329418.0 137000 Vigo Spain Samsung Electronics 240880.8 267937 Vigo Spain Alphabet 219032.4 135301 Vigo Spain Foxconn 218334.0 878429 Vigo Spain Microsoft 171618.0 163000 Vigo Spain Nota: En este último ejemplo se produce un «broadcast» o difusión del valor escalar a todos los registros del «dataset». 378 Capítulo 8. Ciencia de datos
- 383. Aprende Python Reemplazo de valores Hay una función muy importante en lo relativo a la modificación de valores. Se trata de replace() y admite una amplia variedad de parámetros. Se puede usar tanto para tipos numéricos como textuales. Uno de los usos más habituales es la recodificación. Supongamos que queremos recodificar los países en ISO3166 Alpha-3 para el DataFrame de empresas tecnológicas: >>> iso3166 = { United States : USA , South Korea : KOR , Taiwan : TWN , China : CHN , Japan : JPN } >>> df[ Country ].replace(iso3166) Company Apple USA Samsung Electronics KOR Alphabet USA Foxconn TWN Microsoft USA Huawei CHN Dell Technologies USA Facebook USA Sony JPN Hitachi JPN Intel USA IBM USA Tencent CHN Panasonic JPN Lenovo CHN HP Inc. USA LG Electronics KOR Name: Country, dtype: object Ejercicio Recodifique la columna Province del «dataset» democan de tal manera que aparezcan las provincias con el texto completo: Santa Cruz de Tenerife y Las Palmas de Gran Canaria. 8.3. pandas 379
- 384. Aprende Python Insertando y borrando filas Podemos insertar datos en un DataFrame como filas o como columnas. Supongamos que queremos incluir una nueva empresa Cisco4 : >>> cisco = pd.Series(data=[51_904, 75_900, California , United States ], ... index=df_mod.columns, name= Cisco ) >>> cisco Revenue 51904 Employees 75900 City California Country United States Name: Cisco, dtype: object >>> df_mod = df_mod.append(cisco) >>> df_mod.tail(3) Revenue Employees City Country Company HP Inc. 67966.8 53000 Vigo Spain LG Electronics 64350.0 75000 Vigo Spain Cisco 51904.0 75900 California United States Truco: El método append() devuelve un nuevo DataFrame con los datos añadidos. Es por eso que si queremos consolidar los cambios, debemos realizar una asignación. Imaginemos ahora que Facebook, Tencent e Hitachi caen en bancarrota y debemos eliminarlas de nuestro conjunto de datos: >>> df_mod = df_mod.drop(labels=[ Facebook , Tencent , Hitachi ]) >>> df_mod.index # ya no aparecen en el índice Index([ Apple , Samsung Electronics , Alphabet , Foxconn , Microsoft , Huawei , Dell Technologies , Sony , Intel , IBM , Panasonic , Lenovo , HP Inc. , LG Electronics , Cisco ], dtype= object , name= Company ) 4 Datos del año 2020 según Wikipedia. 380 Capítulo 8. Ciencia de datos
- 385. Aprende Python Insertando y borrando columnas Insertar una columna en un DataFrame es equivalente a añadir una clave en un diccionario. Supongamos que queremos añadir una columna «Expenses» (gastos). No manejamos esta información, así que, a modo de ejemplo, utilizaremos unos valores aleatorios: >>> expenses = np.random.randint(50_000, 300_000, size=15) >>> expenses array([139655, 97509, 220777, 260609, 121145, 112338, 72815, 159843, 205695, 97672, 89614, 260028, 171650, 152049, 57006]) >>> df_mod[ Expenses ] = expenses >>> df_mod.head() Revenue Employees City Country Expenses Company Apple 329418.0 137000 Vigo Spain 139655 Samsung Electronics 240880.8 267937 Vigo Spain 97509 Alphabet 219032.4 135301 Vigo Spain 220777 Foxconn 218334.0 878429 Vigo Spain 260609 Microsoft 171618.0 163000 Vigo Spain 121145 Truco: También existe la función insert() que nos permite insertar una columna en una posición determinada. En el caso de que no nos haga falta una columna podemos borrarla fácilmente. Una opción sería utilizar la función «built-in» del(), pero seguiremos con el uso de funciones propias de pandas. Imaginemos que queremos eliminar la columna «Expenses»: >>> df_mod.columns Index([ Revenue , Employees , City , Country , Expenses ], dtype= object ) >>> df_mod = df_mod.drop(labels= Expenses , axis=1) >>> df_mod.columns Index([ Revenue , Employees , City , Country ], dtype= object ) Truco: Recordar que el parámetro axis indica en qué «dirección» estamos trabajando. Véase el acceso a un DataFrame. 8.3. pandas 381
- 386. Aprende Python El parámetro inplace Muchas de las funciones de pandas se dicen «no destructivas» en el sentido de que no modifican el conjunto de datos original, sino que devuelven uno nuevo con las modificaciones realizadas. Pero este comportamiento se puede modificar utilizando el parámetro inplace. Veamos un ejemplo con el borrado de columnas: >>> df_mod.head() Revenue Employees City Country Company Apple 329418.0 137000 Vigo Spain Samsung Electronics 240880.8 267937 Vigo Spain Alphabet 219032.4 135301 Vigo Spain Foxconn 218334.0 878429 Vigo Spain Microsoft 171618.0 163000 Vigo Spain >>> df_mod.drop(labels=[ City , Country ], axis=1, inplace=True) >>> df_mod.head() Revenue Employees Company Apple 329418.0 137000 Samsung Electronics 240880.8 267937 Alphabet 219032.4 135301 Foxconn 218334.0 878429 Microsoft 171618.0 163000 Ejercicio Añada una nueva columna Density a democan de tal manera que represente la densidad de población de cada isla del archipiélago canario. También es posible renombrar columnas utilizando la función rename() de Pandas. Supongamos un caso de uso en el que queremos renombrar las columnas a sus tres primeras letras en minúsculas. Tenemos dos maneras de hacerlo. La primera sería directamente creando un «mapping» entre los nombres de columna actuales y los nombres nuevos: >>> new_columns = { Revenue : rev , Employees : emp , City : cit , Country : ˓ → cou } >>> df.rename(columns=new_columns).head(3) rev emp cit cou (continué en la próxima página) 382 Capítulo 8. Ciencia de datos
- 387. Aprende Python (proviene de la página anterior) Company Apple 274515 147000 California United States Samsung Electronics 200734 267937 Suwon South Korea Alphabet 182527 135301 California United States Otro camino para conseguir el mismo resultado es aplicar una función que realice esta tarea de manera automatizada: >>> df.rename(columns=lambda c: c.lower()[:3]).head(3) rev emp cit cou Company Apple 274515 147000 California United States Samsung Electronics 200734 267937 Suwon South Korea Alphabet 182527 135301 California United States Ver también: Si en vez del parámetro nominal columns utilizamos el parámetro index estaremos renombrando los valores del índice. Se aplica el mismo comportamiento ya visto. Nada impide asignar directamente una lista (tupla) de nombres a las columnas de un DataFrame: >>> df.columns = ( Ingresos , Empleados , Ciudad , País ) >>> df.head(3) Ingresos Empleados Ciudad País Company Apple 274515 147000 California United States Samsung Electronics 200734 267937 Suwon South Korea Alphabet 182527 135301 California United States Otras operaciones con un DataFrame Manejando cadenas de texto A menudo solemos trabajar con datos que incluyen información textual. Pandas también nos ofrece herramientas para cubrir estos casos. De hecho, simplemente debemos utilizar el manejador str y tendremos a disposición la gran mayoría de funciones vistas en la sección de cadenas de texto. Veamos un primer ejemplo en el que pasamos a mayúsculas las ciudades en las que se localizan las empresas tecnológicas: 8.3. pandas 383
- 388. Aprende Python >>> df[ City ].str.upper() Company Apple CALIFORNIA Samsung Electronics SUWON Alphabet CALIFORNIA Foxconn NEW TAIPEI CITY Microsoft WASHINGTON Huawei SHENZHEN Dell Technologies TEXAS Facebook CALIFORNIA Sony TOKYO Hitachi TOKYO Intel CALIFORNIA IBM NEW YORK Tencent SHENZHEN Panasonic OSAKA Lenovo HONG KONG HP Inc. CALIFORNIA LG Electronics SEOUL Name: City, dtype: object Otro supuesto sería el de sustituir espacios por subguiones en los países de las empresas: >>> df[ Country ].str.replace( , _ ) Company Apple United_States Samsung Electronics South_Korea Alphabet United_States Foxconn Taiwan Microsoft United_States Huawei China Dell Technologies United_States Facebook United_States Sony Japan Hitachi Japan Intel United_States IBM United_States Tencent China Panasonic Japan Lenovo China HP Inc. United_States LG Electronics South_Korea Name: Country, dtype: object 384 Capítulo 8. Ciencia de datos
- 389. Aprende Python Expresiones regulares El uso de expresiones regulares aporta una gran expresividad. Veamos su aplicación con tres casos de uso: • Filtrado de filas. • Reemplazo de valores. • Extracción de columnas. Supongamos que queremos filtrar las empresas y quedarnos con las que comienzan por vocal: >>> mask = df.index.str.match(r ^[aeiou] , flags=re.IGNORECASE) >>> df[mask] Revenue Employees City Country Company Apple 274515 147000 California United States Alphabet 182527 135301 California United States Intel 77867 110600 California United States IBM 73620 364800 New York United States Nota: Dado que el nombre de la empresa está actuando como índice del «dataset», hemos aplicado la búsqueda sobre .index. Ahora imaginemos que vamos a sustituir aquellas ciudades que empiezan con «S» o «T» por «Stanton»: >>> df[ City ].str.replace(r ^[ST].* , Stanton , regex=True) Company Apple California Samsung Electronics Stanton Alphabet California Foxconn New Stanton Microsoft Washington Huawei Stanton Dell Technologies Stanton Facebook California Sony Stanton Hitachi Stanton Intel California IBM New York Tencent Stanton Panasonic Osaka (continué en la próxima página) 8.3. pandas 385
- 390. Aprende Python (proviene de la página anterior) Lenovo Hong Kong HP Inc. California LG Electronics Stanton Name: City, dtype: object Por último supongamos que queremos dividir la columna «Country» en dos columnas usando el espacio como separador: >>> df[ Country ].str.split( , expand=True) 0 1 Company Apple United States Samsung Electronics South Korea Alphabet United States Foxconn Taiwan None Microsoft United States Huawei China None Dell Technologies United States Facebook United States Sony Japan None Hitachi Japan None Intel United States IBM United States Tencent China None Panasonic Japan None Lenovo China None HP Inc. United States LG Electronics South Korea Existen otras funciones interesantes de Pandas que trabajan sobre expresiones regulares: • count() para contar el número de ocurrencias de un patrón. • contains() para comprobar si existe un determinado patrón. • extract() para extraer grupos de captura sobre un patrón. • findall() para encontrar todas las ocurrencias de un patrón. 386 Capítulo 8. Ciencia de datos
- 391. Aprende Python Manejando fechas Suele ser habitual tener que manejar datos en formato fecha (o fecha-hora). Pandas ofrece un amplio abanico de posibilidades para ello. Veamos algunas de las herramientas disponibles. Para ejemplificar este apartado hemos añadido al «dataset» de empresas tecnológicas una nueva columna con las fechas de fundación de las empresas (en formato «string»): >>> df[ Founded ] = [ 1/4/1976 , 13/1/1969 , 4/9/1998 , 20/2/1974 , ... 4/4/1975 , 15/9/1987 , 1/2/1984 , 4/2/2004 , ... 7/5/1946 , 1/10/1962 , 18/7/1968 , 16/6/1911 , ... 11/11/1998 , 13/3/1918 , 1/11/1984 , 1/1/1939 , ... 5/1/1947 ] >>> df.head() Revenue Employees City Country Founded Company Apple 274515 147000 California United States 1/4/1976 Samsung Electronics 200734 267937 Suwon South Korea 13/1/1969 Alphabet 182527 135301 California United States 4/9/1998 Foxconn 181945 878429 New Taipei City Taiwan 20/2/1974 Microsoft 143015 163000 Washington United States 4/4/1975 >>> df[ Founded ].dtype # tipo "object" dtype( O ) Lo primero que deberíamos hacer es convertir la columna «Founded» al tipo «datetime» usando la función to_datetime(): >>> df[ Founded ] = pd.to_datetime(df[ Founded ]) >>> df[ Founded ].head() Company Apple 1976-01-04 Samsung Electronics 1969-01-13 Alphabet 1998-04-09 Foxconn 1974-02-20 Microsoft 1975-04-04 Name: Founded, dtype: datetime64[ns] Es posible acceder a cada elemento de la fecha: >>> df[ fyear ] = df[ Founded ].dt.year >>> df[ fmonth ] = df[ Founded ].dt.month >>> df[ fday ] = df[ Founded ].dt.day >>> df.loc[:, Founded :].head() (continué en la próxima página) 8.3. pandas 387
- 392. Aprende Python (proviene de la página anterior) Founded fyear fmonth fday Company Apple 1976-01-04 1976 1 4 Samsung Electronics 1969-01-13 1969 1 13 Alphabet 1998-04-09 1998 4 9 Foxconn 1974-02-20 1974 2 20 Microsoft 1975-04-04 1975 4 4 Por ejemplo, podríamos querer calcular el número de años que llevan activas las empresas: >>> pd.to_datetime( today ).year - df[ Founded ].dt.year Company Apple 46 Samsung Electronics 53 Alphabet 24 Foxconn 48 Microsoft 47 Huawei 35 Dell Technologies 38 Facebook 18 Sony 76 Hitachi 60 Intel 54 IBM 111 Tencent 24 Panasonic 104 Lenovo 38 HP Inc. 83 LG Electronics 75 Name: Founded, dtype: int64 Los tipos de datos «datetime» dan mucha flexibilidad a la hora de hacer consultas: >>> # Empresas creadas antes de 1950 >>> df.query( Founded <= 1950 ) Revenue Employees City Country Founded Company Sony 84893 109700 Tokyo Japan 1946-07-05 IBM 73620 364800 New York United States 1911-06-16 Panasonic 63191 243540 Osaka Japan 1918-03-13 HP Inc. 56639 53000 California United States 1939-01-01 LG Electronics 53625 75000 Seoul South Korea 1947-05-01 >>> # Empresas creadas en Enero (continué en la próxima página) 388 Capítulo 8. Ciencia de datos
- 393. Aprende Python (proviene de la página anterior) >>> df.query( Founded.dt.month == 1 ) Revenue Employees City Country Founded Company Apple 274515 147000 California United States 1976-01-04 Samsung Electronics 200734 267937 Suwon South Korea 1969-01-13 Dell Technologies 92224 158000 Texas United States 1984-01-02 Hitachi 82345 350864 Tokyo Japan 1962-01-10 Lenovo 60742 71500 Hong Kong China 1984-01-11 HP Inc. 56639 53000 California United States 1939-01-01 >>> # Empresas creadas en el último cuatrimestre del año >>> df.query( 9 <= Founded.dt.month <= 12 ) Revenue Employees City Country Founded Company Huawei 129184 197000 Shenzhen China 1987-09-15 Tencent 69864 85858 Shenzhen China 1998-11-11 Hay ocasiones en las que necesitamos que la fecha se convierta en el índice del DataFrame: >>> df = df.reset_index().set_index( Founded ).sort_index() >>> df.head() Company Revenue Employees City Country Founded 1911-06-16 IBM 73620 364800 New York United States 1918-03-13 Panasonic 63191 243540 Osaka Japan 1939-01-01 HP Inc. 56639 53000 California United States 1946-07-05 Sony 84893 109700 Tokyo Japan 1947-05-01 LG Electronics 53625 75000 Seoul South Korea Esto nos permite indexar de forma mucho más precisa: >>> # Empresas creadas en 1988 >>> df.loc[ 1998 ] Company Revenue Employees City Country Founded 1998-04-09 Alphabet 182527 135301 California United States 1998-11-11 Tencent 69864 85858 Shenzhen China >>> # Empresas creadas entre 1970 y 1980 >>> df.loc[ 1970 : 1980 ] Company Revenue Employees City Country Founded 1974-02-20 Foxconn 181945 878429 New Taipei City Taiwan 1975-04-04 Microsoft 143015 163000 Washington United States (continué en la próxima página) 8.3. pandas 389
- 394. Aprende Python (proviene de la página anterior) 1976-01-04 Apple 274515 147000 California United States >>> # Empresas creadas entre enero de 1975 y marzo de 1984 >>> df.loc[ 1975-1 : 1984-3 ] Company Revenue Employees City Country Founded 1975-04-04 Microsoft 143015 163000 Washington United States 1976-01-04 Apple 274515 147000 California United States 1984-01-02 Dell Technologies 92224 158000 Texas United States 1984-01-11 Lenovo 60742 71500 Hong Kong China Ejercicio Partiendo del fichero oasis.csv que contiene información sobre la discografía del grupo de pop británico Oasis, se pide: • Cargue el fichero en un DataFrame. • Convierta la columna «album_release_date» a tipo «datetime». • Obtenga los nombres de los álbumes publicados entre 2000 y 2005. Manejando categorías Hasta ahora hemos visto tipos de datos numéricos, cadenas de texto y fechas. ¿Pero qué ocurre con las categorías? Las categorías pueden ser tanto datos numéricos como textuales, con la característica de tener un número discreto (relativamente pequeño) de elementos y, en ciertas ocasiones, un orden preestablecido. Ejemplos de variables categóricas son: género, idioma, meses del año, color de ojos, nivel de estudios, grupo sanguíneo, valoración, etc. Pandas facilita el tratamiento de datos categóricos mediante un tipo específico Categorical. Siguiendo con el «dataset» de empresas tecnológicas, vamos a añadir el continente al que pertenece cada empresa. En primera instancia mediante valores de texto habituales: >>> df[ Continent ] = [ America , Asia , America , Asia , ... America , Asia , America , America , ... Asia , Asia , America , America , ... Asia , Asia , Asia , America , ... Asia ] >>> df[ Continent ].head() (continué en la próxima página) 390 Capítulo 8. Ciencia de datos
- 395. Aprende Python (proviene de la página anterior) Company Apple America Samsung Electronics Asia Alphabet America Foxconn Asia Microsoft America Name: Continent, dtype: object Ahora podemos convertir esta columna a tipo categoría: >>> df[ Continent ].astype( category ) Company Apple America Samsung Electronics Asia Alphabet America Foxconn Asia Microsoft America Huawei Asia Dell Technologies America Facebook America Sony Asia Hitachi Asia Intel America IBM America Tencent Asia Panasonic Asia Lenovo Asia HP Inc. America LG Electronics Asia Name: Continent, dtype: category Categories (2, object): [ America , Asia ] En este caso, al ser una conversión «automática», las categorías no han incluido ningún tipo de orden. Pero imaginemos que queremos establecer un orden para las categorías de continentes basadas, por ejemplo, en su población: Asia, África, Europa, América, Australia: >>> from pandas.api.types import CategoricalDtype >>> continents = ( Asia , Africa , Europe , America , Australia ) >>> cat_continents = CategoricalDtype(categories=continents, ordered=True) >>> df[ Continent ].astype(cat_continents) Company Apple America (continué en la próxima página) 8.3. pandas 391
- 396. Aprende Python (proviene de la página anterior) Samsung Electronics Asia Alphabet America Foxconn Asia Microsoft America Huawei Asia Dell Technologies America Facebook America Sony Asia Hitachi Asia Intel America IBM America Tencent Asia Panasonic Asia Lenovo Asia HP Inc. America LG Electronics Asia Name: Continent, dtype: category Categories (5, object): [ Asia < Africa < Europe < America < Australia ] El hecho de trabajar con categorías ordenadas permite (entre otras) estas operaciones: >>> df[ Continent ].min() Asia >>> df[ Continent ].max() America >>> df[ Continent ].sort_values() Company Sony Asia Lenovo Asia Panasonic Asia Tencent Asia Hitachi Asia LG Electronics Asia Foxconn Asia Samsung Electronics Asia Huawei Asia Dell Technologies America Facebook America HP Inc. America Microsoft America Intel America IBM America Alphabet America Apple America (continué en la próxima página) 392 Capítulo 8. Ciencia de datos
- 397. Aprende Python (proviene de la página anterior) Name: Continent, dtype: category Categories (5, object): [ Asia < Africa < Europe < America < Australia ] Atención: En condiciones normales (categorías sin ordenar) el mínimo hubiera sido America y el máximo hubiera sido Asia ya que se habrían ordenado alfabéticamente. Usando funciones estadísticas Vamos a aplicar las funciones estadísticas que proporciona pandas sobre la columna Revenue de nuestro «dataset», aunque podríamos hacerlo sobre todas aquellas variables numéricas susceptibles: >>> df[ Revenue ] Company Apple 274515 Samsung Electronics 200734 Alphabet 182527 Foxconn 181945 Microsoft 143015 Huawei 129184 Dell Technologies 92224 Facebook 85965 Sony 84893 Hitachi 82345 Intel 77867 IBM 73620 Tencent 69864 Panasonic 63191 Lenovo 60742 HP Inc. 56639 LG Electronics 53625 Name: Revenue, dtype: int64 Tabla 3: Funciones estadísticas en pandas Función Resultado Descripción df[ Revenue ].count() 17 Número de observaciones no nulas df[ Revenue ].sum() 1912895 Suma de los valores df[ Revenue ].mean() 112523.23 Media de los valores df[ Revenue ].mad() 51385.95 Desviación absoluta media continué en la próxima página 8.3. pandas 393
- 398. Aprende Python Tabla 3 – proviene de la página anterior Función Resultado Descripción df[ Revenue ]. median() 84893.0 Mediana de los valores df[ Revenue ].min() 53625 Mínimo df[ Revenue ].max() 274515 Máximo df[ Revenue ].mode() Múltiples valores Moda df[ Revenue ].abs() Múltiples valores Valor absoluto df[ Revenue ].prod() 6758064777941221376 Producto de los valores df[ Revenue ].std() 63236.95 Desviación típica df[ Revenue ].var() 3998912818.06 Varianza df[ Revenue ].sem() 15337.21 Error típico de la media df[ Revenue ].skew() 1.33 Asimetría df[ Revenue ].kurt() 1.13 Apuntamiento df[ Revenue ]. quantile() 84893.0 Cuantiles (por defecto 50%) df[ Revenue ]. cumsum() Múltiples valores Suma acumulativa df[ Revenue ]. cumprod() Múltiples valores Producto acumulativo df[ Revenue ]. cummax() Múltiples valores Máximo acumulativo df[ Revenue ]. cummin() Múltiples valores Mínimo acumulativo Ejercicio Partiendo del conjunto de datos democan, obtenga aquellas islas cuya población está por encima de la media del archipiélago canario. Resultado esperado: [ Gran Canaria , Tenerife ] Ordenando valores Una operación muy típica cuando trabajamos con datos es la de ordenarlos en base a ciertos criterios. Veamos cómo podemos hacerlo utilizando pandas. Volvemos a nuestro «dataset» tecnológico: >>> df Revenue Employees City Country (continué en la próxima página) 394 Capítulo 8. Ciencia de datos
- 399. Aprende Python (proviene de la página anterior) Company Apple 274515 147000 California United States Samsung Electronics 200734 267937 Suwon South Korea Alphabet 182527 135301 California United States Foxconn 181945 878429 New Taipei City Taiwan Microsoft 143015 163000 Washington United States Huawei 129184 197000 Shenzhen China Dell Technologies 92224 158000 Texas United States Facebook 85965 58604 California United States Sony 84893 109700 Tokyo Japan Hitachi 82345 350864 Tokyo Japan Intel 77867 110600 California United States IBM 73620 364800 New York United States Tencent 69864 85858 Shenzhen China Panasonic 63191 243540 Osaka Japan Lenovo 60742 71500 Hong Kong China HP Inc. 56639 53000 California United States LG Electronics 53625 75000 Seoul South Korea Supongamos que queremos tener el conjunto de datos ordenado por el nombre de empresa. Como, en este caso, la columna Company constituye el índice, debemos ordenar por el índice: >>> df.sort_index() Revenue Employees City Country Company Alphabet 182527 135301 California United States Apple 274515 147000 California United States Dell Technologies 92224 158000 Texas United States Facebook 85965 58604 California United States Foxconn 181945 878429 New Taipei City Taiwan HP Inc. 56639 53000 California United States Hitachi 82345 350864 Tokyo Japan Huawei 129184 197000 Shenzhen China IBM 73620 364800 New York United States Intel 77867 110600 California United States LG Electronics 53625 75000 Seoul South Korea Lenovo 60742 71500 Hong Kong China Microsoft 143015 163000 Washington United States Panasonic 63191 243540 Osaka Japan Samsung Electronics 200734 267937 Suwon South Korea Sony 84893 109700 Tokyo Japan Tencent 69864 85858 Shenzhen China Ahora imaginemos que necesitamos tener las empresas ordenadas de mayor a menor número de ingresos: 8.3. pandas 395
- 400. Aprende Python >>> df.sort_values(by= Revenue , ascending=False) Revenue Employees City Country Company Apple 274515 147000 California United States Samsung Electronics 200734 267937 Suwon South Korea Alphabet 182527 135301 California United States Foxconn 181945 878429 New Taipei City Taiwan Microsoft 143015 163000 Washington United States Huawei 129184 197000 Shenzhen China Dell Technologies 92224 158000 Texas United States Facebook 85965 58604 California United States Sony 84893 109700 Tokyo Japan Hitachi 82345 350864 Tokyo Japan Intel 77867 110600 California United States IBM 73620 364800 New York United States Tencent 69864 85858 Shenzhen China Panasonic 63191 243540 Osaka Japan Lenovo 60742 71500 Hong Kong China HP Inc. 56639 53000 California United States LG Electronics 53625 75000 Seoul South Korea También es posible utilizar varias columnas en la ordenación. Pongamos que deseamos ordenar los datos por país y por ciudad. Veamos cómo afrontarlo: >>> df.sort_values(by=[ Country , City ]) Revenue Employees City Country Company Lenovo 60742 71500 Hong Kong China Huawei 129184 197000 Shenzhen China Tencent 69864 85858 Shenzhen China Panasonic 63191 243540 Osaka Japan Sony 84893 109700 Tokyo Japan Hitachi 82345 350864 Tokyo Japan LG Electronics 53625 75000 Seoul South Korea Samsung Electronics 200734 267937 Suwon South Korea Foxconn 181945 878429 New Taipei City Taiwan Apple 274515 147000 California United States Alphabet 182527 135301 California United States Facebook 85965 58604 California United States Intel 77867 110600 California United States HP Inc. 56639 53000 California United States IBM 73620 364800 New York United States Dell Technologies 92224 158000 Texas United States Microsoft 143015 163000 Washington United States 396 Capítulo 8. Ciencia de datos
- 401. Aprende Python Buscando máximos y mínimos Al igual que veíamos en el caso de las series, podemos aplicar muchas de estas funciones de máximos y mínimos sobre un DataFrame de Pandas. Podemos obtener los valores mínimos y máximos de todas las columnas: >>> df.min() Revenue 53625 Employees 53000 City California Country China dtype: object >>> df.max() Revenue 274515 Employees 878429 City Washington Country United States dtype: object También podría ser de utilidad saber qué empresa tiene el valor mínimo o máximo para una determinada columna: # LG tiene los menores ingresos >>> df[ Revenue ].idxmin() LG Electronics # Foxconn tiene el mayor número de empleados/as >>> df[ Employees ].idxmax() Foxconn Nota: En este caso nos devuelve una cadena de texto con el nombre de la empresa ya que tenemos definido así nuestro índice (etiquetas). En otro caso devolvería la posición (numérica) con un índice por defecto. Si queremos acceder al registro completo, basta con acceder a través de la etiqueta devuelta: >>> company = df[ Revenue ].idxmin() >>> df.loc[company] Revenue 53625 Employees 75000 City Seoul Country South Korea (continué en la próxima página) 8.3. pandas 397
- 402. Aprende Python (proviene de la página anterior) Name: LG Electronics, dtype: object Otra de las operaciones muy usuales es encontrar los 𝑛 registros con mayores/menores valores. Supongamos que nos interesa conocer las 3 empresas con mayores ingresos y las 3 empresas con menor número de empleados/as: >>> df[ Revenue ].nlargest(3) Company Apple 274515 Samsung Electronics 200734 Alphabet 182527 Name: Revenue, dtype: int64 >>> df[ Employees ].nsmallest(3) Company HP Inc. 53000 Facebook 58604 Lenovo 71500 Name: Employees, dtype: int64 Nota: Si no especificamos un número de registros, estas funciones lo tienen definido por defecto a 5. Si queremos acceder al registro completo, podemos aplicar estas funciones de otro modo: >>> df.nlargest(3, Revenue ) Revenue Employees City Country Company Apple 274515 147000 California United States Samsung Electronics 200734 267937 Suwon South Korea Alphabet 182527 135301 California United States >>> df.nsmallest(3, Employees ) Revenue Employees City Country Company HP Inc. 56639 53000 California United States Facebook 85965 58604 California United States Lenovo 60742 71500 Hong Kong China Ejercicio Partiendo del conjunto de datos democan obtenga las 3 islas con menor densidad de población. El resultado debería ser el siguiente: 398 Capítulo 8. Ciencia de datos
- 403. Aprende Python Population Area Province Density Island El Hierro 11147 278.71 SCTF 39.994977 La Gomera 21678 369.76 SCTF 58.627218 Fuerteventura 119732 1659.00 LPGC 72.171187 Gestionando valores nulos La limpieza de un «dataset» suele estar vinculado, en muchas ocasiones, a la gestión de los valores nulos. En este sentido, pandas ofrece varias funciones. Para ejemplificar este apartado, vamos a hacer uso del siguiente DataFrame: >>> df A B C 0 1 4.0 7.0 1 2 NaN 8.0 2 3 6.0 NaN Si queremos detectar aquellos valores nulos, haremos lo siguiente: >>> df.isna() A B C 0 False False False 1 False True False 2 False False True Nota: También existe la función isnull() que funciona de manera análoga a isna(). En StackExchange puedes ver una explicación de estas funciones. En caso de que nos interese descartar los registros con valores nulos, procedemos así: >>> df.dropna() A B C 0 1 4.0 7.0 Sin embargo, también existe la posiblidad de rellenar los valores nulos con algún sustituto. En este caso podemos ejecutar lo siguiente: >>> df.fillna(0) A B C 0 1 4.0 0.0 (continué en la próxima página) 8.3. pandas 399
- 404. Aprende Python (proviene de la página anterior) 1 2 0.0 0.0 2 3 6.0 9.0 Incluso podemos aplicar interpolación para completar valores nulos: >>> df.interpolate() A B C 0 1 4.0 7.0 1 2 5.0 8.0 2 3 6.0 8.0 Reformando datos En esta sección se verán las operaciones de pivotar y apilar que permiten reformar (remodelar) un DataFrame. Seguimos utilizando el conjunto de datos de empresas tecnológicas aunque nos quedaremos únicamente con las 3 primeras filas a efectos didácticos: >>> df = df.reset_index()[:3] >>> df Company Revenue Employees City Country 0 Apple 274515 147000 California United States 1 Samsung Electronics 200734 267937 Suwon South Korea 2 Alphabet 182527 135301 California United States Ancho y Largo Típicamente existen dos maneras de presentar datos tabulares: formato ancho y formato largo. En formato ancho cada fila tiene múltiples columnas representando todas las variables de una misma observación. En formato largo cada fila tiene básicamente tres columnas: una que identifica la observación, otra que identifica la variable y otra que contiene el valor. Para pasar de formato ancho a formato largo usamos la función melt(): >>> df.melt(id_vars= Company ) Company variable value 0 Apple Revenue 274515 1 Samsung Electronics Revenue 200734 2 Alphabet Revenue 182527 (continué en la próxima página) 400 Capítulo 8. Ciencia de datos
- 405. Aprende Python (proviene de la página anterior) 3 Apple Employees 147000 4 Samsung Electronics Employees 267937 5 Alphabet Employees 135301 6 Apple City California 7 Samsung Electronics City Suwon 8 Alphabet City California 9 Apple Country United States 10 Samsung Electronics Country South Korea 11 Alphabet Country United States Para pasar de formato largo a formato ancho usamos la función pivot(): >>> df_long = df.melt(id_vars= Company ) >>> df_long.pivot(index= Company , columns= variable , values= value ) variable City Country Employees Revenue Company Alphabet California United States 135301 182527 Apple California United States 147000 274515 Samsung Electronics Suwon South Korea 267937 200734 Truco: Nótese que las columnas tienen un nombre variable que se puede modificar mediante columns.name. Si queremos obtener el DataFrame en formato ancho, tal y como estaba, tenemos que realizar alguna operación adicional: df.rename_axis(columns = None).reset_index(). Apilando datos Las operaciones de apilado trabajan sobre los índices del DataFrame. Para comprobar su aplicabilidad, vamos a añadir la columna «Company» como índice del «dataset» anterior: >>> df.set_index( Company , inplace=True) >>> df Revenue Employees City Country Company Apple 274515 147000 California United States Samsung Electronics 200734 267937 Suwon South Korea Alphabet 182527 135301 California United States La función stack() nos permite obtener un DataFrame con índice multinivel que incluye las columnas del DataFrame de origen y los valores agrupados: 8.3. pandas 401
- 406. Aprende Python >>> df_stacked = df.stack() >>> df_stacked Company Apple Revenue 274515 Employees 147000 City California Country United States Samsung Electronics Revenue 200734 Employees 267937 City Suwon Country South Korea Alphabet Revenue 182527 Employees 135301 City California Country United States dtype: object >>> df_stacked.index MultiIndex([( Apple , Revenue ), ( Apple , Employees ), ( Apple , City ), ( Apple , Country ), ( Samsung Electronics , Revenue ), ( Samsung Electronics , Employees ), ( Samsung Electronics , City ), ( Samsung Electronics , Country ), ( Alphabet , Revenue ), ( Alphabet , Employees ), ( Alphabet , City ), ( Alphabet , Country )], names=[ Company , None]) La función unstack() realiza justo la operación contraria: convertir un DataFrame con índice multinivel en un Dataframe en formato ancho con índice sencillo. Se podría ver como una manera de aplanar el «dataset»: >>> df_flat = df_stacked.unstack() >>> df_flat Revenue Employees City Country Company Apple 274515 147000 California United States Samsung Electronics 200734 267937 Suwon South Korea Alphabet 182527 135301 California United States (continué en la próxima página) 402 Capítulo 8. Ciencia de datos
- 407. Aprende Python (proviene de la página anterior) >>> df_flat.index Index([ Apple , Samsung Electronics , Alphabet ], dtype= object , name= Company ) Agrupando datos Las operaciones de agregado son muy recurridas y nos permiten extraer información relevante, que, a simple vista, quizás no sea tan evidente. Veamos un ejemplo en el que calculamos la suma de los ingresos de las empresas, agrupados por país: >>> df.groupby( Country )[ Revenue ].sum() Country China 259790 Japan 230429 South Korea 254359 Taiwan 181945 United States 986372 Name: Revenue, dtype: int64 También es posible realizar la agrupación en varios niveles. En el siguiente ejemplo tendremos los datos agrupados por país y ciudad: >>> df.groupby([ Country , City ])[ Revenue ].sum() Country City China Hong Kong 60742 Shenzhen 199048 Japan Osaka 63191 Tokyo 167238 South Korea Seoul 53625 Suwon 200734 Taiwan New Taipei City 181945 United States California 677513 New York 73620 Texas 92224 Washington 143015 Name: Revenue, dtype: int64 Ver también: Cuando realizamos una agrupación por varias columnas, el resultado contiene un índice de múltiples niveles. Podemos aplanar el DataFrame usando unstack(). Incluso podemos aplicar distintas funciones de agregación a cada columna. Supongamos que necesitamos calcular la media de los ingresos y la mediana del número de 8.3. pandas 403
- 408. Aprende Python empleados/as, con las empresas agrupadas por país: >>> df.groupby( Country ).agg({ Revenue : mean , Employees : median }) Revenue Employees Country China 86596.666667 85858.0 Japan 76809.666667 243540.0 South Korea 127179.500000 171468.5 Taiwan 181945.000000 878429.0 United States 123296.500000 141150.5 Nota: Utilizamos la función agg() pasando un diccionario cuyas claves son nombres de columnas y cuyos valores son funciones a aplicar. Ejercicio Obtenga el porcentaje de población (en relación con el total) de cada provincia de las Islas Canarias en base al «dataset» democan. El resultado debería ser similar a: • Las Palmas de Gran Canaria: 52% • Santa Cruz de Tenerife: 48% Aplicando funciones Pandas permite la aplicación de funciones (tanto propias como «built-in») a filas y/o columnas de un DataFrame. Numpy nos ofrece una amplia gama de funciones matemáticas. Podemos hacer uso de cualquier de ellas aplicándola directamente a nuestro conjunto de datos. Veamos un ejemplo en el que obtenemos el máximo de cada columna: >>> df.apply(np.max) Revenue 274515 Employees 878429 City Washington Country United States dtype: object Truco: En este caso equivalente a df.max(). 404 Capítulo 8. Ciencia de datos
- 409. Aprende Python Podemos aplicar funciones sobre determinadas columnas. Supongamos que queremos obtener el logaritmo de la serie de ingresos: >>> df[ Revenue ].apply(np.log) Company Apple 12.522761 Samsung Electronics 12.209736 Alphabet 12.114653 Foxconn 12.111460 Microsoft 11.870705 Huawei 11.768993 Dell Technologies 11.431976 Facebook 11.361696 Sony 11.349147 Hitachi 11.318673 Intel 11.262758 IBM 11.206672 Tencent 11.154306 Panasonic 11.053917 Lenovo 11.014391 HP Inc. 10.944453 LG Electronics 10.889771 Name: Revenue, dtype: float64 Ahora imaginemos un escenario en el que la normativa de Estados Unidos ha cambiado y obliga a sus empresas tecnológicas a aumentar un 5% el número de empleados/as que tienen. Esto lo podríamos abordar escribiendo una función propia que gestione cada fila del «dataset» y devuelva el valor adecuado de empleados/as según las características de cada empresa: >>> def raise_employment(row): ... num_employees = row[ Employees ] ... if row[ Country ] == United States : ... return num_employees * 1.05 ... return num_employees Ahora ya podemos aplicar esta función a nuestro DataFrame, teniendo en cuenta que debemos actuar sobre el eje de filas (axis=1): >>> df.apply(raise_employment, axis=1) Company Apple 154350.00 Samsung Electronics 267937.00 Alphabet 142066.05 Foxconn 878429.00 Microsoft 171150.00 Huawei 197000.00 (continué en la próxima página) 8.3. pandas 405
- 410. Aprende Python (proviene de la página anterior) Dell Technologies 165900.00 Facebook 61534.20 Sony 109700.00 Hitachi 350864.00 Intel 116130.00 IBM 383040.00 Tencent 85858.00 Panasonic 243540.00 Lenovo 71500.00 HP Inc. 55650.00 LG Electronics 75000.00 dtype: float64 El resultado es una serie que se podría incorporar al conjunto de datos, o bien, reemplazar la columna Employees con estos valores. Ejercicio Supongamos que el Gobierno de Canarias va a dar unas ayudas a cada isla en función de su superficie y su población, con las siguientes reglas: • Islas con menos de 1000 km2 : ayuda del 30% de su población. • Islas con más de 1000 km2 : ayuda del 20% de su población. Añada una nueva columna Grant al «dataset» democan donde se contemplen estas ayudas. El DataFrame debería quedar así: Population Area Province Grant Island Gran Canaria 855521 1560.10 LPGC 171104.2 Tenerife 928604 2034.38 SCTF 185720.8 La Palma 83458 708.32 SCTF 25037.4 Lanzarote 155812 845.94 LPGC 46743.6 La Gomera 21678 369.76 SCTF 6503.4 El Hierro 11147 278.71 SCTF 3344.1 Fuerteventura 119732 1659.00 LPGC 23946.4 406 Capítulo 8. Ciencia de datos
- 411. Aprende Python Uniendo DataFrames En esta sección veremos dos técnicas: Una de ellas «fusiona» dos DataFrames mientras que la otra los «concatena». Fusión de DataFrames Pandas proporciona la función merge() para mezclar dos DataFrames. El comportamiento de la función viene definido, entre otros, por el parámetro how que establece el método de «fusión»: Figura 19: Operaciones de mezcla con «merge» En principio, si no establecemos ningún argumento adicional, «merge» tratará de vincular aquellas filas con columnas homónimas en ambos conjuntos de datos. Si queremos especificar 8.3. pandas 407
- 412. Aprende Python que la mezcla se dirija por determinadas columnas, tenemos a disposición los parámetros on, left_on o right_on. Ver también: Existe la posibilidad de generar un producto cartesiano entre las filas de ambos DataFrames. Para ello podemos usar pd.merge(df1, df2, how= cross ). Concatenación de DataFrames Para concatenar dos DataFrames podemos utilizar la función concat() que permite añadir las filas de un DataFrame a otro, o bien añadir las columnas de un DataFrame a otro. Figura 20: Operaciones de concatenación con «concat» Si queremos «reindexar» el DataFrame concatenado, la función concat() admite un parámetro ignore_index que podemos poner a True. De esta forma tendremos un «dataset» resultante con índice desde 0 hasta N. Ejercicio Obtenga los datos de población y superficie de las comunidades autónomas españolas desde esta url de Wikipedia en un único DataFrame con la siguiente estructura: Comunidad Superficie Población Densidad 0 Castilla y León 94226 2407650 25.551865 1 Andalucía 87268 8379248 96.017418 2 Casstilla-La Mancha 79463 2025510 25.489976 ... ... Notas: 408 Capítulo 8. Ciencia de datos
- 413. Aprende Python • Utilice la función pd.read_html() para acceder a las tablas. La tabla de superficie tiene el índice 3 y la tabla de población tiene el índice 4. • Elimine la última fila de totales en cada DataFrame y quédese sólo con las columnas que interesen. • Renombre las columnas según interese. • Reemplace los valores de población y superficie para que sean números y convierta las columnas a entero. • Realice la mezcla de población y superficie en un único DataFrame. • Calcule la densidad de población de cada comunidad autónoma. 8.4 matplotlib matplotlib es el paquete Python más utilizado en el ámbito de la ciencia de datos para representaciones gráficas.1 $ pip install matplotlib La forma más común de importar esta librería es usar el alias plt de la siguiente manera: 1 Foto original de portada por Customerbox en Unsplash. 8.4. matplotlib 409
- 414. Aprende Python >>> import matplotlib.pyplot as plt Importante: Si bien podemos utilizar matplotlib en el intérprete habitual de Python, suele ser muy frecuente trabajar con esta librería mediante entornos Jupyter, ya que facilitan la visualización de los gráficos en su interfaz de usuario. 8.4.1 Figura La figura es el elemento base sobre el que se construyen todos los gráficos en matplotlib. Veamos cómo crearla: >>> fig = plt.figure() >>> type(fig) matplotlib.figure.Figure >>> fig <Figure size 640x480 with 0 Axes> Podemos observar que la resolución (por defecto) de la figura es de 640x480 píxeles y que no dispone de ningún eje («0 Axes»). Importante: El término «axes» hace referencia a un conjunto de ejes. Puede resultar confuso en español y he decidido asignar el nombre marco cuando haga referencia a «axes». La resolución final de una figura viene determinada por su altura (height) y anchura (width) especificadas en pulgadas2 que, a su vez, se multiplican por los puntos por pulgada o dpi. Veamos el funcionamiento: >>> fig <Figure size 640x480 with 0 Axes> >>> fig.get_figwidth() # pulgadas 6.4 >>> fig.get_figheight() # pulgadas 4.8 >>> fig.get_dpi() # dots per inch 100.0 (continué en la próxima página) 2 Se suele usar el término inglés «inches». 410 Capítulo 8. Ciencia de datos
- 415. Aprende Python (proviene de la página anterior) >>> fig.get_figwidth() * fig.dpi, fig.get_figheight() * fig.dpi (640.0, 480.0) Importante: Si utilizamos entornos de desarollo basados en Jupyter, los valores por defecto son distintos: • Ancho de figura: 6 in • Alto de figura: 4 in • DPI: 75 • Resolución: 450x300 px Por tanto, cuando creamos una figura podemos modificar los parámetros por defecto para obtener la resolución deseada: >>> fig = plt.figure(figsize=(19.2, 10.8)) # 100 dpi >>> fig <Figure size 1920x1080 with 0 Axes> >>> fig = plt.figure(figsize=(19.2, 10.8), dpi=300) >>> fig <Figure size 5760x3240 with 0 Axes> Si nos interesa que cualquier figura tome unos valores concretos de resolución, podemos modificar los valores por defecto del entorno. Para ello, matplotlib hace uso de un diccionario plt.rcParams que contiene los parámetros globales de configuración. Veamos cómo modificarlo: >>> plt.rcParams[ figure.figsize ] [6.4, 4.8] >>> plt.rcParams[ figure.dpi ] 100.0 >>> plt.rcParams[ figure.figsize ] = (10, 5) >>> plt.rcParams[ figure.dpi ] = 300 # res. final: 3000x1500 px >>> fig.get_figwidth() 10.0 >>> fig.get_figheight() 5.0 >>> fig.dpi 300.0 8.4. matplotlib 411
- 416. Aprende Python 8.4.2 Marcos Para poder empezar a graficar necesitamos tener, al menos, un marco. Utilizaremos la función add_subplot() que requiere pasar como parámetros el número de filas, el número de columnas y el marco activo: Figura 21: Creación de marcos dentro de una figura Para comenzar vamos a trabajar únicamente con un marco: >>> fig = plt.figure() >>> ax = fig.add_subplot(1, 1, 1) # equivalente a fig.add_subplot(111) >>> ax <AxesSubplot:> >>> fig <Figure size 640x480 with 1 Axes> Truco: Suele ser habitual encontrar ax como nombre de variable del «axes» devuelto por la función add_subplot(). 412 Capítulo 8. Ciencia de datos
- 417. Aprende Python Nota: La escala por defecto de cada eje va de 0 a 1 con marcas cada 0.2 Ahora vamos a generar 4 marcos sobre los que fijaremos un título identificativo: >>> fig = plt.figure() >>> for i in range(1, 5): ... ax = fig.add_subplot(2, 2, i) ... ax.set_title(f Subplot {i} ) >>> fig.tight_layout(pad=1) # sólo para que no se solapen los títulos >>> fig <Figure size 640x480 with 4 Axes> 8.4. matplotlib 413
- 418. Aprende Python Atajo para subgráficos Matplotlib nos ofrece una forma compacta de crear a la vez tanto la figura como los marcos que necesitemos. Para ello utilizaremos la función plt.subplots() que recibe como parámetros el número de filas y el número de columnas para la disposición de los marcos, y devuelve una tupla con la figura y los marcos. En el siguiente ejemplo creamos una figura con un único marco: >>> fig, ax = plt.subplots(1, 1) >>> fig <Figure size 640x480 with 1 Axes> >>> ax <AxesSubplot:> Truco: Si invocamos la función plt.subplots() sin parámetros, creará (por defecto) un 414 Capítulo 8. Ciencia de datos
- 419. Aprende Python único marco. En el siguiente ejemplo creamos una figura con 6 marcos en disposición de 2 filas por 3 columnas: >>> fig, ax = plt.subplots(2, 3) >>> fig <Figure size 640x480 with 6 Axes> >>> ax array([[<AxesSubplot:>, <AxesSubplot:>, <AxesSubplot:>], [<AxesSubplot:>, <AxesSubplot:>, <AxesSubplot:>]], dtype=object) >>> ax.shape (2, 3) Nota: Se podría ver la función subplots() como una combinación de figure() + add_subplot(). Etiquetas Dentro de un marco también es posible fijar las etiquetas de los ejes (X e Y). Veamos cómo hacerlo: >>> fig, ax = plt.subplots() >>> ax.set_title( Gráfico en blanco ) Text(0.5, 1.0, Gráfico en blanco ) >>> ax.set_xlabel( Etiqueta para el eje X ) Text(0.5, 0, Etiqueta para el eje X ) >>> ax.set_ylabel( Etiqueta para el eje Y ) Text(0, 0.5, Etiqueta para el eje Y ) >>> fig <Figure size 640x480 with 1 Axes> 8.4. matplotlib 415
- 420. Aprende Python Ejes Un marco (2D) está compuesto por dos ejes: eje X e eje Y. Podemos acceder a cada eje mediante sendos atributos: >>> ax.xaxis <matplotlib.axis.XAxis at 0x112b34100> >>> ax.yaxis <matplotlib.axis.YAxis at 0x112b34850> 416 Capítulo 8. Ciencia de datos
- 421. Aprende Python Rejilla En cada eje podemos activar o desactivar la rejilla, así como indicar su estilo. En primer lugar vamos a activar la rejilla en ambos ejes: >>> ax.xaxis.grid(True) >>> ax.yaxis.grid(True) Esto sería equivalente a: >>> ax.grid(True) Y obtendríamos una figura con la rejilla (por defecto): Truco: Las funciones de matplotlib que actúan como «interruptores» tienen por defecto el valor verdadero. En este sentido ax.grid() invocada sin parámetros hace que se muestre la rejilla. Esto se puede aplicar a muchas otras funciones. Supongamos ahora que queremos personalizar la rejilla con estilos diferentes en cada eje: 8.4. matplotlib 417
- 422. Aprende Python >>> ax.xaxis.grid(color= r , linestyle= - ) # equivale a color= red , linestyle= ˓ → solid >>> ax.yaxis.grid(color= b , linestyle= - ) # equivale a color= blue , linestyle= ˓ → solid • Parámetros disponibles para creación del grid. • Listado de nombres de colores en matplotlib. • Estilos de línea en matplotlib. Marcas Por defecto, los ejes del marco tienen unas marcas3 equiespaciadas que constituyen las marcas mayores. Igualmente existen unas marcas menores que, a priori, no están activadas. Ambos elementos son susceptibles de modificarse. Veamos un ejemplo en el que establecemos las marcas menores con distinto espaciado en cada eje y además le damos un estilo diferente a cada rejilla: 3 Se suele usar el término inglés «ticks». 418 Capítulo 8. Ciencia de datos
- 423. Aprende Python >>> from matplotlib.ticker import MultipleLocator >>> ax.xaxis.set_minor_locator(MultipleLocator(0.1)) # X: separación cada 0.1␣ ˓ →unidades >>> ax.yaxis.set_minor_locator(MultipleLocator(0.05)) # Y: separación cada 0.05␣ ˓ →unidades >>> ax.xaxis.grid(which= minor , linestyle= dashed , color= gray ) >>> ax.yaxis.grid(which= minor , linestyle= dashed , color= lightskyblue ) También es posible asignar etiquetas a las marcas menores. En ese sentido, veremos un ejemplo en el que incorporamos los valores a los ejes con estilos propios: • Marcas menores en el eje X: precisión de 1 decimal, tamaño de letra 8 y color gris. • Marcas menores en el eje Y: precisión de 2 decimales, tamaño de letra 8 y color azul. >>> # Eje X >>> ax.xaxis.set_minor_formatter( {x:.1f} ) >>> ax.tick_params(axis= x , which= minor , labelsize=8, labelcolor= gray ) (continué en la próxima página) 8.4. matplotlib 419
- 424. Aprende Python (proviene de la página anterior) >>> # Eje Y >>> ax.yaxis.set_minor_formatter( {x:.2f} ) >>> ax.tick_params(axis= y , which= minor , labelsize=8, labelcolor= lightskyblue ) 8.4.3 Primeros pasos Vamos a empezar por representar la función 𝑓(𝑥) = 𝑠𝑖𝑛(𝑥). Para ello crearemos una variable 𝑥 con valores flotantes equidistantes y una variable 𝑦 aplicando la función senoidal. Nos apoyamos en numpy para ello. A continuación usaremos la función plot() del marco para representar la función creada: >>> x = np.linspace(0, 2 * np.pi) >>> y = np.sin(x) >>> fig, ax = plt.subplots() >>> ax.plot(x, y) [<matplotlib.lines.Line2D at 0x120914040>] 420 Capítulo 8. Ciencia de datos
- 425. Aprende Python Múltiples funciones Partiendo de un mismo marco, es posible graficar todas las funciones que necesitemos. A continuación crearemos un marco con las funciones seno y coseno: >>> x = np.linspace(0, 2 * np.pi) >>> sin = np.sin(x) >>> cos = np.cos(x) >>> fig, ax = plt.subplots() >>> ax.plot(x, sin) [<matplotlib.lines.Line2D at 0x1247b6310>] >>> ax.plot(x, cos) [<matplotlib.lines.Line2D at 0x112b0d4c0>] 8.4. matplotlib 421
- 426. Aprende Python Nota: Los colores «auto» asignados a las funciones siguen un ciclo establecido por matplotlib que es igualmente personalizable. Leyenda En el caso de que tengamos múltiples gráficos en el mismo marco puede ser deseable mostrar una leyenda identificativa. Para usarla necesitamos asignar etiquetas a cada función. Veamos a continuación cómo incorporar una leyenda: >>> ax.plot(x, sin, label= sin ) [<matplotlib.lines.Line2D at 0x124e07ac0>] >>> ax.plot(x, cos, label= cos ) [<matplotlib.lines.Line2D at 0x123c58f10>] >>> ax.legend() <matplotlib.legend.Legend at 0x123c8f190> 422 Capítulo 8. Ciencia de datos
- 427. Aprende Python Es posible incorporar sintaxis Latex en los distintos elementos textuales de matplotlib. En el siguiente ejemplo usaremos esta notación en las etiquetas de las funciones utilizando el símbolo $ ... $ para ello: >>> ax.plot(x, sin, label= $f_1(x) = sin(x)$ ) [<matplotlib.lines.Line2D at 0x11682f3a0>] >>> ax.plot(x, cos, label= $f_2(x) = cos(x)$ ) [<matplotlib.lines.Line2D at 0x11682b3a0>] 8.4. matplotlib 423
- 428. Aprende Python Ubicación de la leyenda Matplotlib intenta encontrar la mejor ubicación para la leyenda en el marco. Sin embargo, también es posible personalizar el lugar en el que queremos colocarla. Si nos interesa situar la leyenda en la parte superior central del marco haríamos lo siguiente: >>> ax.legend(loc= upper center ) <matplotlib.legend.Legend at 0x1167d43a0> 424 Capítulo 8. Ciencia de datos
- 429. Aprende Python Aplicando estilos Para cada función que incluimos en el marco es posible establecer un estilo personalizado con multitud de parámetros. Veamos la aplicación de algunos de estos parámetros a las funciones seno y coseno con las que hemos estado trabajando: >>> sin_style = dict(linewidth=3, color= darkorange ) >>> cos_style = dict(marker= o , markerfacecolor= limegreen , color= darkgreen ) >>> ax.plot(x, sin, label= $f_1(x) = sin(x)$ , **sin_style) [<matplotlib.lines.Line2D at 0x1131e9fd0>] >>> ax.plot(x, cos, label= $f_2(x) = cos(x)$ , **cos_style) [<matplotlib.lines.Line2D at 0x1226d76d0>] 8.4. matplotlib 425
- 430. Aprende Python Acotando ejes Hay veces que nos interesa definir los límites de los ejes. En ese caso, podemos hacerlo de una manera muy sencilla: >>> ax.set_xlim(0, np.pi / 2) >>> ax.set_ylim(0, 1) >>> ax.grid() # sólo a efectos estéticos 426 Capítulo 8. Ciencia de datos
- 431. Aprende Python Truco: También es posible especificar únicamente límite inferior o superior en ambas funciones set_xlim() y set_ylim(). En ese caso, el otro valor sería ajustado automáticamente por matplotlib. Anotaciones En ocasiones necesitamos añadir ciertas anotaciones al gráfico que estamos diseñando. Esto permite destacar áreas o detalles que pueden ser relevantes. Partiendo de las funciones seno y coseno con las que hemos estado trabajando, vamos a suponer que queremos obtener sus puntos de corte, es decir, resolver la siguiente ecuación: 𝑠𝑖𝑛(𝑥) = 𝑐𝑜𝑠(𝑥) ⇓ 𝑥 = 𝜋 4 + 𝜋𝑛, 𝑛 ∈ Z Para el caso que nos ocupa haríamos 𝑛 = 0 con lo que obtendríamos la siguiente solución: 8.4. matplotlib 427
- 432. Aprende Python >>> xsol = np.pi / 4 + np.pi * 0 >>> ysol = np.sin(xsol) >>> xsol, ysol (0.7853981633974483, 0.7071067811865475) Vamos a insertar una serie de anotaciones en el gráfico: • Flecha en el punto de corte con etiqueta de ecuación. • Coordenadas de solución en el punto de corte. • Proyección del punto de corte hacia ambos ejes. >>> ax.annotate( $sin(x) = cos(x)$ , ... xy=(xsol, ysol), ... xytext=(1.2, 0.8), ... arrowprops=dict(facecolor= black , shrink=0.05)) >>> ax.text(0.47, 0.72, f ({xsol:.2f}, {ysol:.2f}) ) >>> ax.plot([xsol, xsol], [0, ysol], color= gray , linestyle= -- ) >>> ax.plot([0, xsol], [ysol, ysol], color= gray , linestyle= -- ) 428 Capítulo 8. Ciencia de datos
- 433. Aprende Python Ejercicio Escriba el código Python necesario para obtener el siguiente gráfico: 8.4. matplotlib 429
- 434. Aprende Python Datos: • 𝑥 ∈ [0, 2𝜋] (1000 puntos) • 𝑦 = 𝑒−𝛼𝑥 𝑠𝑖𝑛(𝛽𝑥), donde 𝛼 = 0.7 y 𝛽 = 10. 8.4.4 Tipos de gráficos Mediante matplotlib podemos hacer prácticamente cualquier tipo de gráfico. En esta sección haremos un repaso por algunos de ellos. Gráficos de barras Vamos a partir de un «dataset» que contiene los resultados de los Juegos Olímpicos de Tokio 2020. Hemos descargado el fichero medals.xlsx desde una página de Kaggle4 . En primer lugar cargaremos este fichero en un DataFrame y haremos una pequeña «limpieza»: >>> df = pd.read_excel( pypi/datascience/files/medals.xlsx ) >>> df.head() Rank Team/NOC Gold Silver Bronze Total Rank by Total 0 1 United States of America 39 41 33 113 1 (continué en la próxima página) 4 Kaggle es un servicio web que ofrece una gran variedad de «datasets», así como código, cursos y otros recursos en relación con la ciencia de datos. 430 Capítulo 8. Ciencia de datos
- 435. Aprende Python (proviene de la página anterior) 1 2 People s Republic of China 38 32 18 88 2 2 3 Japan 27 14 17 58 5 3 4 Great Britain 22 21 22 65 4 4 5 ROC 20 28 23 71 3 >>> df.rename(columns={ Team/NOC : Country }, inplace=True) >>> df.set_index( Country , inplace=True) >>> df.head() Rank Gold Silver Bronze Total Rank by Total Country United States of America 1 39 41 33 113 1 People s Republic of China 2 38 32 18 88 2 Japan 3 27 14 17 58 5 Great Britain 4 22 21 22 65 4 ROC 5 20 28 23 71 3 Importante: Para la carga de ficheros Excel, es necesario instalar un paquete adicional denominado openpyxl. A continuación crearemos un gráfico de barras con las medallas de oro, plata y bronce de los 10 primeros países ordenados por su ranking. Lo primero será crear el subconjunto de datos sobre el que vamos a trabajar. Hay muchas maneras de hacerlo. Una de ellas: >>> df_best = df.nsmallest(10, Rank ) >>> df_best Rank Gold Silver Bronze Total Rank by Total Country United States of America 1 39 41 33 113 1 People s Republic of China 2 38 32 18 88 2 Japan 3 27 14 17 58 5 Great Britain 4 22 21 22 65 4 ROC 5 20 28 23 71 3 Australia 6 17 7 22 46 6 Netherlands 7 10 12 14 36 9 France 8 10 12 11 33 10 Germany 9 10 11 16 37 8 Italy 10 10 10 20 40 7 Ahora ya podemos centrarnos en el diseño del gráfico de barras: 8.4. matplotlib 431
- 436. Aprende Python >>> fig, ax = plt.subplots(figsize=(8, 5), dpi=100) # 800x500 px >>> bar_width = 0.30 >>> x = np.arange(df_best.index.size) >>> golden_medals = ax.bar(x - bar_width, df_best[ Gold ], ... bar_width, label= Oro , color= #ffd700 ) >>> silver_medals = ax.bar(x, df_best[ Silver ], ... bar_width, label= Plata , color= #aaa9ad ) >>> bronze_medals = ax.bar(x + bar_width, df_best[ Bronze ], ... bar_width, label= Bronce , color= #cd7f32 ) >>> ax.set_xticks(x) >>> ax.set_xticklabels(df_best.index, rotation=90) >>> ax.legend() >>> # Etiquetas en barras >>> ax.bar_label(golden_medals, padding=3) >>> ax.bar_label(silver_medals, padding=3) >>> ax.bar_label(bronze_medals, padding=3) >>> ax.spines[ right ].set_visible(False) # ocultar borde derecho >>> ax.spines[ top ].set_visible(False) # ocultar borde superior >>> fig.tight_layout() # ajustar elementos al tamaño de la figura >>> fig 432 Capítulo 8. Ciencia de datos
- 437. Aprende Python Ejercicio Partiendo del fichero tiobe-2020-clean.csv que contiene las valoraciones de los lenguajes de programación más usados durante el año 2020 (según el índice TIOBE)8 , cree el siguiente gráfico de barras: 8 Datos extraídos desde esta página de Kaggle. 8.4. matplotlib 433
- 438. Aprende Python Gráficos de dispersión Para este gráfico vamos a usar un «dataset» de jugadores de la NBA5 extraído desde esta página de Kaggle. El fichero nba-data.csv contiene información desde 1996 hasta 2019. En primer lugar cargamos los datos y nos quedamos con un subconjunto de las columnas: >>> df = pd.read_csv( pypi/datascience/files/nba-data.csv , usecols=[ pts , reb , ˓ → ast ]) >>> df.head() pts reb ast 0 4.8 4.5 0.5 1 0.3 0.8 0.0 2 4.5 1.6 0.9 3 7.8 4.4 1.4 4 3.7 1.6 0.5 >>> df.shape (11700, 3) 5 National Basketball League (liga estadounidense de baloncesto). 434 Capítulo 8. Ciencia de datos
- 439. Aprende Python El objetivo es crear un gráfico de dispersión en el relacionaremos los puntos anotados con los rebotes capturados, así como las asistencias dadas: >>> fig, ax = plt.subplots(figsize=(8, 6), dpi=100) # 800x600 px >>> # Crear variables auxiliares >>> x = df[ pts ] >>> y = df[ reb ] >>> colors = df[ ast ] >>> p = ax.scatter(x, y, ... s=30, # tamaño de los puntos ... c=colors, cmap= RdBu_r , # colores ... vmin=colors.min(), vmax=colors.max(), # normalización de colores ... alpha=0.7, ... edgecolors= none ) >>> # Barra de colores >>> cb = fig.colorbar(p, ax=ax, label= Asistencias , extend= max ) >>> cb.outline.set_visible(False) >>> ax.set_xlabel( Puntos ) >>> ax.set_ylabel( Rebotes ) >>> ax.spines[ right ].set_visible(False) >>> ax.spines[ top ].set_visible(False) >>> fig.tight_layout() 8.4. matplotlib 435
- 440. Aprende Python Del gráfico anterior cabe destacar varios aspectos: • Normalización: Cuando aplicamos una estética de color al gráfico basada en los datos de una variable, debemos normalizar dicha variable en el mapa de color («colormap») que elijamos. Para ello, matplotlib nos ofrece la normalización de mapas de color. En el caso concreto de scatter() pasaríamos esta normalización mediante el parámetro norm pero también podemos usar los parámetros vmin y vmax. • Barra de color: Se trata de una leyenda particular en la que mostramos el gradiente de color vinculado a una determinada estética/variable del gráfico. Matplotlib también nos permite personalizar estas barras de color. Ejercicio Partiendo del fichero bmw-clean.csv que contiene información sobre vehículos de la marca BMW9 , cree el siguiente gráfico de dispersión: 9 Datos extraídos desde esta página de Kaggle. 436 Capítulo 8. Ciencia de datos
- 441. Aprende Python El mapa de color que se ha usado es plasma_r. Histogramas En esta ocasión vamos a trabajar con un «dataset» de «Avengers»6 extraído desde Kaggle. Hemos descargado el fichero avengers.csv. Como punto de partida vamos a cargar la información y a quedarnos únicamente con la columna que hace referencia al año en el que se crearon los personajes: >>> df = pd.read_csv( pypi/datascience/files/avengers.csv , usecols=[ Year ]) >>> df.head() Year 0 1963 1 1963 2 1963 3 1963 4 1963 >>> df.shape (173, 1) 6 Los Vengadores son un equipo de superhéroes publicados por Marvel Comics. 8.4. matplotlib 437
- 442. Aprende Python Igualmente haremos un pequeño filtrado para manejar sólo registros a partir de 1960: >>> df = df[df[ Year ] >= 1960] >>> df.shape (159, 1) Ahora ya podemos construir el histograma, que va a representar las frecuencias absolutas de creación de personajes Marvel según su año de creación. Aunque es posible indicar un número determinado de contenedores («bins»), en este caso vamos a especificar directamente los intervalos (cada 5 años): >>> df[ Year ].min(), df[ Year ].max() (1963, 2015) >>> bins = range(1960, 2021, 5) Y a continuación el código necesario para montar el gráfico: >>> fig, ax = plt.subplots(figsize=(8, 4), dpi=100) # 800x400 px >>> ax.hist(df, ... bins=bins, # intervalos de agrupación ... rwidth=0.95, # ancho de cada barra ... zorder=2, # barras por encima de rejilla ... color= deeppink , ... alpha=0.5) >>> ax.spines[ right ].set_visible(False) >>> ax.spines[ top ].set_visible(False) >>> ax.set_xticks(bins) # etiquetas de intervalos en el eje x >>> ax.yaxis.grid(color= lightgray , linestyle= -- ) # rejilla >>> fig.tight_layout() 438 Capítulo 8. Ciencia de datos
- 443. Aprende Python Descargo de responsabilidad: Técnicamente este gráfico no es un histograma ya que los años (fechas en general) no representan categorías válidas, pero sirve a efectos demostrativos de cómo se construyen este tipo de diagramas. Ejercicio Partiendo del fichero pokemon.csv que contiene información sobre Pokemon10 , cree el siguiente histograma en el que se analiza el número de personajes «pokemons» en función de su velocidad (columna Speed): 10 Datos extraídos desde esta página de Kaggle. 8.4. matplotlib 439
- 444. Aprende Python Gráficos para series temporales Vamos a trabajar con un conjunto de datos extraído desde esta página de Kaggle que contiene información histórica de temperaturas del planeta Tierra. El fichero global-temperatures. csv se ha descargado para su tratamiento. En primer lugar cargamos los datos, renombramos las columnas y eliminamos los valores nulos: >>> df = pd.read_csv( pypi/datascience/files/global-temperatures.csv , ... parse_dates=[ dt ], # conversión a tipo datetime ... usecols=[ dt , LandAverageTemperature ]) >>> df.rename(columns={ dt : when , LandAverageTemperature : temp }, inplace=True) >>> df.dropna(inplace=True) >>> df.head() when temp 0 1750-01-01 3.034 1 1750-02-01 3.083 2 1750-03-01 5.626 3 1750-04-01 8.490 4 1750-05-01 11.573 (continué en la próxima página) 440 Capítulo 8. Ciencia de datos
- 445. Aprende Python (proviene de la página anterior) >>> df.shape (3180, 2) A continuación montamos un gráfico en el que se representan todas las mediciones históricas de la temperatura media global del planeta y añadimos una línea de tendencia: >>> # Necesitamos algunas utilidades de gestión de fechas >>> from matplotlib.dates import YearLocator, DateFormatter, date2num >>> from matplotlib.ticker import MultipleLocator >>> fig, ax = plt.subplots(figsize=(8, 4), dpi=100) # 800x400 px >>> # Alias para simplificar el acceso >>> x = df.when >>> y = df.temp >>> ax.plot(x, y, ... linestyle= None , marker= . , color= tomato , # estilo de línea ... zorder=2) # orden para colocar sobre rejilla >>> # Construcción de la línea de tendencia >>> x = date2num(x) >>> z = np.polyfit(x, y, 2) # ajuste polinómico de grado 2 >>> p = np.poly1d(z) >>> plt.plot(x, p(x), linewidth=4, alpha=0.8, color= royalblue ) >>> # Formateo de los ejes >>> ax.xaxis.set_minor_locator(YearLocator(10)) >>> ax.xaxis.set_minor_formatter(DateFormatter( %Y )) >>> ax.tick_params(axis= x , which= minor , ... labelsize=8, labelcolor= lightgray , rotation=90) >>> ax.xaxis.grid(which= minor , color= lightgray , linestyle= dashed ) >>> ax.yaxis.set_major_formatter( {x:.0f}º ) >>> ax.yaxis.set_minor_locator(MultipleLocator(1)) >>> ax.tick_params(axis= y , which= minor , ... labelsize=8, labelcolor= lightgray ) >>> ax.yaxis.grid(which= minor , linestyle= dashed , color= lightgray ) >>> ax.yaxis.set_minor_formatter( {x:.0f} ) >>> ax.tick_params(axis= y , which= minor , labelsize=8, labelcolor= lightgray ) >>> ax.spines[ right ].set_visible(False) >>> ax.spines[ top ].set_visible(False) >>> fig.tight_layout() 8.4. matplotlib 441
- 446. Aprende Python Mapas de calor Para este tipo de gráfico vamos a utilizar un «dataset» que recoge las 1000 películas más valoradas en IMDB7 . Está sacado desde esta página de Kaggle y se ha descargado el fichero de datos en imdb-top-1000.csv. En primer lugar vamos a cargar los datos quedándonos con las columnas Certificate (clasificación de la película según edades), Genre (géneros de la película) e IMDB_Rating (valoración de la película en IMDB): >>> df = pd.read_csv( pypi/datascience/files/imdb-top-1000.csv , ... usecols=[ Certificate , Genre , IMDB_Rating ]) >>> df.head() Certificate Genre IMDB_Rating 0 A Drama 9.3 1 A Crime, Drama 9.2 2 UA Action, Crime, Drama 9.0 3 A Crime, Drama 9.0 4 U Crime, Drama 9.0 Ahora creamos una nueva columna en el DataFrame donde guardaremos únicamente el género principal de cada película: >>> df[ Main_Genre ] = df[ Genre ].str.split( , , expand=True)[0] (continué en la próxima página) 7 IMDB es una reconocida página web que contiene valoraciones sobre películas y series. 442 Capítulo 8. Ciencia de datos
- 447. Aprende Python (proviene de la página anterior) >>> df.head() Certificate Genre IMDB_Rating Main_Genre 0 A Drama 9.3 Drama 1 A Crime, Drama 9.2 Crime 2 UA Action, Crime, Drama 9.0 Action 3 A Crime, Drama 9.0 Crime 4 U Crime, Drama 9.0 Crime A continuación agrupamos y obtenemos los valores medios de las valoraciones: >>> # unstack permite disponer la agrupación en forma tabular (para el heatmap) >>> ratings = df.groupby([ Certificate , Main_Genre ])[ IMDB_Rating ].mean(). ˓ →unstack() >>> # Nos quedamos con un subconjunto de certificados y géneros >>> review_certificates = [ U , UA , PG-13 , R , A ] >>> review_genres = [ Animation , Action , Adventure , Biography , ... Comedy , Crime , Drama ] >>> ratings = ratings.loc[review_certificates, review_genres] >>> # Recodificamos los certificados (clasificación) con códigos más entendibles >>> certs_description = { U : ALL , UA : >12 , PG-13 : >13 , R : >17 , A : > ˓ →18 } >>> ratings.index = ratings.reset_index()[ Certificate ].replace(certs_description) >>> ratings Main_Genre Animation Action Adventure Biography Comedy Crime Drama Certificate ALL 7.947368 8.165000 7.953571 7.862500 7.940541 8.200000 7.976364 >12 7.883333 7.992424 7.958333 7.971429 7.885714 7.900000 7.953659 >13 7.866667 7.783333 7.600000 7.862500 7.785714 8.000000 7.775000 >17 7.800000 7.812500 7.900000 7.900000 7.824138 7.814286 7.915094 >18 7.866667 7.873171 7.912500 8.017647 7.877778 8.130233 8.036364 Ahora ya podemos construir el mapa de calor usando el DataFrame ratings generado previamente: >>> fig, ax = plt.subplots(figsize=(8, 4), dpi=100) >>> text_colors = ( black , white ) >>> im = ax.imshow(ratings, cmap= Reds ) # mapa de calor >>> cbar = fig.colorbar(im, ax=ax, label= IMDB Rating ) # leyenda >>> cbar.outline.set_visible(False) >>> x = ratings.columns (continué en la próxima página) 8.4. matplotlib 443
- 448. Aprende Python (proviene de la página anterior) >>> y = ratings.index >>> # Mostrar las etiquetas. El color del texto cambia en función de su normalización >>> for i in range(len(y)): ... for j in range(len(x)): ... value = ratings.iloc[i, j] ... text_color = text_colors[int(im.norm(value) > 0.5)] # color etiqueta ... ax.text(j, i, f {value:.2f} , color=text_color, va= center , ha= center ) >>> # Formateo de los ejes >>> ax.set_xticks(range(len(x))) >>> ax.set_xticklabels(x, rotation=90) >>> ax.set_yticks(range(len(y))) >>> ax.set_yticklabels(y) >>> ax.invert_yaxis() >>> ax.spines[:].set_visible(False) >>> fig.tight_layout() Ejercicio Partiendo del fichero euro-dollar-clean.csv que contiene información sobre el cambio 444 Capítulo 8. Ciencia de datos
- 449. Aprende Python euro-dollar durante los últimos 12 años11 , cree el siguiente mapa de calor en el que se analiza la evolución del cambio enfrentando meses y años: Diagramas de caja Un diagrama de caja permite visualizar la distribución de los valores de manera rápida y muy visual: Figura 22: Anatomía de un diagrama de caja14 11 Datos extraídos desde esta página de Kaggle. 14 Inspirado en este artículo de Towards Data Science. 8.4. matplotlib 445
- 450. Aprende Python Para mostrar el funcionamiento de los diagramas de caja en Matplotlib vamos a hacer uso de distintas distribuciones aleatorias que crearemos mediante funciones de Numpy: >>> DIST_SIZE = 100 # tamaño de la muestra >>> boxplots = [] >>> boxplots.append(dict( ... dist=np.random.normal(0, 1, size=DIST_SIZE), ... label= Normaln$mu=0, sigma=1$ , ... fill_color= pink , ... brush_color= deeppink )) >>> boxplots.append(dict( ... dist=np.random.geometric(0.4, size=DIST_SIZE), ... label= Geometricn$p=0.4$ , ... fill_color= lightblue , ... brush_color= navy )) >>> boxplots.append(dict( ... dist=np.random.chisquare(2, size=DIST_SIZE), ... label= Chi-squaredn$df=2$ , ... fill_color= lightgreen , ... brush_color= darkgreen )) Ahora ya podemos construir el gráfico de cajas que nos permite visualizar la distribución de las muestras: >>> fig, ax = plt.subplots(figsize=(8, 6), dpi=100) # 800x600 px >>> for i, boxplot in enumerate(boxplots): ... fcolor, bcolor = boxplot[ fill_color ], boxplot[ brush_color ] ... ax.boxplot(boxplot[ dist ], ... labels=[boxplot[ label ]], ... positions=[i], ... widths=[.3], ... notch=True, ... patch_artist=True, ... boxprops=dict(edgecolor=bcolor, ... facecolor=fcolor, ... linewidth=2), ... capprops=dict(color=bcolor, linewidth=2), ... flierprops=dict(color=bcolor, ... markerfacecolor=fcolor, ... linestyle= none , ... markeredgecolor= none , ... markersize=9), (continué en la próxima página) 446 Capítulo 8. Ciencia de datos
- 451. Aprende Python (proviene de la página anterior) ... medianprops=dict(color=bcolor), ... whiskerprops=dict(color=bcolor, ... linewidth=1)) >>> ax.yaxis.grid(color= lightgray ) >>> ax.xaxis.set_ticks_position( none ) >>> ax.yaxis.set_ticks_position( none ) >>> ax.spines[:].set_visible(False) >>> fig.tight_layout() Consejo: El código para preparar el gráfico se ha complicado porque se ha incidido en mejorar la estética. En cualquier caso, una vez hecho, se puede refactorizar en una función y reutilizarlo para futuros trabajos. 8.4. matplotlib 447
- 452. Aprende Python Gráficos de evolución Partiendo de un conjunto de datos temporales, vamos a aprovechar para elaborar un gráfico de evolución del precio de criptomonedas. En esta ocasión hemos utilizado el «dataset» eth-usd.csv descargado desde esta página de Kaggle. Contiene la valoración de la criptomoneda Ethereum en función de una marca temporal, así como el volumen de «moneda» existente en cada momento. El objetivo será crear un gráfico que represente el valor de la criptomoneda (a lo largo del tiempo) en contraposición al volumen de unidades. Lo primero que haremos, además de cargar los datos, será lo siguiente: • Seleccionar las columnas Date (fecha de referencia), Open (precio de la moneda a la apertura) y Volume (volumen de moneda). • Parsear el campo fecha. • Filtrar sólo aquellos registros a partir del 1 de enero de 2017 (por simplicidad). • Dividir la columna de volumen por 10M de cara a equiparar cantidades con la valoración (ajuste de gráfico). • Aplicar una media móvil para suavizar las curvas a representar. >>> import datetime >>> df = pd.read_csv( pypi/datascience/files/eth-usd.csv , ... parse_dates=[ Date ], ... usecols=[ Date , Open , Volume ], ... index_col= Date ) >>> min_date = datetime.datetime(year=2017, month=1, day=1) >>> df = df.loc[df.index > min_date] >>> df[ Volume ] /= 1e7 >>> df_smooth = df.rolling(20).mean().dropna() >>> df_smooth.head() Open Volume Date 2017-01-21 9.968611 2.146882 2017-01-22 10.105573 2.117377 2017-01-23 10.222339 1.985587 2017-01-24 10.273270 1.821968 2017-01-25 10.239854 1.647938 Ahora ya podemos montar el gráfico dedicando algo de esfuerzo a la parte estética: 448 Capítulo 8. Ciencia de datos
- 453. Aprende Python >>> fig, ax = plt.subplots(figsize=(8, 4), dpi=100) # 800x400px >>> # Alias para facilitar el acceso >>> x = df_smooth.index >>> y_open = df_smooth[ Open ] >>> y_vol = df_smooth[ Volume ] >>> # Líneas de evolución >>> ax.plot(x, y_open, label= Value ($) , color= skyblue , linewidth=1.5) >>> ax.plot(x, -y_vol, label= Volume (10M ud.) , color= pink , linewidth=1.5) >>> # Relleno del área >>> plt.fill_between(x, y_open, alpha=0.5, color= skyblue , zorder=3) >>> plt.fill_between(x, -y_vol, alpha=0.5, color= pink , zorder=3) >>> # Formateo de los ejes >>> ax.xaxis.set_ticks_position( none ) >>> ax.yaxis.set_ticks_position( none ) >>> y_ticks = [-4000, -2000, 0, 2000, 4000] >>> y_tick_labels = [ 4000 , 2000 , 0 , 2000 , 4000 ] >>> ax.set_yticks(y_ticks) >>> ax.set_yticklabels(y_tick_labels) >>> ax.set_ylim(-6000, 6000) >>> # Rejilla >>> ax.xaxis.grid(color= lightgray , linewidth=.5) >>> for y_tick in y_ticks: ... if y_tick != 0: ... ax.axhline(y_tick, color= lightgray , linewidth=.5) >>> ax.legend() >>> ax.spines[:].set_visible(False) >>> fig.tight_layout() 8.4. matplotlib 449
- 454. Aprende Python Ejercicio Partiendo del fichero mwh-spain-2021-clean.csv que contiene información sobre el precio de la energía en España durante el año 202112 , cree el siguiente diagrama de evolución que representa la variación del precio del MWh13 en función del tiempo: Las marcas (en el eje x) tienen una separación de 10 días. 12 Datos extraídos desde esta página de El País. 13 Mega Watio Hora (medida de consumo de energía) 450 Capítulo 8. Ciencia de datos
- 455. CAPÍTULO 9 Scraping Si bien existen multitud de datos estructurados en forma de ficheros, hay otros muchos que están embebidos en páginas web y que están preparados para ser visualizados mediante un navegador. Sin embargo, las técnicas de «scraping» nos permiten extraer este tipo de información web para convertirla en datos estructurados con los que poder trabajar de forma más cómoda. Los paquetes que veremos en este capítulo bien podrían estar incluidos en otras temáticas, ya que no sólo se utilizan para «scraping». 451
- 456. Aprende Python 9.1 requests El paquete requests es uno de los paquetes más famosos del ecosistema Python. Como dice su lema «HTTP for Humans» permite realizar peticiones HTTP de una forma muy sencilla y realmente potente.1 $ pip install requests 9.1.1 Realizar una petición Realizar una petición HTTP mediante requests es realmente sencillo: >>> import requests >>> response = requests.get( https://pypi.org ) Hemos ejecutado una solicitud GET al sitio web https://pypi.org. La respuesta se almacena en un objeto de tipo requests.models.Response muy rica en métodos y atributos que veremos a continuación: >>> type(response) requests.models.Response 1 Foto original de portada por Frame Harirak en Unsplash. 452 Capítulo 9. Scraping
- 457. Aprende Python Quizás lo primero que nos interese sea ver el contenido de la respuesta. En este sentido requests nos provee del atributo text que contendrá el contenido html del sitio web en cuestión como cadena de texto: >>> response.text nnnnnn<!DOCTYPE html>n<html lang="en" dir="ltr">n <head>n <meta␣ ˓ →charset="utf-8">n <meta http-equiv="X-UA-Compatible" content="IE=edge">n ˓ →<meta name="viewport" content="width=device-width, initial-scale=1">nn <meta␣ ˓ →name="defaultLanguage" content="en">n <meta name="availableLanguages" content= ˓ →"en, es, fr, ja, pt_BR, uk, el, de, zh_Hans, zh_Hant, ru, he, eo">nn nn ˓ →<title>PyPI · The Python Package Index</title>n <meta name="description"␣ ˓ →content="The Python Package Index (PyPI) is a repository of software for the␣ ˓ →Python programming language.">nn <link rel="stylesheet" href="/static/css/ ˓ →warehouse-ltr.69ee0d4e.css">n <link rel="stylesheet" href="/static/css/ ˓ →fontawesome.6002a161.css">n <link rel="stylesheet" href="/static/css/regular. ˓ →98fbf39a.css">n <link rel="stylesheet" href="/static/css/solid.c3b5f0b5.css"> ˓ →n <link rel="stylesheet" href="/static/css/brands.2c303be1.css">n <link rel= ˓ →"stylesheet" href="https://fonts.googleapis.com/css?family=Source+Sans+Pro:400, ˓ →400italic,600,600italic,700,700italic%7CSource+Code+Pro:500">n <noscript>n ␣ ˓ → <link rel="stylesheet" href="/static/css/noscript.d4ce1e76.css">n Nota: Se ha recortado la salida a efectos visuales. Algo que es realmente importante en una petición HTTP es comprobar el estado de la misma. Por regla general, si todo ha ido bien, deberíamos obtener un código 200, pero existen muchos otros códigos de estado de respuesta HTTP: >>> response.status_code 200 Truco: Para evitar la comparación directa con el literal 200, existe la variable requests. codes.ok. 9.1.2 Tipos de peticiones Con requests podemos realizar peticiones mediante cualquier método HTTP2 . Para ello, simplemente usamos el método correspondiente del paquete: 2 Métodos de petición HTTP. 9.1. requests 453
- 458. Aprende Python Método HTTP Llamada GET requests.get() POST requests.post() PUT requests.put() DELETE requests.delete() HEAD requests.head() OPTIONS requests.options() 9.1.3 Usando parámetros Cuando se realiza una petición HTTP es posible incluir parámetros. Veamos distintas opciones que nos ofrece requests para ello. Query string En una petición GET podemos incluir parámetros en el llamado «query string». Los parámetros se definen mediante un diccionario con nombre y valor de parámetro. Veamos un ejemplo sencillo. Supongamos que queremos buscar paquetes de Python que contengan la palabra «astro»: >>> payload = { q : astro } >>> response = requests.get( https://pypi.org , params=payload) >>> response.url https://pypi.org/?q=astro Truco: El atributo url nos devuelve la URL a la se ha accedido. Útil en el caso de paso de parámetros. Parámetros POST Una petición POST, por lo general, siempre va acompañada de una serie de parámetros que típicamente podemos encontrar en un formulario web. Es posible realizar estas peticiones en requests adjuntando los parámetros que necesitemos en el mismo formato de diccionario que hemos visto para «query string». Supongamos un ejemplo en el que tratamos de logearnos en la página de GIPHY con 454 Capítulo 9. Scraping
- 459. Aprende Python nombre de usuario y contraseña. Para ello, lo primero que debemos hacer es inspeccionar3 los elementos del formulario e identificar los nombres («name») de los campos. En este caso los campos son email y password: >>> url = https://giphy.com/login >>> payload = { email : sdelquin@gmail.com , password : 1234 } >>> response = requests.post(url, data=payload) >>> response.status_code 403 Hemos obtenido un código de estado 403 indicando que el acceso está prohibido. Envío de cabeceras Hay veces que necesitamos modificar o añadir determinados campos en las cabeceras4 de la petición. Su tratamiento también se realiza a base de diccionarios que son pasados al método correspondiente. Uno de los usos más típicos de las cabeceras es el «user agent»5 donde se especifica el tipo de navegador que realiza la petición. Supongamos un ejemplo en el que queremos especificar que el navegador corresponde con un Google Chrome corriendo sobre Windows 10: >>> user_agent = Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36␣ ˓ →(KHTML, like Gecko) Chrome/97.0.4692.99 Safari/537.36 >>> headers = { user-agent : user_agent} >>> response = requests.get( https://pypi.org , headers=headers) >>> response.status_code 200 3 Herramientas para desarrolladores en el navegador. Por ejemplo Chrome Dev Tools. 4 Las cabeceras HTTP permiten al cliente y al servidor enviar información adicional junto a una petición o respuesta. 5 El agente de usuario del navegador permite que el servidor identifique el sistema operativo y las características del navegador. 9.1. requests 455
- 460. Aprende Python 9.1.4 Analizando la respuesta A continuación analizaremos distintos elementos que forman parte de la respuesta HTTP tras realizar la petición. Contenido JSON El formato JSON es ampliamente utilizado para el intercambio de datos entre aplicaciones. Hay ocasiones en las que la respuesta a una petición viene en dicho formato. Para facilitar su tratamiento requests nos proporciona un método que convierte el contenido JSON a un diccionario de Python. Supongamos que queremos tener un pronóstico del tiempo en Santa Cruz de Tenerife. Existen múltiples servicios online que ofrecen datos meteorológicos. En este caso vamos a usar https://open-meteo.com/. La cuestión es que los datos que devuelve esta API son en formato JSON. Así que aprovecharemos para convertirlos de forma apropiada: >>> sc_tfe = (28.4578025, -16.3563748) >>> params = dict(latitude=sc_tfe[0], longitude=sc_tfe[1], hourly= temperature_2m ) >>> url = https://api.open-meteo.com/v1/forecast >>> response = requests.get(url, params=params) >>> response.url https://api.open-meteo.com/v1/forecast?latitude=28.4578025&longitude=-16.3563748& ˓ →hourly=temperature_2m >>> data = response.json() >>> type(data) dict >>> data.keys() dict_keys([ utc_offset_seconds , elevation , latitude , hourly_units , longitude ˓ → , generationtime_ms , hourly ]) Ahora podríamos mostrar la predicción de temperatures de una manera algo más visual. Según la documentación de la API sabemos que la respuesta contiene 168 medidas de temperatura correspondientes a todas las horas durante 7 días. Supongamos que sólo queremos mostrar la predicción de temperaturas hora a hora para el día de mañana: >>> temperatures = data[ hourly ][ temperature_2m ] >>> # Las temperaturas también incluyen el día de hoy (continué en la próxima página) 456 Capítulo 9. Scraping
- 461. Aprende Python (proviene de la página anterior) >>> for i, temp in enumerate(temperatures[24:48], start=1): ... print(f {temp:4.1f} , end= ) ... if i % 6 == 0: ... print() ... 12.0 11.9 11.9 11.8 11.8 11.7 11.7 11.7 11.6 12.0 12.8 13.6 13.9 14.0 14.1 13.9 13.7 13.3 12.8 12.2 11.8 11.7 11.6 11.5 Cabeceras de respuesta Tras una petición HTTP es posible recuperar las cabeceras que vienen en la respuesta a través del atributo headers como un diccionario: >>> response = requests.get( https://pypi.org ) >>> response.status_code 200 >>> response.headers.get( Content-Type ) text/html; charset=UTF-8 >>> response.headers.get( Server ) nginx/1.13.9 Cookies Si una respuesta contiene «cookies»6 es posible acceder a ellas mediante el diccionario cookies: >>> response = requests.get( https://github.com ) >>> response.cookies.keys() [ _octo , logged_in , _gh_sess ] >>> response.cookies.get( logged_in ) no Nota: Las cookies también se pueden enviar en la petición usando requests.get(url, cookies=cookies). 6 Una cookie HTTP es una pequeña pieza de datos que un servidor envía al navegador web del usuario. 9.1. requests 457
- 462. Aprende Python Ejercicio Utilizando el paquete requests, haga una petición GET a https://twitter.com y obtenga los siguientes campos: • Código de estado. • Longitud de la respuesta. • Valor de la cookie guest_id • Valor de la cabecera content-encoding 9.1.5 Descargar un fichero Hay ocasiones en las que usamos requests para descargar un fichero, bien sea en texto plano o binario. Veamos cómo proceder para cada tipo. Ficheros en texto plano El procedimiento que utilizamos es descargar el contenido desde la url y volcarlo a un fichero de manera estándar: >>> url = https://www.ine.es/jaxi/files/tpx/es/csv_bdsc/50155.csv >>> response = requests.get(url) >>> response.status_code 200 >>> with open( data.csv , w ) as f: ... f.write(response.text) ... Consejo: Usamos response.text para obtener el contenido ya que nos interesa en formato «unicode». Podemos comprobar que el fichero se ha creado satisfactoriamente: $ file data.csv plain_text.csv: UTF-8 Unicode text, with CRLF line terminators 458 Capítulo 9. Scraping
- 463. Aprende Python Ficheros binarios Para descargar ficheros binarios seguimos la misma estructura que para ficheros en texto plano, pero indicando el tipo binario a la hora de escribir en disco: >>> url = https://www.ine.es/jaxi/files/tpx/es/xlsx/50155.xlsx >>> response = requests.get(url) >>> response.status_code 200 >>> with open( data.xlsx , wb ) as f: ... f.write(response.content) ... Consejo: Usamos response.content para obtener el contenido ya que nos interesa en formato «bytes». Podemos comprobar que el fichero se ha creado satisfactoriamente: $ file data.xlsx data.xlsx: Microsoft OOXML Nombre de fichero En los ejemplos anteriores hemos puesto el nombre de fichero «a mano». Pero podría darse la situación de necesitar el nombre de fichero que descargamos. Para ello existen dos aproximaciones en función de si aparece o no la clave «attachment» en las cabeceras de respuesta. Podemos escribir la siguiente función para ello: >>> def get_filename(response): ... try: ... return response.headers[ Content-Disposition ].split( ; )[1].split( = ˓ → )[1] ... except (KeyError, IndexError): ... return response.url.split( / )[-1] ... Caso para el que no disponemos de la cabecera adecuada: 9.1. requests 459
- 464. Aprende Python >>> url = https://media.readthedocs.org/pdf/pytest/latest/pytest.pdf >>> response = requests.get(url) >>> attachment in response.headers.get( Content-Disposition ) False >>> get_filename(response) pytest.pdf Caso para el que sí disponemos de la cabecera adecuada: >>> url = https://www.ine.es/jaxi/files/tpx/es/csv_bdsc/45070.csv >>> response = requests.get(url) >>> attachment in response.headers.get( Content-Disposition ) True >>> get_filename(response) 45070.csv 9.2 beautifulsoup El paquete Beautiful Soup es ampliamente utilizado en técnicas de «scraping» permitiendo 460 Capítulo 9. Scraping
- 465. Aprende Python «parsear»2 principalmente código HTML.1 $ pip install beautifulsoup4 9.2.1 Haciendo la sopa Para empezar a trabajar con Beautiful Soup es necesario construir un objeto de tipo BeautifulSoup que reciba el contenido a «parsear»: >>> from bs4 import BeautifulSoup >>> contents = ... <html lang="en"> ... <head> ... <title>Just testing</title> ... </head> ... <body> ... <h1>Just testing</h1> ... <div class="block"> ... <h2>Some links</h2> ... <p>Hi there!</p> ... <ul id="data"> ... <li class="blue"><a href="https://example1.com">Example 1</a></li> ... <li class="red"><a href="https://example2.com">Example 2</a></li> ... <li class="gold"><a href="https://example3.com">Example 3</a></li> ... </ul> ... </div> ... <div class="block"> ... <h2>Formulario</h2> ... <form action="" method="post"> ... <label for="POST-name">Nombre:</label> ... <input id="POST-name" type="text" name="name"> ... <input type="submit" value="Save"> ... </form> ... </div> ... <div class="footer"> ... This is the footer ... <span class="inline"><p>This is span 1</p></span> ... <span class="inline"><p>This is span 2</p></span> ... <span class="inline"><p>This is span 2</p></span> ... </div> ... </body> (continué en la próxima página) 2 Analizar y convertir una entrada en un formato interno que el entorno de ejecución pueda realmente manejar. 1 Foto original de portada por Ella Olsson en Unsplash. 9.2. beautifulsoup 461
- 466. Aprende Python (proviene de la página anterior) ... </html> ... >>> soup = BeautifulSoup(contents, features= html.parser ) Atención: Importar el paquete usando bs4. Suele llevar a equívoco por el nombre original. A partir de aquí se abre un abanico de posibilidades que iremos desgranando en los próximos epígrafes. 9.2.2 Localizar elementos Una de las tareas más habituales en técnicas de «scraping» y en «parsing» de contenido es la localización de determinadas elementos de interés. Fórmulas de localización A continuación se muestran, mediante ejemplos, distintas fórmulas para localizar elementos dentro del DOM3 : • Localizar todos los enlaces: >>> soup.find_all( a ) [<a href="https://example1.com">Example 1</a>, <a href="https://example2.com">Example 2</a>, <a href="https://example3.com">Example 3</a>] El primer argumento posicional de find_all() es el nombre del «tag» que queremos localizar. • Localizar todos los elementos con la clase inline: >>> soup.find_all(class_= inline ) [<span class="inline"><p>This is span 1</p></span>, <span class="inline"><p>This is span 2</p></span>, <span class="inline"><p>This is span 2</p></span>] Los argumentos nominales de find_all() se utilizan para localizar elementos que contengan el atributo referenciado. 3 Document Object Model en español Modelo de Objetos del Documento. 462 Capítulo 9. Scraping
- 467. Aprende Python Truco: Si el atributo a localizar tiene guiones medios (por ejemplo aria-label) no podremos usarlo como nombre de argumento (error sintáctico). Pero sí podemos usar un diccionario en su lugar: soup.find_all(attrs={ aria-label : box }) • Localizar todos los «divs» con la clase footer: >>> soup.find_all( div , class_= footer ) # ≈ soup.find_all( div , footer ) [<div class="footer"> This is the footer <span class="inline"><p>This is span 1</p></span> <span class="inline"><p>This is span 2</p></span> <span class="inline"><p>This is span 2</p></span> </div>] • Localizar todos los elementos cuyo atributo type tenga el valor text: >>> soup.find_all(type= text ) [<input id="POST-name" name="name" type="text"/>] • Localizar todos los los h2 que contengan el texto Formulario: >>> soup.find_all( h2 , string= Formulario ) [<h2>Formulario</h2>] • Localizar todos los elementos de título h1, h2, h3, .... Esto lo podemos atacar usando expresiones regulares: >>> soup.find_all(re.compile(r ^hd+.* )) [<h1>Just testing</h1>, <h2>Some links</h2>, <h2>Formulario</h2>] • Localizar todos los «input» y todos los «span»: >>> soup.find_all([ input , span ]) [<input id="POST-name" name="name" type="text"/>, <input type="submit" value="Save"/>, <span class="inline"><p>This is span 1</p></span>, <span class="inline"><p>This is span 2</p></span>, <span class="inline"><p>This is span 2</p></span>] • Localizar todos los párrafos que están dentro del pie de página (usando selectores CSS): 9.2. beautifulsoup 463
- 468. Aprende Python >>> soup.select( .footer p ) [<p>This is span 1</p>, <p>This is span 2</p>, <p>This is span 2</p>] Nota: En este caso se usa el método select(). Localizar único elemento Hasta ahora hemos visto las funciones find_all() y select() que localizan un conjunto de elementos. Incluso en el caso de encontrar sólo un elemento, se devuelve una lista con ese único elemento. Beautiful Soup nos proporciona la función find() que trata de localizar un único elemento. Hay que tener en cuenta dos circunstancias: • En caso de que el elemento buscado no exista, se devuelve None. • En caso de que existan múltiples elementos, se devuelve el primero. Veamos algunos ejemplos de esto: >>> soup.find( form ) <form action="" method="post"> <label for="POST-name">Nombre:</label> <input id="POST-name" name="name" type="text"/> <input type="submit" value="Save"/> </form> >>> # Elemento que no existe >>> soup.find( strange-tag ) >>> >>> # Múltiples "li". Sólo se devuelve el primero >>> soup.find( li ) <li class="blue"><a href="https://example1.com">Example 1</a></li> Localizar desde elemento Todas las búsquedas se pueden realizar desde cualquier elemento preexistente, no únicamente desde la raíz del DOM. Veamos un ejemplo de ello. Si tratamos de localizar todos los títulos «h2» vamos a encontrar dos de ellos: 464 Capítulo 9. Scraping
- 469. Aprende Python >>> soup.find_all( h2 ) [<h2>Some links</h2>, <h2>Formulario</h2>] Pero si, previamente, nos ubicamos en el segundo bloque de contenido, sólo vamos a encontrar uno de ellos: >>> second_block = soup.find_all( div , block )[1] >>> second_block <div class="block"> <h2>Formulario</h2> <form action="" method="post"> <label for="POST-name">Nombre:</label> <input id="POST-name" name="name" type="text"/> <input type="submit" value="Save"/> </form> </div> >>> second_block.find_all( h2 ) [<h2>Formulario</h2>] Otras funciones de búsqueda Hay definidas una serie de funciones adicionales de búsqueda para cuestiones más particulares: • Localizar los «div» superiores a partir de un elemento concreto: >>> gold = soup.find( li , gold ) >>> gold.find_parents( div ) [<div class="block"> <h2>Some links</h2> <p>Hi there!</p> <ul id="data"> <li class="blue"><a href="https://example1.com">Example 1</a></li> <li class="red"><a href="https://example2.com">Example 2</a></li> <li class="gold"><a href="https://example3.com">Example 3</a></li> </ul> </div>] Se podría decir que la función find_all() busca en descendientes y que la función find_parents() busca en ascendientes. También existe la versión de esta función que devuelve un único elemento: find_parent(). 9.2. beautifulsoup 465
- 470. Aprende Python • Localizar los elementos hermanos siguientes a uno dado: >>> blue_li = soup.find( li , blue ) >>> blue_li.find_next_siblings() [<li class="red"><a href="https://example2.com">Example 2</a></li>, <li class="gold"><a href="https://example3.com">Example 3</a></li>] Al igual que en las anteriores, es posible aplicar un filtro al usar esta función. También existe la versión de esta función que devuelve un único elemento: find_next_sibling(). • Localizar los elementos hermanos anteriores a uno dado: >>> gold_li = soup.find( li , gold ) >>> gold_li.find_previous_siblings() [<li class="red"><a href="https://example2.com">Example 2</a></li>, <li class="blue"><a href="https://example1.com">Example 1</a></li>] Al igual que en las anteriores, es posible aplicar un filtro al usar esta función. También existe la versión de esta función que devuelve un único elemento: find_previous_sibling(). • Localizar todos los elementos a continuación de uno dado: >>> submit = soup.find( input , type= submit ) >>> submit.find_all_next() [<div class="footer"> This is the footer <span class="inline"><p>This is span 1</p></span> <span class="inline"><p>This is span 2</p></span> <span class="inline"><p>This is span 2</p></span> </div>, <span class="inline"><p>This is span 1</p></span>, <p>This is span 1</p>, <span class="inline"><p>This is span 2</p></span>, <p>This is span 2</p>, <span class="inline"><p>This is span 2</p></span>, <p>This is span 2</p>] Al igual que en las anteriores, es posible aplicar un filtro al usar esta función. También existe la versión de esta función que devuelve un único elemento: find_next(). • Localizar todos los elementos previos a uno dado: 466 Capítulo 9. Scraping
- 471. Aprende Python >>> ul_data = soup.find( ul , id= data ) >>> ul_data.find_all_previous([ h1 , h2 ]) [<h2>Some links</h2>, <h1>Just testing</h1>] También existe la versión de esta función que devuelve un único elemento: find_previous(). Si hubiéramos hecho esta búsqueda usando find_parents() no habríamos obtenido el mismo resultado ya que los elementos de título no son elementos superiores de «ul»: >>> ul_data.find_parents([ h1 , h2 ]) [] Atajo para búsquedas Dado que la función find_all() es la más utilizada en Beautiful Soup se ha implementado un atajo para llamarla: >>> soup.find_all( span ) [<span class="inline"><p>This is span 1</p></span>, <span class="inline"><p>This is span 2</p></span>, <span class="inline"><p>This is span 2</p></span>] >>> soup( span ) [<span class="inline"><p>This is span 1</p></span>, <span class="inline"><p>This is span 2</p></span>, <span class="inline"><p>This is span 2</p></span>] Aunque uno de los preceptos del Zen de Python es «Explicit is better than implicit», el uso de estos atajos puede estar justificado en función de muchas circunstancias. 9.2.3 Acceder al contenido Simplificando, podríamos decir que cada elemento de la famosa «sopa» de Beautiful Soup puede ser un bs4.element.Tag o un «string». Para el caso de los «tags» existe la posibilidad de acceder a su contenido, al nombre del elemento o a sus atributos. 9.2. beautifulsoup 467
- 472. Aprende Python Nombre de etiqueta Podemos conocer el nombre de la etiqueta de un elemento usando el atributo name: >>> soup.name [document] >>> elem = soup.find( ul , id= data ) >>> elem.name ul >>> elem = soup.find( h1 ) >>> elem.name h1 Truco: Es posible modificar el nombre de una etiqueta con una simple asignación. Acceso a atributos Los atributos de un elemento están disponibles como claves de un diccionario: >>> elem = soup.find( input , id= POST-name ) >>> elem <input id="POST-name" name="name" type="text"/> >>> elem[ id ] POST-name >>> elem[ name ] name >>> elem[ type ] text Exite una forma de acceder al diccionario completo de atributos: >>> elem.attrs { id : POST-name , type : text , name : name } Truco: Es posible modificar el valor de un atributo con una simple asignación. 468 Capítulo 9. Scraping
- 473. Aprende Python Contenido textual Es necesario aclarar las distintas opciones que proporciona Beautiful Soup para acceder al contenido textual de los elementos del DOM. Atributo Devuelve text Una cadena de texto con todos los contenidos textuales del elemento incluyendo espacios y saltos de línea strings Un generador de todos los contenidos textuales del elemento incluyendo espacios y saltos de línea stripped_strings Un generador de todos los contenidos textuales del elemento eliminando espacios y saltos de línea string Una cadena de texto con el contenido del elemento, siempre que contenga un único elemento textual Ejemplos: >>> footer = soup.find(class_= footer ) >>> footer.text n This is the footern This is span 1nThis is span 2nThis is span 2n >>> list(footer.strings) [ n This is the footern , This is span 1 , n , This is span 2 , n , This is span 2 , n ] >>> list(footer.stripped_strings) [ This is the footer , This is span 1 , This is span 2 , This is span 2 ] >>> footer.string # El "footer" contiene varios elementos >>> footer.span.string # El "span" sólo contiene un elemento This is span 1 9.2. beautifulsoup 469
- 474. Aprende Python Mostrando elementos Cualquier elemento del DOM que seleccionemos mediante este paquete se representa con el código HTML que contiene. Por ejemplo: >>> data = soup.find(id= data ) >>> data <ul id="data"> <li class="blue"><a href="https://example1.com">Example 1</a></li> <li class="red"><a href="https://example2.com">Example 2</a></li> <li class="gold"><a href="https://example3.com">Example 3</a></li> </ul> Existe la posibilidad de mostrar el código HTML en formato «mejorado» a través de la función prettify(): >>> pretty_data = data.prettify() >>> print(pretty_data) <ul id="data"> <li class="blue"> <a href="https://example1.com"> Example 1 </a> </li> <li class="red"> <a href="https://example2.com"> Example 2 </a> </li> <li class="gold"> <a href="https://example3.com"> Example 3 </a> </li> </ul> 470 Capítulo 9. Scraping
- 475. Aprende Python 9.2.4 Navegar por el DOM Además de localizar elementos, este paquete permite moverse por los elementos del DOM de manera muy sencilla. Moverse hacia abajo Para ir profundizando en el DOM podemos utilizar los nombres de los «tags» como atributos del objeto, teniendo en cuenta que si existen múltiples elementos sólo se accederá al primero de ellos: >>> soup.div.p <p>Hi there!</p> >>> soup.form.label <label for="POST-name">Nombre:</label> >>> type(soup.span) bs4.element.Tag Existe la opción de obtener el contenido (como lista) de un determinado elemento: >>> type(soup.form) # todos los elementos del DOM son de este tipo bs4.element.Tag >>> soup.form.contents [ n , <label for="POST-name">Nombre:</label>, n , <input id="POST-name" name="name" type="text"/>, n , <input type="submit" value="Save"/>, n ] >>> type(soup.form.contents) list Advertencia: En la lista que devuelve contents hay mezcla de «strings» y objetos bs4.element.Tag. Si no se quiere explicitar el contenido de un elemento como lista, también es posible usar un generador para acceder al mismo de forma secuencial: 9.2. beautifulsoup 471
- 476. Aprende Python >>> soup.form.children <list_iterator at 0x106643100> >>> for elem in soup.form.children: ... print(repr(elem)) ... n <label for="POST-name">Nombre:</label> n <input id="POST-name" name="name" type="text"/> n <input type="submit" value="Save"/> n El atributo contents sólo tiene en cuenta descendientes directos. Si queremos acceder a cualquier elemento descendiente (de manera recursiva) tenemos que usar descendants: >>> block = soup.find_all( div )[1] >>> block.contents [ n , <h2>Formulario</h2>, n , <form action="" method="post"> <label for="POST-name">Nombre:</label> <input id="POST-name" name="name" type="text"/> <input type="submit" value="Save"/> </form>, n ] >>> block.descendants <generator object Tag.descendants at 0x10675d200> >>> list(block.descendants) [ n , <h2>Formulario</h2>, Formulario , n , <form action="" method="post"> <label for="POST-name">Nombre:</label> <input id="POST-name" name="name" type="text"/> <input type="submit" value="Save"/> </form>, n , <label for="POST-name">Nombre:</label>, (continué en la próxima página) 472 Capítulo 9. Scraping
- 477. Aprende Python (proviene de la página anterior) Nombre: , n , <input id="POST-name" name="name" type="text"/>, n , <input type="submit" value="Save"/>, n , n ] Importante: Tener en cuenta que descendants es un generador que devuelve un iterable. Moverse hacia arriba Para acceder al elemento superior de otro dado, podemos usar el atributo parent: >>> li = soup.find( li , blue ) >>> li.parent <ul id="data"> <li class="blue"><a href="https://example1.com">Example 1</a></li> <li class="red"><a href="https://example2.com">Example 2</a></li> <li class="gold"><a href="https://example3.com">Example 3</a></li> </ul> También podemos acceder a todos los elementos superiores (ascendientes) usando el generador parents: >>> for elem in li.parents: ... print(elem.name) ... ul div body html [document] 9.2. beautifulsoup 473
- 478. Aprende Python Otros movimientos En la siguiente tabla se recogen el resto de atributos que nos permiten movernos a partir de un elemento del DOM: Atributo Descripción next_sibling Obtiene el siguiente elemento «hermano» previous_sibling Obtiene el anterior elemento «hermano» next_siblings Obtiene los siguientes elementos «hermanos» (iterador) previous_siblings Obtiene los anteriores elementos «hermanos» (iterador) next_element Obtiene el siguiente elemento previous_element Obtiene el anterior elemento Advertencia: Con estos accesos también se devuelven los saltos de línea n como elementos válidos. Si se quieren evitar, es preferible usar las funciones definidas aquí . Ejercicio Escriba un programa en Python que obtenga de https://pypi.org datos estructurados de los «Trending projects» y los muestre por pantalla utilizando el siguiente formato: <nombre-del-paquete>,<versión>,<descripción>,<url> Se recomienda usar el paquete requests para obtener el código fuente de la página. Hay que tener en cuenta que el listado de paquetes cambia cada pocos segundos, a efectos de comprobación. 474 Capítulo 9. Scraping
- 479. Aprende Python 9.3 selenium Selenium es un proyecto que permite automatizar navegadores. Está principalmente enfocado al testeo de aplicaciones web pero también permite desarrollar potentes flujos de trabajo como es el caso de las técnicas de scraping.1 Existen múltiples «bindings»2 pero el que nos ocupa en este caso es el de Python: $ pip install selenium 9.3.1 Pasos previos Documentación Recomendamos la documentación oficial de Selenium como punto de entrada a la librería. Eso sí, como ya hemos comentado previamente, existen adaptaciones para Python, Java, CSharp, Ruby, JavaScript y Kotlin, por lo que es conveniente fijar la pestaña de Python en los ejemplos de código: Es igualmente importante manejar la documentación de la API para Python. 1 Foto original de portada por Andy Kelly en Unsplash. 2 Adaptación (interface) de la herramienta a un lenguaje de programación concreto. 9.3. selenium 475
- 480. Aprende Python Prerequisitos Navegador web Selenium necesita un navegador web instalado en el sistema para poder funcionar. Dentro de las opciones disponibles están Chrome, Firefox, Edge, Internet Explorer y Safari. En el caso de este documento vamos a utilizar Firefox. Su descarga e instalación es muy sencilla. Driver Además de esto, también es necesario disponer un «webdriver» que permita manejar el navegador (a modo de marioneta). Cada navegador tiene asociado un tipo de «driver». En el caso de Firefox hablamos de geckodriver. Su descarga e instalación es muy sencilla. 9.3.2 Configuración del driver El «driver» es el manejador de las peticiones del usuario. Se trata del objeto fundamental en Selenium que nos permitirá interactuar con el navegador y los sitios web. Inicialización del driver Para inicializar el «driver», en su versión más simple, usaremos el siguiente código: >>> from selenium import webdriver >>> driver = webdriver.Firefox() En este momento se abrirá una ventana con el navegador Firefox. Truco: Es posible usar otros navegadores. La elección de este documento por Firefox tiene que ver con cuestiones de uso durante los últimos años. 476 Capítulo 9. Scraping
- 481. Aprende Python Capacidades del navegador Cuando inicializamos el «driver» podemos asignar ciertas «capacidades» al navegador. Las podemos dividir en dos secciones: opciones y perfil. Opciones del navegador Una de las opciones más utilizadas es la capacidad de ocultar la ventana del navegador. Esto es útil cuando ya hemos probado que todo funciona y queremos automatizar la tarea: >>> from selenium import webdriver >>> from selenium.webdriver.firefox.options import Options >>> options = Options() >>> options.headless = True >>> driver = webdriver.Firefox(options=options) El resto de opciones se pueden consultar en la documentación de la API3 . Perfil del navegador Es posible definir un perfil personalizado para usarlo en el navegador controlado por el «driver». Como ejemplo, podríamos querer desactivar javascript en el navegador (por defecto está activado). Esto lo haríamos de la siguiente manera: >>> from selenium import webdriver >>> from selenium.webdriver.firefox.options import Options >>> from selenium.webdriver.firefox.firefox_profile import FirefoxProfile >>> firefox_profile = FirefoxProfile() >>> firefox_profile.set_preference( javascript.enabled , False) >>> options=Options() >>> options.profile = firefox_profile >>> driver = webdriver.Firefox(options=options) Existe una cantidad ingente de parámetros configurables en el perfil de usuario3 . Se pueden consultar en estos dos enlaces: • https://searchfox.org/mozilla-release/source/modules/libpref/init/all.js 3 En este caso aplicable al navegador Firefox. 9.3. selenium 477
- 482. Aprende Python • https://searchfox.org/mozilla-release/source/browser/app/profile/firefox.js Fichero de log Desde la primera vez que inicializamos el «driver», se crea un fichero de log en el directorio de trabajo con el nombre geckodriver.log3 . En este fichero se registran todos los mensajes que se producen durante el tiempo de vida del navegador. Es posible, aunque no recomendable, evitar que se cree el fichero de log de la siguiente manera: >>> import os >>> driver = webdriver.Firefox(options=options, service_log_path=os.devnull) Nota: De igual modo, con el método anterior podemos cambiar la ruta y el nombre del fichero de log. 9.3.3 Navegando La forma de acceder a una url es utilizar el método .get(): >>> driver.get( https://aprendepython.es ) Importante: Cuando se navega a un sitio web, Selenium espera (por defecto) a que la propiedad document.readyState tenga el valor complete. Esto no implica necesariamente que la página se haya cargado completamente, especialmente en páginas que usan mucho javascript para cargar contenido dinámicamente. Podemos movernos «hacia adelante» y «hacia detrás» con: >>> driver.forward() >>> driver.back() Si fuera necesario, también existe la posibilidad de refrescar la página: >>> driver.refresh() Una vez terminadas todas las operaciones requeridas, es altamente recomendable salir del navegador para liberar los recursos que pueda estar utilizando: 478 Capítulo 9. Scraping
- 483. Aprende Python >>> driver.quit() 9.3.4 Localizando elementos Una vez que hemos accedido a un sitio web, estamos en disposición de localizar elementos dentro del DOM4 . El objeto driver nos ofrece las siguientes funciones para ello: Acceso Función Localizador Clase find_elements_by_class_name() By.CLASS_NAME Selector CSS find_elements_by_css_selector() By. CSS_SELECTOR Atributo ID find_elements_by_id() By.ID Texto en enlace find_elements_by_link_text() By.LINK_TEXT Texto en enlace (parcial) find_elements_by_partial_link_text() By. PARTIAL_LINK_TEXT Atributo NAME find_elements_by_name() By.NAME Nombre de etiqueta find_elements_by_tag_name() By.TAG_NAME XPath find_elements_by_xpath() By.XPATH Todas estas funciones tienen su correspondiente versión para devolver un único elemento que cumpla con el filtro especificado. En caso de que hayan varios, sólo se devolverá el primero de ellos. El nombre de estas funciones sigue el patrón en singular: find_element_by_<accesor>() Si te estás preguntando para qué sirve el localizador de la tabla anterior, es porque también existe la opción de localizar elementos mediante una función genérica: >>> from selenium.webdriver.common.by import By >>> # Estas dos llamadas tienen el mismo significado >>> driver.find_elements_by_class_name( matraca ) >>> driver.find_elements(By.CLASS_NAME, matraca ) Veamos un ejemplo práctico de esto. Supongamos que queremos obtener los epígrafes principales de la tabla de contenidos de «Aprende Python»: >>> from selenium import webdriver >>> driver = webdriver.Firefox() >>> driver.get( https://aprendepython.es ) (continué en la próxima página) 4 Document Object Model. 9.3. selenium 479
- 484. Aprende Python (proviene de la página anterior) >>> toc = driver.find_elements_by_css_selector( div.sidebar-tree li.toctree-l1 ) >>> for heading in toc: ... print(heading.text) ... Introducción Entornos de desarrollo Tipos de datos Control de flujo Estructuras de datos Modularidad Procesamiento de texto Ciencia de datos Scraping Truco: Un poco más adelante veremos la forma de acceder a la información que contiene cada elemento del DOM. Cada elemento que obtenemos con las funciones de localización es de tipo FirefoxWebElement: >>> from selenium import webdriver >>> driver = webdriver.Firefox() >>> driver.get( https://aprendepython.es ) >>> element = driver.find_element_by_id( aprende-python ) >>> type(element) selenium.webdriver.firefox.webelement.FirefoxWebElement 9.3.5 Interacciones Si bien el acceso a la información de un sitio web puede ser un objetivo en sí mismo, para ello podríamos usar herramientas como requests. Sin embargo, cuando entra en juego la interacción con los elementos del DOM, necesitamos otro tipo de aproximaciones. Selenium nos permite hacer clic en el lugar deseado, enviar texto por teclado, borrar una caja de entrada o manejar elementos de selección, entre otros. 480 Capítulo 9. Scraping
- 485. Aprende Python Clic Para hacer clic utilizamos la función homónima. Veamos un ejemplo en el que accedemos a https://amazon.es y tenemos que aceptar las «cookies» haciendo clic en el botón correspondiente: >>> driver = webdriver.Firefox() >>> driver.get( https://amazon.es ) >>> accept_cookies = driver.find_element_by_id( sp-cc-accept ) >>> accept_cookies.click() Inspeccionando el DOM Una tarea inherente a las técnicas de «scraping» y a la automatización de comportamientos para navegadores web es la de inspeccionar los elementos del DOM. Esto se puede hacer desde las herramientas para desarrolladores que incluyen los navegadores5 . Figura 1: Botón de «cookies» en amazon.es Para el ejemplo anterior de Amazon en el que debemos identificar el botón para aceptar «cookies», abrimos el inspector de Firefox y descubrimos que su id es sp-cc-accept. Si no lo tuviéramos disponible habría que hacer uso de otros localizadores como «xpath» o selectores de estilo. Ejercicio 5 Para Firefox tenemos a disposición la herramienta Inspector. 9.3. selenium 481
- 486. Aprende Python Escriba un programa en Python que, utilizando Selenium, pulse el botón de «¡JUGAR!» en el sitio web https://wordle.danielfrg.com/. Los selectores «xpath» pueden ser de mucha ayuda. Enviar texto Típicamente encontraremos situaciones donde habrá que enviar texto a algún campo de entrada de un sitio web. Selenium nos permite hacer esto. Veamos un ejemplo en el que tratamos de hacer login sobre PyPI: >>> driver = webdriver.Firefox() >>> driver.get( https://pypi.org/account/login/ ) >>> username = driver.find_element_by_id( username ) >>> password = driver.find_element_by_id( password ) >>> username.send_keys( sdelquin ) >>> password.send_keys( 1234 ) >>> login_btn_xpath = //*[@id="content"]/div/div/form/div[2]/div[3]/div/div/input >>> login_btn = driver.find_element_by_xpath(login_btn_xpath) >>> login_btn.click() En el caso de que queramos enviar alguna tecla «especial», Selenium nos proporciona un conjunto de símbolos para ello, definidos en selenium.webdriver.common.keys. Por ejemplo, si quisiéramos enviar las teclas de cursor, haríamos lo siguiente: >>> from selenium.webdriver.common.keys import Keys >>> element.send_keys(Keys.RIGHT) # → >>> element.send_keys(Keys.DOWN) # ↓ >>> element.send_keys(Keys.LEFT) # ← >>> element.send_keys(Keys.UP) # ↑ Ejercicio Escriba un programa en Python utilizando Selenium que, dada una palabra de 5 caracteres, permita enviar ese «string» a https://wordle.danielfrg.com/ para jugar. Tenga en cuenta lo siguiente: • En primer lugar hay que pulsar el botón de «¡JUGAR!». 482 Capítulo 9. Scraping
- 487. Aprende Python • El elemento sobre el que enviar texto podría ser directamente el «body». • Puede ser visualmente interesante poner un time.sleep(0.5) tras la inserción de cada letra. • Una vez enviada la cadena de texto hay que pulsar ENTER. Borrar contenido Si queremos borrar el contenido de un elemento web editable, típicamente una caja de texto, lo podemos hacer usando el método .clear(). Manejo de selects Los elementos de selección <select> pueden ser complicados de manejar a nivel de automatización. Para suplir esta dificultad, Selenium proporciona el objecto Select. Supongamos un ejemplo en el que modificamos el idioma de búsqueda de Wikipedia. En primer lugar hay que acceder a la web y seleccionar el desplegable del idioma de búsqueda: >>> from selenium import webdriver >>> from selenium.webdriver.support.select import Select >>> driver = webdriver.Firefox() >>> driver.get( https://wikipedia.org ) >>> lang = driver.find_element_by_id( searchLanguage ) >>> lang_handler = Select(lang) Ahora vamos a seleccionar el idioma inglés como idioma de búsqueda: >>> # Selección por el índice que ocupa cada "option" (base 0) >>> lang_handler.select_by_index(17) >>> # Selección por el campo "value" de cada "option" >>> lang_handler.select_by_value( en ) >>> # Selección por el texto visible de cada "option" >>> lang_handler.select_by_visible_text( English ) Truco: Estas tres funciones tienen su correspondiente deselect_by_<accesor>. Si queremos identificar las opciones que están actualmente seleccionadas, podemos usar los siguientes atributos: 9.3. selenium 483
- 488. Aprende Python >>> lang_handler.all_selected_options [<selenium.webdriver.firefox.webelement.FirefoxWebElement (session="8612e5b7-6e66- ˓ →4121-8869-ffce4139d197", element="8433ffdb-a8ad-4e0e-9367-d63fe1418b94")>] >>> lang_handler.first_selected_option <selenium.webdriver.firefox.webelement.FirefoxWebElement (session="8612e5b7-6e66- ˓ →4121-8869-ffce4139d197", element="8433ffdb-a8ad-4e0e-9367-d63fe1418b94")> También es posible listar todas las opciones disponibles en el elemento select: >>> lang_handler.options [..., ..., ...] Ver también: API del objeto Select 9.3.6 Acceso a atributos Como ya hemos comentado, los objetos del DOM con los que trabaja Selenium son de tipo FirefoxWebElement. Veremos los mecanismos disponibles para poder acceder a sus atributos. Para ejemplificar el acceso a la información de los elementos del DOM, vamos a localizar el botón de descarga en la web de Ubuntu: >>> from selenium import webdriver >>> driver = webdriver.Firefox() >>> driver.get( https://ubuntu.com/ ) >>> # Aceptar las cookies >>> cookies = driver.find_element_by_id( cookie-policy-button-accept ) >>> cookies.click() >>> download_btn = driver.find_element_by_id( takeover-primary-url ) Nombre de etiqueta >>> download_btn.tag_name a 484 Capítulo 9. Scraping
- 489. Aprende Python Tamaño y posición Para cada elemento podemos obtener un diccionario que contiene la posición en pantalla (𝑥, 𝑦) acompañado del ancho y del alto (todo en píxeles): >>> download_btn.rect { x : 120.0, y : 442.3999938964844, width : 143.64999389648438, height : 36.80000305175781} Estado Veamos las funciones disponibles para saber si un elemento se está mostrando, está habilitado o está seleccionado: >>> download_btn.is_displayed() True >>> download_btn.is_enabled() True >>> download_btn.is_selected() False Propiedad CSS En caso de querer conocer el valor de cualquier propiedad CSS de un determinado elemento, lo podemos conseguir así: >>> download_btn.value_of_css_property( background-color ) rgb(14, 132, 32) >>> download_btn.value_of_css_property( font-size ) 16px 9.3. selenium 485
- 490. Aprende Python Texto del elemento Cuando un elemento incluye texto en su contenido, ya sea de manera directa o mediante elementos anidados, es posible acceder a esta información usando: >>> download_btn.text Download Now Elemento superior Selenium también permite obtener el elemento superior que contiene a otro elemento dado: >>> download_btn.parent <selenium.webdriver.firefox.webdriver.WebDriver (session="8612e5b7-6e66-4121-8869- ˓ →ffce4139d197")> Propiedad de elemento De manera más genérica, podemos obtener el valor de cualquier atributo de un elemento del DOM a través de la siguiente función: >>> download_btn.get_attribute( href ) https://ubuntu.com/engage/developer-desktop-productivity-whitepaper 9.3.7 Esperas Cuando navegamos a un sitio web utilizando driver.get() es posible que el elemento que estamos buscando no esté aún cargado en el DOM porque existan peticiones asíncronas pendientes o contenido dinámico javascript. Es por ello que Selenium pone a nuestra disposición una serie de esperas explícitas hasta que se cumpla una determinada condición. Las esperas explícitas suelen hacer uso de condiciones de espera. Cada una de estas funciones se puede utilizar para un propósito específico. Quizás una de las funciones más habituales sea presence_of_element_located(). Veamos un ejemplo en el que cargamos la web de Stack Overflow y esperamos a que el pie de página esté disponible: >>> from selenium.webdriver.support.ui import WebDriverWait >>> from selenium.webdriver.support import expected_conditions as EC >>> from selenium.webdriver.common.by import By >>> driver.get( https://stackoverflow.com ) (continué en la próxima página) 486 Capítulo 9. Scraping
- 491. Aprende Python (proviene de la página anterior) >>> footer = WebDriverWait(driver, 10).until( ... EC.presence_of_element_located((By.ID, footer ))) >>> print(footer.text) STACK OVERFLOW Questions Jobs Developer Jobs Directory Salary Calculator Help Mobile ... Figura 2: Anatomía de una condición de espera Atención: En el caso de que el elemento por el que estamos esperando no «aparezca» en el DOM, y una vez pasado el tiempo de «timeout», Selenium eleva una excepción de tipo selenium.common.exceptions.TimeoutException. 9.3.8 Ejecutar javascript Puede llegar a ser muy útil la ejecución de javascript en el navegador. La casuística es muy variada. En cualquier caso, Selenium nos proporciona el método execute_script() para esta tarea. Supongamos un ejemplo en el que queremos navegar a la web de GitHub y hacer «scroll» hasta el final de la página: >>> driver = webdriver.Firefox() >>> driver.get( https://github.com ) >>> body = driver.find_element_by_tag_name( body ) >>> driver.execute_script( arguments[0].scrollIntoView(false) , body) 9.3. selenium 487
- 492. Aprende Python Cuando en la función execute_script() se hace referencia al array arguments[] podemos pasar elementos Selenium como argumentos y aprovechar así las potencialidades javascript. El primer argumento corresponde al índice 0, el segundo argumento al índice 1, y así sucesivamente. Ejercicio Escriba un programa en Python que permita sacar un listado de supermercados Mercadona dada una geolocalización (lat,lon) como dato de entrada. Pasos a seguir: 1. Utilizar el siguiente f-string para obtener la url de acceso: f https://info.mercadona. es/es/supermercados?coord={lat}%2C{lon} 2. Aceptar las cookies al acceder al sitio web. 3. Hacer scroll hasta el final de la página para hacer visible el botón «Ver todos». Se recomienda usar javascript para ello. 4. Localizar el botón «Ver todos» y hacer clic para mostrar todos los establecimientos (de la geolocalización). Se recomienda una espera explícita con acceso por «xpath». 5. Recorrer los elementos desplegados li y mostrar el contenido textual de los elementos h3 que hay en su interior. Como detalle final, y una vez que compruebe que el programa funciona correctamente, aproveche para inicializar el «driver» ocultando la ventana del navegador. Puede probar su programa con la localización de Las Palmas de Gran Canaria (28.1035677, -15.5319742). 488 Capítulo 9. Scraping