Tutorial de Python

Traducido y empaquetado por
la comunidad de Python Argentina
Py Ar
http://www.python.org.ar
Autor original: Guido van Rossum
Editor original: Fred L. Drake, Jr.
Este material fue traducido por voluntarios del

grupo de usuarios de Python de Argentina.
Una versión actualizada de este Tutorial
puede encontrarse en:
http://tutorial.python.org.ar/
Octubre 2017
Este PDF fue generado usando la herramienta rst2pdf
Copyright © Python Software Foundation

Esta documentación está cubierta por la Licencia PSF para Python 3.6.0, que
basicamente permite que use, copies, modifiques y distribuyas este contenido.
Para un mayor detalle: http://docs.python.org/3/license.html
3
Contenido
Introducción 1
Abriendo tu apetito 3
Usando el intérprete de Python 5
Invocando al intérprete 5
Pasaje de argumentos 6
Modo interactivo 6
El intérprete y su entorno 6
Codificación del código fuente 6
Una introducción informal a Python 8
Usar Python como una calculadora 8
Números 8
Cadenas de caracteres 9
Listas 13
Primeros pasos hacia la programación 14
Más herramientas para control de flujo 16
La sentencia if 16
La sentencia for 16
La función range() 17
Las sentencias break, continue, y else en lazos 18
La sentencia pass 18
Definiendo funciones 19
Más sobre definición de funciones 20
Argumentos con valores por omisión 20
Palabras claves como argumentos 22
Listas de argumentos arbitrarios 23
Desempaquetando una lista de argumentos 23
Expresiones lambda 24
Cadenas de texto de documentación 24
Anotación de funciones 24
Intermezzo: Estilo de codificación 25
Estructuras de datos 26
Más sobre listas 26
Usando listas como pilas 27
Usando listas como colas 27
Comprensión de listas 28
Listas por comprensión anidadas 29
La instrucción del 30
Tuplas y secuencias 30
Conjuntos 31
Diccionarios 32
i
Técnicas de iteración 33
Más acerca de condiciones 34
Comparando secuencias y otros tipos 35
Módulos 36
Más sobre los módulos 37
Ejecutando módulos como scripts 37
El camino de búsqueda de los módulos 38
Archivos "compilados" de Python 38
Módulos estándar 39
La función dir() 39
Paquetes 41
Importando * desde un paquete 42
Referencias internas en paquetes 43
Paquetes en múltiples directorios 43
Entrada y salida 46
Formateo elegante de la salida 46
Viejo formateo de cadenas 49
Leyendo y escribiendo archivos 49
Métodos de los objetos Archivo 50
Guardar datos estructurados con json 51
Errores y excepciones 53
Errores de sintaxis 53
Excepciones 53
Manejando excepciones 54
Levantando excepciones 56
Excepciones definidas por el usuario 56
Definiendo acciones de limpieza 57
Acciones predefinidas de limpieza 58
Clases 59
Unas palabras sobre nombres y objetos 59
Ámbitos y espacios de nombres en Python 59
Ejémplo de ámbitos y espacios de nombre 61
Un primer vistazo a las clases 61
Sintaxis de definición de clases 61
Objetos clase 62
Objetos instancia 63
Objetos método 63
Variables de clase y de instancia 64
Algunas observaciones 65
Herencia 66
Herencia múltiple 67
Variables privadas 67
ii
Cambalache 68
Iteradores 69
Generadores 70
Expresiones generadoras 70
Pequeño paseo por la Biblioteca Estándar 72
Interfaz al sistema operativo 72
Comodines de archivos 72
Argumentos de linea de órdenes 72
Redirección de la salida de error y finalización del programa 73
Coincidencia en patrones de cadenas 73
Matemática 73
Acceso a Internet 74
Fechas y tiempos 74
Compresión de datos 75
Medición de rendimiento 75
Control de calidad 75
Las pilas incluidas 76
Pequeño paseo por la Biblioteca Estándar - Parte II 77
Formato de salida 77
Plantillas 78
Trabajar con registros estructurados conteniendo datos binarios 79
Multi-hilos 79
Registrando 80
Referencias débiles 80
Herramientas para trabajar con listas 81
Aritmética de punto flotante decimal 82
Entornos Virtuales y Paquetes 83
Introducción 83
Creando Entornos Virtuales 83
Manejando paquetes con pip 84
¿Y ahora qué? 87
Edición de entrada interactiva y sustitución de historial 89
Autocompletado con tab e historial de edición 89
Alternativas al intérprete interactivo 89
Aritmética de Punto Flotante: Problemas y Limitaciones 91
Error de Representación 93
Links a la documentación de Python 97
Extendiendo e Integrando el Intérprete de Python 97
Referencia de la API Python/C 97
La referencia de la biblioteca 97
Tipos integrados 97
Excepciones integradas 97
iii
La referencia del lenguaje 97
Expresiones 97
Declaraciones simples 98
Declaraciones compuestas 98
Instalando módulos de Python 98
Glosario 98
Distribuyendo módulos de Python 98
Línea de comandos y entorno 98
Apéndice 101
Modo interactivo 101
Manejo de errores 101
Programas ejecutables de Python 101
El archivo de inicio interactivo 101
Los módulos de customización 102
iv
Introducción
Python es un lenguaje de programación poderoso y fácil de aprender. Cuenta con estructuras de datos eficientes y de alto
nivel y un enfoque simple pero efectivo a la programación orientada a objetos. La elegante sintaxis de Python y su tipado
dinámico, junto con su naturaleza interpretada, hacen de éste un lenguaje ideal para scripting y desarrollo rápido de
aplicaciones en diversas áreas y sobre la mayoría de las plataformas.
El intérprete de Python y la extensa biblioteca estándar están a libre disposición en forma binaria y de código fuente para las
principales plataformas desde el sitio web de Python, https://www.python.org/, y puede distribuirse libremente. El mismo sitio
contiene también distribuciones y enlaces de muchos módulos libres de Python de terceros, programas y herramientas, y
documentación adicional.
El intérprete de Python puede extenderse fácilmente con nuevas funcionalidades y tipos de datos implementados en C o
C++ (u otros lenguajes accesibles desde C). Python también puede usarse como un lenguaje de extensiones para
aplicaciones personalizables.
Este tutorial introduce de manera informal al lector a los conceptos y características básicas del lenguaje y el sistema de
Python. Es bueno tener un interprete de Python a mano para experimentar, sin embargo todos los ejemplos están aislados,
por lo tanto el tutorial puede leerse estando desconectado.
Para una descripción de los objetos y módulos estándar, mirá La referencia de la biblioteca. La referencia de la biblioteca
provee una definición más formal del lenguaje. Para escribir extensiones en C o C++, leé Extendiendo e Integrando el
Intérprete de Python y la Referencia de la API Python/C. Hay también numerosos libros que tratan a Python en profundidad.
Este tutorial no pretende ser exhaustivo ni tratar cada una de las características, o siquiera las características más usadas.
En cambio, introduce la mayoría de las características más notables de Python, y te dará una buena idea del gusto y estilo
del lenguaje. Luego de leerlo, serás capaz de leer y escribir módulos y programas en Python, y estarás listo para aprender
más de los variados módulos de la biblioteca de Python descriptos en La referencia de la biblioteca.
También vale la pena mirar el glosario.
1
Abriendo tu apetito
Si trabajás mucho con computadoras, eventualmente encontrarás que te gustaría automatizar alguna tarea. Por ejemplo,
podrías desear realizar una búsqueda y reemplazo en un gran número de archivos de texto, o renombrar y reorganizar un
montón de archivos con fotos de una manera compleja. Tal vez quieras escribir alguna pequeña base de datos
personalizada, o una aplicación especializada con interfaz gráfica, o un juego simple.
Si sos un desarrollador de software profesional, tal vez necesites trabajar con varias bibliotecas de C/C++/Java pero
encuentres que se hace lento el ciclo usual de escribir/compilar/testear/recompilar. Tal vez estás escribiendo una batería de
pruebas para una de esas bibliotecas y encuentres que escribir el código de testeo se hace una tarea tediosa. O tal vez has
escrito un programa al que le vendría bien un lenguaje de extensión, y no quieres diseñar/implementar todo un nuevo
lenguaje para tu aplicación.
Python es el lenguaje justo para ti.
Podrías escribir un script (o programa) en el interprete de comandos o un archivo por lotes de Windows para algunas de
estas tareas, pero los scripts se lucen para mover archivos de un lado a otro y para modificar datos de texto, no para
aplicaciones con interfaz de usuario o juegos. Podrías escribir un programa en C/C++/Java, pero puede tomar mucho tiempo
de desarrollo obtener al menos un primer borrador del programa. Python es más fácil de usar, está disponible para sistemas
operativos Windows, Mac OS X y Unix, y te ayudará a realizar tu tarea más velozmente.
Python es fácil de usar, pero es un lenguaje de programación de verdad, ofreciendo mucha más estructura y soporte para
programas grandes de lo que pueden ofrecer los scripts de Unix o archivos por lotes. Por otro lado, Python ofrece mucho
más chequeo de error que C, y siendo un lenguaje de muy alto nivel, tiene tipos de datos de alto nivel incorporados como
arreglos de tamaño flexible y diccionarios. Debido a sus tipos de datos más generales Python puede aplicarse a un dominio
de problemas mayor que Awk o incluso Perl, y aún así muchas cosas siguen siendo al menos igual de fácil en Python que en
esos lenguajes.
Python te permite separar tu programa en módulos que pueden reusarse en otros programas en Python. Viene con una gran
colección de módulos estándar que puedes usar como base de tus programas, o como ejemplos para empezar a aprender a
programar en Python. Algunos de estos módulos proveen cosas como entrada/salida a archivos, llamadas al sistema,
sockets, e incluso interfaces a sistemas de interfaz gráfica de usuario como Tk.
Python es un lenguaje interpretado, lo cual puede ahorrarte mucho tiempo durante el desarrollo ya que no es necesario
compilar ni enlazar. El intérprete puede usarse interactivamente, lo que facilita experimentar con características del lenguaje,
escribir programas descartables, o probar funciones cuando se hace desarrollo de programas de abajo hacia arriba. Es
también una calculadora de escritorio práctica.
Python permite escribir programas compactos y legibles. Los programas en Python son típicamente más cortos que sus
programas equivalentes en C, C++ o Java por varios motivos:
• los tipos de datos de alto nivel permiten expresar operaciones complejas en una sola instrucción
• la agrupación de instrucciones se hace por sangría en vez de llaves de apertura y cierre
• no es necesario declarar variables ni argumentos.

Python es extensible: si ya sabes programar en C es fácil agregar una nueva función o módulo al intérprete, ya sea para
realizar operaciones críticas a velocidad máxima, o para enlazar programas Python con bibliotecas que tal vez sólo estén
disponibles en forma binaria (por ejemplo bibliotecas gráficas específicas de un fabricante). Una vez que estés realmente
entusiasmado, podés enlazar el intérprete Python en una aplicación hecha en C y usarlo como lenguaje de extensión o de
comando para esa aplicación.
3
Por cierto, el lenguaje recibe su nombre del programa de televisión de la BBC "Monty Python's Flying Circus" y no tiene
nada que ver con reptiles. Hacer referencias a sketches de Monty Python en la documentación no sólo esta permitido, ¡sino
que también está bien visto!
Ahora que ya estás emocionado con Python, querrás verlo en más detalle. Como la mejor forma de aprender un lenguaje es
usarlo, el tutorial te invita a que juegues con el intérprete de Python a medida que vas leyendo.
En el próximo capítulo se explicará la mecánica de uso del intérprete. Esta es información bastante mundana, pero es
esencial para poder probar los ejemplos que aparecerán más adelante.
El resto del tutorial introduce varias características del lenguaje y el sistema Python a través de ejemplos, empezando con
expresiones, instrucciones y tipos de datos simples, pasando por funciones y módulos, y finalmente tocando conceptos
avanzados como excepciones y clases definidas por el usuario.
4
Usando el intérprete de Python
Invocando al intérprete
Por lo general, el intérprete de Python se instala en /usr/local/bin/python3.6 en las máquinas dónde está disponible; poner
/usr/local/bin en el camino de búsqueda de tu intérprete de comandos Unix hace posible iniciarlo ingresando la orden:
python3.6
...en la terminal. 1 Ya que la elección del directorio dónde vivirá el intérprete es una opción del proceso de instalación, puede
estar en otros lugares; consultá a tu Gurú Python local o administrador de sistemas. (Por ejemplo, /usr/local/python es una
alternativa popular).
En máquinas con Windows, la instalación de Python por lo general se encuentra en C:\Python36, aunque se puede cambiar
durante la instalación. Para añadir este directorio al camino, podes ingresar la siguiente orden en el prompt de DOS:
set path=%path%;C:\python36
Se puede salir del intérprete con estado de salida cero ingresando el carácter de fin de archivo (Control-D en Unix, Control-Z
en Windows) en el prompt primario. Si esto no funciona, se puede salir del intérprete ingresando: quit().
Las características para editar líneas del intérprete incluyen edición interactiva, sustitución usando el historial y completado
de código en sistemas que soportan readline. Tal vez la forma más rápida de detectar si las características de edición están
presentes es ingresar Control-P en el primer prompt de Python que aparezca. Si se escucha un beep, las características
están presentes; ver Apéndice Edición de entrada interactiva y sustitución de historial para una introducción a las teclas. Si
no pasa nada, o si aparece ^P, estas características no están disponibles; solo vas a poder usar backspace para borrar los
caracteres de la línea actual.
La forma de operar del intérprete es parecida a la línea de comandos de Unix: cuando se la llama con la entrada estándar
conectada a una terminal lee y ejecuta comandos en forma interactiva; cuando es llamada con un nombre de archivo como
argumento o con un archivo como entrada estándar, lee y ejecuta un script del archivo.
Una segunda forma de iniciar el intérprete es python -c comando [arg] ..., que ejecuta las sentencias en comando,
similar a la opción -c de la línea de comandos. Ya que las sentencias de Python suelen tener espacios en blanco u otros
caracteres que son especiales en la línea de comandos, es normalmente recomendado citar comando entre comillas dobles.
Algunos módulos de Python son también útiles como scripts. Pueden invocarse usando python -m module [arg] ...,
que ejecuta el código de module como si se hubiese ingresado su nombre completo en la línea de comandos.
Cuando se usa un script, a veces es útil correr primero el script y luego entrar al modo interactivo. Esto se puede hacer
pasándole la opción -i antes del nombre del script.
Todas las opciones de línea de comandos están se descriptas en Línea de comandos y entorno.
5
Pasaje de argumentos
Cuando son conocidos por el intérprete, el nombre del script y los argumentos adicionales son entonces convertidos a una
lista de cadenas de texto asignada a la variable argv del módulo sys. Podés acceder a esta lista haciendo import sys. El
largo de esta lista es al menos uno; cuando ningún script o argumentos son pasados, sys.argv[0] es una cadena vacía.
Cuando se pasa el nombre del script con '-' (lo que significa la entrada estándar), sys.argv[0] vale '-'. Cuando se usa
-c command, sys.argv[0] vale '-c'. Cuando se usa -m module, sys.argv[0] toma el valor del nombre completo del
módulo. Las opciones encontradas luego de -c command o -m module no son consumidas por el procesador de opciones de
Python pero de todas formas almacenadas en sys.argv para ser manejadas por el comando o módulo.
Modo interactivo
Se dice que estamos usando el intérprete en modo interactivo, cuando los comandos son leídos desde una terminal. En este
modo espera el siguiente comando con el prompt primario, usualmente tres signos mayor-que (>>>); para las líneas de
continuación espera con el prompt secundario, por defecto tres puntos (...). Antes de mostrar el prompt primario, el
intérprete muestra un mensaje de bienvenida reportando su número de versión y una nota de copyright:
$ python3.6
Python 3.6 (default, Sep 16 2015, 09:25:04)
[GCC 4.8.2] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>
Las líneas de continuación son necesarias cuando queremos ingresar un constructor multilínea. Como en el ejemplo, mirá la
sentencia if:
>>> el_mundo_es_plano = True

>>> if el_mundo_es_plano:
... print("¡Tené cuidado de no caerte!")
...
¡Tené cuidado de no caerte!
Para más información sobre el modo interactivo, ve a Modo interactivo.
El intérprete y su entorno
Codificación del código fuente
Por default, los archivos fuente de Python son tratados como codificados en UTF-8. En esa codificación, los caracteres de la
mayoría de los lenguajes del mundo pueden ser usados simultáneamente en literales, identificadores y comentarios, a pesar
de que la biblioteca estándar usa solamente caracteres ASCII para los identificadores, una convención que debería seguir
cualquier código que sea portable. Para mostrar estos caracteres correctamente, tu editor debe reconocer que el archivo
está en UTF-8 y usar una tipografía que soporte todos los careacteres del archivo.
Para especificar una codificación distinta de la por defecto, un línea de comentario especial debe ser agregada como la
primera línea del archivo. La sintaxis es como sigue:
# -*- coding: encoding -*-
Donde encoding es uno de los codecs válidos soportados por Python.
Por ejemplo, para indicar que el encoding Windows-1252 es el usado, la primera línea de tu código fuente debe ser:
# -*- coding: cp-1252 -*-
Una excepción a la regla de la primera línea es cuando el código fuente comienza con UNIX "shebang" line. En este caso, la
declaración del encoding debe ser agregada como la segunda línea del archivo. Por ejempo:
6
#!/usr/bin/env python3
# -*- coding: cp-1252 -*-
1 En Unix, el intérprete de Python 3.x no se instala por default con el ejecutable llamado python para que no
conflictúe con un ejecutable de Python 2.x que esté instalado simultaneamente.
7
Una introducción informal a Python
En los siguientes ejemplos, las entradas y salidas son distinguidas por la presencia o ausencia de los prompts (>>> y ...):
para reproducir los ejemplos, debés escribir todo lo que esté después del prompt, cuando este aparezca; las líneas que no
comiencen con el prompt son las salidas del intérprete. Tené en cuenta que el prompt secundario que aparece por si sólo en
una línea de un ejemplo significa que debés escribir una línea en blanco; esto es usado para terminar un comando
multilínea.
Muchos de los ejemplos de este manual, incluso aquellos ingresados en el prompt interactivo, incluyen comentarios. Los
comentarios en Python comienzan con el carácter numeral, #, y se extienden hasta el final físico de la línea. Un comentario
quizás aparezca al comienzo de la línea o seguidos de espacios blancos o código, pero no dentro de una cadena de
caracteres. Un carácter numeral dentro de una cadena de caracteres es sólo un carácter numeral. Ya que los comentarios
son para aclarar código y no son interpretados por Python, pueden omitirse cuando se escriben los ejemplos.
Algunos ejemplos:
# este es el primer comentario

spam = 1 # y este es el segundo comentario
# ... y ahora un tercero!
text = "# Este no es un comentario".
Usar Python como una calculadora

Vamos a probar algunos comandos simples en Python. Iniciá un intérprete y esperá por el prompt primario, >>>. (No debería
demorar tanto).
Números
El intérprete actúa como una simple calculadora; podés ingresar una expresión y este escribirá los valores. La sintaxis es
sencilla: los operadores +, -, * y / funcionan como en la mayoría de los lenguajes (por ejemplo, Pascal o C); los paréntesis
(()) pueden ser usados para agrupar. Por ejemplo:
>>> 2 + 2
4
>>> 50 - 5*6
20
>>> (50 - 5*6) / 4
5.0
>>> 8 / 5 # la división simpre retorna un número de punto flotante
1.6
Los números enteros (por ejemplo 2, 4, 20) son de tipo int, aquellos con una parte fraccional (por ejemplo 5.0, 1.6) son
de tipo float. Vamos a ver más sobre tipos de números luego en este tutorial.
La división (/) siempre retorna un punto flotante. Para hacer floor division y obtener un resultado entero (descartando
cualquier resultado fraccional) podés usar el operador //; para calcular el resto podés usar %:
>>> 17 / 3 # la división clásica retorna un punto flotante

5.666666666666667
>>>
>>> 17 // 3 # la división entera descarta la parte fraccional
5
8
>>> 17 % 3 # el operado % retorna el resto de la división
2
>>> 5 * 3 + 2 # resultado * divisor + resto
17
Con Python, es posible usar el operador ** para calcular potencias 2:
>>> 5 ** 2 # 5 al cuadrado
25
>>> 2 ** 7 # 2 a la potencia de 7
128
El signo igual (=) es usado para asignar un valor a una variable. Luego, ningún resultado es mostrado antes del próximo
prompt:
>>> ancho = 20
>>> largo = 5 * 9
>>> ancho * largo
900
Si una variable no está "definida" (con un valor asignado), intentar usarla producirá un error:
>>> n # tratamos de acceder a una variable no definida

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
NameError: name 'n' is not defined
Hay soporte completo de punto flotante; operadores con operando mezclados convertirán los enteros a punto flotante:
>>> 4 * 3.75 - 1
14.0
En el modo interactivo, la última expresión impresa es asignada a la variable _. Esto significa que cuando estés usando
Python como una calculadora de escritorio, es más fácil seguir calculando, por ejemplo:
>>> impuesto = 12.5 / 100

>>> precio = 100.50
>>> precio * impuesto
12.5625
>>> precio + _
113.0625
>>> round(_, 2)
113.06
Esta variable debería ser tratada como de sólo lectura por el usuario. No le asignes explícitamente un valor; crearás una
variable local independiente con el mismo nombre enmascarando la variable con el comportamiento mágico.
Además de int y float, Python soporta otros tipos de números, como ser Decimal y Fraction. Python también tiene
soporte integrado para númreos complejos, y usa el sufijo j o J para indicar la parte imaginaria (por ejemplo 3+5j).
Cadenas de caracteres
Además de números, Python puede manipular cadenas de texto, las cuales pueden ser expresadas de distintas formas.
Pueden estar encerradas en comillas simples ('...') o dobles ("...") con el mismo resultado 3. \ puede ser usado para
escapar comillas:
>>> 'huevos y pan' # comillas simples

'huevos y pan'
>>> 'doesn\'t' # usa \' para escapar comillas simples...
"doesn't"
9
>>> "doesn't" # ...o de lo contrario usa comillas doblas
"doesn't"
>>> '"Si," le dijo.'
'"Si," le dijo.'
>>> "\"Si,\" le dijo."
'"Si," le dijo.'
>>> '"Isn\'t," she said.'
'"Isn\'t," she said.'
En el intéprete interactivo, la salida de cadenas está encerrada en comillas y los caracteres especiales son escapados con
barras invertidas. Aunque esto a veces luzca diferente de la entrada (las comillas que encierran pueden cambiar), las dos
cadenas son equivalentes. La cadena se encierra en comillas dobles si la cadena contiene una comilla simple y ninguna
doble, de lo contrario es encerrada en comillas simples. La función print() produce una salida más legible, omitiendo las
comillas que la encierran e imprimiendo caracteres especiales y escapados:
>>> '"Isn\'t," she said.'

'"Isn\'t," she said.'
>>> print('"Isn\'t," she said.')
"Isn't," she said.
>>> s = 'Primerea línea.\nSegunda línea.' # \n significa nueva línea
>>> s # sin print(), \n es incluído en la salida
'Primera línea.\nSegunda línea.'
>>> print(s) # con print(), \n produce una nueva línea
Primera línea.
Segunda línea.
Si no querés que los caracteres antepuestos por \ sean interpretados como caracteres especiales, podés usar cadenas
crudas agregando una r antes de la primera comilla:
>>> print('C:\algun\nombre') # aquí \n significa nueva línea!

C:\algun
ombre
>>> print(r'C:\algun\nombre') # nota la r antes de la comilla
C:\algun\nombre
Las cadenas de texto literales pueden contener múltiples líneas. Una forma es usar triple comillas: """...""" o
'''...'''. Los fin de línea son incluídos automáticamente, pero es posible prevenir esto agregando una \ al final de la
línea. Por ejemplo:
print("""\
Uso: algo [OPTIONS]
-h Muestra el mensaje de uso
-H nombrehost Nombre del host al cual conectarse
""")
produce la siguiente salida: (nota que la línea inicial no está incluída)
Uso: algo [OPTIONS]

-h Muestra el mensaje de uso
-H nombrehost Nombre del host al cual conectarse
Las cadenas de texto pueden ser concatenadas (pegadas juntas) con el operador + y repetidas con *:
>>> # 3 veces 'un', seguido de 'ium'

>>> 3 * 'un' + 'ium'
'unununium'
Dos o más cadenas literales (aquellas encerradas entre comillas) una al lado de la otra son automáticamente concatenadas:
10
>>> 'Py' 'thon'
'Python'
Esto solo funciona con dos literales, no con variables ni expresiones:
>>> prefix = 'Py'

>>> prefix 'thon' # no se puede concatenar una variable y una cadena literal
...
SyntaxError: invalid syntax
>>> ('un' * 3) 'ium'
...
Si querés concatenar variables o una variable con un literal, usá +:
>>> prefix + 'thon'

'Python'
Esta característica es particularmente útil cuando querés separar cadenadas largas:
>>> texto = ('Poné muchas cadenas dentro de paréntesis '

... 'para que ellas sean unidas juntas.')
>>> texto
'Poné muchas cadenas dentro de paréntesis para que ellas sean unidas juntas.'
Las cadenas de texto se pueden indexar (subíndices), el primer carácter de la cadena tiene el índice 0. No hay un tipo de
dato para los caracteres; un carácter es simplemente una cadena de longitud uno:
>>> palabra = 'Python'

>>> palabra[0] # caracter en la posición 0
'P'
>>> palabra[5] # caracter en la posición 5
'n'
Los índices quizás sean números negativos, para empezar a contar desde la derecha:
>>> palabra[-1] # último caracter

'n'
>>> palabra[-2] # ante último caracter
'o'
>>> palabra[-6]
'P'
Nota que -0 es lo mismo que 0, los índice negativos comienzan desde -1.
Además de los índices, las rebanadas también están soportadas. Mientras que los índices son usados para obtener
caracteres individuales, las rebanadas te permiten obtener sub-cadenas:
>>> palabra[0:2] # caracteres desde la posición 0 (incluída) hasta la 2 (excluída)

'Py'
>>> palabra[2:5] # caracteres desde la posición 2 (incluída) hasta la 5 (excluída)
'tho'
Nota como el primero es siempre incluído, y que el último es siempre excluído. Esto asegura que s[:i] + s[i:] siempre
sea igual a s:
>>> palabra[:2] + palabra[2:]

'Python'
>>> palabra[:4] + palabra[4:]
'Python'
11
Los índices de las rebanadas tienen valores por defecto útiles; el valor por defecto para el primer índice es cero, el valor por
defecto para el segundo índice es la longitud de la cadena a rebanar.
>>> palabra[:2] # caracteres desde el principio hasta la posición 2 (excluída)

'Py'
>>> palabra[4:] # caracterrs desde la posición 4 (incluída) hasta el final
'on'
>>> palabra[-2:] # caracteres desde la ante-última (incluída) hasta el final
'on'
Una forma de recordar cómo funcionan las rebanadas es pensar en los índices como puntos entre caracteres, con el punto a
la izquierda del primer carácter numerado en 0. Luego, el punto a la derecha del último carácter de una cadena de n
caracteres tienen índice n, por ejemplo:
+---+---+---+---+---+---+
| P | y | t | h | o | n |
+---+---+---+---+---+---+
0 1 2 3 4 5 6
-6 -5 -4 -3 -2 -1
La primer fila de números da la posición de los índices 0...6 en la cadena; la segunda fila da los correspondientes índices
negativos. La rebanada de i a j consiste en todos los caracteres entre los puntos etiquetados i y j, respectivamente.
Para índices no negativos, la longitud de la rebanada es la diferencia de los índices, si ambos entran en los límites. Por
ejemplo, la longitud de palabra[1:3] es 2.
Intentar usar un índice que es muy grande resultará en un error:
>>> palabra[42] # la palabra solo tiene 6 caracteres

IndexError: string index out of range
Sin embargo, índices fuera de rango en rebanadas son manejados satisfactoriamente:
>>> palabra[4:42]
'on'
>>> palabra[42:]
''
Las cadenas de Python no pueden ser modificadas -- son immutable. Por eso, asignar a una posición indexada de la cadena
resulta en un error:
>>> palabra[0] = 'J'

...
TypeError: 'str' object does not support item assignment
>>> palabra[2:] = 'py'
...
TypeError: 'str' object does not support item assignment
Si necesitás una cadena diferente, deberías crear una nueva:
>>> 'J' + palabra[1:]

'Jython'
>>> palabra[:2] + 'py'
'Pypy'
La función incorporada len() devuelve la longitud de una cadena de texto:
12
>>> s = 'supercalifrastilisticoespialidoso'
>>> len(s)
33
Ver también
Tipos integrados
Las cadenas de texto son ejemplos de tipos secuencias, y soportan las operaciones comunes para esos tipos.
Tipos integrados
Las cadenas de texto soportan una gran cantidad de métodos para transformaciones básicas y búsqueda.
f-strings
Literales de cadena que tienen expresiones embebidas.
formatstrings
Aquí se da información sobre formateo de cadenas de texto con str.format().
Tipos integrados
Aquí se describe con más detalle las operaciones viejas para formateo usadas cuando una cadena de texto están a
la izquierda del operador %.
Listas
Python tiene varios tipos de datos compuestos, usados para agrupar otros valores. El más versátil es la lista, la cual puede
ser escrita como una lista de valores separados por coma (ítems) entre corchetes. Las listas pueden contener ítems de
diferentes tipos, pero usualmente los ítems son del mismo tipo:
>>> cuadrados = [1, 4, 9, 16, 25]

>>> cuadrados
[1, 4, 9, 16, 25]
Como las cadenas de caracteres (y todos los otros tipos sequence integrados), las listas pueden ser indexadas y rebanadas:
>>> cuadrados[0] # índices retornan un ítem

1
>>> cuadrados[-1]
25
>>> cuadrados[-3:] # rebanadas retornan una nueva lista
[9, 16, 25]
Todas las operaciones de rebanado devuelven una nueva lista conteniendo los elementos pedidos. Esto significa que la
siguiente rebanada devuelve una copia superficial de la lista:
>>> cuadrados[:]
[1, 4, 9, 16, 25]
Las listas también soportan operaciones como concatenación:
>>> cuadrados + [36, 49, 64, 81, 100]

[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
A diferencia de las cadenas de texto, que son immutable, las listas son un tipo mutable, es posible cambiar un su contenido:
>>> cubos = [1, 8, 27, 65, 125] # hay algo mal aquí
>>> 4 ** 3 # el cubo de 4 es 64, no 65!
64
13
>>> cubos[3] = 64 # reemplazar el valor incorrecto
>>> cubos
[1, 8, 27, 64, 125]
También podés agregar nuevos ítems al final de la lista, usando el método append() (vamos a ver más sobre los métodos
luego):
>>> cubos.append(216) # agregar el cubo de 6

>>> cubos.append(7 ** 3) # y el cubo de 7
>>> cubos
[1, 8, 27, 64, 125, 216, 343]
También es posible asignar a una rebanada, y esto incluso puede cambiar la longitud de la lista o vaciarla totalmente:
>>> letras = ['a', 'b', 'c', 'd', 'e', 'f', 'g']

>>> letras
['a', 'b', 'c', 'd', 'e', 'f', 'g']
>>> # reemplazar algunos valores
>>> letras[2:5] = ['C', 'D', 'E']
>>> letras
['a', 'b', 'C', 'D', 'E', 'f', 'g']
>>> # ahora borrarlas
>>> letras[2:5] = []
>>> letras
['a', 'b', 'f', 'g']
>>> # borrar la lista reemplzando todos los elementos por una lista vacía
>>> letras[:] = []
>>> letras
[]
La función predefinida len() también sirve para las listas:
>>> letras = ['a', 'b', 'c', 'd']

>>> len(letras)
4
Es posible anidar listas (crear listas que contengan otras listas), por ejemplo:
>>> a = ['a', 'b', 'c']

>>> n = [1, 2, 3]
>>> x = [a, n]
>>> x
[['a', 'b', 'c'], [1, 2, 3]]
>>> x[0]
['a', 'b', 'c']
>>> x[0][1]
'b'
Primeros pasos hacia la programación

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

... # la suma de dos elementos define el siguiente
... a, b = 0, 1
>>> while b < 10:
... print(b)
... a, b = b, a+b
...
14
1
1
2
3
5
8
Este ejemplo introduce varias características nuevas.
• La primer línea contiene una asignación múltiple: las variables a y b toman en forma simultanea los nuevos valores 0 y
1. En la última linea esto se vuelve a usar, demostrando que las expresiones a la derecha son evaluadas antes de que
suceda cualquier asignación. Las expresiones a la derecha son evaluadas de izquierda a derecha.
• El bucle while se ejecuta mientras la condición (aquí: b < 10) sea verdadera. En Python, como en C, cualquier
entero distinto de cero es verdadero; cero es falso. La condición también puede ser una cadena de texto o una lista, de
hecho cualquier secuencia; cualquier cosa con longitud distinta de cero es verdadero, las secuencias vacías son
falsas. La prueba usada en el ejemplo es una comparación simple. Los operadores estándar de comparación se
escriben igual que en C: < (menor qué), > (mayor qué), == (igual a), <= (menor o igual qué), >= (mayor o igual qué) y
!= (distinto a).
• El cuerpo del bucle está sangrado: la sangría es la forma que usa Python para agrupar declaraciones. En el intérprete
interactivo debés teclear un tab o espacio(s) para cada línea sangrada. En la práctica vas a preparar entradas más
complicadas para Python con un editor de texto; todos los editores de texto decentes tienen la facilidad de agregar la
sangría automáticamente. Al ingresar una declaración compuesta en forma interactiva, debés finalizar con una línea en
blanco para indicar que está completa (ya que el analizador no puede adivinar cuando tecleaste la última línea). Notá
que cada línea de un bloque básico debe estar sangrada de la misma forma.
• La función print() escribe el valor de el o los argumentos que se le pasan. Difiere de simplemente escribir la
expresión que se quiere mostrar (como hicimos antes en los ejemplos de la calculadora) en la forma en que maneja
múltiples argumentos, cantidades en punto flotante, y cadenas. Las cadenas de texto son impresas sin comillas, y un
espacio en blanco es insertado entre los elementos, así podés formatear cosas de una forma agradable:
>>> i = 256*256
>>> print('El valor de i es', i)
El valor de i es 65536
El parámetro nombrado end puede usarse para evitar el salto de linea al final de la salida, o terminar la salida con una
cadena diferente:
>>> a, b = 0, 1
>>> while b < 1000:
... print(b, end=',')
... a, b = b, a+b
...
1,1,2,3,5,8,13,21,34,55,89,144,233,377,610,987,
2 Debido a que ** tiene mayor precedencia que -, -3**2 será interpretado como -(3**2) y eso da como
resultado -9. Para evitar esto y obtener 9, podés usar (-3)**2.
3 A diferencia de otros lenguajes, caracteres especiales como \n tiene el mismo significado con simple ('...') y
doble ("...") comillas. La única diferencia entre las dos es que dentro de las comillas simples no tenés la
necesitada de escapar " (pero tenés que escapar \') y viceversa.
15
Más herramientas para control de
flujo
Además de la sentencia while que acabamos de introducir, Python soporta las sentencias de control de flujo que podemos
encontrar en otros lenguajes, con algunos cambios.
La sentencia
Tal vez el tipo más conocido de sentencia sea el if. Por ejemplo:
>>> x = int(input("Ingresa un entero, por favor: "))

Ingresa un entero, por favor: 42
>>> if x < 0:
... x = 0
... print('Negativo cambiado a cero')
... elif x == 0:
... print('Cero')
... elif x == 1:
... print('Simple')
... else:
... print('Más')
...
'Mas'
Puede haber cero o más bloques elif, y el bloque else es opcional. La palabra reservada 'elif' es una abreviación de
'else if', y es útil para evitar un sangrado excesivo. Una secuencia if ... elif ... elif ... sustituye las sentencias switch o
case encontradas en otros lenguajes.
La sentencia
La sentencia for en Python difiere un poco de lo que uno puede estar acostumbrado en lenguajes como C o Pascal. En
lugar de siempre iterar sobre una progresión aritmética de números (como en Pascal) o darle al usuario la posibilidad de
definir tanto el paso de la iteración como la condición de fin (como en C), la sentencia for de Python itera sobre los ítems de
cualquier secuencia (una lista o una cadena de texto), en el orden que aparecen en la secuencia. Por ejemplo:
>>> # Midiendo cadenas de texto

... palabras = ['gato', 'ventana', 'defenestrado']
>>> for p in palabras:
... print(p, len(p))
...
gato 4
ventana 7
defenestrado 12
Si necesitás modificar la secuencia sobre la que estás iterando mientras estás adentro del ciclo (por ejemplo para borrar
algunos ítems), se recomienda que hagas primero una copia. Iterar sobre una secuencia no hace implícitamente una copia.
La notación de rebanada es especialmente conveniente para esto:
>>> for p in palabras[:]: # hace una copia por rebanada de toda la lista
... if len(p) > 6:
... palabras.insert(0, p)
...
16
>>> palabras
['defenestrado', 'ventana', 'gato', 'ventana', 'defenestrado']
Con for w in words:, el ejemplo intentaría crear una lista infinita, insertando defenestrado una y otra vez.
La función
Si se necesita iterar sobre una secuencia de números, es apropiado utilizar la función integrada range(), la cual genera
progresiones aritméticas:
>>> for i in range(5):

... print(i)
...
0
1
2
3
4
El valor final dado nunca es parte de la secuencia; range(10) genera 10 valores, los índices correspondientes para los
ítems de una secuencia de longitud 10. Es posible hacer que el rango empiece con otro número, o especificar un incremento
diferente (incluso negativo; algunas veces se lo llama 'paso'):
range(5, 10)
5 through 9
range(0, 10, 3)
0, 3, 6, 9
range(-10, -100, -30)

-10, -40, -70
Para iterar sobre los índices de una secuencia, podés combinar range() y len() así:
>>> a = ['Mary', 'tenia', 'un', 'corderito']

>>> for i in range(len(a)):
... print(i, a[i])
...
0 Mary
1 tenia
2 un
3 corderito
En la mayoría de los casos, sin embargo, conviene usar la función enumerate(), mirá Técnicas de iteración.
Algo extraño sucede si mostrás un range:
>>> print(range(10))
range(0, 10)
De muchas maneras el objeto devuelto por range() se comporta como si fuera una lista, pero no lo es. Es un objeto que
devuelve los ítems sucesivos de la secuencia deseada cuando iterás sobre él, pero realmente no construye la lista,
ahorrando entonces espacio.
Decimos que tal objeto es iterable; esto es, que se lo puede usar en funciones y construcciones que esperan algo de lo cual
obtener ítems sucesivos hasta que se termine. Hemos visto que la declaración for es un iterador en ese sentido. La función
list() es otra; crea listas a partir de iterables:
17
>>> list(range(5))
[0, 1, 2, 3, 4]
Más tarde veremos más funciones que devuelven iterables y que toman iterables como entrada.
Las sentencias , , y en lazos

La sentencia break, como en C, termina el lazo for o while más anidado.
Las sentencias de lazo pueden tener una cláusula else que es ejecutada cuando el lazo termina, luego de agotar la lista
(con for) o cuando la condición se hace falsa (con while), pero no cuando el lazo es terminado con la sentencia break. Se
ejemplifica en el siguiente lazo, que busca números primos:
>>> for n in range(2, 10):

... for x in range(2, n):
... if n % x == 0:
... print(n, 'es igual a', x, '*', n/x)
... break
... else:
... # sigue el bucle sin encontrar un factor
... print(n, 'es un numero primo')
...
2 es un numero primo
4 es igual a 2 * 2
6 es igual a 2 * 3
8 es igual a 2 * 4
9 es igual a 3 * 3
(Sí, este es el código correcto. Fijate bien: el else pertenece al ciclo for, no al if.)
Cuando se usa con un ciclo, el else tiene más en común con el else de una declaración try que con el de un if: el else
de un try se ejecuta cuando no se genera ninguna excepción, y el else de un ciclo se ejecuta cuando no hay ningún
break. Para más sobre la declaración try y excepciones, mirá Manejando excepciones.
La declaración continue, también tomada de C, continua con la siguiente iteración del ciclo:
>>> for num in range(2, 10):

... if num % 2 == 0:
... print("Encontré un número par", num)
... continue
... print("Encontré un número", num)
Encontré un número par 2
Encontré un número 3
La sentencia
La sentencia pass no hace nada. Se puede usar cuando una sentencia es requerida por la sintáxis pero el programa no
requiere ninguna acción. Por ejemplo:
18
>>> while True:
... pass # Espera ocupada hasta una interrupción de teclado (Ctrl+C)
...
Se usa normalmente para crear clases en su mínima expresión:
>>> class MyEmptyClass:

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

... pass # Acordate de implementar esto!
...
Definiendo funciones
Podemos crear una función que escriba la serie de Fibonacci hasta un límite determinado:
>>> def fib(n): # escribe la serie de Fibonacci hasta n

... """Escribe la serie de Fibonacci hasta n."""
... a, b = 0, 1
... while a < n:
... print(a, end=' ')
... a, b = b, a+b
... print()
...
>>> # Ahora llamamos a la funcion que acabamos de definir:
... fib(2000)
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 1597
La palabra reservada def se usa para definir funciones. Debe seguirle el nombre de la función y la lista de parámetros
formales entre paréntesis. Las sentencias que forman el cuerpo de la función empiezan en la línea siguiente, y deben estar
con sangría.
La primer sentencia del cuerpo de la función puede ser opcionalmente una cadena de texto literal; esta es la cadena de texto
de documentación de la función, o docstring. (Podés encontrar más acerca de docstrings en la sección Cadenas de texto de
documentación.)
Hay herramientas que usan las docstrings para producir automáticamente documentación en línea o imprimible, o para
permitirle al usuario que navegue el código en forma interactiva; es una buena práctica incluir docstrings en el código que
uno escribe, por lo que se debe hacer un hábito de esto.
La ejecución de una función introduce una nueva tabla de símbolos usada para las variables locales de la función. Más
precisamente, todas las asignaciones de variables en la función almacenan el valor en la tabla de símbolos local; así mismo
la referencia a variables primero mira la tabla de símbolos local, luego en la tabla de símbolos local de las funciones
externas, luego la tabla de símbolos global, y finalmente la tabla de nombres predefinidos. Así, no se les puede asignar
directamente un valor a las variables globales dentro de una función (a menos se las nombre en la sentencia global),
aunque si pueden ser referenciadas.
Los parámetros reales (argumentos) de una función se introducen en la tabla de símbolos local de la función llamada cuando
esta es ejecutada; así, los argumentos son pasados por valor (dónde el valor es siempre una referencia a un objeto, no el
valor del objeto). 4 Cuando una función llama a otra función, una nueva tabla de símbolos local es creada para esa llamada.
La definición de una función introduce el nombre de la función en la tabla de símbolos actual. El valor del nombre de la
función tiene un tipo que es reconocido por el interprete como una función definida por el usuario. Este valor puede ser
19
asignado a otro nombre que luego puede ser usado como una función. Esto sirve como un mecanismo general para
renombrar:
>>> fib
<function fib at 10042ed0>
>>> f = fib
>>> f(100)
0 1 1 2 3 5 8 13 21 34 55 89
Viniendo de otros lenguajes, podés objetar que fib no es una función, sino un procedimiento, porque no devuelve un valor.
De hecho, técnicamente hablando, los procedimientos sí retornan un valor, aunque uno aburrido. Este valor se llama None
(es un nombre predefinido). El intérprete por lo general no escribe el valor None si va a ser el único valor escrito. Si
realmente se quiere, se puede verlo usando la función print():
>>> fib(0)
>>> print(fib(0))
None
Es simple escribir una función que retorne una lista con los números de la serie de Fibonacci en lugar de imprimirlos:
>>> def fib2(n): # devuelve la serie de Fibonacci hasta n

... """Devuelve una lista conteniendo la serie de Fibonacci hasta n."""
... result = []
... a, b = 0, 1
... while a < n:
... result.append(a) # ver abajo
... a, b = b, a+b
... return result
...
>>> f100 = fib2(100) # llamarla
>>> f100 # escribir el resultado
[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89]
Este ejemplo, como es usual, demuestra algunas características más de Python:
• La sentencia return devuelve un valor en una función. return sin una expresión como argumento retorna None. Si
se alcanza el final de una función, también se retorna None.
• La sentencia result.append(a) llama a un método del objeto lista result. Un método es una función que
'pertenece' a un objeto y se nombra obj.methodname, dónde obj es algún objeto (puede ser una expresión), y
methodname es el nombre del método que está definido por el tipo del objeto. Distintos tipos definen distintos
métodos. Métodos de diferentes tipos pueden tener el mismo nombre sin causar ambigüedad. (Es posible definir tipos
de objetos propios, y métodos, usando clases, mirá Clases). El método append() mostrado en el ejemplo está
definido para objetos lista; añade un nuevo elemento al final de la lista. En este ejemplo es equivalente a
result = result + [a], pero más eficiente.
Más sobre definición de funciones

También es posible definir funciones con un número variable de argumentos. Hay tres formas que pueden ser combinadas.
Argumentos con valores por omisión

La forma más útil es especificar un valor por omisión para uno o más argumentos. Esto crea una función que puede ser
llamada con menos argumentos que los que permite. Por ejemplo:
def pedir_confirmacion(prompt, reintentos=4, recordatorio='Por favor, intente nuevamente!'):

while True:
ok = input(prompt)
if ok in ('s', 'S', 'si', 'Si', 'SI'):
20
return True
if ok in ('n', 'no', 'No', 'NO'):
return False
reintentos = reintentos - 1
if reintentos < 0:
raise ValueError('respuesta de usuario inválida')
print(recordatorio)
Esta función puede ser llamada de distintas maneras:
• pasando sólo el argumento obligatorio: pedir_confirmacion('¿Realmente queres salir?')
• pasando uno de los argumentos opcionales: pedir_confirmacion('¿Sobreescribir archivo?', 2)
•o pasando todos los argumentos:

pedir_confirmacion('¿Sobreescribir archivo?', 2, "Vamos, solo si o no!)
Este ejemplo también introduce la palabra reservada in, la cual prueba si una secuencia contiene o no un determinado
valor.
Los valores por omisión son evaluados en el momento de la definición de la función, en el ámbito de la definición, entonces:
i = 5
def f(arg=i):
print(arg)
i = 6
f()
...imprimirá 5.
Advertencia importante: El valor por omisión es evaluado solo una vez. Existe una diferencia cuando el valor por omisión
es un objeto mutable como una lista, diccionario, o instancia de la mayoría de las clases. Por ejemplo, la siguiente función
acumula los argumentos que se le pasan en subsiguientes llamadas:
def f(a, L=[]):

L.append(a)
return L
print(f(1))
print(f(2))
print(f(3))
Imprimirá:
[1]
[1, 2]
[1, 2, 3]
Si no se quiere que el valor por omisión sea compartido entre subsiguientes llamadas, se pueden escribir la función así:
def f(a, L=None):

if L is None:
L = []
L.append(a)
return L
21
Palabras claves como argumentos
Las funciones también puede ser llamadas usando argumentos de palabras clave (o argumentos nombrados) de la forma
keyword = value. Por ejemplo, la siguiente función:
def loro(tension, estado='muerto', accion='explotar', tipo='Azul Nordico'):

print("-- Este loro no va a", accion, end=' ')
print("si le aplicás", tension, "voltios.")
print("-- Gran plumaje tiene el", tipo)
print("-- Está", estado, "!")
...acepta un argumento obligatorio (tension) y tres argumentos opcionales (estado, accion, y tipo). Esta función puede
llamarse de cualquiera de las siguientes maneras:
loro(1000) # 1 argumento posicional

loro(tension=1000) # 1 argumento nombrado
loro(tension=1000000, accion='VOOOOOM') # 2 argumentos nombrados
loro(accion='VOOOOOM', tension=1000000) # 2 argumentos nombrados
loro('un millón', 'despojado de vida', 'saltar') # 3 args posicionales
loro('mil', estado='viendo crecer las flores desde abajo') # uno y uno
...pero estas otras llamadas serían todas inválidas:
loro() # falta argumento obligatorio

loro(tension=5.0, 'muerto') # argumento posicional luego de uno nombrado
loro(110, tension=220) # valor duplicado para el mismo argumento
loro(actor='Juan Garau') # nombre del argumento desconocido
En una llamada a una función, los argumentos nombrados deben seguir a los argumentos posicionales. Cada uno de los
argumentos nombrados pasados deben coincidir con un argumento aceptado por la función (por ejemplo, actor no es un
argumento válido para la función loro), y el orden de los mismos no es importante. Esto también se aplica a los argumentos
obligatorios (por ejemplo, loro(tension=1000) también es válido). Ningún argumento puede recibir más de un valor al
mismo tiempo. Aquí hay un ejemplo que falla debido a esta restricción:
>>> def funcion(a):

... pass
...
>>> funcion(0, a=0)
...
TypeError: funcion() got multiple values for keyword argument 'a'
Cuando un parámetro formal de la forma **nombre está presente al final, recibe un diccionario (ver Tipos integrados)
conteniendo todos los argumentos nombrados excepto aquellos correspondientes a un parámetro formal. Esto puede ser
combinado con un parámetro formal de la forma *nombre (descripto en la siguiente sección) que recibe una tupla
conteniendo los argumentos posicionales además de la lista de parámetros formales. (*nombre debe ocurrir antes de
**nombre). Por ejemplo, si definimos una función así:
def ventadequeso(tipo, *argumentos, **palabrasclaves):

print("-- ¿Tiene", tipo, "?")
print("-- Lo siento, nos quedamos sin", tipo)
for arg in argumentos:
print(arg)
print("-" * 40)
for c in palabrasclaves:
print(c, ":", palabrasclaves[c])
Puede ser llamada así:
22
ventadequeso("Limburger", "Es muy liquido, sr.",
"Realmente es muy muy liquido, sr.",
cliente="Juan Garau",
vendedor="Miguel Paez",
puesto="Venta de Queso Argentino")
...y por supuesto imprimirá:
.. code-block:: none
-- ¿Tiene Limburger ? -- Lo siento, nos quedamos sin Limburger Es muy liquido, sr. Realmente es muy muy liquido, sr.
---------------------------------------- cliente : Juan Garau vendedor : Miguel Paez puesto : Venta de Queso Argentino
Se debe notar que el orden en el cual los argumentos nombrados son impresos está garantizado para coincidir con el orden
en el cual fueron provistos en la llamada a la función.
Listas de argumentos arbitrarios

Finalmente, la opción menos frecuentemente usada es especificar que una función puede ser llamada con un número
arbitrario de argumentos. Estos argumentos serán organizados en una tupla (mirá Tuplas y secuencias). Antes del número
variable de argumentos, cero o más argumentos normales pueden estar presentes.:
def muchos_items(archivo, separador, *args):

archivo.write(separador.join(args))
Normalmente estos argumentos de cantidad variables son los últimos en la lista de parámetros formales, porque toman todo
el remanente de argumentos que se pasan a la función. Cualquier parámetro que suceda luego del *args será 'sólo
nombrado', o sea que sólo se pueden usar como nombrados y no posicionales.:
>>> def concatenar(*args, sep="/"):

... return sep.join(args)
...
>>> concatenar("tierra", "marte", "venus")
'tierra/marte/venus'
>>> concatenar("tierra", "marte", "venus", sep=".")
'tierra.marte.venus'
Desempaquetando una lista de argumentos

La situación inversa ocurre cuando los argumentos ya están en una lista o tupla pero necesitan ser desempaquetados para
llamar a una función que requiere argumentos posicionales separados. Por ejemplo, la función predefinida range() espera
los argumentos inicio y fin. Si no están disponibles en forma separada, se puede escribir la llamada a la función con el
operador para desempaquetar argumentos de una lista o una tupla *::
>>> list(range(3, 6)) # llamada normal con argumentos separados

[3, 4, 5]
>>> args = [3, 6]
>>> list(range(*args)) # llamada con argumentos desempaquetados de la lista
[3, 4, 5]
Del mismo modo, los diccionarios pueden entregar argumentos nombrados con el operador **::
>>> def loro(tension, estado='rostizado', accion='explotar'):

... print("-- Este loro no va a", accion, end=' ')
... print("si le aplicás", tension, "voltios.", end=' ')
... print("Está", estado, "!")
...
>>> d = {"tension": "cinco mil", "estado": "demacrado",
... "accion": "VOLAR"}
23
>>> loro(**d)
-- Este loro no va a VOLAR si le aplicás cinco mil voltios. Está demacrado !
Expresiones lambda
Pequeñas funciones anónimas pueden ser creadas con la palabra reservada lambda. Esta función retorna la suma de sus
dos argumentos: lambda a, b: a + b. Las funciones Lambda pueden ser usadas en cualquier lugar donde sea
requerido un objeto de tipo función. Están sintácticamente restringidas a una sola expresión. Semánticamente, son solo
azúcar sintáctica para definiciones normales de funciones. Al igual que las funciones anidadas, las funciones lambda pueden
hacer referencia a variables desde el ámbito que la contiene:
>>> def hacer_incrementador(n):

... return lambda x: x + n
...
>>> f = hacer_incrementador(42)
>>> f(0)
42
>>> f(1)
43
Cadenas de texto de documentación

Acá hay algunas convenciones sobre el contenido y formato de las cadenas de texto de documentación.
La primer línea debe ser siempre un resumen corto y conciso del propósito del objeto. Para ser breve, no se debe mencionar
explícitamente el nombre o tipo del objeto, ya que estos están disponibles de otros modos (excepto si el nombre es un verbo
que describe el funcionamiento de la función). Esta línea debe empezar con una letra mayúscula y terminar con un punto.
Si hay más líneas en la cadena de texto de documentación, la segunda línea debe estar en blanco, separando visualmente
el resumen del resto de la descripción. Las líneas siguientes deben ser uno o más párrafos describiendo las convenciones
para llamar al objeto, efectos secundarios, etc.
El analizador de Python no quita el sangrado de las cadenas de texto literales multi-líneas, entonces las herramientas que
procesan documentación tienen que quitarlo si así lo desean. Esto se hace mediante la siguiente convención. La primer línea
que no está en blanco siguiente a la primer línea de la cadena determina la cantidad de sangría para toda la cadena de
documentación. (No podemos usar la primer línea ya que generalmente es adyacente a las comillas de apertura de la
cadena y el sangrado no se nota en la cadena de texto). Los espacios en blanco "equivalentes" a este sangrado son luego
quitados del comienzo de cada línea en la cadena. No deberían haber líneas con una sangría menor, pero si las hay todos
los espacios en blanco del comienzo deben ser quitados. La equivalencia de espacios en blanco debe ser verificada luego
de la expansión de tabs (a 8 espacios, normalmente).
Este es un ejemplo de un docstring multi-línea:
>>> def mi_funcion():

... """No hace mas que documentar la funcion.
...
... No, de verdad. No hace nada.
... """
... pass
...
>>> print(mi_funcion.__doc__)
No hace mas que documentar la funcion.
No, de verdad. No hace nada.
Anotación de funciones
+:ref:Function annotations <function> are completely optional metadata +information about the types used by user-defined
functions (see PEP 484 +for more information).
24
Las anotaciones de funciones son información completamente opcional sobre los tipos usadas en funciones definidas por el
usuario (ver PEP 484 para más información).
Las anotaciones se almacenan en el atributo __annotations__ de la función como un diccionario y no tienen efecto en
ninguna otra parte de la función. Las anotaciones de los parámetros se definen luego de dos puntos después del nombre del
parámetro, seguido de una expresión que evalúa al valor de la anotación. Las anotaciones de retorno son definidas por el
literal ->, seguidas de una expresión, entre la lista de parámetros y los dos puntos que marcan el final de la declaración def.
El siguiente ejemplo tiene un argumento posicional, uno nombrado, y el valor de retorno anotado:
>>> def f(jamon: str, huevos: str = 'huevos') -> str:

... print("Anotaciones:", f.__annotations__)
... print("Argumentos:", jamon, huevos)
... return jamon + ' y ' + huevos
...
>>> f('carne')
Anotaciones: {'jamon': <class 'str'>, 'huevos': <class 'str'>, 'return': <class 'str'>}
Argumentos: carne huevos
'carne y huevos'
>>>
Intermezzo: Estilo de codificación

Ahora que estás a punto de escribir piezas de Python más largas y complejas, es un buen momento para hablar sobre estilo
de codificación. La mayoría de los lenguajes pueden ser escritos (o mejor dicho, formateados) con diferentes estilos; algunos
son mas fáciles de leer que otros. Hacer que tu código sea más fácil de leer por otros es siempre una buena idea, y adoptar
un buen estilo de codificación ayuda tremendamente a lograrlo.
Para Python, PEP 8 se erigió como la guía de estilo a la que más proyectos adhirieron; promueve un estilo de codificación
fácil de leer y visualmente agradable. Todos los desarrolladores Python deben leerlo en algún momento; aquí están
extraídos los puntos más importantes:
• Usar sangrías de 4 espacios, no tabs.
4 espacios son un buen compromiso entre una sangría pequeña (permite mayor nivel de sangrado)y una sangría
grande (más fácil de leer). Los tabs introducen confusión y es mejor dejarlos de lado.
• Recortar las líneas para que no superen los 79 caracteres.
Esto ayuda a los usuarios con pantallas pequeñas y hace posible tener varios archivos de código abiertos, uno al lado
del otro, en pantallas grandes.
• Usar líneas en blanco para separar funciones y clases, y bloques grandes de código dentro de funciones.
• Cuando sea posible, poner comentarios en una sola línea.
• Usar docstrings.
• Usar espacios alrededor de operadores y luego de las comas, pero no directamente dentro de paréntesis:
a = f(1, 2) + g(3, 4).
• Nombrar las clases y funciones consistentemente; la convención es usar NotacionCamello para clases y
minusculas_con_guiones_bajos para funciones y métodos. Siempre usá self como el nombre para el primer
argumento en los métodos (mirá Un primer vistazo a las clases para más información sobre clases y métodos).
• No uses codificaciones estrafalarias si esperás usar el código en entornos internacionales. El default de Python,
UTF-8, o incluso ASCII plano funcionan bien en la mayoría de los casos.
• De la misma manera, no uses caracteres no-ASCII en los identificadores si hay incluso una pequeñísima chance de
4 queEn realidad,
gente llamadas
que hable otro por referencia
idioma de objeto
tenga que sería unaelmejor
leer o mantener descripción, ya que si se pasa un objeto mutable,
código.
quien realiza la llamada verá cualquier cambio que se realice sobre el mismo (por ejemplo ítems insertados en una
lista).
25
Estructuras de datos
Este capítulo describe algunas cosas que ya aprendiste en más detalle, y agrega algunas cosas nuevas también.
Más sobre listas

El tipo de dato lista tiene algunos métodos más. Aquí están todos los métodos de los objetos lista:
list.append (x)
Agrega un ítem al final de la lista. Equivale a a[len(a):] = [x].
list.extend (iterable)
Extiende la lista agregándole todos los ítems del iterable. Equivale a a[len(a):] = iterable.
list.insert (i, x)
Inserta un ítem en una posición dada. El primer argumento es el índice del ítem delante del cual se insertará, por lo tanto
a.insert(0, x) inserta al principio de la lista, y a.insert(len(a), x) equivale a a.append(x).
list.remove (x)
Quita el primer ítem de la lista cuyo valor sea x. Es un error si no existe tal ítem.
list.pop ([, i])

Quita el ítem en la posición dada de la lista, y lo devuelve. Si no se especifica un índice, a.pop() quita y devuelve el
último ítem de la lista. (Los corchetes que encierran a i en la firma del método denotan que el parámetro es opcional, no
que deberías escribir corchetes en esa posición. Verás esta notación con frecuencia en la Referencia de la Biblioteca de
Python.)
list.clear ()
Quita todos los elementos de la lista. Equivalente a del a[:].
list.index (x[, start[, end]])

Devuelve un índice basado en cero en la lista del primer ítem cuyo valor sea x. Levanta una excepción ValueError si no
existe tal ítem.
Los argumentos opcionales start y end son interpetados como la notación de rebanadas y se usan para limitar la
búsqueda a una subsecuencia particular de la lista. El index retornado se calcula de manera relativa al inicio de la
secuencia completa en lugar de con respecto al argumento start.
list.count (x)
Devuelve el número de veces que x aparece en la lista.
list.sort (key=None, reverse=False)

Ordena los ítems de la lista in situ (los argumentos pueden ser usados para personalizar el orden de la lista, ve sorted()
para su explicación).
list.reverse ()
Invierte los elementos de la lista in situ.
26
list.copy ()
Devuelve una copia superficial de la lista. Equivalente a a[:].
Un ejemplo que usa la mayoría de los métodos de lista:
>>> frutas = ['naranja', 'manzana', 'pera', 'banana', 'kiwi', 'manzana', 'banana']

>>> frutas.count('manzana')
2
>>> frutas.count('mandarina')
0
>>> frutas.index('banana')
3
>>> frutas.index('banana', 4) # Find next banana starting a position 4
6
>>> frutas.reverse()
>>> frutas
['banana', 'manzana', 'kiwi', 'banana', 'pera', 'manzana', 'naranja']
>>> frutas.append('uva')
>>> frutas
['banana', 'manzana', 'kiwi', 'banana', 'pera', 'manzana', 'naranja', 'uva']
>>> frutas.sort()
>>> frutas
['manzana', 'manzana', 'banana', 'banana', 'uva', 'kiwi', 'naranja', 'pera']
>>> frutas.pop()
'pera'
Quizás hayas notado que métodos como insert, remove o sort, que solo modifican a la lista, no tienen impreso un valor
de retorno -- devuelven None. 5 Esto es un principio de diseño para todas las estructuras de datos mutables en Python.
Usando listas como pilas

Los métodos de lista hacen que resulte muy fácil usar una lista como una pila, donde el último elemento añadido es el primer
elemento retirado ("último en entrar, primero en salir"). Para agregar un ítem a la cima de la pila, use append(). Para retirar
un ítem de la cima de la pila, use pop() sin un índice explícito. Por ejemplo:
>>> stack = [3, 4, 5]

>>> stack.append(6)
>>> stack.append(7)
>>> stack
[3, 4, 5, 6, 7]
>>> stack.pop()
7
>>> stack
[3, 4, 5, 6]
>>> stack.pop()
6
>>> stack.pop()
5
>>> stack
[3, 4]
Usando listas como colas

También es posible usar una lista como una cola, donde el primer elemento añadido es el primer elemento retirado ("primero
en entrar, primero en salir"); sin embargo, las listas no son eficientes para este propósito. Agregar y sacar del final de la lista
es rápido, pero insertar o sacar del comienzo de una lista es lento (porque todos los otros elementos tienen que ser
desplazados por uno).
Para implementar una cola, usá collections.deque el cual fue diseñado para agregar y sacar de ambas puntas de forma
rápida. Por ejemplo:
27
>>> from collections import deque
>>> queue = deque(["Eric", "John", "Michael"])
>>> queue.append("Terry") # llega Terry
>>> queue.append("Graham") # llega Graham
>>> queue.popleft() # el primero en llegar ahora se va
'Eric'
>>> queue.popleft() # el segundo en llegar ahora se va
'John'
>>> queue # el resto de la cola en órden de llegada
['Michael', 'Terry', 'Graham']
Comprensión de listas
Las comprensiones de listas ofrecen una manera concisa de crear listas. Sus usos comunes son para hacer nuevas listas
donde cada elemento es el resultado de algunas operaciones aplicadas a cada miembro de otra secuencia o iterable, o para
crear una subsecuencia de esos elementos para satisfacer una condición determinada.
Por ejemplo, asumamos que queremos crear una lista de cuadrados, como:
>>> cuadrados = []
>>> for x in range(10):
... cuadrados.append(x**2)
...
>>> cuadrados
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
Nota que esto crea (o sobreescribe) una variable llamada x que sigue existiendo luego de que el bucle haya terminado.
Podemos calcular la lista de cuadrados sin ningun efecto secundario haciendo:
cuadrados = list(map(lambda x: x**2, range(10)))
o, un equivalente:
cuadrados = [x ** 2 for x in range(10)]
que es más conciso y legible.
Una lista de comprensión consiste de corchetes rodeando una expresión seguida de la declaración for y luego cero o más
declaraciones for o if. El resultado será una nueva lista que sale de evaluar la expresión en el contexto de los for o if
que le siguen. Por ejemplo, esta lista de comprensión combina los elementos de dos listas si no son iguales:
>>> [(x, y) for x in [1,2,3] for y in [3,1,4] if x != y]

[(1, 3), (1, 4), (2, 3), (2, 1), (2, 4), (3, 1), (3, 4)]
y es equivalente a:
>>> combs = []
>>> for x in [1,2,3]:
... for y in [3,1,4]:
... if x != y:
... combs.append((x, y))
...
>>> combs
[(1, 3), (1, 4), (2, 3), (2, 1), (2, 4), (3, 1), (3, 4)]
Notá como el orden de los for y if es el mismo en ambos pedacitos de código.
Si la expresión es una tupla (como el (x, y) en el ejemplo anterior), debe estar entre paréntesis.
>>> vec = [-4, -2, 0, 2, 4]

>>> # crear una nueva lista con los valores duplicados
28
>>> [x * 2 for x in vec]
[-8, -4, 0, 4, 8]
>>> # filtrar la lista para excluir números negativos
>>> [x for x in vec if x >= 0]
[0, 2, 4]
>>> # aplica una función a todos los elementos
>>> [abs(x) for x in vec]
[4, 2, 0, 2, 4]
>>> # llama un método a cada elemento
>>> frutafresca = [' banana', ' mora de Logan ', 'maracuya ']
>>> [arma.strip() for arma in frutafresca]
['banana', 'mora de Logan', 'maracuya']
>>> # crea una lista de tuplas de dos como (número, cuadrado)
>>> [(x, x ** 2) for x in range(6)]
[(0, 0), (1, 1), (2, 4), (3, 9), (4, 16), (5, 25)]
>>> # la tupla debe estar entre paréntesis, sino es un error
>>> [x, x ** 2 for x in range(6)]
...
[x, x ** 2 for x in range(6)]
^
>>> # aplanar una lista usando comprensión de listas con dos 'for'
>>> vec = [[1,2,3], [4,5,6], [7,8,9]]
>>> [num for elem in vec for num in elem]
[1, 2, 3, 4, 5, 6, 7, 8, 9]
Las comprensiones de listas pueden contener expresiones complejas y funciones anidadas:
>>> from math import pi

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

La expresión inicial de una comprensión de listas puede ser cualquier expresión arbitraria, incluyendo otra comprensión de
listas.
Considerá el siguiente ejemplo de una matriz de 3x4 implementada como una lista de tres listas de largo 4:
>>> matriz = [
... [1, 2, 3, 4],
... [5, 6, 7, 8],
... [9, 10, 11, 12],
... ]
La siguiente comprensión de lista transpondrá las filas y columnas:
>>> [[fila[i] for fila in matriz] for i in range(4)]

[[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]
Como vimos en la sección anterior, la lista de comprensión anidada se evalua en el contexto del for que lo sigue, por lo que
este ejemplo equivale a:
>>> transpuesta = []
... transpuesta.append([fila[i] for fila in matriz])
...
>>> transpuesta
[[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]
29
el cual, a la vez, es lo mismo que:
>>> transpuesta = []
... # las siguientes 3 lineas hacen la comprensión de listas anidada
... fila_transpuesta = []
... for fila in matriz:
... fila_transpuesta.append(fila[i])
... transpuesta.append(fila_transpuesta)
...
>>> transpuesta
[[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]
En el mundo real, deberías preferir funciones predefinidas a declaraciones con flujo complejo. La función zip() haría un
buen trabajo para este caso de uso:
>>> list(zip(*matriz))
[(1, 5, 9), (2, 6, 10), (3, 7, 11), (4, 8, 12)]
Ver Desempaquetando una lista de argumentos para detalles en el asterisco de esta línea.
La instrucción
Hay una manera de quitar un ítem de una lista dado su índice en lugar de su valor: la instrucción del. Esta es diferente del
método pop(), el cual devuelve un valor. La instrucción del también puede usarse para quitar secciones de una lista o
vaciar la lista completa (lo que hacíamos antes asignando una lista vacía a la sección). Por ejemplo:
>>> a = [-1, 1, 66.25, 333, 333, 1234.5]

>>> del a[0]
>>> a
[1, 66.25, 333, 333, 1234.5]
>>> del a[2:4]
>>> a
[1, 66.25, 1234.5]
>>> del a[:]
>>> a
[]
del puede usarse también para eliminar variables:
>>> del a
Hacer referencia al nombre a de aquí en más es un error (al menos hasta que se le asigne otro valor). Veremos otros usos
para del más adelante.
Tuplas y secuencias
Vimos que las listas y cadenas tienen propiedades en común, como el indizado y las operaciones de seccionado. Estas son
dos ejemplos de datos de tipo secuencia (ver Tipos integrados). Como Python es un lenguaje en evolución, otros datos de
tipo secuencia pueden agregarse. Existe otro dato de tipo secuencia estándar: la tupla.
Una tupla consiste de un número de valores separados por comas, por ejemplo:
>>> t = 12345, 54321, 'hola!'

>>> t[0]
12345
>>> t
(12345, 54321, 'hola!')
>>> # Las tuplas pueden anidarse:
30
... u = t, (1, 2, 3, 4, 5)
>>> u
((12345, 54321, 'hola!'), (1, 2, 3, 4, 5))
>>> # Las tuplas son inmutables:
... t[0] = 88888
TypeError: 'tuple' object does not support item assignment
>>> # pero pueden contener objetos mutables:
... v = ([1, 2, 3], [3, 2, 1])
>>> v
([1, 2, 3], [3, 2, 1])
Como puedes ver, en la salida las tuplas siempre se encierran entre paréntesis, para que las tuplas anidadas puedan
interpretarse correctamente; pueden ingresarse con o sin paréntesis, aunque a menudo los paréntesis son necesarios de
todas formas (si la tupla es parte de una expresión más grande). No es posible asignar a los ítems individuales de una tupla,
pero sin embargo sí se puede crear tuplas que contengan objetos mutables, como las listas.
A pesar de que las tuplas puedan parecerse a las listas, frecuentemente se utilizan en distintas situaciones y para distintos
propósitos. Las tuplas son inmutables y normalmente contienen una secuencia heterogénea de elementos que son
accedidos al desempaquetar (ver más adelante en esta sección) o indizar (o incluso acceder por atributo en el caso de las
namedtuples). Las listas son mutables, y sus elementos son normalmente homogéneos y se acceden iterando a la lista.
Un problema particular es la construcción de tuplas que contengan 0 o 1 ítem: la sintaxis presenta algunas peculiaridades
para estos casos. Las tuplas vacías se construyen mediante un par de paréntesis vacío; una tupla con un ítem se construye
poniendo una coma a continuación del valor (no alcanza con encerrar un único valor entre paréntesis). Feo, pero efectivo.
Por ejemplo:
>>> vacia = ()
>>> singleton = 'hola', # <-- notar la coma al final
>>> len(vacia)
0
>>> len(singleton)
1
>>> singleton
('hola',)
La declaración t = 12345, 54321, 'hola!' es un ejemplo de empaquetado de tuplas: los valores 12345, 54321 y
'hola!' se empaquetan juntos en una tupla.
La operación inversa también es posible:
>>> x, y, z = t
Esto se llama, apropiadamente, desempaquetado de secuencias, y funciona para cualquier secuencia en el lado derecho del
igual. El desempaquetado de secuencias requiere que la cantidad de variables a la izquierda del signo igual sea el tamaño
de la secuencia. Notá que la asignación múltiple es en realidad sólo una combinación de empaquetado de tuplas y
desempaquetado de secuencias.
Conjuntos
Python también incluye un tipo de dato para conjuntos. Un conjunto es una colección no ordenada y sin elementos repetidos.
Los usos básicos de éstos incluyen verificación de pertenencia y eliminación de entradas duplicadas. Los conjuntos también
soportan operaciones matemáticas como la unión, intersección, diferencia, y diferencia simétrica.
Las llaves o la función set() pueden usarse para crear conjuntos. Notá que para crear un conjunto vacío tenés que usar
set(), no {}; esto último crea un diccionario vacío, una estructura de datos que discutiremos en la sección siguiente.
31
Una pequeña demostración:
>>> canasta = {'manzana', 'naranja', 'manzana', 'pera', 'naranja', 'banana'}

>>> print fruta # muestra que se removieron los duplicados
{'pera', 'manzana', 'banana', 'naranja'}
>>> 'naranja' in canasta # verificación de pertenencia rápida
True
>>> 'yerba' in canasta
False
>>> # veamos las operaciones para las letras únicas de dos palabras
...
>>> a = set('abracadabra')
>>> b = set('alacazam')
>>> a # letras únicas en a
{a', 'r', 'b', 'c', 'd'}
>>> a - b # letras en a pero no en b
{'r', 'b', 'd'}
>>> a | b # letras en a o en b o en ambas
{'a', 'c', 'b', 'd', 'm', 'l', 'r', 'z'}
>>> a & b # letras en a y en b
{'a', 'c'}
>>> a ^ b # letras en a o b pero no en ambos
{'b', 'd', 'm', 'l', 'r', 'z'}
De forma similar a las comprensiones de listas, está también soportada la comprensión de conjuntos:
>>> a = {x for x in 'abracadabra' if x not in 'abc'}

>>> a
{'r', 'd'}
Diccionarios
Otro tipo de dato útil incluído en Python es el diccionario (ver Tipos integrados). Los diccionarios se encuentran a veces en
otros lenguajes como "memorias asociativas" o "arreglos asociativos". A diferencia de las secuencias, que se indexan
mediante un rango numérico, los diccionarios se indexan con claves, que pueden ser cualquier tipo inmutable; las cadenas y
números siempre pueden ser claves. Las tuplas pueden usarse como claves si solamente contienen cadenas, números o
tuplas; si una tupla contiene cualquier objeto mutable directa o indirectamente, no puede usarse como clave. No podés usar
listas como claves, ya que las listas pueden modificarse usando asignación por índice, asignación por sección, o métodos
como append() y extend().
Lo mejor es pensar en un diccionario como un conjunto no ordenado de pares clave: valor, con el requerimiento de que las
claves sean únicas (dentro de un diccionario en particular). Un par de llaves crean un diccionario vacío: {}. Colocar una lista
de pares clave:valor separados por comas entre las llaves añade pares clave:valor iniciales al diccionario; esta también es la
forma en que los diccionarios se presentan en la salida.
Las operaciones principales sobre un diccionario son guardar un valor con una clave y extraer ese valor dada la clave.
También es posible borrar un par clave:valor con del. Si usás una clave que ya está en uso para guardar un valor, el valor
que estaba asociado con esa clave se pierde. Es un error extraer un valor usando una clave no existente.
Hacer list(d.keys()) en un diccionario devuelve una lista de todas las claves usadas en el diccionario, en un orden
arbitrario (si las querés ordenadas, usá en cambio sorted(d.keys()). 6 Para controlar si una clave está en el diccionario,
usá el in.
Un pequeño ejemplo de uso de un diccionario:
>>> tel = {'jack': 4098, 'sape': 4139}

>>> tel['guido'] = 4127
>>> tel
32
{'sape': 4139, 'jack': 4098, 'guido': 4127}
>>> tel['jack']
4098
>>> del tel['sape']
>>> tel['irv'] = 4127
>>> tel
{'jack': 4098, 'irv': 4127, 'guido': 4127}
>>> list(tel.keys())
['irv', 'guido', 'jack']
>>> sorted(tel.keys())
['guido', 'irv', 'jack']
>>> 'guido' in tel
True
>>> 'jack' not in tel
False
El constructor dict() crea un diccionario directamente desde secuencias de pares clave-valor:
>>> dict([('sape', 4139), ('guido', 4127), ('jack', 4098)])

{'sape': 4139, 'jack': 4098, 'guido': 4127}
Además, las comprensiones de diccionarios se pueden usar para crear diccionarios desde expresiones arbitrarias de clave y
valor:
>>> {x: x ** 2 for x in (2, 4, 6)}

{2: 4, 4: 16, 6: 36}
Cuando las claves son cadenas simples, a veces resulta más fácil especificar los pares usando argumentos por palabra
clave:
>>> dict(sape=4139, guido=4127, jack=4098)

{'sape': 4139, 'jack': 4098, 'guido': 4127}
Técnicas de iteración
Cuando iteramos sobre diccionarios, se pueden obtener al mismo tiempo la clave y su valor correspondiente usando el
método items().
>>> caballeros = {'gallahad': 'el puro', 'robin': 'el valiente'}

>>> for k, v in caballeros.items():
... print(k, v)
...
gallahad el puro
robin el valiente
Cuando se itera sobre una secuencia, se puede obtener el índice de posición junto a su valor correspondiente usando la
función enumerate().
>>> for i, v in enumerate(['ta', 'te', 'ti']):

... print(i, v)
...
0 ta
1 te
2 ti
Para iterar sobre dos o más secuencias al mismo tiempo, los valores pueden emparejarse con la función zip().
>>> preguntas = ['nombre', 'objetivo', 'color favorito']

>>> respuestas = ['lancelot', 'el santo grial', 'azul']
>>> for p, r in zip(preguntas, respuestas):
33
... print('Cual es tu {0}? {1}.'.format(p, r))
...
Cual es tu nombre? lancelot.
Cual es tu objetivo? el santo grial.
Cual es tu color favorito? azul.
Para iterar sobre una secuencia en orden inverso, se especifica primero la secuencia al derecho y luego se llama a la función
reversed().
>>> for i in reversed(range(1, 10, 2)):

... print(i)
...
9
7
5
3
1
Para iterar sobre una secuencia ordenada, se utiliza la función sorted() la cual devuelve una nueva lista ordenada dejando
a la original intacta.
>>> canasta = ['manzana', 'naranja', 'manzana', 'pera', 'naranja', 'banana']

>>> for f in sorted(set(canasta)):
... print(f)
...
banana
manzana
naranja
pera
A veces uno intenta cambiar una lista mientras la está iterando; sin embargo, a menudo es más simple y seguro crear una
nueva lista:
>>> datos = [56.2, float('NaN'), 51.7, 55.3, 52.5, float('NaN'), 47.8]

>>> datos_filtrados = []
>>> for valor in datos:
... if not math.isnan(valor):
... datos_filtrados.append(valor)
...
>>> datos_filtrados
[56.2, 51.7, 55.3, 52.5, 47.8]
Más acerca de condiciones

Las condiciones usadas en las instrucciones while e if pueden contener cualquier operador, no sólo comparaciones.
Los operadores de comparación in y not in verifican si un valor está (o no está) en una secuencia. Los operadores is e
is not comparan si dos objetos son realmente el mismo objeto; esto es significativo sólo para objetos mutables como las
listas. Todos los operadores de comparación tienen la misma prioridad, la cual es menor que la de todos los operadores
numéricos.
Las comparaciones pueden encadenarse. Por ejemplo, a < b == c verifica si a es menor que b y además si b es igual a c.
Las comparaciones pueden combinarse mediante los operadores booleanos and y or, y el resultado de una comparación (o
de cualquier otra expresión booleana) puede negarse con not. Estos tienen prioridades menores que los operadores de
comparación; entre ellos not tiene la mayor prioridad y or la menor, o sea que A and not B or C equivale a
(A and (not B)) or C. Como siempre, los paréntesis pueden usarse para expresar la composición deseada.
34
Los operadores booleanos and y or son los llamados operadores cortocircuito: sus argumentos se evalúan de izquierda a
derecha, y la evaluación se detiene en el momento en que se determina su resultado. Por ejemplo, si A y C son verdaderas
pero B es falsa, en A and B and C no se evalúa la expresión C. Cuando se usa como un valor general y no como un
booleano, el valor devuelto de un operador cortocircuito es el último argumento evaluado.
Es posible asignar el resultado de una comparación u otra expresión booleana a una variable. Por ejemplo,
>>> cadena1, cadena2, cadena3 = '', 'Trondheim', 'Paso Hammer'

>>> non_nulo = cadena1 or cadena2 or cadena3
>>> non_nulo
'Trondheim'
Notá que en Python, a diferencia de C, la asignación no puede ocurrir dentro de expresiones. Los programadores de C
pueden renegar por esto, pero es algo que evita un tipo de problema común encontrado en programas en C: escribir = en
una expresión cuando lo que se quiere escribir es ==.
Comparando secuencias y otros tipos

Las secuencias pueden compararse con otros objetos del mismo tipo de secuencia. La comparación usa orden lexicográfico:
primero se comparan los dos primeros ítems, si son diferentes esto ya determina el resultado de la comparación; si son
iguales, se comparan los siguientes dos ítems, y así sucesivamente hasta llegar al final de alguna de las secuencias. Si dos
ítems a comparar son ambos secuencias del mismo tipo, la comparación lexicográfica es recursiva. Si todos los ítems de dos
secuencias resultan iguales, se considera que las secuencias son iguales.
Si una secuencia es una subsecuencia inicial de la otra, la secuencia más corta es la menor. El orden lexicográfico para
cadenas de caracteres utiliza el orden de códigos Unicode para caracteres individuales. Algunos ejemplos de
comparaciones entre secuencias del mismo tipo:
(1, 2, 3) < (1, 2, 4)

[1, 2, 3] < [1, 2, 4]
'ABC' < 'C' < 'Pascal' < 'Python'
(1, 2, 3, 4) < (1, 2, 4)
(1, 2) < (1, 2, -1)
(1, 2, 3) == (1.0, 2.0, 3.0)
(1, 2, ('aa', 'ab')) < (1, 2, ('abc', 'a'), 4)
Observá que comparar objetos de diferentes tipos con < o > es legal siempre y cuando los objetas tenga los métodos de
comparación apropiados. Por ejemplo, los tipos de números mezclados son comparados de acuerdo a su valor numérico, o
sea 0 es igual a 0.0, etc. Si no es el caso, en lugar de proveer un ordenamiento arbitrario, el intérprete generará una
excepción TypeError.
5 Otros lenguajes pueden devolver el objeto mutado, lo cual permite encadenado de métodos, como
d->insert("a")->remove("b")->sort();.
6 Llamar a d.keys() devolverá un objeto vista de diccionario. Soporta operaciones como prueba de pertenencia e
iteración, pero sus contenidos dependen del diccionario original -- son sólo una vista.
35
Módulos
Si salís del intérprete de Python y entrás de nuevo, las definiciones que hiciste (funciones y variables) se pierden. Por lo
tanto, si querés escribir un programa más o menos largo, es mejor que uses un editor de texto para preparar la entrada para
el interprete y ejecutarlo con ese archivo como entrada. Esto es conocido como crear un guión, o script. Si tu programa se
vuelve más largo, quizás quieras separarlo en distintos archivos para un mantenimiento más fácil. Quizás también quieras
usar una función útil que escribiste desde distintos programas sin copiar su definición a cada programa.
Para soportar esto, Python tiene una manera de poner definiciones en un archivo y usarlos en un script o en una instancia
interactiva del intérprete. Tal archivo es llamado módulo; las definiciones de un módulo pueden ser importadas a otros
módulos o al módulo principal (la colección de variables a las que tenés acceso en un script ejecutado en el nivel superior y
en el modo calculadora).
Un módulo es una archivo conteniendo definiciones y declaraciones de Python. El nombre del archivo es el nombre del
módulo con el sufijo .py agregado. Dentro de un módulo, el nombre del mismo (como una cadena) está disponible en el valor
de la variable global __name__. Por ejemplo, usá tu editor de textos favorito para crear un archivo llamado fibo.py en el
directorio actual, con el siguiente contenido:
# módulo de números Fibonacci
def fib(n): # escribe la serie Fibonacci hasta n

a, b = 0, 1
while b < n:
print(b, end=' ')
a, b = b, a+b
print()
def fib2(n): # devuelve la serie Fibonacci hasta n

resultado = []
a, b = 0, 1
while b < n:
resultado.append(b)
a, b = b, a+b
return resultado
Ahora entrá al intérprete de Python e importá este módulo con la siguiente orden:
>>> import fibo
Esto no mete los nombres de las funciones definidas en fibo directamente en el espacio de nombres actual; sólo mete ahí
el nombre del módulo, fibo. Usando el nombre del módulo podés acceder a las funciones:
>>> fibo.fib(1000)
1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987
>>> fibo.fib2(100)
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89]
>>> fibo.__name__
'fibo'
Si pensás usar la función frecuentemente, podés asignarla a un nombre local:
36
>>> fib = fibo.fib
>>> fib(500)
1 1 2 3 5 8 13 21 34 55 89 144 233 377
Más sobre los módulos

Un módulo puede contener tanto declaraciones ejecutables como definiciones de funciones. Estas declaraciones están
pensadas para inicializar el módulo. Se ejecutan solamente la primera vez que el módulo se encuentra en una sentencia
import. 7 (Son también ejecutados si el archivo es ejecutado como un script).
Cada módulo tiene su propio espacio de nombres, el que es usado como espacio de nombres global por todas las funciones
definidas en el módulo. Por lo tanto, el autor de un módulo puede usar variables globales en el módulo sin preocuparse
acerca de conflictos con una variable global del usuario. Por otro lado, si sabés lo que estás haciendo podés tocar las
variables globales de un módulo con la misma notación usada para referirte a sus funciones, nombremodulo.nombreitem.
Los módulos pueden importar otros módulos. Es costumbre pero no obligatorio el ubicar todas las declaraciones import al
principio del módulo (o script, para el caso). Los nombres de los módulos importados se ubican en el espacio de nombres
global del módulo que hace la importación.
Hay una variante de la declaración import que importa los nombres de un módulo directamente al espacio de nombres del
módulo que hace la importación. Por ejemplo:
>>> from fibo import fib, fib2

>>> fib(500)
1 1 2 3 5 8 13 21 34 55 89 144 233 377
Esto no introduce en el espacio de nombres local el nombre del módulo desde el cual se está importando (entonces, en el
ejemplo, fibo no se define).
Hay incluso una variante para importar todos los nombres que un módulo define:
>>> from fibo import *

>>> fib(500)
1 1 2 3 5 8 13 21 34 55 89 144 233 377
Esto importa todos los nombres excepto aquellos que comienzan con un subrayado (_). La mayoría de las veces los
programadores de Python no usan esto ya que introduce un conjunto de nombres en el intérprete, posiblemente
escondiendo cosas que ya estaban definidas.
Notá que en general la práctica de importar * de un módulo o paquete está muy mal vista, ya que frecuentemente genera un
código poco legible. Sin embargo, está bien usarlo para ahorrar tecleo en sesiones interactivas.
Nota
Por razones de eficiencia, cada módulo se importa una vez por sesión del intérprete. Por lo tanto, si modificás los
módulos, tenés que reiniciar el intérprete -- o, si es sólo un módulo que querés probar interactivamente, usá
imp.reload(), por ejemplo import importlib; importlib.reload(modulename).
Ejecutando módulos como scripts

Cuando ejecutás un módulo de Python con
python fibo.py <argumentos>
...el código en el módulo será ejecutado, tal como si lo hubieses importado, pero con __name__ con el valor de
"__main__". Eso significa que agregando este código al final de tu módulo:
37
if __name__ == "__main__":
import sys
fib(int(sys.argv[1]))
...podés hacer que el archivo sea utilizable tanto como script, como módulo importable, porque el código que analiza la linea
de órdenes sólo se ejecuta si el módulo es ejecutado como archivo principal:
$ python fibo.py 50
1 1 2 3 5 8 13 21 34
Si el módulo se importa, ese código no se ejecuta:
>>> import fibo

>>>
Esto es frecuentemente usado para proveer al módulo una interfaz de usuario conveniente, o para propósitos de prueba
(ejecutar el módulo como un script ejecuta el juego de pruebas).
El camino de búsqueda de los módulos

Cuando se importa un módulo llamado spam, el intérprete busca primero por un módulo con ese nombre que esté integrado
en el intérprete. Si no lo encuentra, entonces busca un archivo llamado spam.py en una lista de directorios especificada por la
variable sys.path. sys.path se inicializa con las siguientes ubicaciones:
• el directorio conteniendo el script (o el directorio actual cuando no se especifica un archivo).
• PYTHONPATH (una lista de nombres de directorios, con la misma sintaxis que la variable de entorno PATH.
• el directorio default de la instalación.
Nota
En sistemas de archivos que soportan enlaces simbólicos, el directorio conteniendo el script de entrada es calculado
después de que el enlace simbólico sea seguido. En otras palabras, el directorio conteniendo el enlace simbólico no es
agregado al módulo de busca del path.
Luego de la inicialización, los programas Python pueden modificar sys.path. El directorio que contiene el script que se está
ejecutando se ubica al principio de la búsqueda, adelante de la biblioteca estándar. Esto significa que se cargarán scripts en
ese directorio en lugar de módulos de la biblioteca estándar con el mismo nombre. Esto es un error a menos que se esté
reemplazando intencionalmente. Mirá la sección Módulos estándar para más información.
Archivos "compilados" de Python

Para acelerar la carga de módulos, Python cachea las versiones compiladas de cada módulo en el directorio __pycache__
bajo el nombre module.version.pyc dónde la versión codifica el formato del archivo compilado; generalmente contiene el
número de version de Python. Por ejemplo, en CPython release 3.3 la version compilada de spam.py sería cacheada como
__pycache__/spam.cpython-33.pyc. Este convensión de nombre permite compilar módulos desde diferentes releases
y versiones de Python para coexistir.
Python chequea la fecha de modificación de la fuente contra la versión compilada para evr si esta es obsoleta y necesita ser
recompilada. Esto es un proceso completamente automático. También, los módulos compilados son independientes de la
plataforma, así que la misma librería puede ser compartida a través de sistemas con diferentes arquitecturas.
Python no chequea el caché en dos circuntancias. Primero, siempre recompila y no graba el resultado del módulo que es
cargado directamente desde la línea de comando. Segundo, no chequea el caché si no hay módulo fuente.
Algunos consejos para expertos:
38
• Podés usar la -O o -OO en el comando de Python para reducir el tamaño de los módulos compilados. La -O quita
assert statements, la --O quita ambos, assert statements y cadenas de caracteres __doc__. Debido a que algunos
programas se basan en que estos estén disponibles, deberías usar esta opción únicamente si sabés lo que estás
haciendo. Los módulos "optimizados" tienen una etiqueta opt- y son normalmente más pequeños. Releases futuras
quizás cambien los efectos de la optimización.
• Un programa no corre más rápido cuando se lee de un archivo .pyc que cuando se lee del .py; lo único que es más
rápido en los archivos .pyc es la velocidad con que se cargan.
• Hay más detalles de este proceso, incluyendo un diagrama de flujo de la toma de decisiones, en la PEP 3147.
• El módulo compilleall puede crear archivos .pyc para todos los módulos en un directorio.
Módulos estándar
Python viene con una biblioteca de módulos estándar, descrita en un documento separado, la Referencia de la Biblioteca de
Python (de aquí en más, "Referencia de la Biblioteca"). Algunos módulos se integran en el intérprete; estos proveen acceso
a operaciones que no son parte del núcleo del lenguaje pero que sin embargo están integrados, tanto por eficiencia como
para proveer acceso a primitivas del sistema operativo, como llamadas al sistema. El conjunto de tales módulos es una
opción de configuración el cual también depende de la plataforma subyacente. Por ejemplo, el módulo winreg sólo se
provee en sistemas Windows. Un módulo en particular merece algo de atención: sys, el que está integrado en todos los
intérpretes de Python. Las variables sys.ps1 y sys.ps2 definen las cadenas usadas como cursores primarios y
secundarios:
>>> import sys

>>> sys.ps1
'>>> '
>>> sys.ps2
'... '
>>> sys.ps1 = 'C> '
C> print('Yuck!')
Yuck!
C>
Estas dos variables están solamente definidas si el intérprete está en modo interactivo.
La variable sys.path es una lista de cadenas que determinan el camino de búsqueda del intérprete para los módulos. Se
inicializa por omisión a un camino tomado de la variable de entorno PYTHONPATH, o a un valor predefinido en el intérprete si
PYTHONPATH no está configurada. Lo podés modificar usando las operaciones estándar de listas:
>>> import sys

>>> sys.path.append('/ufs/guido/lib/python')
La función
La función integrada dir() se usa para encontrar qué nombres define un módulo. Devuelve una lista ordenada de cadenas:
>>> import fibo, sys

>>> dir(fibo)
['__name__', 'fib', 'fib2']
>>> dir(sys) # doctest: +NORMALIZE_WHITESPACE
['__displayhook__', '__doc__', '__excepthook__', '__loader__', '__name__',
'__package__', '__stderr__', '__stdin__', '__stdout__',
'_clear_type_cache', '_current_frames', '_debugmallocstats', '_getframe',
'_home', '_mercurial', '_xoptions', 'abiflags', 'api_version', 'argv',
'base_exec_prefix', 'base_prefix', 'builtin_module_names', 'byteorder',
'call_tracing', 'callstats', 'copyright', 'displayhook',
'dont_write_bytecode', 'exc_info', 'excepthook', 'exec_prefix',
39
'executable', 'exit', 'flags', 'float_info', 'float_repr_style',
'getcheckinterval', 'getdefaultencoding', 'getdlopenflags',
'getfilesystemencoding', 'getobjects', 'getprofile', 'getrecursionlimit',
'getrefcount', 'getsizeof', 'getswitchinterval', 'gettotalrefcount',
'gettrace', 'hash_info', 'hexversion', 'implementation', 'int_info',
'intern', 'maxsize', 'maxunicode', 'meta_path', 'modules', 'path',
'path_hooks', 'path_importer_cache', 'platform', 'prefix', 'ps1',
'setcheckinterval', 'setdlopenflags', 'setprofile', 'setrecursionlimit',
'setswitchinterval', 'settrace', 'stderr', 'stdin', 'stdout',
'thread_info', 'version', 'version_info', 'warnoptions']
Sin argumentos, dir() lista los nombres que tenés actualmente definidos:
>>> a = [1, 2, 3, 4, 5]
>>> import fibo
>>> fib = fibo.fib
>>> dir()
['__builtins__', '__name__', 'a', 'fib', 'fibo', 'sys']
Notá que lista todos los tipos de nombres: variables, módulos, funciones, etc.
dir() no lista los nombres de las funciones y variables integradas. Si querés una lista de esos, están definidos en el módulo
estándar builtins:
>>> import builtins

>>> dir(builtins) # doctest: +NORMALIZE_WHITESPACE
['ArithmeticError', 'AssertionError', 'AttributeError', 'BaseException',
'BlockingIOError', 'BrokenPipeError', 'BufferError', 'BytesWarning',
'ChildProcessError', 'ConnectionAbortedError', 'ConnectionError',
'ConnectionRefusedError', 'ConnectionResetError', 'DeprecationWarning',
'EOFError', 'Ellipsis', 'EnvironmentError', 'Exception', 'False',
'FileExistsError', 'FileNotFoundError', 'FloatingPointError',
'FutureWarning', 'GeneratorExit', 'IOError', 'ImportError',
'ImportWarning', 'IndentationError', 'IndexError', 'InterruptedError',
'IsADirectoryError', 'KeyError', 'KeyboardInterrupt', 'LookupError',
'MemoryError', 'NameError', 'None', 'NotADirectoryError', 'NotImplemented',
'NotImplementedError', 'OSError', 'OverflowError',
'PendingDeprecationWarning', 'PermissionError', 'ProcessLookupError',
'ReferenceError', 'ResourceWarning', 'RuntimeError', 'RuntimeWarning',
'StopIteration', 'SyntaxError', 'SyntaxWarning', 'SystemError',
'SystemExit', 'TabError', 'TimeoutError', 'True', 'TypeError',
'UnboundLocalError', 'UnicodeDecodeError', 'UnicodeEncodeError',
'UnicodeError', 'UnicodeTranslateError', 'UnicodeWarning', 'UserWarning',
'ValueError', 'Warning', 'ZeroDivisionError', '_', '__build_class__',
'__debug__', '__doc__', '__import__', '__name__', '__package__', 'abs',
'all', 'any', 'ascii', 'bin', 'bool', 'bytearray', 'bytes', 'callable',
'chr', 'classmethod', 'compile', 'complex', 'copyright', 'credits',
'delattr', 'dict', 'dir', 'divmod', 'enumerate', 'eval', 'exec', 'exit',
'filter', 'float', 'format', 'frozenset', 'getattr', 'globals', 'hasattr',
'hash', 'help', 'hex', 'id', 'input', 'int', 'isinstance', 'issubclass',
'iter', 'len', 'license', 'list', 'locals', 'map', 'max', 'memoryview',
'min', 'next', 'object', 'oct', 'open', 'ord', 'pow', 'print', 'property',
'quit', 'range', 'repr', 'reversed', 'round', 'set', 'setattr', 'slice',
'sorted', 'staticmethod', 'str', 'sum', 'super', 'tuple', 'type', 'vars',
'zip']
40
Paquetes
Los paquetes son una manera de estructurar los espacios de nombres de Python usando "nombres de módulos con puntos".
Por ejemplo, el nombre de módulo A.B designa un submódulo llamado B en un paquete llamado A. Tal como el uso de
módulos evita que los autores de diferentes módulos tengan que preocuparse de los respectivos nombres de variables
globales, el uso de nombres de módulos con puntos evita que los autores de paquetes de muchos módulos, como NumPy o
la Biblioteca de Imágenes de Python (Python Imaging Library, o PIL), tengan que preocuparse de los respectivos nombres de
módulos.
Suponete que querés designar una colección de módulos (un "paquete") para el manejo uniforme de archivos y datos de
sonidos. Hay diferentes formatos de archivos de sonido (normalmente reconocidos por su extensión, por ejemplo: .wav, .aiff,
.au), por lo que tenés que crear y mantener una colección siempre creciente de módulos para la conversión entre los distintos
formatos de archivos. Hay muchas operaciones diferentes que quizás quieras ejecutar en los datos de sonido (como
mezclarlos, añadir eco, aplicar una función ecualizadora, crear un efecto estéreo artificial), por lo que ademas estarás
escribiendo una lista sin fin de módulos para realizar estas operaciones. Aquí hay una posible estructura para tu paquete
(expresados en términos de un sistema jerárquico de archivos):
sound/ Paquete superior

__init__.py Inicializa el paquete de sonido
formats/ Subpaquete para conversiones de formato
__init__.py
wavread.py
wavwrite.py
aiffread.py
aiffwrite.py
auread.py
auwrite.py
...
effects/ Subpaquete para efectos de sonido
__init__.py
echo.py
surround.py
reverse.py
...
filters/ Subpaquete para filtros
__init__.py
equalizer.py
vocoder.py
karaoke.py
...
Al importar el paquete, Python busca a través de los directorios en sys.path, buscando el subdirectorio del paquete.
Los archivos __init__.py se necesitan para hacer que Python trate los directorios como que contienen paquetes; esto se hace
para prevenir directorios con un nombre común, como string, de esconder sin intención a módulos válidos que se suceden
luego en el camino de búsqueda de módulos. En el caso más simple, __init__.py puede ser solamente un archivo vacío, pero
también puede ejecutar código de inicialización para el paquete o configurar la variable __all__, descrita luego.
Los usuarios del paquete pueden importar módulos individuales del mismo, por ejemplo:
import sound.effects.echo
Esto carga el submódulo sound.effects.echo. Debe hacerse referencia al mismo con el nombre completo.
sound.effects.echo.echofilter(input, output, delay=0.7, atten=4)
Otra alternativa para importar el submódulos es:
from sound.effects import echo
41
Esto también carga el submódulo echo, lo deja disponible sin su prefijo de paquete, por lo que puede usarse así:
echo.echofilter(input, output, delay=0.7, atten=4)
Otra variación más es importar la función o variable deseadas directamente:
from sound.effects.echo import echofilter
De nuevo, esto carga el submódulo echo, pero deja directamente disponible a la función echofilter():
echofilter(input, output, delay=0.7, atten=4)
Notá que al usar from package import item el ítem puede ser tanto un submódulo (o subpaquete) del paquete, o algún
otro nombre definido en el paquete, como una función, clase, o variable. La declaración import primero verifica si el ítem
está definido en el paquete; si no, asume que es un módulo y trata de cargarlo. Si no lo puede encontrar, se genera una
excepción ImportError.
Por otro lado, cuando se usa la sintaxis como import item.subitem.subsubitem, cada ítem excepto el último debe ser
un paquete; el mismo puede ser un módulo o un paquete pero no puede ser una clase, función o variable definida en el ítem
previo.
Importando * desde un paquete

Ahora, ¿qué sucede cuando el usuario escribe from sound.effects import *? Idealmente, uno esperaría que esto de
alguna manera vaya al sistema de archivos, encuentre cuales submódulos están presentes en el paquete, y los importe a
todos. Esto puede tardar mucho y el importar sub-módulos puede tener efectos secundarios no deseados que sólo deberían
ocurrir cuando se importe explícitamente el sub-módulo.
La única solución es que el autor del paquete provea un índice explícito del paquete. La declaración import usa la siguiente
convención: si el código del __init__.py de un paquete define una lista llamada __all__, se toma como la lista de los
nombres de módulos que deberían ser importados cuando se hace from package import *. Es tarea del autor del
paquete mantener actualizada esta lista cuando se libera una nueva versión del paquete. Los autores de paquetes podrían
decidir no soportarlo, si no ven un uso para importar * en sus paquetes. Por ejemplo, el archivo sound/effects/__init__.py podría
contener el siguiente código:
__all__ = ["echo", "surround", "reverse"]
Esto significaría que from sound.effects import * importaría esos tres submódulos del paquete sound.
Si no se define __all__, la declaración from sound.effects import * no importa todos los submódulos del paquete
sound.effects al espacio de nombres actual; sólo se asegura que se haya importado el paquete sound.effects
(posiblemente ejecutando algún código de inicialización que haya en __init__.py) y luego importa aquellos nombres que estén
definidos en el paquete. Esto incluye cualquier nombre definido (y submódulos explícitamente cargados) por __init__.py.
También incluye cualquier submódulo del paquete que pudiera haber sido explícitamente cargado por declaraciones import
previas. Considerá este código:
import sound.effects.echo
import sound.effects.surround
from sound.effects import *
En este ejemplo, los módulos echo y surround se importan en el espacio de nombre actual porque están definidos en el
paquete sound.effects cuando se ejecuta la declaración from...import. (Esto también funciona cuando se define
__all__).
A pesar de que ciertos módulos están diseñados para exportar solo nombres que siguen ciertos patrones cuando usás
import *, también se considera una mala práctica en código de producción.
42
Recordá que no está mal usar from paquete import submodulo_especifico! De hecho, esta notación se
recomienda a menos que el módulo que estás importando necesite usar submódulos con el mismo nombre desde otros
paquetes.
Referencias internas en paquetes

Cuando se estructuran los paquetes en subpaquetes (como en el ejemplo sound), podés usar import absolutos para
referirte a submódulos de paquetes hermanos. Por ejemplo, si el módulo sound.filters.vocoder necesita usar el
módulo echo en el paquete sound.effects, puede hacer from sound.effects import echo.
También podés escribir import relativos con la forma from module import name. Estos imports usan puntos adelante
para indicar los paquetes actual o padres involucrados en el import relativo. En el ejemplo surround, podrías hacer:
from . import echo

from .. import formats
from ..filters import equalizer
Notá que los imports relativos se basan en el nombre del módulo actual. Ya que el nombre del módulo principal es siempre
"__main__", los módulos pensados para usarse como módulo principal de una aplicación Python siempre deberían usar
import absolutos.
Paquetes en múltiples directorios

Los paquetes soportan un atributo especial más, __path__. Este se inicializa, antes de que el código en ese archivo se
ejecute, a una lista que contiene el nombre del directorio donde está el paquete. Esta variable puede modificarse, afectando
búsquedas futuras de módulos y subpaquetes contenidos en el paquete.
Aunque esta característica no se necesita frecuentemente, puede usarse para extender el conjunto de módulos que se
encuentran en el paquete.
7 De hecho las definiciones de función son también 'declaraciones' que se 'ejecutan'; la ejecución de una definición
de función a nivel de módulo mete el nombre de la función en el espacio de nombres global.
43
44
Entrada y salida
Hay diferentes métodos de presentar la salida de un programa; los datos pueden ser impresos de una forma legible por
humanos, o escritos a un archivo para uso futuro. Este capítulo discutirá algunas de las posibilidades.
Formateo elegante de la salida

Hasta ahora encontramos dos maneras de escribir valores: declaraciones de expresión y la función print(). (Una tercer
manera es usando el método write() de los objetos tipo archivo; el archivo de salida estándar puede referenciarse como
sys.stdout. Mirá la Referencia de la Biblioteca para más información sobre esto.)
Frecuentemente querrás más control sobre el formateo de tu salida que simplemente imprimir valores separados por
espacios. Hay dos maneras de formatear tu salida; la primera es hacer todo el manejo de las cadenas vos mismo: usando
rebanado de cadenas y operaciones de concatenado podés crear cualquier forma que puedas imaginar. El tipo string
contiene algunos métodos útiles para emparejar cadenas a un determinado ancho; estas las discutiremos en breve. La otra
forma es usar formatted string literals o el método str.format().
El módulo string contiene una clase string.Template que ofrece otra forma de sustituir valores en las cadenas.
Nos queda una pregunta, por supuesto: ¿cómo convertís valores a cadenas? Afortunadamente, Python tiene maneras de
convertir cualquier valor a una cadena: pasalos a las funciones repr() o str().
La función str() devuelve representaciones de los valores que son bastante legibles por humanos, mientras que repr()
genera representaciones que pueden ser leídas por el el intérprete (o forzarían un SyntaxError si no hay sintáxis
equivalente). Para objetos que no tienen una representación en particular para consumo humano, str() devolverá el mismo
valor que repr(). Muchos valores, como números o estructuras como listas y diccionarios, tienen la misma representación
usando cualquiera de las dos funciones. Las cadenas, en particular, tienen dos representaciones distintas.
Algunos ejemplos:
>>> s = 'Hola mundo.'

>>> str(s)
'Hola mundo.'
>>> repr(s)
"'Hola mundo.'"
>>> str(1 / 7)
'0.142857142857'
>>> x = 10 * 3.25
>>> y = 200 * 200
>>> s = 'El valor de x es ' + repr(x) + ', y es ' + repr(y) + '...'
>>> print(s)
El valor de x es 32.5, y es 40000...
>>> # El repr() de una cadena agrega apóstrofos y barras invertidas
... hola = 'hola mundo\n'
>>> holas = repr(hola)
>>> print(holas)
'hola mundo\n'
>>> # El argumento de repr() puede ser cualquier objeto Python:
... repr((x, y, ('carne', 'huevos')))
"(32.5, 40000, ('carne', 'huevos'))"
Acá hay dos maneras de escribir una tabla de cuadrados y cubos:
46
>>> for x in range(1, 11):
... print(repr(x).rjust(2), repr(x * x).rjust(3), end=' ')
... # notar el uso de 'end' en la linea anterior
... print(repr(x * x * x).rjust(4))
...
1 1 1
2 4 8
3 9 27
4 16 64
5 25 125
6 36 216
7 49 343
8 64 512
9 81 729
10 100 1000
>>> for x in range(1,11):

... print('{0:2d} {1:3d} {2:4d}'.format(x, x * x, x * x * x))
...
1 1 1
2 4 8
3 9 27
4 16 64
5 25 125
6 36 216
7 49 343
8 64 512
9 81 729
10 100 1000
(Notar que en el primer ejemplo, un espacio entre cada columna fue agregado por la manera en que print() trabaja:
siempre agrega espacios entre sus argumentos)
Este ejemplo muestra el método str.rjust() de los objetos cadena, el cual ordena una cadena a la derecha en un campo
del ancho dado llenándolo con espacios a la izquierda. Hay métodos similares str.ljust() y str.center(). Estos
métodos no escriben nada, sólo devuelven una nueva cadena. Si la cadena de entrada es demasiado larga, no la truncan,
sino la devuelven intacta; esto te romperá la alineación de tus columnas pero es normalmente mejor que la alternativa, que
te estaría mintiendo sobre el valor. (Si realmente querés que se recorte, siempre podés agregarle una operación de
rebanado, como en x.ljust(n)[:n].)
Hay otro método, str.zfill(), el cual rellena una cadena numérica a la izquierda con ceros. Entiende signos positivos y
negativos:
>>> '12'.zfill(5)
'00012'
>>> '-3.14'.zfill(7)
'-003.14'
>>> '3.14159265359'.zfill(5)
'3.14159265359'
El uso básico del método str.format() es como esto:
>>> print('Somos los {} quienes decimos "{}!"'.format('caballeros', 'Nop'))

Somos los caballeros quienes decimos "Nop!"
Las llaves y caracteres dentro de las mismas (llamados campos de formato) son reemplazadas con los objetos pasados en
el método str.format(). Un número en las llaves se refiere a la posición del objeto pasado en el método.
47
>>> print('{0} y {1}'.format('carne', 'huevos'))
carne y huevos
>>> print('{1} y {0}'.format('carne', 'huevos'))
huevos y carne
Si se usan argumentos nombrados en el método str.format(), sus valores serán referidos usando el nombre del
argumento.
>>> print('Esta {comida} es {adjetivo}.'.format(

... comida='carne', adjetivo='espantosa'))
Esta carne es espantosa.
Se pueden combinar arbitrariamente argumentos posicionales y nombrados:
>>> print('La historia de {0}, {1}, y {otro}.'.format('Bill', 'Manfred',

... otro='Georg'))
La historia de Bill, Manfred, y Georg.
Se pueden usar '!a' (aplica apply()), '!s' (aplica str()) y '!r' (aplica repr()) para convertir el valor antes de que
se formatee.
>>> contents = 'anguilas'

>>> print('Mi aerodeslizador esta lleno de {}.'.format(contents))
Mi aerodeslizador esta lleno de anguilas.
>>> print('My hovercraft is full of {!r}.'.format(contents))
Mi aerodeslizador esta lleno de 'anguilas'.
Un ': y especificador de formato opcionales pueden ir luego del nombre del campo. Esto aumenta el control sobre cómo el
valor es formateado. El siguiente ejemplo redondea Pi a tres lugares luego del punto decimal.
>>> import math

>>> print('El valor de PI es aproximadamente {0:.3f}.'.format(math.pi))
El valor de PI es aproximadamente 3.142.
Pasando un entero luego del ':' causará que que el campo sea de un mínimo número de caracteres de ancho. Esto es útil
para hacer tablas lindas.
>>> tabla = {'Sjoerd': 4127, 'Jack': 4098, 'Dcab': 7678}

>>> for nombre, telefono in tabla.items():
... print('{0:10} ==> {1:10d}'.format(nombre, telefono))
...
Dcab ==> 7678
Jack ==> 4098
Sjoerd ==> 4127
Si tenés una cadena de formateo realmente larga que no querés separar, podría ser bueno que puedas hacer referencia a
las variables a ser formateadas por el nombre en vez de la posición. Esto puede hacerse simplemente pasando el diccionario
y usando corchetes '[]' para acceder a las claves

>>> print('Jack: {0[Jack]:d}; Sjoerd: {0[Sjoerd]:d}; '
... 'Dcab: {0[Dcab]:d}'.format(tabla))
Jack: 4098; Sjoerd: 4127; Dcab: 8637678
Esto se podría también hacer pasando la tabla como argumentos nombrados con la notación '**'.

>>> print('Jack: {Jack:d}; Sjoerd: {Sjoerd:d}; '
'Dcab: {Dcab:d}'.format(**tabla))
Jack: 4098; Sjoerd: 4127; Dcab: 8637678
48
Esto es particularmente útil en combinación con la función integrada vars(), que devuelve un diccionario conteniendo todas
las variables locales.
Para una completa descripción del formateo de cadenas con str.format(), mirá en Tipos integrados.
Viejo formateo de cadenas

El operador % también puede usarse para formateo de cadenas. Interpreta el argumento de la izquierda con el estilo de
formateo de sprintf() para ser aplicado al argumento de la derecha, y devuelve la cadena resultante de esta operación
de formateo. Por ejemplo:
>>> import math

>>> print('El valor de PI es aproximadamente %5.3f.' % math.pi)
El valor de PI es aproximadamente 3.142.
Podés encontrar más información en la sección Tipos integrados.
Leyendo y escribiendo archivos

La función open() devuelve un objeto archivo, y se usa normalmente con dos argumentos:
open(nombre_de_archivo, modo).
>>> f = open('archivodetrabajo', 'w')

>>> print(f)
<_io.TextIOWrapper name='archivodetrabajo' mode='w' encoding='UTF-8'>
El primer argumento es una cadena conteniendo el nombre de archivo. El segundo argumento es otra cadena conteniendo
unos pocos caracteres que describen la forma en que el archivo será usado. El modo puede ser 'r' cuando el archivo será
solamente leído, 'w' para sólo escribirlo (un archivo existente con el mismo nombre será borrado), y 'a' abre el archivo
para agregarle información; cualquier dato escrito al archivo será automáticamente agregado al final. 'r+' abre el archivo
tanto para leerlo como para escribirlo. El argumento modo es opcional; si se omite se asume 'r'.
Normalmente los archivos se abren en modo texto, lo que significa que podés leer y escribir cadenas del y al archivo, las
cuales se codifican utilizando un código específico. Si el código no es especificado, el valor predeterminado depende de la
plataforma. Si se agrega b al modo el archivo se abre en modo binario: ahora los datos se leen y escriben en forma de
objetos bytes. Se debería usar este modo para todos los archivos que no contengan texto.
Cuando se lee en modo texto, por defecto se convierten los fines de lineas que son específicos a las plataformas (\n en
Unix, \r\n en Windows) a solamente \n. Cuando se escribe en modo texto, por defecto se convierten los \n a los finales de
linea específicos de la plataforma. Este cambio automático está bien para archivos de texto, pero corrompería datos binarios
como los de archivos JPEG o EXE. Asegurate de usar modo binario cuando leas y escribas tales archivos.
Es una buena práctica usar la declaración with cuando manejamos objetos archivo. Tiene la ventaja que el archivo es
cerrado apropiadamente luego de que el bloque termina, incluso si se generó una excepción. También es mucho más corto
que escribir los equivalentes bloques try-finally
>>> with open('archivodetrabajo') as f:

... datos_leidos = f.read()
>>> f.closed
True
Si no estuvieses usando el bloque with, entonces deberías llamar f.close() para cerrar el archivo e inmediatamente
liberar cualquier recurso del sistema usado por este. Si no cierras explícitamente el archivo, el «garbage collector» de Python
eventualmente destruirá el objeto y cerrará el archivo por vos, pero el archivo puede estar abierto por un tiempo. Otro riesgo
es que diferentes implementaciones de Python harán esta limpieza en diferentes momentos.
Después de que un objeto de archivo es cerrado, ya sea por with o llamando a f.close(), intentar volver a utilizarlo
fallará automáticamente:
49
>>> f.close()
>>> f.read()
ValueError: I/O operation on closed file
Métodos de los objetos Archivo

El resto de los ejemplos en esta sección asumirán que ya se creó un objeto archivo llamado f.
Para leer el contenido de una archivo llamá a f.read(cantidad), el cual lee alguna cantidad de datos y los devuelve
como una cadena de (en modo texto) o un objeto de bytes (en modo binario). cantidad es un argumento numérico opcional.
Cuando se omite cantidad o es negativo, el contenido entero del archivo será leido y devuelto; es tu problema si el archivo es
el doble de grande que la memoria de tu máquina. De otra manera, a lo sumo una cantidad de bytes son leídos y devueltos.
Si se alcanzó el fin del archivo, f.read() devolverá una cadena vacía ("").
>>> f.read()
'Este es el archivo entero.\n'
>>> f.read()
''
f.readline() lee una sola linea del archivo; el caracter de fin de linea (\n) se deja al final de la cadena, y sólo se omite en
la última linea del archivo si el mismo no termina en un fin de linea. Esto hace que el valor de retorno no sea ambiguo; si
f.readline() devuelve una cadena vacía, es que se alcanzó el fin del archivo, mientras que una linea en blanco es
representada por '\n', una cadena conteniendo sólo un único fin de linea.
>>> f.readline()
'Esta es la primer linea del archivo.\n'
>>> f.readline()
'Segunda linea del archivo\n'
>>> f.readline()
''
Para leer líneas de un archivo, podés iterar sobre el objeto archivo. Esto es eficiente en memoria, rápido, y conduce a un
código más simple:
>>> for linea in f:

... print(linea, end='')
Esta es la primer linea del archivo

Segunda linea del archivo
Si querés leer todas las líneas de un archivo en una lista también podés usar list(f) o f.readlines().
f.write(cadena) escribe el contenido de la cadena al archivo, devolviendo la cantidad de caracteres escritos.
>>> f.write('Esto es una prueba\n')

19
Otros tipos de objetos necesitan serconvertidos -- tanto a una cadena (en modo texto) o a un objeto de bytes (en modo
binario) -- antes de escribirlos:
>>> valor = ('la respuesta', 42)

>>> s = str(valor) # Convierte la tupla a string
>>> f.write(s)
18
f.tell() devuelve un entero que indica la posición actual en el archivo representada como número de bytes desde el
comienzo del archivo en modo binario y un número opaco en modo texto.
50
Para cambiar la posición del objeto archivo, usá f.seek(desplazamiento, desde_donde). La posición es calculada
agregando el desplazamiento a un punto de referencia; el punto de referencia se selecciona del argumento desde_donde.
Un valor desde_donde de 0 mide desde el comienzo del archivo, 1 usa la posición actual del archivo, y 2 usa el fin del
archivo como punto de referencia. desde_donde puede omitirse, el default es 0, usando el comienzo del archivo como punto
de referencia.
>>> f = open('archivodetrabajo', 'rb+')

>>> f.write(b'0123456789abcdef')
>>> f.seek(5) # Va al sexto byte en el archivo
5
>>> f.read(1)
b'5'
>>> f.seek(-3, 2) # Va al tercer byte antes del final
13
>>> f.read(1)
b'd'
En los archivos de texto (aquellos que se abrieron sin una b en el modo), se permiten solamente desplazamientos con seek
relativos al comienzo (con la excepción de ir justo al final con seek(0, 2)) y los únicos valores de desplazamiento válidos
son aquellos retornados por f.tell(), o cero. Cualquier otro valor de desplazamiento produce un comportamiento
indefinido.
Los objetos archivo tienen algunos métodos más, como isatty() y truncate() que son usados menos frecuentemente;
consultá la Referencia de la Biblioteca para una guía completa sobre los objetos archivo.
Guardar datos estructurados con

Las cadenas pueden facilmente escribirse y leerse de un archivo. Los números toman algo más de esfuerzo, ya que el
método read() sólo devuelve cadenas, que tendrán que ser pasadas a una función como int(), que toma una cadena
como '123' y devuelve su valor numérico 123. Sin embargo, cuando querés grabar tipos de datos más complejos como
listas, diccionarios, o instancias de clases, las cosas se ponen más complicadas.
En lugar de tener a los usuarios constantemente escribiendo y debugueando código para grabar tipos de datos complicados,
Python te permite usar formato intercambiable de datos popular llamado JSON (JavaScript Object Notation). El módulo
estandar llamado json puede tomar datos de Python con una jerarquía, y convertirlo a representaciones de cadena de
caracteres; este proceso es llamado serializing. Reconstruir los datos desde la representación de cadena de caracteres es
llamado deserializing. Entre serialización y deserialización, la cadena de caracteres representando el objeto quizás haya sido
guardado en un archivo o datos, o enviado a una máquina distante por una conexión de red.
Nota
El formato JSON es comunmente usado por aplicaciones modernas para permitir intercambiar datos. Muchos
programadores están familiarizados con este, lo que lo hace una buena elección por su interoperatividad.
Si tienes un objeto x, puedes ver su representación JSON con una simple línea de código:
>>> import json

>>> json.dumps([1, 'simple', 'lista'])
'[1, "simple", "lista"]'
Otra variante de la función dumps(), llamada dump(), simplemente serializa el objeto a un archivo de texto. Así que, si f es
un objeto archivo de texto abierto para escritura, podemos hacer:
json.dump(x, f)
Para decodificar un objeto nuevamente, si f es un objeto archivo de texto que fue abierto para lectura:
51
x = json.load(x, f)
La simple técnica de serialización puede manejar listas y diccionarios, pero serializar instancias de clases arbitrarias en
JSON requiere un poco de esfuerzo extra. La referencia del módulo json contiene una explicación de esto.
Ver también
pickle - el módulo pickle
Contrariamente a JSON, pickle es un protocolo que permite la serialización de arbitrariamente objetos complejos de
Python. Por lo tanto, este es específico de Python y no puede ser usado para comunicarse con aplicaciones escritas en
otros lenguajes. Es inseguro por defecto: deserializar datos que fueron serializados con pickle desde fuentes inseguras
puede ejecutar código arbitrario, si los datos fueron interceptados por un atacante experto.
52
Errores y excepciones
Hasta ahora los mensajes de error no habían sido más que mencionados, pero si probaste los ejemplos probablemente
hayas visto algunos. Hay (al menos) dos tipos diferentes de errores: errores de sintaxis y excepciones.
Errores de sintaxis
Los errores de sintaxis, también conocidos como errores de interpretación, son quizás el tipo de queja más común que tenés
cuando todavía estás aprendiendo Python:
>>> while True print('Hola mundo')

File "<stdin>", line 1
while True print('Hola mundo')
^
El intérprete repite la línea culpable y muestra una pequeña 'flecha' que apunta al primer lugar donde se detectó el error.
Este es causado por (o al menos detectado en) el símbolo que precede a la flecha: en el ejemplo, el error se detecta en la
función print(), ya que faltan dos puntos (':') antes del mismo. Se muestran el nombre del archivo y el número de línea
para que sepas dónde mirar en caso de que la entrada venga de un programa.
Excepciones
Incluso si la declaración o expresión es sintácticamente correcta, puede generar un error cuando se intenta ejecutarla. Los
errores detectados durante la ejecución se llaman excepciones, y no son incondicionalmente fatales: pronto aprenderás
cómo manejarlos en los programas en Python. Sin embargo, la mayoría de las excepciones no son manejadas por los
programas, y resultan en mensajes de error como los mostrados aquí:
>>> 10 * (1/0)
ZeroDivisionError: division by zero
>>> 4 + spam*3
NameError: name 'spam' is not defined
>>> '2' + 2
TypeError: Can't convert 'int' object to str implicitly
La última línea de los mensajes de error indica qué sucedió. Las excepciones vienen de distintos tipos, y el tipo se imprime
como parte del mensaje: los tipos en el ejemplo son: ZeroDivisionError, NameError y TypeError. La cadena
mostrada como tipo de la excepción es el nombre de la excepción predefinida que ocurrió. Esto es verdad para todas las
excepciones predefinidas del intérprete, pero no necesita ser verdad para excepciones definidas por el usuario (aunque es
una convención útil). Los nombres de las excepciones estándar son identificadores incorporados al intérprete (no son
palabras clave reservadas).
El resto de la línea provee un detalle basado en el tipo de la excepción y qué la causó.
53
La parte anterior del mensaje de error muestra el contexto donde la excepción sucedió, en la forma de un trazado del error
listando líneas fuente; sin embargo, no mostrará líneas leídas desde la entrada estándar.
Excepciones integradas lista las excepciones predefinidas y sus significados.
Manejando excepciones
Es posible escribir programas que manejen determinadas excepciones. Mirá el siguiente ejemplo, que le pide al usuario una
entrada hasta que ingrese un entero válido, pero permite al usuario interrumpir el programa (usando Control-C o lo que sea
que el sistema operativo soporte); notá que una interrupción generada por el usuario se señaliza generando la excepción
KeyboardInterrupt.
>>> while True:

... try:
... x = int(input("Por favor ingrese un número: "))
... break
... except ValueError:
... print("Oops! No era válido. Intente nuevamente...")
...
La declaración try funciona de la siguiente manera:
• Primero, se ejecuta el bloque try (el código entre las declaración try y except).
• Si no ocurre ninguna excepción, el bloque except se saltea y termina la ejecución de la declaración try.
• Si ocurre una excepción durante la ejecución del bloque try, el resto del bloque se saltea. Luego, si su tipo coincide con
la excepción nombrada luego de la palabra reservada except, se ejecuta el bloque except, y la ejecución continúa
luego de la declaración try.
• Si ocurre una excepción que no coincide con la excepción nombrada en el except, esta se pasa a declaraciones try
de más afuera; si no se encuentra nada que la maneje, es una excepción no manejada, y la ejecución se frena con un
mensaje como los mostrados arriba.
Una declaración try puede tener más de un except, para especificar manejadores para distintas excepciones. A lo sumo
un manejador será ejecutado. Sólo se manejan excepciones que ocurren en el correspondiente try, no en otros
manejadores del mismo try. Un except puede nombrar múltiples excepciones usando paréntesis, por ejemplo:
... except (RuntimeError, TypeError, NameError):

... pass
Una clase en una clausula except es compatible con una excepción si la misma esta en la misma clase o una clase base de
la misma (pero no de la otra manera --- una clausula except listando una clase derivada no es compatible con una clase
base). Por ejemplo, el siguiente código imprimirá B, C, D, en ese orden:
class B(Exception):
pass
class C(B):
pass
class D(C):
pass
for cls in [B, C, D]:

try:
raise cls()
except D:
print("D")
except C:
54
print("C")
except B:
print("B")
Notese que si las clausulas de except estuvieran invertidas (con except B primero), habría impreso B, B, B --- la primera
clausula de except coincidente es usada.
El último except puede omitir nombrar qué excepción captura, para servir como comodín. Usá esto con extremo cuidado,
ya que de esta manera es fácil ocultar un error real de programación. También puede usarse para mostrar un mensaje de
error y luego re-generar la excepción (permitiéndole al que llama, manejar también la excepción):
import sys
try:
f = open('miarchivo.txt')
s = f.readline()
i = int(s.strip())
except OSError as err:
print("Error OS: {0}".format(err))
except ValueError:
print("No pude convertir el dato a un entero.")
except:
print("Error inesperado:", sys.exc_info()[0])
raise
Las declaraciones try ... except tienen un bloque else opcional, el cual, cuando está presente, debe seguir a los except.
Es útil para aquel código que debe ejecutarse si el bloque try no genera una excepción. Por ejemplo:
for arg in sys.argv[1:]:

try:
f = open(arg, 'r')
except OSError:
print('no pude abrir', arg)
else:
print(arg, 'tiene', len(f.readlines()), 'lineas')
f.close()
El uso de else es mejor que agregar código adicional en el try porque evita capturar accidentalmente una excepción que
no fue generada por el código que está protegido por la declaración try ... except.
Cuando ocurre una excepción, puede tener un valor asociado, también conocido como el argumento de la excepción. La
presencia y el tipo de argumento depende del tipo de excepción.
El except puede especificar una variable luego del nombre de excepción. La variable se vincula a una instancia de
excepción con los argumentos almacenados en instance.args. Por conveniencia, la instancia de excepción define
__str__() para que se pueda mostrar los argumentos directamente, sin necesidad de hacer referencia a .args. También
se puede instanciar la excepción primero, antes de generarla, y agregarle los atributos que se desee:
>>> try:
... raise Exception('carne', 'huevos')
... except Exception as inst:
... print(type(inst)) # la instancia de excepción
... print(inst.args) # argumentos guardados en .args
... print(inst) # __str__ permite imprimir args directamente,
... # pero puede ser cambiado en subclases de la exc
... x, y = inst # desempacar argumentos
... print('x =', x)
... print('y =', y)
...
<class 'Exception'>
55
('carne', 'huevos')
('carne', 'huevos')
x = carne
y = huevos
Si una excepción tiene argumentos, estos se imprimen como la última parte (el 'detalle') del mensaje para las excepciones
que no están manejadas.
Los manejadores de excepciones no manejan solamente las excepciones que ocurren en el bloque try, también manejan las
excepciones que ocurren dentro de las funciones que se llaman (inclusive indirectamente) dentro del bloque try. Por ejemplo:
>>> def esto_falla():

... x = 1/0
...
>>> try:
... esto_falla()
... except ZeroDivisionError as err:
... print('Manejando error en tiempo de ejecución:', err)
...
Manejando error en tiempo de ejecución: division by zero
Levantando excepciones
La declaración raise permite al programador forzar a que ocurra una excepción específica. Por ejemplo:
>>> raise NameError('Hola')

NameError: Hola
El único argumento a raise indica la excepción a generarse. Tiene que ser o una instancia de excepción, o una clase de
excepción (una clase que hereda de Exception). Si se pasa una clase de excepción, la misma sera instanciada
implicitamente llamandoa su constructor sin argumentos:
raise ValueError # atajo para 'raise ValueError()'
Si necesitás determinar cuando una excepción fue lanzada pero no querés manejarla, una forma simplificada de la
instrucción raise te permite relanzarla:
>>> try:
... raise NameError('Hola')
... except NameError:
... print('Voló una excepción!')
... raise
...
Voló una excepción!
NameError: Hola
Excepciones definidas por el usuario

Los programas pueden nombrar sus propias excepciones creando una nueva clase excepción (mirá Clases para más
información sobre las clases de Python). Las excepciones, típicamente, deberán derivar de la clase Exception, directa o
indirectamente.
Las clases de Excepciones pueden ser definidas de la misma forma que cualquier otra clase, pero usualmente se mantienen
simples, a menudo solo ofreciendo un número de atributos con información sobre el error que leerán los manejadores de la
56
excepción. Al crear un módulo que puede lanzar varios errores distintos, una práctica común es crear una clase base para
excepciones definidas en ese módulo y extenderla para crear clases excepciones específicas para distintas condiciones de
error:
class Error(Exception):
"""Clase base para excepciones en el módulo."""
pass
class EntradaError(Error):
"""Excepción lanzada por errores en las entradas.
Atributos:
expresion -- expresión de entrada en la que ocurre el error
mensaje -- explicación del error
"""
def __init__(self, expresion, mensaje):

self.expresion = expresion
self.mensaje = mensaje
class TransicionError(Error):
"""Lanzada cuando una operacion intenta una transicion de estado no
permitida.
Atributos:
previo -- estado al principio de la transición
siguiente -- nuevo estado intentado
mensaje -- explicación de por qué la transición no está permitida
"""
def __init__(self, previo, siguiente, mensaje):
self.previo = previo
self.siguiente = siguiente
self.mensaje = mensaje
La mayoría de las excepciones son definidas con nombres que terminan en "Error", similares a los nombres de las
excepciones estándar.
Muchos módulos estándar definen sus propias excepciones para reportar errores que pueden ocurrir en funciones propias.
Se puede encontrar más información sobre clases en el capítulo Clases.
Definiendo acciones de limpieza

La declaración try tiene otra cláusula opcional que intenta definir acciones de limpieza que deben ser ejecutadas bajo
ciertas circunstancias. Por ejemplo:
>>> try:
... raise KeyboardInterrupt
... finally:
... print('Chau, mundo!')
...
Chau, mundo!
KeyboardInterrupt
File "<stdin>", line 2, in ?
Una cláusula finally siempre es ejecutada antes de salir de la declaración try, ya sea que una excepción haya ocurrido o no.
Cuando ocurre una excepción en la cláusula try y no fue manejada por una cláusula except (o ocurrió en una cláusula
except o else), es relanzada luego de que se ejecuta la cláusula finally. El finally es también ejecutado "a la salida"
57
cuando cualquier otra cláusula de la declaración try es dejada via break, continue or return. Un ejemplo más
complicado:
>>> def dividir(x, y):

... try:
... result = x / y
... except ZeroDivisionError:
... print("¡división por cero!")
... else:
... print("el resultado es", result)
... finally:
... print("ejecutando la clausula finally")
...
>>> dividir(2, 1)
el resultado es 2.0
ejecutando la clausula finally
>>> dividir(2, 0)
¡división por cero!
>>> divide("2", "1")
File "<stdin>", line 3, in divide
TypeError: unsupported operand type(s) for /: 'str' and 'str'
Como podés ver, la cláusula finally es ejecutada siempre. La excepción TypeError lanzada al dividir dos cadenas de
texto no es manejado por la cláusula except y por lo tanto es relanzada luego de que se ejecuta la cláusula finally.
En aplicaciones reales, la cláusula finally es útil para liberar recursos externos (como archivos o conexiones de red), sin
importar si el uso del recurso fue exitoso.
Acciones predefinidas de limpieza

Algunos objetos definen acciones de limpieza estándar que llevar a cabo cuando el objeto no es más necesitado,
independientemente de que las operaciones sobre el objeto hayan sido exitosas o no. Mirá el siguiente ejemplo, que intenta
abrir un archivo e imprimir su contenido en la pantalla.:
for linea in open("miarchivo.txt"):

print(linea, end="")
El problema con este código es que deja el archivo abierto por un periodo de tiempo indeterminado luego de que esta parte
termine de ejecutarse. Esto no es un problema en scripts simples, pero puede ser un problema en aplicaciones más grandes.
La declaración with permite que objetos como archivos sean usados de una forma que asegure que siempre se los libera
rápido y en forma correcta.:
with open("miarchivo.txt") as f:
for linea in f:
print(linea, end="")
Luego de que la declaración sea ejecutada, el archivo f siempre es cerrado, incluso si se encuentra un problema al procesar
las líneas. Objetos que, como los archivos, provean acciones de limpieza predefinidas lo indicarán en su documentación.
58
Clases
Las clases proveen una forma de empaquetar datos y funcionalidad juntos. Al crear una nueva clase, se crea un nuevo tipo
de objeto, permitiendo crear nuevas instancias de ese tipo. Cada instancia de clase puede tener atributos adjuntos para
mantener su estado. Las instancias de clase también pueden tener métodos (definidos por su clase) para modificar su
estado.
Comparado con otros lenguajes de programación, el mecanismo de clases de Python agrega clases con un mínimo de
nuevas sintaxis y semánticas. Es una mezcla de los mecanismos de clases encontrados en C++ y Modula-3. Las clases de
Python proveen todas las características normales de la Programación Orientada a Objetos: el mecanismo de la herencia de
clases permite múltiples clases base, una clase derivada puede sobre escribir cualquier método de su(s) clase(s) base, y un
método puede llamar al método de la clase base con el mismo nombre. Los objetos pueden tener una cantidad arbitraria de
datos de cualquier tipo. Igual que con los módulos, las clases participan de la naturaleza dinámica de Python: se crean en
tiempo de ejecución, y pueden modificarse luego de la creación.
En terminología de C++, normalmente los miembros de las clases (incluyendo los miembros de datos), son públicos (excepto
ver abajo Variables privadas), y todas las funciones miembro son virtuales. Como en Modula-3, no hay atajos para hacer
referencia a los miembros del objeto desde sus métodos: la función método se declara con un primer argumento explícito
que representa al objeto, el cual se provee implícitamente por la llamada. Como en Smalltalk, las clases mismas son objetos.
Esto provee una semántica para importar y renombrar. A diferencia de C++ y Modula-3, los tipos de datos integrados pueden
usarse como clases base para que el usuario los extienda. También, como en C++ pero a diferencia de Modula-3, la mayoría
de los operadores integrados con sintaxis especial (operadores aritméticos, de subíndice, etc.) pueden ser redefinidos por
instancias de la clase.
(Sin haber una terminología universalmente aceptada sobre clases, haré uso ocasional de términos de Smalltalk y C++.
Usaría términos de Modula-3, ya que su semántica orientada a objetos es más cercana a Python que C++, pero no espero
que muchos lectores hayan escuchado hablar de él).
Unas palabras sobre nombres y objetos

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

Antes de ver clases, primero debo decirte algo acerca de las reglas de ámbito de Python. Las definiciones de clases hacen
unos lindos trucos con los espacios de nombres, y necesitás saber cómo funcionan los alcances y espacios de nombres
para entender por completo cómo es la cosa. De paso, los conocimientos en este tema son útiles para cualquier
programador Python avanzado.
Comencemos con unas definiciones.
59
Un espacio de nombres es una relación de nombres a objetos. Muchos espacios de nombres están implementados en este
momento como diccionarios de Python, pero eso no se nota para nada (excepto por el desempeño), y puede cambiar en el
futuro. Como ejemplos de espacios de nombres tenés: el conjunto de nombres incluidos (conteniendo funciones como
abs(), y los nombres de excepciones integradas); los nombres globales en un módulo; y los nombres locales en la
invocación a una función. Lo que es importante saber de los espacios de nombres es que no hay relación en absoluto entre
los nombres de espacios de nombres distintos; por ejemplo, dos módulos diferentes pueden tener definidos los dos una
función maximizar sin confusión; los usuarios de los módulos deben usar el nombre del módulo como prefijo.
Por cierto, yo uso la palabra atributo para cualquier cosa después de un punto; por ejemplo, en la expresión z.real, real
es un atributo del objeto z. Estrictamente hablando, las referencias a nombres en módulos son referencias a atributos: en la
expresión modulo.funcion, modulo es un objeto módulo y funcion es un atributo de éste. En este caso hay una relación
directa entre los atributos del módulo y los nombres globales definidos en el módulo: ¡están compartiendo el mismo espacio
de nombres! 8
Los atributos pueden ser de sólo lectura, o de escritura. En el último caso es posible la asignación a atributos. Los atributos
de módulo pueden escribirse: modulo.la_respuesta = 42. Los atributos de escritura se pueden borrar también con la
declaración del. Por ejemplo, del modulo.la_respuesta va a eliminar el atributo la_respuesta del objeto con
nombre modulo.
Los espacios de nombres se crean en diferentes momentos y con diferentes tiempos de vida. El espacio de nombres que
contiene los nombres incluidos se crea cuando se inicia el intérprete, y nunca se borra. El espacio de nombres global de un
módulo se crea cuando se lee la definición de un módulo; normalmente, los espacios de nombres de módulos también duran
hasta que el intérprete finaliza. Las instrucciones ejecutadas en el nivel de llamadas superior del intérprete, ya sea desde un
script o interactivamente, se consideran parte del módulo llamado __main__, por lo tanto tienen su propio espacio de
nombres global. (Los nombres incluidos en realidad también viven en un módulo; este se llama builtins.)
El espacio de nombres local a una función se crea cuando la función es llamada, y se elimina cuando la función retorna o
lanza una excepción que no se maneje dentro de la función. (Podríamos decir que lo que pasa en realidad es que ese
espacio de nombres se "olvida".) Por supuesto, las llamadas recursivas tienen cada una su propio espacio de nombres local.
Un ámbito es una región textual de un programa en Python donde un espacio de nombres es accesible directamente.
"Accesible directamente" significa que una referencia sin calificar a un nombre intenta encontrar dicho nombre dentro del
espacio de nombres.
Aunque los alcances se determinan estáticamente, se usan dinámicamente. En cualquier momento durante la ejecución hay
por lo menos cuatro alcances anidados cuyos espacios de nombres son directamente accesibles:
• el ámbito interno, donde se busca primero, contiene los nombres locales
• los espacios de nombres de las funciones anexas, en las cuales se busca empezando por el ámbito adjunto más
cercano, contiene los nombres no locales pero también los no globales
• el ámbito anteúltimo contiene los nombres globales del módulo actual
• el ámbito exterior (donde se busca al final) es el espacio de nombres que contiene los nombres incluidos
Si un nombre se declara como global, entonces todas las referencias y asignaciones al mismo van directo al ámbito
intermedio que contiene los nombres globales del módulo. Para reasignar nombres encontrados afuera del ámbito más
interno, se puede usar la declaración nonlocal; si no se declara nonlocal, esas variables serán de sólo lectura (un intento
de escribir a esas variables simplemente crea una nueva variable local en el ámbito interno, dejando intacta la variable
externa del mismo nombre).
Habitualmente, el ámbito local referencia los nombres locales de la función actual. Fuera de una función, el ámbito local
referencia al mismo espacio de nombres que el ámbito global: el espacio de nombres del módulo. Las definiciones de clases
crean un espacio de nombres más en el ámbito local.
Es importante notar que los alcances se determinan textualmente: el ámbito global de una función definida en un módulo es
el espacio de nombres de ese módulo, no importa desde dónde o con qué alias se llame a la función. Por otro lado, la
búsqueda de nombres se hace dinámicamente, en tiempo de ejecución; sin embargo, la definición del lenguaje está
60
evolucionando a hacer resolución de nombres estáticamente, en tiempo de "compilación", ¡así que no te confíes de la
resolución de nombres dinámica! (De hecho, las variables locales ya se determinan estáticamente.)
Una peculiaridad especial de Python es que, si no hay una declaración global o nonlocal en efecto, las asignaciones a
nombres siempre van al ámbito interno. Las asignaciones no copian datos, solamente asocian nombres a objetos. Lo mismo
cuando se borra: la declaración del x quita la asociación de x del espacio de nombres referenciado por el ámbito local. De
hecho, todas las operaciones que introducen nuevos nombres usan el ámbito local: en particular, las instrucciones import y
las definiciones de funciones asocian el módulo o nombre de la función al espacio de nombres en el ámbito local.
La declaración global puede usarse para indicar que ciertas variables viven en el ámbito global y deberían reasignarse allí;
la declaración nonlocal indica que ciertas variables viven en un ámbito encerrado y deberían reasignarse allí.
Ejémplo de ámbitos y espacios de nombre

Este es un ejemplo que muestra como hacer referencia a distintos ámbitos y espacios de nombres, y cómo las declaraciones
global y nonlocal afectan la asignación de variables:
def prueba_ambitos():
def hacer_local():
algo = "algo local"
def hacer_nonlocal():
nonlocal algo
algo = "algo no local"
def hacer_global():
global algo
algo = "algo global"
algo = "algo de prueba"
hacer_local()
print("Luego de la asignación local:", algo)
hacer_nonlocal()
print("Luego de la asignación no local:", algo)
hacer_global()
print("Luego de la asignación global:", algo)
prueba_ambitos()
print("In global scope:", algo)
El resultado del código ejemplo es:
Luego de la asignación local: algo de prueba

Luego de la asignación no local: algo no local
Luego de la asignación global: algo no local
En el ámbito global: algo global
Notá como la asignación local (que es el comportamiento normal) no cambió la vinculación de algo de prueba_ambitos. La
asignación nonlocal cambió la vinculación de algo de prueba_ambitos, y la asignación global cambió la vinculación a
nivel de módulo.
También podés ver que no había vinculación para algo antes de la asignación global.
Un primer vistazo a las clases

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

La forma más sencilla de definición de una clase se ve así:
61
class Clase:
<declaración-1>
.
.
.
<declaración-N>
Las definiciones de clases, al igual que las definiciones de funciones (instrucciones def) deben ejecutarse antes de que
tengan efecto alguno. (Es concebible poner una definición de clase dentro de una rama de un if, o dentro de una función.)
En la práctica, las declaraciones dentro de una clase son definiciones de funciones, pero otras declaraciones son permitidas,
y a veces resultan útiles; veremos esto más adelante. Las definiciones de funciones dentro de una clase normalmente
tienen una lista de argumentos peculiar, dictada por las convenciones de invocación de métodos; a esto también lo veremos
más adelante.
Cuando se ingresa una definición de clase, se crea un nuevo espacio de nombres, el cual se usa como ámbito local; por lo
tanto, todas las asignaciones a variables locales van a este nuevo espacio de nombres. En particular, las definiciones de
funciones asocian el nombre de las funciones nuevas allí.
Cuando una definición de clase se finaliza normalmente se crea un objeto clase. Básicamente, este objeto envuelve los
contenidos del espacio de nombres creado por la definición de la clase; aprenderemos más acerca de los objetos clase en la
sección siguiente. El ámbito local original (el que tenía efecto justo antes de que ingrese la definición de la clase) es
restablecido, y el objeto clase se asocia allí al nombre que se le puso a la clase en el encabezado de su definición (Clase en
el ejemplo).
Objetos clase
Los objetos clase soportan dos tipos de operaciones: hacer referencia a atributos e instanciación.
Para hacer referencia a atributos se usa la sintaxis estándar de todas las referencias a atributos en Python:
objeto.nombre. Los nombres de atributo válidos son todos los nombres que estaban en el espacio de nombres de la clase
cuando ésta se creó. Por lo tanto, si la definición de la clase es así:
class MiClase:
"""Simple clase de ejemplo"""
i = 12345
def f(self):
return 'hola mundo'
...entonces MiClase.i y MiClase.f son referencias de atributos válidas, que devuelven un entero y un objeto función
respectivamente. Los atributos de clase también pueden ser asignados, o sea que podés cambiar el valor de MiClase.i
mediante asignación. __doc__ también es un atributo válido, que devuelve la documentación asociada a la clase:
"Simple clase de ejemplo".
La instanciación de clases usa la notación de funciones. Hacé de cuenta que el objeto de clase es una función sin
parámetros que devuelve una nueva instancia de la clase. Por ejemplo (para la clase de más arriba):
x = MiClase()
...crea una nueva instancia de la clase y asigna este objeto a la variable local x.
La operación de instanciación ("llamar" a un objeto clase) crea un objeto vacío. Muchas clases necesitan crear objetos con
instancias en un estado inicial particular. Por lo tanto una clase puede definir un método especial llamado __init__(), de
esta forma:
def __init__(self):
self.datos = []
62
Cuando una clase define un método __init__(), la instanciación de la clase automáticamente invoca a __init__() para
la instancia recién creada. Entonces, en este ejemplo, una instancia nueva e inicializada se puede obtener haciendo:
x = MiClase()
Por supuesto, el método __init__() puede tener argumentos para mayor flexibilidad. En ese caso, los argumentos que se
pasen al operador de instanciación de la clase van a parar al método __init__(). Por ejemplo,
>>> class Complejo:

... def __init__(self, partereal, parteimaginaria):
... self.r = partereal
... self.i = parteimaginaria
...
>>> x = Complejo(3.0, -4.5)
>>> x.r, x.i
(3.0, -4.5)
Objetos instancia
Ahora, ¿Qué podemos hacer con los objetos instancia? La única operación que es entendida por los objetos instancia es la
referencia de atributos. Hay dos tipos de nombres de atributos válidos, atributos de datos y métodos.
Los atributos de datos se corresponden con las "variables de instancia" en Smalltalk, y con las "variables miembro" en C++.
Los atributos de datos no necesitan ser declarados; tal como las variables locales son creados la primera vez que se les
asigna algo. Por ejemplo, si x es la instancia de MiClase creada más arriba, el siguiente pedazo de código va a imprimir el
valor 16, sin dejar ningún rastro:
x.contador = 1
while x.contador < 10:
x.contador = x.contador * 2
print(x.contador)
del x.contador
El otro tipo de atributo de instancia es el método. Un método es una función que "pertenece a" un objeto. En Python, el
término método no está limitado a instancias de clase: otros tipos de objetos pueden tener métodos también. Por ejemplo,
los objetos lista tienen métodos llamados append, insert, remove, sort, y así sucesivamente. Pero, en la siguiente
explicación, usaremos el término método para referirnos exclusivamente a métodos de objetos instancia de clase, a menos
que se especifique explícitamente lo contrario.
Los nombres válidos de métodos de un objeto instancia dependen de su clase. Por definición, todos los atributos de clase
que son objetos funciones definen métodos correspondientes de sus instancias. Entonces, en nuestro ejemplo, x.f es una
referencia a un método válido, dado que MiClase.f es una función, pero x.i no lo es, dado que MiClase.i no lo es. Pero
x.f no es la misma cosa que MiClase.f; es un objeto método, no un objeto función.
Objetos método
Generalmente, un método es llamado luego de ser vinculado:
x.f()
En el ejemplo MiClase, esto devuelve la cadena 'hola mundo'. Pero no es necesario llamar al método justo en ese
momento: x.f es un objeto método, y puede ser guardado y llamado más tarde. Por ejemplo:
xf = x.f
while True:
print(xf())
...continuará imprimiendo hola mundo hasta el fin de los días.
63
¿Qué sucede exactamente cuando un método es llamado? Debés haber notado que x.f() fue llamado más arriba sin
ningún argumento, a pesar de que la definición de función de f() especificaba un argumento. ¿Qué pasó con ese
argumento? Seguramente Python levanta una excepción cuando una función que requiere un argumento es llamada sin
ninguno, aún si el argumento no es utilizado...
De hecho, tal vez hayas adivinado la respuesta: lo que tienen de especial los métodos es que el objeto es pasado como el
primer argumento de la función. En nuestro ejemplo, la llamada x.f() es exactamente equivalente a MiClase.f(x). En
general, llamar a un método con una lista de n argumentos es equivalente a llamar a la función correspondiente con una lista
de argumentos que es creada insertando el objeto del método antes del primer argumento.
Si aún no comprendés como funcionan los métodos, un vistazo a la implementación puede ayudar a clarificar este tema.
Cuando se hace referencia un atributo de instancia y no es un atributo de datos, se busca dentro de su clase. Si el nombre
denota un atributo de clase válido que es un objeto función, se crea un objeto método juntando (punteros a) el objeto
instancia y el objeto función que ha sido encontrado. Este objeto abstracto creado de esta unión es el objeto método.
Cuando el objeto método es llamado con una lista de argumentos, una lista de argumentos nueva es construida a partir del
objeto instancia y la lista de argumentos original, y el objeto función es llamado con esta nueva lista de argumentos.
Variables de clase y de instancia

En general, las variables de instancia son para datos únicos de cada instancia y las variables de clase son para atributos y
métodos compartidos por todas las instancias de la clase:
class Perro:
tipo = 'canino' # variable de clase compartida por todas las instancias
def __init__(self, nombre):

self.nombre = nombre # variable de instancia única para la instancia
>>> d = Perro('Fido')
>>> e = Perro('Buddy')
>>> d.tipo # compartido por todos los perros
'canino'
>>> e.tipo # compartido por todos los perros
'canino'
>>> d.nombre # único para d
'Fido'
>>> e.nombre # único para e
'Buddy'
Como se vió en Unas palabras sobre nombres y objetos, los datos compartidos pueden tener efectos inesperados que
involucren objetos mutables como ser listas y diccionarios. Por ejemplo, la lista trucos en el siguiente código no debería ser
usada como variable de clase porque una sola lista sería compartida por todos las instancias de Perro:
class Perro:
trucos = [] # uso incorrecto de una variable de clase

self.nombre = nombre
def agregar_truco(self, truco):

self.trucos.append(truco)
>>> d.agregar_truco('girar')
>>> e.agregar_truco('hacerse el muerto')
64
>>> d.trucos # compartidos por todos los perros inesperadamente
['girar', 'hacerse el muerto']
El diseño correcto de esta clase sería usando una variable de instancia:
class Perro:

self.nombre = nombre
self.trucos = [] # crea una nueva lista vacía para cada perro
def agregar_truco(self, truco):

self.trucos.append(truco)
>>> d.agregar_truco('girar')
>>> e.agregar_truco('hacerse el muerto')
>>> d.trucos
['girar']
>>> e.trucos
['hacerse el muerto']
Algunas observaciones
Los atributos de datos tienen preferencia sobre los métodos con el mismo nombre; para evitar conflictos de nombre
accidentales, que pueden causar errores difíciles de encontrar en programas grandes, es prudente usar algún tipo de
convención que minimice las posibilidades de dichos conflictos. Algunas convenciones pueden ser poner los nombres de
métodos con mayúsculas, prefijar los nombres de atributos de datos con una pequeña cadena única (a lo mejor sólo un
guión bajo), o usar verbos para los métodos y sustantivos para los atributos.
A los atributos de datos los pueden hacer referencia tanto los métodos como los usuarios ("clientes") ordinarios de un
objeto. En otras palabras, las clases no se usan para implementar tipos de datos abstractos puros. De hecho, en Python no
hay nada que haga cumplir el ocultar datos; todo se basa en convención. (Por otro lado, la implementación de Python,
escrita en C, puede ocultar por completo detalles de implementación y el control de acceso a un objeto si es necesario; esto
se puede usar en extensiones a Python escritas en C.)
Los clientes deben usar los atributos de datos con cuidado; éstos pueden romper invariantes que mantienen los métodos si
pisan los atributos de datos. Observá que los clientes pueden añadir sus propios atributos de datos a una instancia sin
afectar la validez de sus métodos, siempre y cuando se eviten conflictos de nombres; de nuevo, una convención de
nombres puede ahorrar un montón de dolores de cabeza.
No hay un atajo para hacer referencia a atributos de datos (¡u otros métodos!) desde dentro de un método. A mi parecer,
esto en realidad aumenta la legibilidad de los métodos: no existe posibilidad alguna de confundir variables locales con
variables de instancia cuando repasamos un método.
A menudo, el primer argumento de un método se llama self (uno mismo). Esto no es nada más que una convención: el
nombre self no significa nada en especial para Python. Observá que, sin embargo, si no seguís la convención tu código
puede resultar menos legible a otros programadores de Python, y puede llegar a pasar que un programa navegador de
clases pueda escribirse de una manera que dependa de dicha convención.
Cualquier objeto función que es un atributo de clase define un método para instancias de esa clase. No es necesario que el
la definición de la función esté textualmente dentro de la definición de la clase: asignando un objeto función a una variable
local en la clase también está bien. Por ejemplo:
# Función definida fuera de la clase

def f1(self, x, y):
return min(x, x+y)
65
class C:
f = f1
def g(self):
return 'hola mundo'
h = g
Ahora f, g y h son todos atributos de la clase C que hacen referencia a objetos función, y consecuentemente son todos
métodos de las instancias de C; h siendo exactamente equivalente a g. Fijate que esta práctica normalmente sólo sirve para
confundir al que lea un programa.
Los métodos pueden llamar a otros métodos de la instancia usando el argumento self:
class Bolsa:
def __init__(self):
self.datos = []
def agregar(self, x):
self.datos.append(x)
def dobleagregar(self, x):
self.agregar(x)
self.agregar(x)
Los métodos pueden hacer referencia a nombres globales de la misma manera que lo hacen las funciones comunes. El
ámbito global asociado a un método es el módulo que contiene su definición. (Una clase nunca se usa como un ámbito
global.) Si bien es raro encontrar una buena razón para usar datos globales en un método, hay muchos usos legítimos del
ámbito global: por lo menos, las funciones y módulos importados en el ámbito global pueden usarse por los métodos, al
igual que las funciones y clases definidas en él. Habitualmente, la clase que contiene el método está definida en este ámbito
global, y en la siguiente sección veremos algunas buenas razones por las que un método querría hacer referencia a su
propia clase.
Todo valor es un objeto, y por lo tanto tiene una clase (también llamado su tipo). Ésta se almacena como
objeto.__class__.
Herencia
Por supuesto, una característica del lenguaje no sería digna del nombre "clase" si no soportara herencia. La sintaxis para
una definición de clase derivada se ve así:
class ClaseDerivada(ClaseBase):
<declaración-1>
.
.
.
<declaración-N>
El nombre ClaseBase debe estar definido en un ámbito que contenga a la definición de la clase derivada. En el lugar del
nombre de la clase base se permiten otras expresiones arbitrarias. Esto puede ser útil, por ejemplo, cuando la clase base
está definida en otro módulo:
class ClaseDerivada(modulo.ClaseBase):
La ejecución de una definición de clase derivada procede de la misma forma que una clase base. Cuando el objeto clase se
construye, se tiene en cuenta a la clase base. Esto se usa para resolver referencias a atributos: si un atributo solicitado no
se encuentra en la clase, la búsqueda continúa por la clase base. Esta regla se aplica recursivamente si la clase base
misma deriva de alguna otra clase.
No hay nada en especial en la instanciación de clases derivadas: ClaseDerivada() crea una nueva instancia de la clase.
Las referencias a métodos se resuelven de la siguiente manera: se busca el atributo de clase correspondiente,
66
descendiendo por la cadena de clases base si es necesario, y la referencia al método es válida si se entrega un objeto
función.
Las clases derivadas pueden redefinir métodos de su clase base. Como los métodos no tienen privilegios especiales cuando
llaman a otros métodos del mismo objeto, un método de la clase base que llame a otro método definido en la misma clase
base puede terminar llamando a un método de la clase derivada que lo haya redefinido. (Para los programadores de C++: en
Python todos los métodos son en efecto virtuales.)
Un método redefinido en una clase derivada puede de hecho querer extender en vez de simplemente reemplazar al método
de la clase base con el mismo nombre. Hay una manera simple de llamar al método de la clase base directamente:
simplemente llamás a ClaseBase.metodo(self, argumentos). En ocasiones esto es útil para los clientes también.
(Observá que esto sólo funciona si la clase base es accesible como ClaseBase en el ámbito global.)
Python tiene dos funciones integradas que funcionan con herencia:
• Usá isinstance() para verificar el tipo de una instancia: isinstance(obj, int) devuelve True solo si
obj.__class__ es int o alguna clase derivada de int.
• Usá issubclass() para comprobar herencia de clase: issubclass(bool, int) da True ya que bool es una
subclase de int. Sin embargo, issubclass(float, int) devuelve False porque float no es una subclase de
int.
Herencia múltiple
Python también soporta una forma de herencia múltiple. Una definición de clase con múltiples clases base se ve así:
class ClaseDerivada(Base1, Base2, Base3):

<declaración-1>
.
.
.
<declaración-N>
Para la mayoría de los propósitos, en los casos más simples, podés pensar en la búsqueda de los atributos heredados de
clases padres como primero en profundidad, de izquierda a derecha, sin repetir la misma clase cuando está dos veces en la
jerarquía. Por lo tanto, si un atributo no se encuentra en ClaseDerivada, se busca en Base1, luego (recursivamente) en
las clases base de Base1, y sólo si no se encuentra allí se lo busca en Base2, y así sucesivamente.
En realidad es un poco más complejo que eso; el orden de resolución de métodos cambia dinámicamente para soportar las
llamadas cooperativas a super(). Este enfoque es conocido en otros lenguajes con herencia múltiple como "llámese al
siguiente método" y es más poderoso que la llamada al superior que se encuentra en lenguajes con sólo herencia simple.
El ordenamiento dinámico es necesario porque todos los casos de herencia múltiple exhiben una o más relaciones en
diamante (cuando se puede llegar al menos a una de las clases base por distintos caminos desde la clase de más abajo).
Por ejemplo, todas las clases heredan de object, por lo tanto cualquier caso de herencia múltiple provee más de un camino
para llegar a object. Para que las clases base no sean accedidas más de una vez, el algoritmo dinámico hace lineal el
orden de búsqueda de manera que se preserve el orden de izquierda a derecha especificado en cada clase, que se llame a
cada clase base sólo una vez, y que sea monótona (lo cual significa que una clase puede tener clases derivadas sin afectar
el orden de precedencia de sus clases bases). En conjunto, estas propiedades hacen posible diseñar clases confiables y
extensibles con herencia múltiple. Para más detalles mirá https://www.python.org/download/releases/2.3/mro/.
Variables privadas
Las variables "privadas" de instancia, que no pueden accederse excepto desde dentro de un objeto, no existen en Python.
Sin embargo, hay una convención que se sigue en la mayoría del código Python: un nombre prefijado con un guión bajo (por
ejemplo, _spam) debería tratarse como una parte no pública de la API (más allá de que sea una función, un método, o un
dato). Debería considerarse un detalle de implementación y que está sujeto a cambios sin aviso.
67
Ya que hay un caso de uso válido para los identificadores privados de clase (a saber: colisión de nombres con nombres
definidos en las subclases), hay un soporte limitado para este mecanismo. Cualquier identificador con la forma __spam (al
menos dos guiones bajos al principio, como mucho un guión bajo al final) es textualmente reemplazado por
_nombredeclase__spam, donde nombredeclase es el nombre de clase actual al que se le sacan guiones bajos del
comienzo (si los tuviera). Se modifica el nombre del identificador sin importar su posición sintáctica, siempre y cuando ocurra
dentro de la definición de una clase.
La modificación de nombres es útil para dejar que las subclases sobreescriban los métodos sin romper las llamadas a los
métodos desde la misma clase. Por ejemplo:
class Mapeo:
def __init__(self, iterable):
self.lista_de_items = []
self.__actualizar(iterable)
def actualizar(self, iterable):

for item in iterable:
self.lista_de_items.append(item)
__actualizar = actualizar # copia privada del actualizar() original
class SubClaseMapeo(Mapeo):
def actualizar(self, keys, values):

# provee una nueva signatura para actualizar()
# pero no rompe __init__()
for item in zip(keys, values):
self.lista_de_items.append(item)
Hay que aclarar que las reglas de modificación de nombres están diseñadas principalmente para evitar accidentes; es
posible acceder o modificar una variable que es considerada como privada. Esto hasta puede resultar útil en circunstancias
especiales, tales como en el depurador.
Notar que el código pasado a exec o eval() no considera que el nombre de clase de la clase que invoca sea la clase
actual; esto es similar al efecto de la sentencia global, efecto que es de similar manera restringido a código que es
compilado en conjunto. La misma restricción aplica a getattr(), setattr() y delattr(), así como cuando se
referencia a __dict__ directamente.
Cambalache
A veces es útil tener un tipo de datos similar al "registro" de Pascal o la "estructura" de C, que sirva para juntar algunos
pocos ítems con nombre. Una definición de clase vacía funcionará perfecto:
class Empleado:
pass
juan = Empleado() # Crear un registro de empleado vacío
# Llenar los campos del registro

juan.nombre = 'Juan Pistola'
juan.depto = 'laboratorio de computación'
juan.salario = 1000
Algún código Python que espera un tipo abstracto de datos en particular puede frecuentemente recibir en cambio una clase
que emula los métodos de aquel tipo de datos. Por ejemplo, si tenés una función que formatea algunos datos a partir de un
objeto archivo, podés definir una clase con métodos read() y readline() que obtengan los datos de alguna cadena en
memoria intermedia, y pasarlo como argumento.
68
Los objetos método de instancia tienen atributos también: m.__self__ es el objeto instancia con el método m(), y
m.__func__ es el objeto función correspondiente al método.
Iteradores
Es probable que hayas notado que la mayoría de los objetos contenedores pueden ser recorridos usando una sentencia
for:
for elemento in [1, 2, 3]:

print(elemento)
for elemento in (1, 2, 3):
print(elemento)
for clave in {'uno':1, 'dos':2}:
print(clave)
for caracter in "123":
print(caracter)
for linea in open("miarchivo.txt"):
print(linea, end='')
Este estilo de acceso es limpio, conciso y conveniente. El uso de iteradores está impregnado y unifica a Python. En
bambalinas, la sentencia for llama a iter() en el objeto contenedor. La función devuelve un objeto iterador que define el
método __next__() que accede elementos en el contenedor de a uno por vez. Cuando no hay más elementos,
__next__() levanta una excepción StopIteration que le avisa al bucle del for que hay que terminar. Podés llamar al
método __next__() usando la función integrada __next__(); este ejemplo muestra como funciona todo esto:
>>> s = 'abc'
>>> it = iter(s)
>>> it
<iterator object at 0x00A1DB50>
>>> next(it)
'a'
>>> next(it)
'b'
>>> next(it)
'c'
>>> next(it)
next(it)
StopIteration
Habiendo visto la mecánica del protocolo de iteración, es fácil agregar comportamiento de iterador a tus clases. Definí un
método __iter__() que devuelva un objeto con un método __next__(). Si la clase define __next__(), entonces
alcanza con que __iter__() devuelva self:
>>> class Reversa:

... """Iterador para recorrer una secuencia marcha atrás."""
... def __init__(self, datos):
... self.datos = datos
... self.indice = len(datos)
... def __iter__(self):
... return self
... def __next__(self):
... if self.indice == 0:
... raise StopIteration
... self.indice = self.indice - 1
... return self.datos[self.indice]
...
>>> rev = Reversa('spam')
69
>>> iter(rev)
<__main__.Reversa object at 0x00A1DB50>
>>> for char in rev:
... print(char)
...
m
a
p
s
Generadores
Los generadores son una simple y poderosa herramienta para crear iteradores. Se escriben como funciones regulares pero
usan la sentencia yield cuando quieren devolver datos. Cada vez que se llama next() sobre él, el generador continúa
desde donde dejó (y recuerda todos los valores de datos y cual sentencia fue ejecutada última). Un ejemplo muestra que los
generadores pueden ser muy fáciles de crear:
>>> def reversa(datos):

... for indice in range(len(datos)-1, -1, -1):
... yield datos[indice]
...
>>> for letra in reversa('golf'):
... print(letra)
...
f
l
o
g
Todo lo que puede ser hecho con generadores también puede ser hecho con iteradores basados en clases, como se
describe en la sección anterior. Lo que hace que los generadores sean tan compactos es que los métodos __iter__() y
__next__() son creados automáticamente.
Otra característica clave es que las variables locales y el estado de la ejecución son guardados automáticamente entre
llamadas. Esto hace que la función sea más fácil de escribir y quede mucho más claro que hacerlo usando variables de
instancia tales como self.indice y self.datos.
Además de la creación automática de métodos y el guardar el estado del programa, cuando los generadores terminan
automáticamente levantan StopIteration. Combinadas, estas características facilitan la creación de iteradores, y hacen
que no sea más esfuerzo que escribir una función regular.
Expresiones generadoras
Algunos generadores simples pueden ser codificados concisamente como expresiones usando una sintaxis similar a las
listas por comprensión pero con paréntesis en vez de corchetes. Estas expresiones se utilizan en situaciones donde el
generador es usado inmediatamente por una función que lo contiene. Las expresiones generadoras son más compactas
pero menos versátiles que definiciones completas de generadores, y tienden a utilizar menos memoria que las listas por
comprensión equivalentes.
Ejemplos:
>>> sum(i*i for i in range(10)) # suma de cuadrados

285
>>> xvec = [10, 20, 30]

>>> yvec = [7, 5, 3]
>>> sum(x*y for x,y in zip(xvec, yvec)) # producto escalar
70
260
>>> from math import pi, sin

>>> tabla_de_senos = {x: sin(x*pi/180) for x in range(0, 91)}
>>> palabras_unicas = set(word for line in page for word in line.split())
>>> mejor_promedio = max((alumno.promedio, alumno.nombre) for alumno in graduados)
>>> data = 'golf'

>>> list(data[i] for i in range(len(data) - 1, -1, -1))
['f', 'l', 'o', 'g']
8 Excepto por un detalle. Los objetos módulo tienen un atributo secreto de solo lectura llamado __dict__ que
devuelve el diccionario usado para implementar el espacio de nombres del módulo; el nombre __dict__ es un
atributo, pero no es un nombre global. Obviamente, esto viola la abstracción de la implementación de espacios de
nombres, y debe ser restringido a cosas tales como depuradores post-mortem.
71
Pequeño paseo por la Biblioteca
Estándar
Interfaz al sistema operativo

El módulo os provee docenas de funciones para interactuar con el sistema operativo:
>>> import os
>>> os.getcwd() # devuelve el directorio de trabajo actual
'C:\\Python36'
>>> os.chdir('/server/accesslogs') # cambia el directorio de trabajo
>>> os.system('mkdir today') # ejecuta el comando 'mkdir' en el sistema
0
Asegurate de usar el estilo import os en lugar de from os import *. Esto evitará que os.open() oculte a la función
integrada open(), que trabaja bastante diferente.
Las funciones integradas dir() y help() son útiles como ayudas interactivas para trabajar con módulos grandes como os:
>>> import os
>>> dir(os)
<devuelve una lista de todas las funciones del módulo>
>>> help(os)
<devuelve un manual creado a partir de las documentaciones del módulo>
Para tareas diarias de administración de archivos y directorios, el módulo shutil provee una interfaz de más alto nivel que
es más fácil de usar:
>>> import shutil

>>> shutil.copyfile('datos.db', 'archivo.db')
'archivo.db'
>>> shutil.move('/build/executables', 'dir_instalac')
'dir_instalac'
Comodines de archivos
El módulo glob provee una función para hacer listas de archivos a partir de búsquedas con comodines en directorios:
>>> import glob

>>> glob.glob('*.py')
['primes.py', 'random.py', 'quote.py']
Argumentos de linea de órdenes

Los programas frecuentemente necesitan procesar argumentos de linea de órdenes. Estos argumentos se almacenan en el
atributo argv del módulo sys como una lista. Por ejemplo, la siguiente salida resulta de ejecutar
python demo.py uno dos tres en la línea de órdenes:
>>> import sys

>>> print(sys.argv)
['demo.py', 'uno', 'dos', 'tres']
72
El módulo getopt procesa sys.argv usando las convenciones de la función de Unix getopt(). El módulo argparse
provee un procesamiento más flexible de la linea de órdenes.
Redirección de la salida de error y finalización del programa

El módulo sys también tiene atributos para stdin, stdout, y stderr. Este último es útil para emitir mensajes de alerta y error
para que se vean incluso cuando se haya redireccionado stdout:
>>> sys.stderr.write('Alerta, archivo de log no encontrado\n')

Alerta, archivo de log no encontrado
La forma más directa de terminar un programa es usar sys.exit().
Coincidencia en patrones de cadenas

El módulo re provee herramientas de expresiones regulares para un procesamiento avanzado de cadenas. Para
manipulación y coincidencias complejas, las expresiones regulares ofrecen soluciones concisas y optimizadas:
>>> import re
>>> re.findall(r'\bt[a-z]*', 'tres felices tigres comen trigo')
['tres', 'tigres', 'trigo']
>>> re.sub(r'(\b[a-z]+) \1', r'\1', 'gato en el el sombrero')
'gato en el sombrero'
Cuando se necesita algo más sencillo solamente, se prefieren los métodos de las cadenas porque son más fáciles de leer y
depurar.
>>> 'te para tos'.replace('tos', 'dos')

'te para dos'
Matemática
El módulo math permite el acceso a las funciones de la biblioteca C subyacente para la matemática de punto flotante:
>>> import math

>>> math.cos(math.pi / 4)
0.70710678118654757
>>> math.log(1024, 2)
10.0
El módulo random provee herramientas para realizar selecciones al azar:
>>> import random

>>> random.choice(['manzana', 'pera', 'banana'])
'manzana'
>>> random.sample(range(100), 10) # elección sin reemplazo
[30, 83, 16, 4, 8, 81, 41, 50, 18, 33]
>>> random.random() # un float al azar
0.17970987693706186
>>> random.randrange(6) # un entero al azar tomado de range(6)
4
El módulo statistics calcula propiedades de estadística básica (la media, mediana, varianza, etc) de datos númericos:
>>> import statistics

>>> datos = [2.75, 1.75, 1.25, 0.25, 0.5, 1.25, 3.5]
>>> statistics.mean(datos)
1.6071428571428572
>>> statistics.median(datos)
73
1.25
>>> statistics.variance(datos)
1.3720238095238095
El proyecto SciPy <https://scipy.org> tiene muchos otros módulos para cálculos numéricos.
Acceso a Internet
Hay varios módulos para acceder a internet y procesar sus protocolos. Dos de los más simples son urllib.request para
traer data de URLs y smtplib para mandar correos:
>>> with urlopen('http://tycho.usno.navy.mil/cgi-bin/timer.pl') as response:

... for line in response:
... line = line.decode('utf-8') # Decoding the binary data to text.
... if 'EST' in line or 'EDT' in line: # look for Eastern Time
... print(line)
<BR>Nov. 25, 09:43:32 PM EST
>>> import smtplib

>>> server = smtplib.SMTP('localhost')
>>> server.sendmail('[email protected]', '[email protected]',
... """To: [email protected]
... From: [email protected]
...
... Ojo al piojo.
... """)
>>> server.quit()
(Notá que el segundo ejemplo necesita un servidor de correo corriendo en la máquina local)
Fechas y tiempos
El módulo datetime ofrece clases para manejar fechas y tiempos tanto de manera simple como compleja. Aunque soporta
aritmética sobre fechas y tiempos, el foco de la implementación es en la extracción eficiente de partes para manejarlas o
formatear la salida. El módulo también soporta objetos que son conscientes de la zona horaria.
>>> # las fechas son fácilmente construidas y formateadas

>>> from datetime import date
>>> hoy = date.today()
>>> hoy
datetime.date(2009, 7, 19)
>>> # nos aseguramos de tener la info de localización correcta

>>> import locale
>>> locale.setlocale(locale.LC_ALL, locale.getdefaultlocale())
'es_ES.UTF8'
>>> hoy.strftime("%m-%d-%y. %d %b %Y es %A. hoy es %d de %B.")
'07-19-09. 19 jul 2009 es domingo. hoy es 19 de julio.'
>>> # las fechas soportan aritmética de calendario

>>> nacimiento = date(1964, 7, 31)
>>> edad = hoy - nacimiento
>>> edad.days
14368
74
Compresión de datos
Los formatos para archivar y comprimir datos se soportan directamente con los módulos: zlib, gzip, bz2, lzma, zipfile
y tarfile.
>>> import zlib

>>> s = b'witch which has which witches wrist watch'
>>> len(s)
41
>>> t = zlib.compress(s)
>>> len(t)
37
>>> zlib.decompress(t)
b'witch which has which witches wrist watch'
>>> zlib.crc32(s)
226805979
Medición de rendimiento
Algunos usuarios de Python desarrollan un profundo interés en saber el rendimiento relativo de las diferentes soluciones al
mismo problema. Python provee una herramienta de medición que responde esas preguntas inmediatamente.
Por ejemplo, puede ser tentador usar la característica de empaquetamiento y desempaquetamiento de las tuplas en lugar de
la solución tradicional para intercambiar argumentos. El módulo timeit muestra rapidamente una modesta ventaja de
rendimiento:
>>> from timeit import Timer

>>> Timer('t=a; a=b; b=t', 'a=1; b=2').timeit()
0.57535828626024577
>>> Timer('a,b = b,a', 'a=1; b=2').timeit()
0.54962537085770791
En contraste con el fino nivel de granularidad del módulo timeit, los módulos profile y pstats proveen herramientas
para identificar secciones críticas de tiempo en bloques de código más grandes.
Control de calidad
Una forma para desarrollar software de alta calidad es escribir pruebas para cada función mientras se la desarrolla, y correr
esas pruebas frecuentemente durante el proceso de desarrollo.
El módulo doctest provee una herramienta para revisar un módulo y validar las pruebas integradas en las cadenas de
documentación (o docstring) del programa. La construcción de las pruebas es tan sencillo como cortar y pegar una ejecución
típica junto con sus resultados en los docstrings. Esto mejora la documentación al proveer al usuario un ejemplo y permite
que el módulo doctest se asegure que el código permanece fiel a la documentación:
def promedio(valores):
"""Calcula la media aritmética de una lista de números.
>>> print(promedio([20, 30, 70]))

40.0
"""
return sum(valores) / len(valores)
import doctest
doctest.testmod() # valida automáticamente las pruebas integradas
El módulo unittest necesita más esfuerzo que el módulo doctest, pero permite que se mantenga en un archivo
separado un conjunto más comprensivo de pruebas:
75
import unittest
class TestFuncionesEstadisticas(unittest.TestCase):
def test_promedio(self):
self.assertEqual(promedio([20, 30, 70]), 40.0)
self.assertEqual(round(promedio([1, 5, 7]), 1), 4.3)
with self.assertRaises(ZeroDivisionError):
promedio([])
with self.assertRaises(TypeError):
promedio(20, 30, 70)
unittest.main() # llamarlo de la linea de comandos ejecuta todas las pruebas
Las pilas incluidas

Python tiene una filosofía de "pilas incluidas". Esto se ve mejor en las capacidades robustas y sofisticadas de sus paquetes
más grandes. Por ejemplo:
• Los módulos xmlrpc.client y xmlrpc.server hacen que implementar llamadas a procedimientos remotos sea
una tarea trivial. A pesar de los nombres de los módulos, no se necesita conocimiento directo o manejo de XML.
• El paquete email es una biblioteca para manejar mensajes de mail, incluyendo MIME y otros mensajes basados en
RFC 2822. Al contrario de smtplib y poplib que en realidad envían y reciben mensajes, el paquete email tiene un
conjunto de herramientas completo para construir y decodificar estructuras complejas de mensajes (incluyendo
adjuntos) y para implementar protocolos de cabecera y codificación de Internet.
• El paquete json provee soporte robusto para parsear este popular formato de intercambio de datos. El módulo csv
soporta una lectura y escritura directa de archivos de valores separados por coma, comunmente soportados por bases
de datos y hojas de cálculos. Procesar XML es soportado por los paquetes xml.etree.ElementTree, xml.dom y
xml.sax. Juntos, estos tres módulos y paquetes simplifican ampliamente el intercambio de datos entre aplicaciones
Python y otras herramientas.
• El módulo sqlite3 es un wrapper para la librería de base de datos SQLite, proveyendo una base de datos persistente
que puede ser actualizada y accedida utilizando sintaxis SQL ligeramente no estándar.
• Se soporta la internacionalización a través de varios módulos, incluyendo gettext, locale, y el paquete codecs.
76
Pequeño paseo por la Biblioteca
Estándar - Parte II
Este segundo paseo cubre módulos más avanzados que facilitan necesidades de programación complejas. Estos módulos
raramente se usan en scripts cortos.
Formato de salida
El módulo reprlib provee una versión de repr() ajustada para mostrar contenedores grandes o profundamente
anidados, en forma abreviada:
>>> import reprlib

>>> reprlib.repr(set('supercalifragilisticoespialidoso'))
"{'a', 'c', 'd', 'e', 'f', 'g', ...}"
El módulo pprint ofrece un control más sofisticado de la forma en que se imprimen tanto los objetos predefinidos como los
objetos definidos por el usuario, de manera que sean legibles por el intérprete. Cuando el resultado ocupa más de una línea,
el generador de "impresiones lindas" agrega saltos de línea y sangrías para mostrar la estructura de los datos más
claramente:
>>> import pprint

>>> t = [[[['negro', 'turquesa'], 'blanco', ['verde', 'rojo']], [['magenta',
... 'amarillo'], 'azul']]]
...
>>> pprint.pprint(t, width=30)
[[[['negro', 'turquesa'],
'blanco',
['verde', 'rojo']],
[['magenta', 'amarillo'],
'azul']]]
El módulo textwrap formatea párrafos de texto para que quepan dentro de cierto ancho de pantalla:
>>> import textwrap

>>> doc = """El método wrap() es como fill(), excepto que devuelve
... una lista de strings en lugar de una gran string con saltos de
... línea como separadores."""
>>> print(textwrap.fill(doc, width=40))
El método wrap() es como fill(), excepto
que devuelve una lista de strings en
lugar de una gran string con saltos de
línea como separadores.
El módulo locale accede a una base de datos de formatos específicos a una cultura. El atributo grouping de la función
format() permite una forma directa de formatear números con separadores de grupo:
>>> import locale

>>> locale.setlocale(locale.LC_ALL, '')
'Spanish_Argentina.1252'
>>> conv = locale.localeconv() # obtener un mapeo de convenciones
>>> x = 1234567.8
>>> locale.format("%d", x, grouping=True)
'1.234.567'
77
>>> locale.format_string("%s%.*f", (conv['currency_symbol'],
... conv['frac_digits'], x), grouping=True)
'$1.234.567,80'
Plantillas
El módulo string incluye una clase versátil Template (plantilla) con una sintaxis simplificada apta para ser editada por
usuarios finales. Esto permite que los usuarios personalicen sus aplicaciones sin necesidad de modificar la aplicación en sí.
El formato usa marcadores cuyos nombres se forman con $ seguido de identificadores Python válidos (caracteres
alfanuméricos y guión de subrayado). Si se los encierra entre llaves, pueden seguir más caracteres alfanuméricos sin
necesidad de dejar espacios en blanco. $$ genera un $:
>>> from string import Template

>>> t = Template('${village}folk send $$10 to $cause.')
>>> t.substitute(village='Nottingham', cause='the ditch fund')
'Nottinghamfolk send $10 to the ditch fund.'
El método substitute() lanza KeyError cuando no se suministra ningún valor para un marcador mediante un
diccionario o argumento por nombre. Para algunas aplicaciones los datos suministrados por el usuario puede ser
incompletos, y el método safe_substitute() puede ser más apropiado: deja los marcadores inalterados cuando hay
datos faltantes:
>>> t = Template('Return the $item to $owner.')

>>> d = dict(item='unladen swallow')
>>> t.substitute(d)
...
KeyError: 'owner'
>>> t.safe_substitute(d)
'Return the unladen swallow to $owner.'
Las subclases de Template pueden especificar un delimitador propio. Por ejemplo, una utilidad de renombrado por lotes
para un visualizador de fotos puede escoger usar signos de porcentaje para los marcadores tales como la fecha actual, el
número de secuencia de la imagen, o el formato de archivo:
>>> import time, os.path

>>> photofiles = ['img_1074.jpg', 'img_1076.jpg', 'img_1077.jpg']
>>> class BatchRename(Template):
... delimiter = '%'
...
>>> fmt = input('Enter rename style (%d-date %n-seqnum %f-format): ')
Enter rename style (%d-date %n-seqnum %f-format): Ashley_%n%f
>>> t = BatchRename(fmt)
>>> date = time.strftime('%d%b%y')
>>> for i, filename in enumerate(photofiles):
... base, ext = os.path.splitext(filename)
... newname = t.substitute(d=date, n=i, f=ext)
... print('{0} --> {1}'.format(filename, newname))
...
img_1074.jpg --> Ashley_0.jpg
Las plantillas también pueden ser usadas para separar la lógica del programa de los detalles de múltiples formatos de
salida. Esto permite sustituir plantillas específicas para archivos XML, reportes en texto plano, y reportes web en HTML.
78
Trabajar con registros estructurados conteniendo datos binarios
El módulo struct provee las funciones pack() y unpack() para trabajar con formatos de registros binarios de longitud
variable. El siguiente ejemplo muestra cómo recorrer la información de encabezado en un archivo ZIP sin usar el módulo
zipfile. Los códigos "H" e "I" representan números sin signo de dos y cuatro bytes respectivamente. El "<" indica que
son de tamaño estándar y los bytes tienen ordenamiento little-endian:
import struct
with open('miarchivo.zip', 'rb') as f:

datos = f.read()
inicio = 0
for i in range(3): # mostrar los 3 primeros encabezados
inicio += 14
campos = struct.unpack('<IIIHH', datos[inicio:inicio+16])
crc32, tam_comp, tam_descomp, tam_nomarch, tam_extra = fields
inicio += 16
nomarch = datos[inicio:inicio+tam_nomarch]
inicio += tam_nomarch
extra = datos[inicio:inicio+tam_extra]
print(nomarch, hex(crc32), tam_comp, tam_descomp)
inicio += tam_extra + tam_comp # saltear hasta el próximo encabezado
Multi-hilos
La técnica de multi-hilos (o multi-threading) permite desacoplar tareas que no tienen dependencia secuencial. Los hilos se
pueden usar para mejorar el grado de reacción de las aplicaciones que aceptan entradas del usuario mientras otras tareas
se ejecutan en segundo plano. Un caso de uso relacionado es ejecutar E/S en paralelo con cálculos en otro hilo.
El código siguiente muestra cómo el módulo de alto nivel threading puede ejecutar tareas en segundo plano mientras el
programa principal continúa su ejecución:
import threading, zipfile
class AsyncZip(threading.Thread):
def __init__(self, arch_ent, arch_sal):
threading.Thread.__init__(self)
self.arch_ent = arch_ent
self.arch_sal = arch_sal
def run(self):
f = zipfile.ZipFile(self.arch_sal, 'w', zipfile.ZIP_DEFLATED)
f.write(self.arch_ent)
f.close()
print('Terminó zip en segundo plano de: ', self.arch_ent)
seg_plano = AsyncZip('misdatos.txt', 'miarchivo.zip')

seg_plano.start()
print('El programa principal continúa la ejecución en primer plano.')
seg_plano.join() # esperar que termine la tarea en segundo plano

print('El programa principal esperó hasta que el segundo plano terminara.')
El desafío principal de las aplicaciones multi-hilo es la coordinación entre los hilos que comparten datos u otros recursos. A
ese fin, el módulo threading provee una serie de primitivas de sincronización que incluyen locks, eventos, variables de
condición, y semáforos.
79
Aún cuando esas herramientas son poderosas, pequeños errores de diseño pueden resultar en problemas difíciles de
reproducir. La forma preferida de coordinar tareas es concentrar todos los accesos a un recurso en un único hilo y después
usar el módulo queue para alimentar dicho hilo con pedidos desde otros hilos. Las aplicaciones que usan objetos Queue
para comunicación y coordinación entre hilos son más fáciles de diseñar, más legibles, y más confiables.
Registrando
El módulo logging ofrece un sistema de registros (logs) completo y flexible. En su forma más simple, los mensajes de
registro se envían a un archivo o a sys.stderr:
import logging
logging.debug('Información de depuración')
logging.info('Mensaje informativo')
logging.warning('Atención: archivo de configuración %s no se encuentra',
'server.conf')
logging.error('Ocurrió un error')
logging.critical('Error crítico -- cerrando')
Ésta es la salida obtenida:
.. code-block:: none
WARNING:root:Atención: archivo de configuración server.conf no se encuentra ERROR:root:Ocurrió un error

CRITICAL:root:Error crítico -- cerrando
De forma predeterminada, los mensajes de depuración e informativos se suprimen, y la salida se envía al error estándar.
Otras opciones de salida incluyen mensajes de ruteo a través de correo electrónico, datagramas, sockets, o un servidor
HTTP. Nuevos filtros pueden seleccionar diferentes rutas basadas en la prioridad del mensaje: DEBUG, INFO, WARNING,
ERROR, and CRITICAL (Depuración, Informativo, Atención, Error y Crítico respectivamente)
El sistema de registro puede configurarse directamente desde Python o puede cargarse la configuración desde un archivo
editable por el usuario para personalizar el registro sin alterar la aplicación.
Referencias débiles
Python realiza administración de memoria automática (cuenta de referencias para la mayoría de los objetos, y garbage
collection (recolección de basura) para eliminar ciclos). La memoria se libera poco después de que la última referencia a la
misma haya sido eliminada.
Esta estrategia funciona bien para la mayoría de las aplicaciones, pero ocasionalmente aparece la necesidad de hacer un
seguimiento de objetos sólo mientras están siendo usados por alguien más. Desafortunadamente, el sólo hecho de
seguirlos crea una referencia que los hace permanentes.
El módulo weakref provee herramientas para seguimiento de objetos que no crean una referencia. Cuando el objeto no se
necesita más, es eliminado automáticamente de una tabla de referencias débiles y se dispara una retrollamada (callback).
Comúnmente se usa para mantener una cache de objetos que son caros de crear:
>>> import weakref, gc

>>> class A:
... def __init__(self, valor):
... self.valor = valor
... def __repr__(self):
... return str(self.valor)
...
>>> a = A(10) # crear una referencia
>>> d = weakref.WeakValueDictionary()
>>> d['primaria'] = a # no crea una referencia
>>> d['primaria'] # traer el objeto si aún está vivo
80
10
>>> del a # eliminar la única referencia
>>> gc.collect() # recolección de basura justo ahora
0
>>> d['primaria'] # la entrada fue automáticamente eliminada
d['primaria'] # la entrada fue automáticamente eliminada
File "C:/python36/lib/weakref.py", line 46, in __getitem__
o = self.data[key]()
KeyError: 'primaria'
Herramientas para trabajar con listas

Muchas necesidades de estructuras de datos pueden ser satisfechas con el tipo integrado lista. Sin embargo, a veces se
hacen necesarias implementaciones alternativas con rendimientos distintos.
El módulo array provee un objeto array() (vector) que es como una lista que almacena sólo datos homogéneos y de una
manera más compacta. Los ejemplos a continuación muestran un vector de números guardados como dos números binarios
sin signo de dos bytes (código de tipo "H") en lugar de los 16 bytes por elemento habituales en listas de objetos int de
Python:
>>> from array import array

>>> a = array('H', [4000, 10, 700, 22222])
>>> sum(a)
26932
>>> a[1:3]
array('H', [10, 700])
El módulo collections provee un objeto deque() que es como una lista más rápida para agregar y quitar elementos por
el lado izquierdo pero con búsquedas más lentas por el medio. Estos objetos son adecuados para implementar colas y
árboles de búsqueda a lo ancho:
>>> from collections import deque

>>> d = deque(["tarea1", "tarea2", "tarea3"])
>>> d.append("tarea4")
>>> print("Realizando", d.popleft())
Realizando tarea1
no_visitado = deque([nodo_inicial])
def busqueda_a_lo_ancho(no_visitado):
nodo = no_visitado.popleft()
for m in gen_moves(nodo):
if is_goal(m):
return m
no_visitado.append(m)
Además de las implementaciones alternativas de listas, la biblioteca ofrece otras herramientas como el módulo bisect con
funciones para manipular listas ordenadas:
>>> import bisect

>>> puntajes = [(100, 'perl'), (200, 'tcl'), (400, 'lua'), (500, 'python')]
>>> bisect.insort(puntajes, (300, 'ruby'))
>>> puntajes
[(100, 'perl'), (200, 'tcl'), (300, 'ruby'), (400, 'lua'), (500, 'python')]
81
El módulo heapq provee funciones para implementar heaps basados en listas comunes. El menor valor ingresado se
mantiene en la posición cero. Esto es útil para aplicaciones que acceden a menudo al elemento más chico pero no quieren
hacer un orden completo de la lista:
>>> from heapq import heapify, heappop, heappush

>>> datos = [1, 3, 5, 7, 9, 2, 4, 6, 8, 0]
>>> heapify(datos) # acomodamos la lista a orden de heap
>>> heappush(datos, -5) # agregamos un elemento
>>> [heappop(datos) for i in range(3)] # traemos los tres elementos menores
[-5, 0, 1]
Aritmética de punto flotante decimal

El módulo decimal provee un tipo de dato Decimal para soportar aritmética de punto flotante decimal. Comparado con
float, la implementación de punto flotante binario incluida, la clase es muy útil especialmente para:
• aplicaciones financieras y para cualquier uso que requiera una representación decimal exacta,
• control de la precisión,
• control del redondeo para satisfacer requerimientos legales o reglamentarios,
• seguimiento de cifras significativas,
• o para aplicaciones donde el usuario espera que los resultados coincidan con cálculos hechos a mano.
Por ejemplo, calcular un impuesto del 5% de una tarifa telefónica de 70 centavos da resultados distintos con punto flotante
decimal y punto flotante binario. La diferencia se vuelve significativa si los resultados se redondean al centavo más próximo:
>>> from decimal import *

>>> round(Decimal('0.70') * Decimal('1.05'), 2)
Decimal('0.74')
>>> round(0.70 * 1.05, 2)
0.73
El resultado con Decimal conserva un cero al final, calculando automáticamente cuatro cifras significativas a partir de los
multiplicandos con dos cifras significativas. Decimal reproduce la matemática como se la hace a mano, y evita problemas
que pueden surgir cuando el punto flotante binario no puede representar exactamente cantidades decimales.
La representación exacta permite a la clase Decimal hacer cálculos de modulo y pruebas de igualdad que son inadecuadas
para punto flotante binario:
>>> Decimal('1.00') % Decimal('.10')

Decimal('0.00')
>>> 1.00 % 0.10
0.09999999999999995
>>> sum([Decimal('0.1')]*10) == Decimal('1.0')

True
>>> sum([0.1]*10) == 1.0
False
El módulo decimal provee aritmética con tanta precisión como haga falta:
>>> getcontext().prec = 36
>>> Decimal(1) / Decimal(7)
Decimal('0.142857142857142857142857142857142857')
82
Entornos Virtuales y Paquetes
Introducción
Las aplicaciones en Python usualmente hacen uso de paquetes y módulos que no forman parte de la librería estándar. Las
aplicaciones a veces necesitan una versión específica de una librería, debido a que dicha aplicación requiere que un bug
particular haya sido solucionado o bien la aplicación ha sido escrita usando una versión obsoleta de la interface de la
librería.
Esto significa que tal vez no sea posible para una instalación de Python cumplir los requerimientos de todas las
aplicaciones. Si la aplicación A necesita la versión 1.0 de un módulo particular y la aplicación B necesita la versión 2.0,
entonces los requerimientos entran en conflicto e instalar la versión 1.0 o 2.0 dejará una de las aplicaciones sin funcionar.
La solución a este problema es crear un entorno virtual, un directorio que contiene una instalación de Python de una versión
en particular, además de unos cuantos paquetes adicionales.
Diferentes aplicaciones pueden entonces usar entornos virtuales diferentes. Para resolver el ejemplo de requerimientos en
conflicto citado anteriormente, la aplicación A puede tener su propio entorno virtual con la versión 1.0 instalada mientras que
la aplicación B tiene otro entorno virtual con la versión 2.0. Si la aplicación B requiere que actualizar la librería a la versión
3.0, ésto no afectará el entorno virtual de la aplicación A.
Creando Entornos Virtuales

El script usado para crear y manejar entornos virtuales es pyvenv. pyvenv normalmente instalará la versión mas reciente de
Python que tengas disponible; el script también es instalado con un número de versión, con lo que si tienes múltiples
versiones de Python en tu sistema puedes seleccionar una versión de Python específica ejecutando python3 o la versión
que desees.
To create a virtual environment, decide upon a directory where you want to place it,
Para crear un virtualenv, decide en que carpeta quieres crearlo y ejecuta el módulo venv como script con la ruta a la carpeta:
python3 -m venv tutorial-env
Esto creará la carpeta tutorial-env si no existe, y también creará las subcarpetas conteniendo la copia del intérprete
Python, la librería estándar y los archivos de soporte.
Una vez creado el entorno virtual, podrás activarlo.
En Windows, ejecuta:
tutorial-env\Scripts\activate.bat
En Unix o MacOS, ejecuta:
source tutorial-env/bin/activate
(Este script está escrito para la consola bash. Si usas las consolas csh or fish, hay scripts alternativos activate.csh y
activate.fish que deberá usar en su lugar).
Activar el entorno virtual cambiará el prompt de tu consola para mostrar que entorno virtual está usando, y modificará el
entorno para que al ejecutar python sea con esa versión e instalación en particular. Por ejemplo:
83
$ source ~/envs/tutorial-env/bin/activate
(tutorial-env) $ python
Python 3.5.1 (default, May 6 2016, 10:59:36)
...
>>> import sys
>>> sys.path
['', '/usr/local/lib/python35.zip', ...,
'~/envs/tutorial-env/lib/python3.5/site-packages']
>>>
Manejando paquetes con pip

Es posible instalar, actualizar y quitar paquetes usando un programa llamado pip. Por defecto pip instalará paquetes desde
Python Package Index (Indice de Paquetes Python), <https://pypi.python.org/pypi> . Se puede navegar el Python Package
Index ingresando con su navegador de internet, o se puede usar la búsqueda limitada de pip's:
(tutorial-env) $ pip search astronomy

skyfield - Elegant astronomy for Python
gary - Galactic astronomy and gravitational dynamics.
novas - The United States Naval Observatory NOVAS astronomy library
astroobs - Provides astronomy ephemeris to plan telescope observations
PyAstronomy - A collection of astronomy related tools for Python.
...
pip tiene varios subcomandos: "search", "install", "uninstall", "freeze", etc. (consulta la guía Instalando módulos de Python
para la documentación completa de pip.)
Se puede instalar la última versión de un paquete especificando el nombre del paquete:
(tutorial-env) $ pip install novas

Collecting novas
Downloading novas-3.1.1.3.tar.gz (136kB)
Installing collected packages: novas
Running setup.py install for novas
Successfully installed novas-3.1.1.3
También se puede instalar una verisón específica de un paquete ingresando el nombre del paquete seguido de == y el
número de versión:
(tutorial-env) $ pip install requests==2.6.0

Collecting requests==2.6.0
Using cached requests-2.6.0-py2.py3-none-any.whl
Installing collected packages: requests
Successfully installed requests-2.6.0
Si se re-ejecuta el comando, pip detectará que la versión ya está instalada y no hará nada. Se puede ingresar un número de
versión diferente para instalarlo, o se puede ejecutar pip install --upgrade para actualizar el paquete a la última
versión:
(tutorial-env) $ pip install --upgrade requests

Collecting requests
Installing collected packages: requests
Found existing installation: requests 2.6.0
Uninstalling requests-2.6.0:
Successfully uninstalled requests-2.6.0
Successfully installed requests-2.7.0
pip uninstall seguido de uno o varios nombres de paquetes desinstalará los paquetes del entorno virtual.
84
pip show mostrará información de un paquete en particular:
(tutorial-env) $ pip show requests

---
Metadata-Version: 2.0
Name: requests
Version: 2.7.0
Summary: Python HTTP for Humans.
Home-page: http://python-requests.org
Author: Kenneth Reitz
Author-email: [email protected]
License: Apache 2.0
Location: /Users/akuchling/envs/tutorial-env/lib/python3.4/site-packages
Requires:
pip list mostrará todos los paquetes instalados en el entorno virtual:
(tutorial-env) $ pip list

novas (3.1.1.3)
numpy (1.9.2)
pip (7.0.3)
requests (2.7.0)
setuptools (16.0)
pip freeze devuelve una lista de paquetes instalados similar, pero el formato de salida es el requerido por pip install.
Una convención común es poner esta lista en un archivo requirements.txt:
(tutorial-env) $ pip freeze > requirements.txt

(tutorial-env) $ cat requirements.txt
novas==3.1.1.3
numpy==1.9.2
requests==2.7.0
El archivo requirements.txt entonces puede ser agregado a nuestro control de versiones y distribuído como parte de la
aplicación. Los usuarios pueden entonces instalar todos los paquetes necesarios con install -r:
(tutorial-env) $ pip install -r requirements.txt

Collecting novas==3.1.1.3 (from -r requirements.txt (line 1))
...
Collecting numpy==1.9.2 (from -r requirements.txt (line 2))
...
Collecting requests==2.7.0 (from -r requirements.txt (line 3))
...
Installing collected packages: novas, numpy, requests
Running setup.py install for novas
Successfully installed novas-3.1.1.3 numpy-1.9.2 requests-2.7.0
pip tiene muchas opciones más. Consulta la guía Instalando módulos de Python para la documentación de pip. Cuando
hayas escrito un paquete y desees dejarlo disponible en Python Package Index, consulte la guía Glosario.
85
¿Y ahora qué?
Leer este tutorial probablemente reforzó tu interés por usar Python, deberías estar ansioso por aplicar Python a la resolución
de tus problemas reales. ¿A dónde deberías ir para aprender más?
Este tutorial forma parte del juego de documentación de Python. Algunos otros documentos que encontrarás en este juego
son:
• La referencia de la biblioteca:
Deberías hojear este manual, que tiene material de referencia completo (si bien breve) sobre tipos, funciones y
módulos de la biblioteca estándar. La distribución de Python estándar incluye un montón de código adicional. Hay
módulos para leer archivos de correo de Unix, obtener documentos vía HTTP, generar números aleatorios, interpretar
opciones de línea de comandos, escribir programas CGI, comprimir datos, y muchas otras tareas. Un vistazo por la
Referencia de Biblioteca te dará una idea de lo que hay disponible.
• Instalando módulos de Python explica cómo instalar módulos externos escritos por otros usuarios de Python.
• La referencia del lenguaje: Una descripción en detalle de la sintaxis y semántica de Python. Es una lectura pesada,
pero útil como guía completa al lenguaje en si.
Más recursos sobre Python:
• https://www.python.org: El sitio web principal sobre Python. Contiene código, documentación, y referencias a páginas
relacionadas con Python en la Web. Este sitio web tiene copias espejo en varios lugares del mundo cómo Europa,
Japón y Australia; una copia espejo puede funcionar más rápido que el sitio principal, dependiendo de tu ubicación
geográfica.
• https://docs.python.org: Acceso rápido a la documentación de Python.
• https://pypi.python.org: El Índice de Paquetes de Python, antes también apodado "El Negocio de Quesos", es un
listado de módulos de Python disponibles para descargar hechos por otros usuarios. Cuándo comiences a publicar
código, puedes registrarlo aquí así los demás pueden encontrarlo.
• https://code.activestate.com/recipes/langs/python/: El Recetario de Python es una colección de tamaño considerable

de ejemplos de código, módulos más grandes, y programas útiles. Las contribuciones particularmente notorias están
recolectadas en un libro también titulado Recetario de Python (O'Reilly & Associates, ISBN 0-596-00797-3.)
• http://www.pyvideo.org recolecta links de videos relacionados con Python de conferencias y reuniones de grupos de
usuarios.
• https://scipy.org: El proyecto "Python Científico" incluye módulos para manipulación y cálculo rápido de arreglos
además de incluir paquetes para cosas como álgebra lineal, transformaciones de Fourier, soluciones no lineales,
distribuciones de números al azar, análisis estadísticos, y similares.
Para preguntas relacionadas con Python y reportes de problemas puedes escribir al grupo de noticias comp.lang.python, o
enviarlas a la lista de correo que hay en [email protected]. El grupo de noticias y la lista de correo están
interconectadas, por lo que los mensajes enviados a uno serán retransmitidos al otro. Hay alrededor de cientos de mensajes
diarios (con picos de hasta varios cientos), haciendo (y respondiendo) preguntas, sugiriendo nuevas características, y
anunciando nuevos módulos. Antes de escribir, asegúrate de haber revisado la lista de Preguntas Frecuentes (también
llamado el FAQ). Muchas veces responde las preguntas que se hacen una y otra vez, y quizáz contega la solución a tu
problema.
87
Hay archivos de la lista de correo disponibles en https://mail.python.org/pipermail/. El FAQ responde a muchas de las
preguntas que aparecen una y otra vez, y puede que ya contenga la solución a tu problema.
88
Edición de entrada interactiva y
sustitución de historial
Algunas versiones del intérprete de Python permiten editar la línea de entrada actual, y sustituir en base al historial, de forma
similar a las capacidades del intérprete de comandos Korn y el GNU bash. Esto se implementa con la biblioteca GNU
Readline, que soporta varios estilos de edición. Esta biblioteca tiene su propia documentación la cuál no vamos a duplicar
aquí.
Autocompletado con tab e historial de edición

El autocompletado de variables y nombres de módulos es activado automáticamente al iniciar el intérprete, por lo tanto
la tecla Tab invoca la función de autocompletado; ésta mira en los nombres de sentencia, las variables locales y los nombres
de módulos disponibles. Para expresiones con puntos como string.a, va a evaluar la expresión hasta el '.' final y
entonces sugerir autocompletado para los atributos del objeto resultante. Nota que esto quizás ejecute código de
aplicaciones definidas si un objeto con un método __getattr__() es parte de la expresión. La configuración por omisión
también guarda tu historial en un archivo llamado .python_history en tu directorio de usuario. El historial estará disponible
durante la próxima sesión interactiva del intérprete.
Alternativas al intérprete interactivo

Esta funcionalidad es un paso enorme hacia adelante comparado con versiones anteriores del interprete; de todos modos,
quedan pendientes algunos deseos: sería bueno que el sangrado correcto se sugiriera en las lineas de continuación (el
parser sabe si se requiere un sangrado a continuación). El mecanismo de completado podría usar la tabla de símbolos del
intérprete. Un comando para verificar (o incluso sugerir) coincidencia de paréntesis, comillas, etc. también sería útil.
Un intérprete interactivo mejorado alternativo que está dando vueltas desde hace rato es IPython, que ofrece completado por
tab, exploración de objetos, y administración avanzada del historial. También puede ser configurado en profundidad, e
integrarse en otras aplicaciones. Otro entorno interactivo mejorado similar es bpython.
89
Aritmética de Punto Flotante:
Problemas y Limitaciones
Los números de punto flotante se representan en el hardware de la computadora en fracciones en base 2 (binario). Por
ejemplo, la fracción decimal
0.125
...tiene el valor 1/10 + 2/100 + 5/1000, y de la misma manera la fracción binaria
0.001
...tiene el valor 0/2 + 0/4 + 1/8. Estas dos fracciones tienen valores idénticos, la única diferencia real es que la primera está
escrita en notación fraccional en base 10 y la segunda en base 2.
Desafortunadamente, la mayoría de las fracciones decimales no pueden representarse exactamente como fracciones
binarias. Como consecuencia, en general los números de punto flotante decimal que ingresás en la computadora son sólo
aproximados por los números de punto flotante binario que realmente se guardan en la máquina.
El problema es más fácil de entender primero en base 10. Considerá la fracción 1/3. Podés aproximarla como una fracción
de base 10
0.3
...o, mejor,
0.33
...o, mejor,
0.333
...y así. No importa cuantos dígitos desees escribir, el resultado nunca será exactamente 1/3, pero será una aproximación
cada vez mejor de 1/3.
De la misma manera, no importa cuantos dígitos en base 2 quieras usar, el valor decimal 0.1 no puede representarse
exactamente como una fracción en base 2. En base 2, 1/10 es la siguiente fracción que se repite infinitamente:
0.0001100110011001100110011001100110011001100110011...
Frená en cualquier número finito de bits, y tendrás una aproximación. En la mayoría de las máquinas hoy en día, los float se
aproximan usando una fracción binaria con el numerador usando los primeros 53 bits con el bit más significativos y el
denominador como una potencia de dos. En el caso de 1/10, la fracción binaria es 3602879701896397 / 2 ** 55 que
está cerca pero no es exactamente el valor verdadero de 1/10.
La mayoría de los usuarios no son conscientes de esta aproximación por la forma en que se muestran los valores. Python
solamente muestra una aproximación decimal al valor verdadero decimal de la aproximación binaria almacenada por la
máquina. En la mayoría de las máquinas, si Python fuera a imprimir el verdadero valor decimal de la aproximación binaria
almacenada para 0.1, debería mostrar
>>> 0.1
0.1000000000000000055511151231257827021181583404541015625
Esos son más dígitos que lo que la mayoría de la gente encuentra útil, por lo que Python mantiene manejable la cantidad de
dígitos al mostrar en su lugar un valor redondeado
91
>>> 1 / 10
0.1
Sólo recordá que, a pesar de que el valor mostrado resulta ser exactamente 1/10, el valor almacenado realmente es la
fracción binaria más cercana posible.
Interesantemente, hay varios números decimales que comparten la misma fracción binaria más aproximada. Por ejemplo, los
números 0.1, 0.10000000000000001 y 0.1000000000000000055511151231257827021181583404541015625 son
todos aproximados por 3602879701896397 / 2 ** 55. Ya que todos estos valores decimales comparten la misma
aproximación, se podría mostrar cualquiera de ellos para preservar el invariante eval(repr(x)) == x.
Históricamente, el prompt de Python y la función integrada repr() eligieron el valor con los 17 dígitos,
0.10000000000000001. Desde Python 3.1, en la mayoría de los sistemas Python ahora es capaz de elegir la forma más
corta de ellos y mostrar 0.1.
Notá que esta es la verdadera naturaleza del punto flotante binario: no es un error de Python, y tampoco es un error en tu
código. Verás lo mismo en todos los lenguajes que soportan la aritmética de punto flotante de tu hardware (a pesar de que
en algunos lenguajes por omisión no muestren la diferencia, o no lo hagan en todos los modos de salida).
Para una salida más elegante, quizás quieras usar el formateo de cadenas de texto para generar un número limitado de
dígitos significativos:
>>> format(math.pi, '.12g') # da 12 dígitos significativos

'3.14159265359'
>>> format(math.pi, '.2f') # da 2 dígitos luego del punto

'3.14'
>>> repr(math.pi)
'3.141592653589793'
Es importante darse cuenta que esto es, realmente, una ilusión: estás simplemente redondeando al mostrar el valor
verdadero de la máquina.
Una ilusión puede generar otra. Por ejemplo, ya que 0.1 no es exactamente 1/10, sumar tres veces 0.1 podría también no
generar exactamente 0.3:
>>> .1 + .1 + .1 == .3
False
También, ya que 0.1 no puede acercarse más al valor exacto de 1/10 y 0.3 no puede acercarse más al valor exacto de 3/10,
redondear primero con la función round() no puede ayudar:
>>> round(.1, 1) + round(.1, 1) + round(.1, 1) == round(.3, 1)

False
A pesar que los números no pueden acercarse a los valores exactos que pretendemos, la función round() puede ser útil
para redondear a posteriori, para que los resultados con valores inexactos se puedan comparar entre sí:
>>> round(.1 + .1 + .1, 10) == round(.3, 10)

True
La aritmética de punto flotante binaria tiene varias sorpresas como esta. El problema con "0.1" es explicado con detalle
abajo, en la sección "Error de Representación". Mirá los Peligros del Punto Flotante (en inglés, The Perils of Floating Point)
para una más completa recopilación de otras sorpresas normales.
Como dice cerca del final, "no hay respuestas fáciles". A pesar de eso, ¡no le tengas mucho miedo al punto flotante! Los
errores en las operaciones flotantes de Python se heredan del hardware de punto flotante, y en la mayoría de las máquinas
están en el orden de no más de una 1 parte en 2**53 por operación. Eso es más que adecuado para la mayoría de las
92
tareas, pero necesitás tener en cuenta que no es aritmética decimal, y que cada operación de punto flotante sufre un nuevo
error de redondeo.
A pesar de que existen casos patológicos, para la mayoría de usos casuales de la aritmética de punto flotante al final verás
el resultado que esperás si simplemente redondeás lo que mostrás de tus resultados finales al número de dígitos decimales
que esperás. str() es normalmente suficiente, y para un control más fino mirá los parámetros del método de formateo
str.format() en Tipos integrados.
Para los casos de uso que necesitan una representación decimal exacta, probá el módulo decimal, que implementa
aritmética decimal útil para aplicaciones de contabilidad y de alta precisión.
El módulo fractions soporta otra forma de aritmética exacta, ya que implementa aritmética basada en números racionales
(por lo que números como 1/3 pueden ser representados exactamente).
Si sos un usuario frecuente de las operaciones de punto flotante deberías pegarle una mirada al paquete Numerical Python y
otros paquetes para operaciones matemáticas y estadísticas provistos por el proyecto SciPy. Mirá <https://scipy.org>.
Python provee herramientas que pueden ayudar en esas raras ocasiones cuando realmente querés saber el valor exacto de
un float. El método float.as_integer_ratio() expresa el valor del float como una fracción:
>>> x = 3.14159
>>> x.as_integer_ratio()
(3537115888337719, 1125899906842624)
Ya que la fracción es exacta, se puede usar para recrear sin pérdidas el valor original:
>>> x == 3537115888337719 / 1125899906842624

True
El método float.hex() expresa un float en hexadecimal (base 16), nuevamente devolviendo el valor exacto almacenado
por tu computadora:
>>> x.hex()
'0x1.921f9f01b866ep+1'
Esta representación hexadecimal precisa se puede usar para reconstruir el valor exacto del float:
>>> x == float.fromhex('0x1.921f9f01b866ep+1')
True
Ya que la representación es exacta, es útil para portar valores a través de diferentes versiones de Python de manera
confiable (independencia de plataformas) e intercambiar datos con otros lenguajes que soportan el mismo formato (como
Java y C99).
Otra herramienta útil es la función math.fsum() que ayuda a mitigar la pérdida de precisión durante la suma. Esta función
lleva la cuenta de "dígitos perdidos" mientras se suman los valores en un total. Eso puede hacer una diferencia en la
exactitud de lo que se va sumando para que los errores no se acumulen al punto en que afecten el total final:
>>> sum([0.1] * 10) == 1.0

False
>>> math.fsum([0.1] * 10) == 1.0
True
Error de Representación
Esta sección explica el ejemplo "0.1" en detalle, y muestra como en la mayoría de los casos vos mismo podés realizar un
análisis exacto como este. Se asume un conocimiento básico de la representación de punto flotante binario.
93
Error de representación se refiere al hecho de que algunas (la mayoría) de las fracciones decimales no pueden
representarse exactamente como fracciones binarias (en base 2). Esta es la razón principal de por qué Python (o Perl, C,
C++, Java, Fortran, y tantos otros) frecuentemente no mostrarán el número decimal exacto que esperás.
¿Por qué es eso? 1/10 no es representable exactamente como una fracción binaria. Casi todas las máquinas de hoy en día
(Noviembre del 2000) usan aritmética de punto flotante IEEE-754, y casi todas las plataformas mapean los flotantes de
Python al "doble precisión" de IEEE-754. Estos "dobles" tienen 53 bits de precisión, por lo tanto en la entrada la computadora
intenta convertir 0.1 a la fracción más cercana que puede de la forma J/2***N* donde J es un entero que contiene
exactamente 53 bits. Reescribiendo
1 / 10 ~= J / (2**N)
...como
J ~= 2**N / 10
...y recordando que J tiene exactamente 53 bits (es >= 2**52 pero < 2**53), el mejor valor para N es 56:
>>> 2**52 <= 2**56 // 10 < 2**53

True
O sea, 56 es el único valor para N que deja J con exactamente 53 bits. El mejor valor posible para J es entonces el cociente
redondeado:
>>> q, r = divmod(2**56, 10)

>>> r
6
Ya que el resto es más que la mitad de 10, la mejor aproximación se obtiene redondeándolo:
>>> q+1
7205759403792794
Por lo tanto la mejor aproximación a 1/10 en doble precisión 754 es:
7205759403792794 / 2 ** 56
El dividir tanto el numerador como el denominador reduce la fracción a:
3602879701896397 / 2 ** 55
Notá que como lo redondeamos, esto es un poquito más grande que 1/10; si no lo hubiéramos redondeado, el cociente
hubiese sido un poquito menor que 1/10. ¡Pero no hay caso en que sea exactamente 1/10!
Entonces la computadora nunca "ve" 1/10: lo que ve es la fracción exacta de arriba, la mejor aproximación al flotante doble
de 754 que puede obtener:
>>> 0.1 * 2 ** 55
3602879701896397.0
Si multiplicamos esa fracción por 10**55, podemos ver el valor hasta los 55 dígitos decimales:
>>> 3602879701896397 * 10 ** 55 // 2 ** 55
1000000000000000055511151231257827021181583404541015625
...lo que significa que el valor exacto almacenado en la computadora es igual al valor decimal
0.1000000000000000055511151231257827021181583404541015625. En lugar de mostrar el valor decimal completo,
muchos lenguajes (incluyendo versiones más viejas de Python), redondean el resultado a 17 dígitos significativos:
>>> format(0.1, '.17f')

'0.10000000000000001'
94
Los módulos fractions y decimal hacen fácil estos cálculos:
>>> from decimal import Decimal

>>> from fractions import Fraction
>>> Fraction.from_float(0.1)
Fraction(3602879701896397, 36028797018963968)
>>> (0.1).as_integer_ratio()
(3602879701896397, 36028797018963968)
>>> Decimal.from_float(0.1)
Decimal('0.1000000000000000055511151231257827021181583404541015625')
>>> format(Decimal.from_float(0.1), '.17')

'0.10000000000000001'
95
Links a la documentación de Python
Lo siguiente es una serie de enlaces que apuntan a la documentación de Python que no está traducida.
Se incluye aquí sólo a modo de referencia, y para hacer poder llegar fácil a la documentación de cada ítem cuando se
apunta al mismo en el tutorial.
Extendiendo e Integrando el Intérprete de Python

• Índice
Referencia de la API Python/C

• Índice
La referencia de la biblioteca
• Índice
Tipos integrados
• Tipos de cadena
• Métodos de las cadenas
• Formateo de cadenas
• Antiguo formateo de cadenas
• Tipos de mapeo
• Tipos de secuencia
• Tipos de números complejos
Excepciones integradas
• Excepciones integradas
La referencia del lenguaje

• Índice
Expresiones
• lambda
• in
97
Declaraciones simples
• assert
• break
• continue
• del
• global
• import
• nonlocal
• pass
• raise
• return
• yield
Declaraciones compuestas
• for
• if, elif, else
• try, except, finally
• while
• with
• def
Instalando módulos de Python

• Índice
Glosario
mutables
https://docs.python.org/3/glossary.html#term-mutable
archivo de texto
https://docs.python.org/3/glossary.html#term-text-file
entorno virtual
https://docs.python.org/3/glossary.html#term-virtual-environment
Distribuyendo módulos de Python

• Índice
Línea de comandos y entorno
98
• Línea de comandos y entorno
99
Apéndice
Modo interactivo
Manejo de errores
Cuando ocurre un error, el intérprete imprime un mensaje de error y la traza del error. En el modo interactivo, luego retorna al
prompt primario; cuando la entrada viene de un archivo, el programa termina con código de salida distinto a cero luego de
imprimir la traza del error. (Las excepciones manejadas por una clausula except en una sentencia try no son errores en
este contexto). Algunos errores son incondicionalmente fatales y causan una terminación con código de salida distinto de
cero; esto se debe a inconsistencias internas o a que el intérprete se queda sin memoria. Todos los mensajes de error se
escriben en el flujo de errores estándar; las salidas normales de comandos ejecutados se escriben en la salida estándar.
Al ingresar el caracter de interrupción (por lo general Control-C o Supr) en el prompt primario o secundario, se cancela la
entrada y retorna al prompt primario. 9 Tipear una interrupción mientras un comando se están ejecutando lanza la excepción
KeyboardInterrupt, que puede ser manejada con una sentencia try.
Programas ejecutables de Python

En los sistemas Unix y tipo BSD, los programas Python pueden convertirse directamente en ejecutables, como programas
del intérprete de comandos, poniendo la linea:
#! /usr/bin/env python3.5
...al principio del script y dándole al archivo permisos de ejecución (asumiendo que el intérprete están en la variable de
entorno PATH del usuario). #! deben ser los primeros dos caracteres del archivo. En algunas plataformas, la primera línea
debe terminar al estilo Unix ('\n'), no como en Windows ('\r\n'). Notá que el caracter numeral '#' se usa en Python
para comenzar un comentario.
Se le puede dar permisos de ejecución al script usando el comando chmod:
.. code-block:: bash
$ chmod +x myscript.py
En sistemas Windows, no existe la noción de "modo ejecutable". El instalador de Python asocia automáticamente la
extensión .py con python.exe para que al hacerle doble click a un archivo Python se corra el script. La extensión también
puede ser .pyw, en este caso se omite la ventana con la consola que normalmente aparece.
El archivo de inicio interactivo

Cuando usás Python en forma interactiva, suele ser útil que algunos comandos estándar se ejecuten cada vez que el
intérprete se inicia. Podés hacer esto configurando la variable de entorno PYTHONSTARTUP con el nombre de un archivo que
contenga tus comandos de inicio. Esto es similar al archivo .profile en los intérpretes de comandos de Unix.
Este archivo es solo leído en las sesiones interactivas del intérprete, no cuando Python lee comandos de un script ni cuando
/dev/tty se explicita como una fuente de comandos (que de otro modo se comporta como una sesión interactiva). Se ejecuta
en el mismo espacio de nombres en el que los comandos interactivos se ejecutan, entonces los objetos que define o importa
pueden ser usados sin cualificaciones en la sesión interactiva. En este archivo también podés cambiar los prompts sys.ps1
y sys.ps2.
101
Si querés leer un archivo de inicio adicional desde el directorio actual, podés programarlo en el archivo de inicio global
usando algo como if os.path.isfile('.pythonrc.py'): exec(open('.pythonrc.py').read()). Si querés
usar el archivo de inicio en un script, tenés que hacer lo siguiente de forma explícita en el script:
import os
nombrearchivo = os.environ.get('PYTHONSTARTUP')
if nombrearchivo and os.path.isfile(nombrearchivo):
with open(nombrearchivo) as fobj:
archivo_inicio = fobj.read()
exec(archivo_inicio)
Los módulos de customización

Python provee dos formas para customizarlo: sitecustomize y usercustomize. Para ver como funciona, necesitás
primero encontrar dónde está tu directorio para tu usuario de paquetes del sistema. Arrancá Python y ejecutá el siguiente
código:
>>> import site

>>> site.getusersitepackages()
'/home/user/.local/lib/python3.5/site-packages'
Ahora podés crear un archivo llamado usercustomize.py en ese directorio y poner lo que quieras en él. Eso afectará cada
ejecución de Python, a menos que se arranque con la opción -s para deshabilitar esta importación automática.
sitecustomize funciona de la misma manera, pero normalmente lo crea el administrador de la computadora en el

directorio global de paquetes para el sistema, y se importa antes que usercustomize. Para más detalles, mirá la
documentación del módulo site.
9 A problem with the GNU Readline package may prevent this.
102
103
En este BONUS vas a conocer y profundizar en:
• Referencia de Operadores
• Librería math
• Condicionales
• El debugger
• Funciones útiles
• Iteradores
• Instalación de paquetes con pip
• Strings
• Métodos de los strings
• La librería String
• La librería datetime
• Librería csv
• Generadores
• Decoradores
• Programación orientada a objetos
• Buenas prácticas en la programación orientada a objetos
• Principios de diseño
• Descripción de reglas de diseño
• Introducción al Lenguaje Unificado de Modelado
• Diagramas estructurales
• Diagrama de comportamiento
• La Librería unittest
• Refactorings
• La técnica de programación TDD
• Instalación de SQLite y SQLiteBrowser
• Base de datos relacional
• Integridad de datos
• Índices
• Referencia SQL: Tablas
• Referencia SQL: Datos de las tablas
• JOINS de tablas
• Libraría sqlite3
• Adaptadores y conversores
• Migraciones o cambios de esquema
• Introducción a SQLAlchemy
• Referencia API de consultas
• Relaciones entre modelos
Referencia de operadores
Operadores
Los operadores son símbolos que define el lenguaje para hacer una operación concreta.
Existen operadores unarios que requieren un operando y operadores binarios que
requieren dos operandos.
Por ejemplo, para realizar la suma de dos números Python provee el operador “+”.
A continuación, presentaremos los distintos tipos de operadores que provee el lenguaje.
Operadores aritméticos
Los operadores aritméticos nos permiten realizar operaciones aritméticas básicas. Estos
operadores son binarios y devuelven el resultado de la operación aritmética que define.
Operador Descripción Ejemplo Resultado
+ Suma 1+1 2
- Resta 2-1 1
* Multiplicación 3*4 12
/ División 3/2 1.5
// División entera 3 // 2 1
% Módulo o resto 3%2 1
** Potencia 3 ** 2 9
Operadores de asignación
Los operadores de asignación nos permiten asignar un valor a una variable. En definitiva
el operador “=” es el que nos permite definir variables.
Los operadores de asignación son binarios. El operando de la izquierda necesariamente
tiene que ser una variable, mientras que el operando de la derecha puede ser cualquier
expresión. Este operador no devuelve nada.
Material de la Universidad Austral, preparado por el profesor Agustín Olmedo, Buenos Aires, Argentina, en enero
de 2019 para su uso en el Programa Especializado de “Aprende a programar con Python”. Prohibida la
reproducción, total o parcial sin previa autorización escrita por parte del autor.
1
= Asignación a=1 El valor de a es 1
+= Asigna la suma de la a = 1 El valor de a es 2

variable con el a += 1
resultado de la
expresión de la
derecha
-= Asigna la resta de la a = 2 El valor de a es 1

variable con el a -= 1
resultado de la
expresión de la
derecha
*= Asigna la a = 1 El valor de a es 4
multiplicación de la a *= 4
variable con el
resultado de la
expresión de la
derecha
/= Asigna la división de a = 3 El valor de a es 1.5

la variable con el a /= 2
resultado de la
expresión de la
derecha
//= Asigna la división a = 3 El valor de a es 1

entera de la variable a //= 2
con el resultado de la
expresión de la
derecha
%= Asigna el módulo o a = 3 El valor de a es 1

resto de la variable a %= 2
con el resultado de la
expresión de la
derecha
**= Asigna la potencia de a = 3 El valor de a es 9

la variable con el a **= 2
resultado de la
expresión de la
derecha
2
Operadores de comparación
Los operadores relacionales o de comparación nos permiten comparar dos expresiones.
Los operadores de comparación son binarios y devuelve un Booleano (True o False)
como resultado.
== Igual 1 == 1 True
!= Distinto 1 != 2 True
< Menor 3<4 True
<= Menor o igual 3 <= 10 False
> Mayor 3>2 True
>= Mayor o igual 3 >= 5 False
Operadores lógicos
Los operadores lógicos nos permiten armar expresiones lógicas más complejas
combinando expresiones que devuelven Booleanos. Hay operadores lógicos unarios y
binarios. Y devuelven como resultado un Booleano.
and “Y” o conjunción True and True True

lógica
or “O” o disyunción True or False True

lógica
not “No” o negación not True False

lógica
Tablas de verdad
A continuación, se muestran las tablas de verdad de cada uno de los operadores lógicos.
3
AND
Operando 1 Operando 2 Resultado
True True True
True False False
False True False
False False False
OR
Operando 1 Operando 2 Resultado
True True True
True False True
False True True
False False False
Not
Operando Resultado
True False
False True
Precedencia de operadores
A continuación, se muestra la tabla de precedencia de los operadores.
Cabe destacar que con los paréntesis podemos cambiar la precedencia evaluando lo que
está dentro del paréntesis primero.
4
Orden Precedencia Operadores Descripción
1 ** Potencia
2 *, /, %, // Multiplicación, división, módulo y

división entera
3 +, - Suma, resta
4 <=, <, >, >= Operadores de comparación
5 ==, != Operadores de igualdad
6 not, or, and Operadores lógicos
7 =, %=, /=, //=, -=, +=, *=, **= Operadores de asignación
5
Librería math
La librería math forma parte de la librería estándar de Python. El módulo math permite
el acceso a las funciones de la biblioteca C subyacente para la matemática de punto
flotante.
Para utilizar cualquier función o constante que ofrece la librería hay que importarla
con:
import math
Referencia librería math
En esta sección presentaremos una breve referencia.
Constantes
A continuación presentaremos las constantes matemáticas que provee la librería

math:
Constante Descripción Valor
pi Número Pi 3.141592653589793
e Número e 2.718281828459045
tau Tau equivalente a 2*Pi 6.283185307179586
inf Infinito positivo inf
nan “not a number” (NaN) nan
Funciones
A continuación presentaremos algunas de las funciones que provee la librería math:
Función Descripción Ejemplo Resultado
ceil Redondea al siguiente ceil(3.2) 4

entero
floor Redondea al entero anterior floor(3.2) 3
fabs Valor absoluto fabs(-4) 4
1
factorial Función factorial factorial(4) 24
Funciones de potencia y logarítmicas
exp e^x exp(1) e
expm1 (e^x) - 1 exp(1) e-1
log logaritmo natural log(e) 1
log2 logaritmo en base 2 log(2) 1
log10 logaritmo en base 10 log(10) 1
pow Potencia pow(3,2) 9
sqrt Raíz cuadrada sqrt(9) 3
Funciones trigonométricas
acos arco coseno acos(1) 0
asin arco seno asin(0) 0
atan arco tangente atan(0) 0
cos coseno cos(pi) -1
hypot hipotenusa hypot(1,1) 1.41421356...
sin seno sin(pi/2) 1
tan tangente tan(pi/4) 0.9999999...
2
Condicionales
Los condicionales nos permiten que el programa ejecute un conjunto de sentencias o no
según se cumpla una condición sobre el contexto de ejecución del programa. Esta
condición debe ser una expresión booleana, es decir, que evalúa a Verdadero o Falso.
Los condicionales nos permiten que el programa tome decisiones según el contexto de
ejecución. Es decir, puede comportarse de una manera u otra según el contexto.
A continuación, veremos las diferentes formas que provee Python para utilizar los
condicionales.
Ejecución condicional
La ejecución condicional nos permite ejecutar o no un conjunto de sentencias. Para esto
Python nos provee la sentencia if.
La sintaxis básica para una sentencia if es:
if EXPRESION BOOLEANA:
SENTENCIAS
Por ejemplo:
x=2
if x >= 0:
print(“El número”, x, “es positivo”)
En el ejemplo, la variable x tiene el valor 2, con lo cual se imprimirá en pantalla el

mensaje “El número 2 es positivo”. Si la variable x tuviera, por ejemplo, el valor -1
entonces no se imprimirá ningún mensaje en pantalla.
Ejecución alternativa
La ejecución alternativa nos permite ejecutar un bloque de código u otro según se
cumpla una condición o su complemento.
Para esto Python nos provee las sentencias if...else.
La sintaxis de la ejecución alternativa es:
1
SENTENCIAS
else:
SENTENCIAS
Por ejemplo:
x=2
if x >= 0:
else:
print(“El número”, x, “es negativo”)
Este ejemplo, es similar al anterior. Solo que si la variable x tiene asignado un número
negativo, por ejemplo, el -1 entonces imprimirá en pantalla el mensaje “El número -1 es
negativo”.
Condicionales encadenados
Python nos permite hacer condicionales encadenados con la sentencia elif. Esta forma
de escribir los condicionales nos servirá cuando tengamos más de 2 condiciones
disjuntas. Se pueden poner tantas condiciones como uno requiera. Y además, si no se
cumple ninguna de las condiciones se puede ejecutar el bloque de código que figura en
el else.
La sintaxis de los condicionales encadenados es:
SENTENCIAS
elif EXPRESION BOOLEANA:
SENTENCIAS
...
elif EXPRESION BOOLEANA:
SENTENCIAS
else:
SENTENCIAS
Por ejemplo:
2
x=2
if x > 0:
elif x < 0:
else:
print(“El número es igual a cero”)
En este ejemplo, dividimos las tres posibilidades escribiendo las dos condiciones, si x es
mayor que cero y si x es menor que cero, y si no se cumplen ninguna de esas condiciones
es porque x es cero.
Condicionales anidados
Python nos permite anidar los condicionales. Es decir, dentro de las sentencias que se
ejecutan dentro del cuerpo del if y/o del else poner otro condicional.
Si bien el lenguaje lo permite, en muchos casos, el código queda más complejo de
entender. Dependerá de las condiciones que tengamos que programar, que sea mejor
escribirlo de una forma u otra.
La sintaxis para anidar condicionales es:
SENTENCIAS
else:
SENTENCIAS
else:
SENTENCIAS
else:
SENTENCIAS
Por ejemplo:
x=2
if x > 0:
else:
3
if x < 0:
else:
print(“El número es igual a cero”)
Condiciones
Dedicamos este apartado a explicar un poco qué se puede poner en las condiciones.
Como mencionamos, puede ser cualquier expresión booleana, es decir, una expresión
que devuelva un valor booleano.
Con lo cual, podemos utilizar todos los operadores relacionales o de comparación y
además formar expresiones compuestas uniendo distintas expresiones booleanas con
los operadores lógicos.
4
El debugger
El depurador (o debugger) es una herramienta que nos permite correr el programa paso
a paso para encontrar el error (o bug) que tiene nuestro programa.
Cuando identificamos que hay un error en nuestro programa, tenemos una idea de los
lugares donde podría estar el error. Entonces lo que hacemos es definir un punto de
interrupción (breakpoint) para poder analizar las variables y seguir paso a paso cómo se
va ejecutando el programa, si está siguiendo el flujo de ejecución que debería seguir o
si las variables están teniendo los valores correspondientes.
PDB
La biblioteca estándar de Python provee un módulo para depurar el código llamado pdb.
Para definir un breakpoint con pdb primero tenemos que importar el módulo y luego
llamar a la función set_trace:
import pdb
pdb.set_trace()
En la línea que hayamos llamado a la función set_trace, se detendrá el programa y

podremos tomar control de la ejecución del programa.
A continuación se presenta una breve referencia de los comandos más utilizados de pdb,
estos comandos se utilizan cuando el programa frena en el punto que pusimos el
breakpoint y nos da el control del mismo.
Comando Descripción
h(elp) Muestra la ayuda de todos los comandos que provee pdb.
s(tep) Ejecuta la línea actual. Si en la línea actual hay una llamada de función se
mete dentro del código de la función para poder seguir la ejecución de la
misma.
n(ext) Continúa la ejecución hasta la próxima línea.
r(eturn) Continúa la ejecución hasta el return de la función actual.
c(ont(inue)) Continúa la ejecución hasta le próximo breakpoint. Si no hay otro

breakpoint. Ejecutará hasta el fin del programa.
1
l(ist) Muestra el código del archivo actual.
p Evalúa la expresión pasada como parámetro, la evalua en el contexto

actual e imprime su valor.
q(uit) Sale del depurador. El programa es abortado.
Cabe destacar que se puede instalar la librería ipdb, que es una versión mejorada del
módulo pdb. Por ejemplo, tiene autocompletado y se pueden recorrer los comando
ejecutados anteriormente con la flecha hacia arriba.
Configuración del depurador en Visual Studio Code
En esta sección se explicará cómo correr y configurar el depurador de Visual Studio Code
con Python.
Para definir un breakpoint nos posicionamos en la línea donde queremos definir el

mismo y presionamos F9 o hacemos click a la izquierda donde esta el circulo rojo.
Para configurar el debugger seleccionar la configuración dentro de la caja de

herramientas “debugger” o eligiendo la opción del menú Debug -> Open configurations.
Esto creará el archivo launch.json conteniendo varias configuraciones posibles.

Seleccionar la opción “Python: Current File (Integrated Terminal)”.
Luego presionar F5 o ir elegir del menú Debug -> Start Debugging para ejecutar el
programa hasta el breakpoint definido.
Para más detalle del uso y configuración del depurador en Visual Studio Code ver la
documentación1.
1
https://code.visualstudio.com/docs/python/python-tutorial#_configure-and-run-the-debugger.
2
Funciones útiles
Funciones built-ins
El intérprete de Python tiene incluido algunos tipos y funciones que están siempre
disponibles, es decir, sin necesidad de importar una librería. Ni siquiera una librería de
la biblioteca estándar de Python. Estos tipos y funciones son conocidos como built-ins
de Python.
Para ver todos los built-ins que provee Python ver la documentación1.
A continuación describiremos algunas de estas funciones:
Función Descripción
print Escribe en la salida estándar. Nos permite imprimir un texto en pantalla.
range Tipo inmutable que representa un rango de valores.
enumerate Devuelve un objeto enumerador. Se le pasa un iterable y devuelve un

iterable enumerado con el índice correspondiente a cada elemento.
input Lee desde la entrada estándar. Nos permite pedirle al usuario que ingrese
algún valor.
int Devuelve un entero a partir de un número o de un string, o cero si no

recibe argumentos
float Devuelve un número de punto flotante a partir de un número o de un

string, o cero si no recibe argumentos
str Devuelve el objeto como una cadena de caracteres.
bool Devuelve el valor booleano correspondiente al valor recibido como

parámetro.
type Devuelve el tipo de un objeto.
1
https://docs.python.org/3/library/functions.html
1
Iteradores
Los iteradores son tipos de datos que pueden ser recorridos secuencialmente mediante
el uso del ciclo for.
Para esto, los objetos iterables deben saber responder los mensajes __iter__ y __next__.
El mensaje __iter__ devuelve un iterador, que debe ser un objeto que sepa responder
el mensaje __next__. El mensaje __next__ devuelve el próximo elemento de la
secuencia.
Veamos un ejemplo:
lista = [1,2,3,4,5]
for elemento in lista:
print(elemento)
Las listas son objetos iterables. Lo primero que hace el ciclo for es llamar a la función
iter() del contenedor u objeto iterable. Esta función devuelve un objeto iterador que
define el método __next__ que accede elementos en el contenedor de a uno por vez.
Cuando no hay más elementos en el contenedor, la función __next__ levanta una
excepción del tipo StopIteration que le avisa al ciclo for que debe terminar.
Ahora que hemos visto cómo funciona internamente el ciclo for, es fácil crear nuestros
propios iteradores para luego recorrerlos con el ciclo for.
Con lo cual, para crear un iterador alcanza definir una clase que defina los métodos
__iter__ y __next__. En el caso del método __iter__, si la misma clase tiene definido el
método __next__, alcanza que devuelva self (es decir, que se devuelva a sí misma).
El método __next__ debería contener la lógica de cómo acceder al siguiente elemento
de la secuencia.
1
Cabe destacar que los métodos __iter__ y __next__ son métodos mágicos. Los métodos
mágicos son aquellos que comienzan y terminan con doble guión bajo, que no están
pensados para ser invocados manualmente sino que son llamados por Python en
situaciones particulares. En este caso el __iter__ y el __next__ son llamados por el for.
Veamos un ejemplo:
Si queremos hacer un iterador que recorra los elementos de una lista de atrás para
adelante, podemos crearlo de la siguiente manera:
class Reversa:
"""Iterador para recorrer una secuencia de atrás para adelante."""
def __init__(self, datos):

self.datos = datos
self.indice = len(datos)
def __iter__(self):
return self
def __next__(self):
if self.indice == 0:
raise StopIteration()
self.indice = self.indice - 1
return self.datos[self.indice]
2
Con lo cual, si hago:
for elemento in Reversa([1,2,3,4]):

print(elemento)
Se imprimirá en pantalla primero el elemento 4, seguido del elemento 3, luego el

elemento 2 y por último el elemento 1.
De esta manera puedo crear mis propios objetos iterables con el comportamiento que
necesite definir.
3
Instalación de paquetes con pip
pip es un gestor de paquetes utilizado para instalar y administrar paquetes de Python.
Por ejemplo, si quiero instalar una librería que maneje las conexiones con la base de
datos, o que envíe emails, etc. busco el paquete correspondiente y lo instalo con pip.
En PyPI1, el sitio oficial de paquetes de Python, hay una gran cantidad de paquetes de
Python con funcionalidades muy diversas. Desde ese sitio podrás buscar los paquetes
que necesites instalar para utilizar en tus programas.
A partir de la versión de Python 3.4 se incluye pip por defecto.
Para instalar paquetes con pip hacer:

pip install nombre-paquete
Para desinstalar paquetes con pip hacer:

pip uninstall nombre-paquete
Además pip permite gestionar listas de paquetes y sus números de versión

correspondientes a través de un archivo de requerimientos. Esto permite la recreación
de un conjunto de paquetes en un entorno separado, por ejemplo, otra computadora o
un entorno virtual.
Para instalar una lista de paquetes con pip hacer:

pip install -r requerimientos.txt
Por último, para ver la versión que tenemos instalada de un paquete hacer:
pip show nombre-paquete
1https://pypi.org/
1
Strings
Los strings o cadena de caracteres son secuencias ordenadas de caracteres.

Existen diversa formas de definir los strings. Por ejemplo:
“Hola Mundo!” # Con comillas dobles

‘Hola Mundo!’ # Con comillas simples
“””Hola Mundo!””” # Con triple comillas dobles
‘’’Hola Mundo!’’’ # Con triple comillas simples
Las primeras dos formas nos permiten definir strings de una sola línea, es decir,
sin saltos de línea. En la tercera y cuarta forma, en cambio, se pueden definir strings con
saltos de línea. Esta es la principal diferencia entre los diversos modos de definirlos. Para
saber si utilizar comillas simples o dobles existen convenciones y no hay ninguna
limitante técnica. Por lo cual, dependerá del código que estés modificando, seguir las
convenciones adoptadas, o si es un código propio o nuevo, adoptar una convención.
Como los strings son una secuencia podemos utilizar algunas funciones u
operaciones de las secuencias con los strings. Por ejemplo, para acceder a un carácter o
a un subsecuencia de caracteres del string podemos utilizar la indexación. También
podemos pedirle la longitud con la función len. Veamos algunos ejemplos:
a_string = ‘Hola Mundo!’
# Acceso a caracteres del string.

a_string[0] # Devuleve H
a_string[-1] # Devuelve !
# Slicing de un string
a_string[:4] # Devuelve Hola
Material de la Universidad Austral, preparado por el profesor Agustín Olmedo, Buenos Aires, Argentina, en febrero
a_string[5:9] # Devuelve Mundo
# Longitud del string

len(a_string) # Devuelve 11
Los strings son inmutables. Esto quiere decir que no se pueden modificar. Lo que
sí se puede hacer es construir un nuevo string a partir de uno o más strings o hacer una
copia del mismo. En caso de querer modificar un string se levantará una excepción del
tipo TypeError. Veamos algunos ejemplos:
a_string = ‘Hola Mundo!’
a_string[6] = ‘o’ # Dará un error de tipo TypeError
new_string = a_string + ‘?’ # Genera el string Hola Mundo!?
new_string = a_string[:6] +’o’ + a_string[7:] # Genera el string Hola Mondo!
Como se puede ver con el operador + se concatenan strings de manera que se crea un
nuevo string a partir de dos strings.
Caracteres de escape
En algunas ocasiones es necesario escapar algún carácter. Por ejemplo si estoy

definiendo el string con comilla simple y el contenido del string tiene una comilla simple,
para que se interprete correctamente debo escapar esa comilla simple. Para escapar
caracteres dentro de un string se utiliza la barra invertida (\). En la siguiente tabla
mostramos las secuencia de escape más utilizadas.
Secuencia de Descripción Ejemplo Resultado

escape
\newline Barra invertida y print(“linea1 \ linea1 linea2 linea3

nueva línea ignorada. linea2 \
linea3”)
2
\\ Barra invertida print("\\") \
\’ Comilla simple print('\'') ‘
\” Comilla doble print(“\””) “
\n Salto de línea (LF) print(“Hola \n Mundo!”) Hola

Mundo!
\r Salto de línea (CR) print(“Hola \r Mundo!”) Hola

Mundo!
\t Tabulador horizontal print(“Hola \t Mundo!”) Hola Mundo!
Strings con contenido dinámico
Por otro lado, se pueden crear strings con contenido dinámico. A continuación
mostramos algunos ejemplos.
name = "Agustín"
"Hola %s" % name # Resultado: Hola Agustín
"El número es %d" % 5 # Resultado: El número es 5
"El número es %02d" % 5 # Resultado: El número es 005
"El decimal es %f" % 6.5 # Resultado: El número es 6.500000
"El decimal es %.2f" % 6.5 # Resultado: El número es 6.50
"Hola %(name)s" % {'name': name} # Resultado: Hola Agustín
Esta es una de las formas heredadas del lenguaje C1. Luego se presentará una
forma más actual utilizando la función format.
Codificación de los strings
Por último, veamos la codificación de los strings. En Python 3 todos los strings
son unicode. Esto es una gran ventaja con respecto a la versión anterior de Python. Por
un lado, se pueden representar todos los caracteres que necesitemos. Por otro lado,
dentro del programa no tendremos errores de codificación de los strings ya que todos
son unicode.
1
https://docs.python.org/3/library/stdtypes.html#printf-style-string-formatting
3
Entonces, ¿Cuando tendremos que codificar los strings?
Los strings habrá que codificarlos (pasar de unicode a un byte array con una
codificación determinada) o decodificarlos (pasar de un byte array con una codificación
determinada a unicode) en dos momentos. Cuando ingresa un string desde afuera
(desde un archivo, un web service, etc.), si el mismo no es unicode, habrá que
decodificarlo a unicode. Y cuando necesitemos extraer datos de nuestro sistema,
cuando los datos los necesitemos en cierta codificación, los tendremos que codificar con
dicha codificación. Veamos un ejemplo de cómo codificar y decodificar los strings.
a_string = ’Otoño’
# Codifico el string a utf-8

coding_string = a_string.encode('utf-8') # Respuesta: b'Oto\xc3\xb1o'
# Decodifico el byte array en utf-8

coding_string.decode('utf-8') # Respuesta: 'Otoño'
4
Métodos de los strings
A continuación, se presentan los métodos más relevantes de los strings:
Nombre Descripción Ejemplo Resultado
capitalize Capitaliza un string. ‘prueba’.capitalize() ‘Prueba’
center Centra un string en un ancho pasado ‘prueba’.center(10, ‘*’) ‘**prueba**’

como parámetro y rellena los lugares
faltantes con el carácter indicado. Si no
se indica nada se rellena con espacios.
count Devuelve la cantidad de veces que 'prueba'.count('u') 1

aparece un substring en el string.
encode Codifica un string con cierta 'prueba'.encode('utf-8') b’prueba’

codificación.
endswith Indica si el string termina con el 'prueba'.endswith('a') True

substring pasado como parámetro.
find Busca el substring pasado como ‘prueba’.find(‘e’) 3

parámetro en el string y devuelve el
índice donde lo encontró o -1 en caso
de no encontrarlo.
format Realiza una operación de formato del ‘Hola {}!’.format(‘Mundo’) ‘Hola Mundo!’
string.
index Busca el substring pasado como ‘prueba’.index(‘e’) 3

parámetro en el string y devuelve el
índice donde lo encontró o ValueError
en caso de no encontrarlo.
isalnum Indica si el string contiene solo 'prueba10'.isalnum() True
caracteres alfanumérico.
isalpha Indica si el string contiene solo 'prueba'.isalpha() True

caracteres alfabéticos.
isdecimal Indica si el string contiene solo '10'.isdecimal() True

caracteres decimales.
isdigit Indica si el string contiene solo digitos. '10'.isdigit() True
islower Indica si el string contiene solo ‘prueba’.islower() True

caracteres en minúsculas.
isnumeric Indica si el string contiene solo '10'.isnumeric() True

caracteres numéricos.
isprintable Indica si el string contiene solo ‘Prueba’.isprintable() True

caracteres imprimibles.
isspace Indica si el string contiene solo ' '.isspace() True

caracteres que representan el espacio.
istitle Indica si el string tiene las mayúsculas y ‘Prueba’.istitle() True

minúsculas con formato de título (cada
palabra empieza con mayúsculas).
isupper Indica si el string contiene solo ‘PRUEBA’.isupper() True

caracteres en mayúsculas.
join Genera un string uniendo los ‘,’.join([‘a’, ‘b’, ‘c’]) ‘a,b,c’

elementos de una lista de strings con el
string.
lower Genera un nuevo string con todas las ‘Prueba’.lower() ‘prueba’

letras en minúsculas.
replace Reemplaza las apariciones del substring ‘Prueba’.replace(‘Pru’, ‘S’) ‘Seba’

del primer parámetro por el substring
del segundo parámetro.
split Genera una lista de strings separando ‘1-2-3-4’.split(‘-’) [‘1’, ‘2’, ‘3’, ‘4’]
2
el string por un substring pasado como
parámetro.
startswith Indica si el string comienza con el ‘Prueba’.startswith(‘P’) True

substring pasado como parámetro.
strip Quita los espacios al comienzo y la final ‘Prueba ’.strip() ‘Prueba’

del string.
swapcase Intercambia las mayúsculas por las ‘Prueba’.swapcase() ‘pRUEBA’

minúsculas y viceversa.
title Genera un string con el mismo ‘prueba’.title() ‘Prueba’

contenido pero con formato título
(primera letra de cada palabra en
mayúscula)
upper Genera un nuevo string con todas las ‘Prueba’.upper() ‘PRUEBA’

letras en mayúsculas.
zfill Rellena el string con ceros los lugares 'prueba'.zfill(10) ‘0000prueba’

que falten para alcanzar la longitud
pasada como parámetro.
3
La librería String
La librería string de la biblioteca estándar de Python define constantes y
operaciones comunes de las cadenas de caracteres. Esta librería define constantes y
operaciones útiles para trabajar con el tipo de dato string.
Constantes
A continuación, se listan las constantes que define la librería string:
Nombre Descripción Valor
ascii_letters La concatenación de las letras abcdefghijklmnopqrstuvwxy

minúsculas y letras mayúsculas. zABCDEFGHIJKLMNOPQRST
UVWXYZ
ascii_lowercase Las letras minúsculas. abcdefghijklmnopqrstuvwxy

z
ascii_uppercase Las letras mayúsculas. ABCDEFGHIJKLMNOPQRSTU

VWXYZ
digits Los dígitos del sistema decimal. 0123456789
hexdigits Los dígitos del sistema hexadecimal. 0123456789abcdefABCDEF
octdigits Los dígitos del sistema octal. 01234567
punctuation Símbolos de puntuación. !"#$%&\'()*+,-

./:;<=>?@[\\]^_`{|}~
printable Todos los caracteres considerados 0123456789abcdefghijklmn

imprimibles. opqrstuvwxyzABCDEFGHIJKL
MNOPQRSTUVWXYZ!"#$%&
\'()*+,-./:;<=>?@[\\]^_`{|}~
\t\n\r\x0b\x0c
whitespace Todos los caracteres considerados \t\n\r\x0b\x0c

espacios en blanco.
2
Formateo de strings
El tipo de dato string provee la función format para realizar una sustitución
compleja de variables y formateo de valores. La librería string define la clase Formatter
que te permite crear y personalizar el comportamiento del formateo de strings usando
la misma implementación que la función format de los strings.
En esta sección veremos cómo formatear strings con la función format de los
strings, que es el comportamiento default del método format de la clase Formatter.
Tener en cuenta que, si se quiere cambiar la forma de formatear los strings en

nuestro programa, conviene utilizar la clase Formatter para formatear los strings, en
caso contrario se puede utilizar directamente el método format de los strings.
En la documentación de Python se puede ver más información sobre la sintaxis1

y la especificación2 del formateo de los strings.
A continuación, veremos los usos más relevantes de la función format mostrando

varios ejemplos.
>>> name = 'Agustín'
# Acceso a los argumentos por posición
>>> 'Hola {}'.format(name)

‘Hola Agustín’
>>> '{} + {} = {}'.format(2, 5, 7)
1
https://docs.python.org/3.1/library/string.html#format-string-syntax
2
https://docs.python.org/3.1/library/string.html#format-specification-mini-language
3
‘2 + 5 = 7’
>>> '{1} + {2} = {0}'.format(7, 5, 2)

‘5 + 2 = 7’
# Acceso a los argumentos por nombre
>>> 'Hola {name}'.format(name=name)

‘Hola Agustín’
>>> '{0} + {1} = {result}'.format(2, 5, result=7)

‘2 + 5 = 7’
# Acceso a los elementos del argumento
>>> tupla = (4, 3)

>>> 'X: {0[0]}; Y: {0[1]}'.format(tupla)
‘X: 4; Y: 3’
# Aplicando formato a los elementos
>>> '{0:f} + {1:f} = {result:f}'.format(2, 5, result=7)

'2.000000 + 5.000000 = 7.000000'
>>> '{0:.3f} + {1:.3f} = {result:.3f}'.format(2, 5, result=7)

'2.000 + 5.000 = 7.000'
>>> '{:d}'.format(25)
‘25’
4
>>> '{:d}'.format(25.5)
ValueError: Unknown format code 'd' for object of type 'float'
>>> '{:.0f}'.format(25.50)
‘26’
# Alineación del texto reemplazado
>>> 'Hola {name:16}'.format(name=name)

'Hola Agustín '
>>> 'Hola {name:<16}'.format(name=name)

'Hola Agustín '
>>> 'Hola {name:>16}'.format(name=name)

'Hola Agustín'
>>> 'Hola {name:^16}'.format(name=name)

'Hola {name:^16}'.format(name=name)
>>> 'Hola {name:*^16s}'.format(name=name)

'Hola {name:*^16s}'.format(name=name)
5
La librería datetime
La librería datetime provee distintas clases que definen los tipos fechas (date), fecha y
hora (datetime), hora (time) y delta de tiempos (timedelta) entre otros. A continuación
presentamos una breve referencia de cada uno.
Diferencia de tiempo (timedelta)

Un objeto timedelta representa una duración, la diferencia entre dos fechas u
horas.
Para crear un objeto de tipo timedelta se le puede indicar, opcionalmente, la

cantidad de días, la cantidad de segundos, la cantidad de microsegundos, la cantidad de
milisegundos, la cantidad de minutos, la cantidad de horas, la cantidad de semanas.
Todos estos argumentos tienen como valor por defecto el cero. Y pueden ser positivos
o negativos. Solo los días, los segundos y los microsegundos son guardados
internamente, el resto de los valores se calculan.
A continuación se listan los atributos del objeto timedelta:
Atributos de clase
Atributo Descripción Valor
min El objeto timedelta más timedelta(-999999999)

negativo
max El objeto timedelta más timedelta(days=999999999,

positivo hours=23, minutes=59,
seconds=59,
microseconds=999999)
resolution La diferencia más pequeña timedelta(microseconds=1)

entre dos timedeltas
distintos
Atributos de instancia
days Días Entre -999999999 y

999999999 inclusive
seconds Segundos Entre 0 y 86399 inclusive
microseconds Microsegundos Entre 0 y 999999 inclusive
Adicionalmente, soporta las siguientes operaciones: suma (+), resta (-), multiplicación
por un número decimal, división con otro timedelta y con un número decimal, división
entera por un número decimal o por un timedelta, el módulo (resto de la división) entre
timedeltas.
2
Fechas (date)
Un objeto date representa una fecha (año, mes y día).
Para crear un objeto de tipo fecha hay que indicarle el año, el mes y el día. El año
debe estar entre 1 y 9999. El mes debe estar entre 1 y 12. Y el día debe estar entre 1 y
el máximo número de días para ese mes y año. Si alguno de estos argumentos están
fuera de rango se lanza una excepción del tipo ValueError.
A continuación se listan los atributos y métodos más relevantes del objeto date.
Atributos de clase
min La fecha más chica date(1, 1, 1)

representable
max La fecha más grande date(9999, 12, 31)

representable
resolution La diferencia más pequeña timedelta(days=1)

entre dos fechas distintas
year Año Entre 1 y 9999 inclusive
month Mes Entre 1 y 12 inclusive
day Día Entre 1 y el máximo número

de días para ese mes y año
Métodos de instancia
Método Descripción
replace Reemplaza los atributos de instancia indicados.
weekday Devuelve el día de la semana que corresponde. Lunes es 0

y Domingo es 6.
3
isoweekday Devuelve el día de la semana que corresponde. Lunes es 1
y Domingo es 7.
isocalendar Devuelve una tupla con (año ISO, número de semana ISO,
día de la semana ISO).
isoformat Devuelve un string con el formato ‘YYYY-MM-DD’
strftime Convierte la fecha a un string con el formato que se

especifica.
Métodos de clase
date Constructor de fecha
today día actual local
4
Fechas y horas (datetime)
Un objeto datetime es un único objeto que contiene toda la información de un

objeto date y un objeto time.
Para crear un objeto de tipo fecha y hora hay que indicarle el año, el mes y el
día. Opcionalmente se le pueden indicar la hora, los minutos, los segundo y los
microsegundo. Las horas deben estar entre 0 y 23. Los minutos entre 0 y 59. Los segundo
entre 0 y 59. Y los microsegundos entre 0 y 999999. Si alguno de estos argumentos están
fuera de rango se lanza una excepción del tipo ValueError.
A continuación se listan los atributos y métodos más relevantes del objeto

datetime.
Atributos de clase
min La fecha y hora más chica date(1, 1, 1)

representable
max La fecha y hora más grande date(9999, 12, 31, 23, 59,
representable 59, 999999)

entre dos fechas y horas
distintas
year Año Entre 1 y 9999 inclusive
month Mes Entre 1 y 12 inclusive
day Día Entre 1 y el máximo número

de días para ese mes y año
hour Hora Entre 0 y 23 inclusive
5
minute Minuto Entre 0 y 59 inclusive
second Segundo Entre 0 y 59 inclusive
microsecond Microsegundo Entre 0 y 999999 inclusive
date Devuelve un objeto fecha correspondiente
time Devuelve un objeto hora correspondiente
weekday Devuelve el día de la semana que corresponde. Lunes es 0

y Domingo es 6.
isoweekday Devuelve el día de la semana que corresponde. Lunes es 1

y Domingo es 7.
isocalendar Devuelve una tupla con (año ISO, número de semana ISO,
día de la semana ISO).
isoformat Devuelve un string con el formato ‘YYYY-MM-

DDTHH:MM:SS.ffffff’
strftime Convierte la fecha y hora a un string con el formato que se

especifica.
Métodos de clase
datetime Constructor de fecha y hora
today Día y hora actual local
now Día y hora actual local
utcnow Día y hora actual UTC
strptime Devuelve un datetime que corresponde a una fecha en

string parseada de acuerdo con un formato
6
Horas (time)
Un objeto time representa una del día (local), independiente de cualquier día.
Para crear un objeto de tipo hora se le puede indicar, opcionalmente, la hora, los
minutos, los segundo y los microsegundo. Las horas deben estar entre 0 y 23. Los
minutos entre 0 y 59. Los segundo entre 0 y 59. Y los microsegundos entre 0 y 999999.
Si alguno de estos argumentos están fuera de rango se lanza una excepción del tipo
ValueError.
7
A continuación se listan los atributos y métodos más relevantes del objeto time.
Atributos de clase
min La hora más chica time(0, 0, 0, 0)

representable
max La hora más grande time(23, 59, 59, 999999)

representable

entre dos horas distintas
hour Hora Entre 0 y 23 inclusive
minute Minuto Entre 0 y 59 inclusive
second Segundo Entre 0 y 59 inclusive
microsecond Microsegundo Entre 0 y 999999 inclusive
isoformat Devuelve un string con el formato ‘HH:MM:SS.ffffff’
strftime Convierte la hora a un string con el formato que se

especifica.
Métodos de clase
time Constructor de hora
8
Conversión de fechas
La librería datetime nos provee algunas funciones para convertir fechas y horas
en strings y viceversa. Esta funcionalidad es muy importante porque al transmitir datos
a otros programas ya sea exportando datos a un archivo o enviando datos a través de
un webservice, etc. es necesario poder serializar y deserializar las fechas.
La función strftime convierte un objeto de tipo fecha (date), fecha y hora

(datetime) u hora (time) en un string y la función strptime convierte un string en un
objeto de tipo fecha y hora (datetime).
A continuación veremos los ejemplos más relevantes de los usos de las funciones
strftime y strptime.
>>> import datetime
>>> date_and_time = datetime.datetime(2019, 4, 30, 11, 25, 30)
# La función strftime crea un string a partir de un objeto datetime
>>> date_and_time.strftime('%Y-%m-%d')
'2019-04-30'
>>> date_and_time.strftime('%Y-%m-%d %H:%M:%S')

'2019-04-30 11:25:30'
>>> date_and_time.strftime('%Y/%m/%d')
'2019/04/30'
9
>>> date_and_time.strftime('%Y-%m-%d T%H:%M:%S')
'2019-04-30 T11:25:30'
>>> date_and_time.strftime('%d/%m/%y %H:%M:%S')

'30/04/19 11:25:30'
# La función strptime crea un objeto datetime a partir de un string
>>> datetime.datetime.strptime('2019-01-10', '%Y-%m-%d')

datetime.datetime(2019, 1, 10, 0, 0)
>>> datetime.datetime.strptime('2019-01-10 11:30:25', '%Y-%m-%d %H:%M:%S')

datetime.datetime(2019, 1, 10, 11, 30, 25)
>>> datetime.datetime.strptime('2019-01-10 T11:30:25', '%Y-%m-%d T%H:%M:%S')

>>>datetime.datetime.strptime('2019-01-10 T11:30:25.95', '%Y-%m-%d T%H:%M:%S.%f')

datetime.datetime(2019, 1, 10, 11, 30, 25, 950000)
>>> datetime.datetime.strptime('10-01-19 11:30:25', '%d-%m-%y %H:%M:%S')

Para ver todos los formatos que aceptan las funciones strftime y strptime ver la
documentación de Python1.
1
https://docs.python.org/3/library/datetime.html#strftime-and-strptime-behavior
10
Librería csv
Los archivos CSV del inglés Comma Separated Values (Valores Separados por Coma), es
un formato de archivo muy utilizado para la importación y exportación de hojas de
cálculo y bases de datos.
Es un formato de archivo muy liviano (ya que es texto plano) y sencillo de trabajar. Es
muy fácil representar tablas en este formato. Cada línea del archivo es una nueva fila de
la tabla y cada valor separado por la coma es una nueva columna.
Cabe destacar que el formato CSV tiene diversos dialectos, por ejemplo, valores
separados por comas, valores separados por punto y comas y valores separados por
tabs.
Además también se define el tipo de comillas que se utilizan para las cadenas de texto.
Por esto es muy útil tener una librería que nos permita leer archivos CSV con diversos
dialectos sin tener que ocuparnos de la implementación.
La librería csv forma parte de la biblioteca estándar de Python. Esta librería permite leer
y escribir archivos CSV. Por ejemplo, permite al programador decir “Escribe estos datos
en el formato preferido por Excel” o “Lee los datos desde este archivo que fue generado
por Excel”, sin conocer los detalles precisos del formato CSV utilizado por Excel. Además
el programador puede describir los formatos CSV soportados por otras aplicaciones o
crearse sus propios formatos CSV para propósitos especiales.
Dialectos
Como mencionamos anteriormente el formato de archivo CSV soporta muchas

variantes. Estas variantes se conocen como dialectos.
A continuación se presentan los dialectos predefinidos en la librería:
Nombre Descripción
excel La propiedades usuales de los archivos CSV generados por Excel
excel-tab La propiedades usuales de los archivos delimitados por TAB generados por
Excel.
unix La propiedades usuales de los archivos CSV generados por los sistemas unix
Además la librería define las siguientes constantes:
Nombre Descripción
QUOTE_ALL Entrecomilla todos los campos.
QUOTE_MINIMAL Entrecomilla solo los campos que tienen algún carácter

especial, como por ejemplo, el delimitador, el carácter usado
para las comillas o los usados para delimitar la línea.
QUOTE_NONNUMERIC Entrecomilla todo campo no numérico.
QUOTE_NONE No entrecomilla ningún campo.
El dialecto soporta los siguientes atributos, que hacen que el archivo se interprete de
una manera u otra:
Nombre Descripción
delimiter Un carácter utilizado para separar los campos. Por defecto la coma (,)
doublequote Controla cuando se ceben entrecomillar las instancias de quotechar en

un campo. Cuando está en True el carácter se duplica. Cuando está en
False se utiliza el escapechar como prefijo del quotechar. Por defecto
esta en True.
escapechar Un carácter utilizado para escapar el delimitador si quoting está definido

en QUOTE_NONE y el quotechar si doublequote esta en False.
lineterminator El string utilizado para terminar una línea. Por defecto ‘\r\n’
quotechar Un carácter utilizado para entrecomillar los campos. Por defecto (“)
quoting Indica cuándo se debe entrecomillar. Los valores son los de las
constantes QUOTE_*. El valor por defecto es QUOTE_MINIMAL.
skipinitialspace Si está en True ignora el espacio inmediatamente posterior al

delimitador. Por defecto esta en False.
strict Cuando está en True lanza una excepción en el caso de ingresar un CSV
mal formado. Por defecto esta en False.
2
Lectura de archivos CSV
Existen dos formas de leer archivos csv, una es utilizando el objeto reader y otra
utilizando la clase DictReader. El objeto reader lee los datos en secuencias cada línea
del archivo es una secuencia. En cambio la clase DictReader lee los datos en diccionarios,
es decir, cada línea del archivo es un diccionario, donde la clave es el nombre de la
columna (el valor de la primer fila o uno especificado por el usuario) y el valor es el valor
leído en la fila actual.
El objeto reader
Para crear un objeto reader se le debe pasar a la función reader un objeto de tipo archivo
o una lista. Adicionalmente se le puede pasar un dialecto y se pueden pasar parámetros
para modificar uno o más valores del dialecto.
La función reader devuelve un objeto reader que es un iterable sobre cada una de las
líneas del archivo.
A continuación se muestran algunos ejemplos:
import csv
with open('some.csv', newline='') as f:

reader = csv.reader(f)
for row in reader:
print(row)
with open('passwd', newline='') as f:

reader = csv.reader(f, delimiter=':', quoting=csv.QUOTE_NONE)
for row in reader:
print(row)
with open('example.csv', newline='') as csvfile:

reader = csv.reader(csvfile, delimiter=' ', quotechar='|')
for row in reader:
print(', '.join(row))
csv.register_dialect('unixpwd', delimiter=':', quoting=csv.QUOTE_NONE)

with open('passwd', newline='') as f:
reader = csv.reader(f, 'unixpwd')
3
La clase DictReader
La clase DictReader crea un objeto que opera de forma similar al objeto reader pero
mapea la información de cada línea del archivo en un diccionario ordenado. Donde sus
claves son dadas por el usuario en el parámetro fieldnames. Si el parámetro fieldnames
no esta definido entonces se tomará los valores de la primer línea del archivo como las
claves.
Al igual que con el objeto reader se puede indicar el dialecto y modificar uno o más
valores del mismo.
A continuación se muestra un ejemplo:
import csv
with open('names.csv', newline='') as csvfile:
reader = csv.DictReader(csvfile)
for row in reader:
print(row['first_name'], row['last_name'])
Escritura de archivos CSV
Al igual que en la lectura de archivos CSV, la librería nos provee de dos formas de escribir
un archivo CSV. Una utilizando el objeto writer y otra utilizando la clase DictWriter. El
objeto writer escribe los datos en un archivo a partir de secuencias. En cambio la clase
DictWriter lo hace a partir de diccionarios.
El objeto writer
Para crear un objeto writer se le debe pasar a la función writer un objeto de tipo archivo
o cualquier objeto que sepa responder el mensaje write. Adicionalmente se le puede
pasar un dialecto y se pueden pasar parámetros para modificar uno o más valores del
dialecto.
La función writer devuelve un objeto writer que es responsable de convertir y guardar

los datos que pasa el usuario en una cadena de texto delimitada sobre el objeto archivo
dado.
4
A continuación se muestran algunos ejemplos:
import csv
someiterable = [[‘1’, ‘2’, ‘3’], [‘4’, ‘5’, ‘6’]]
with open('some.csv', 'w', newline='') as f:

writer = csv.writer(f)
writer.writerows(someiterable)
with open(example.csv', 'w', newline='') as csvfile:

writer = csv.writer(csvfile, delimiter=' ',
quotechar='|', quoting=csv.QUOTE_MINIMAL)
writer.writerow(['Banana', ‘6.50’])
writer.writerow([‘Manzana', ‘7.40’])
La clase DictWriter
La clase DictWriter crea un objeto que opera de forma similar al objeto writer pero
mapea diccionarios a cada línea del archivo. El parámetro fieldnames es una secuencia
con las claves del diccionario, en el orden como se van a pasar a la función writerow. A
diferencia de la clase DictReader, en este caso el parámetro fieldnames es obligatorio.
Al igual que con el objeto writer se puede indicar el dialecto y modificar uno o más
valores del mismo.
A continuación se muestra un ejemplo:
import csv
with open('names.csv', 'w', newline='') as csvfile:

fieldnames = ['first_name', 'last_name']
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
writer.writeheader()
writer.writerow({'first_name': 'Pablo', 'last_name': 'Garcia'})
writer.writerow({'first_name': ‘Paula', 'last_name': 'Tina'})
5
Generadores
Los generados son funciones especiales que nos van devolviendo una secuencia
de valores de a un elemento por cada vez que la llamamos. Además, los generadores
son una forma sencilla y potente de iterador.
Los generadores sirven para crear iteradores pero de manera lazy (o perezosa).
Ya que el iterador tiene que tener todos los elementos disponibles. En cambio, los
generadores van generando el nuevo valor cada vez que se llama al método __next__().
Una característica de los generadores que se desprende de esta propiedad es que puedo
tener generadores que generan infinitos elementos. Por ejemplo, un generador de los
números naturales.
Los generadores se crean como una función, la diferencia es que en lugar de

devolver un resultado con la sentencia return lo hace con la sentencia yield. La sentencia
yield devuelve el valor, pero a diferencia de la sentencia return, deja en “pausa” la
función hasta la próxima vez que es invocada.
Veamos un ejemplo de su creación:
# Un generador de los números desde el 0 al 9

def gen_10():
for n in range(10):
yield n
Para utilizarlo, primero hay que crear una instancia del generador y luego se
obtienen los valores generados con la función __next__()1. Cuando se termina de
generar todos los valores, el generador lanza una excepción del tipo StopIteration.
>>> a_gen_10 = gen_10()

>>> a_gen_10.__next__()
0
>>> a_gen_10.__next__()
1
…
>>> a_gen_10.__next__()
9
>>> a_gen_10.__next__()
StopIteration
Notar que al igual que los iteradores, los generadores se pueden consumir con
un ciclo for.
Veamos un ejemplo de un generador de los números naturales (que son

infinitos):
def naturales():
n=1
while True:
yield n
n=n+1
naturales = naturales()
1
Al igual que los iteradores, devuelve el siguiente valor con la función __next__(). Como vimos la
diferencia radica en que el iterador ya tiene todos los valores disponibles y el generador los va generando
uno a uno cuando se le pide.
2
Si dentro del generador hay una sentencia return, al ejecutar esta sentencia se
lanza una excepción del tipo StopIteration, notificando de esta manera que ya se
generaron todos los valores. Por ejemplo, si quiere crear un generador que me devuelva
los primeros n números naturales:
def n_naturales(n):
i=1
while True:
if i > n:
return
yield i
i=i+1
# Genera los primeros 100 números naturales

naturales = naturales(100)
# Genera los primeros 150 números naturales

naturales = naturales(150)
A continuación se muestra una forma de escribir los generadores muy simple y

compacta. Es parecida a las listas por comprensión solo que se escribe entre paréntesis:
# Lista por comprensión

>>> [p for p in range(10) if p % 2 == 0]
[0, 2, 4, 6, 8]
# Generador
(p for p in range(10) if p % 2 == 0)
<generator object <genexpr> at 0x10f1a3190>
3
Por último, veamos en qué casos es útil utilizar los generadores:
● Cuando trabajamos con estructuras infinitas.

● Cuando trabajamos con estructuras que ocupan mucha memoria, se puede
reducir el espacio de memoria a reservar.
● Cuando la generación de los elementos es costosa, se puede retrasar su cálculo
hasta el último momento.
● Cuando trabajamos con otros generadores, para no forzarlos a tener que
calcularse todos los valores de los otros generadores.
4
Decoradores
Los decoradores son funciones que reciben una función y devuelve otra función.
Los decoradores sirven para extender la funcionalidad de una función o también para
agregar a una función una funcionalidad yuxtapuesta a la misma. Por ejemplo, puedo
decorar una función con otra función que mide el tiempo que tarda en ejecutarse la
función decorada e imprimiendo dicho tiempo en pantalla. No importa que es lo que
haga la función decorada, siempre puedo medir el tiempo que tarda en ejecutarse.
def time_meter(f):
def wrap(*args, **kwargs):
ti = time.time()
result = f(*args, **kwargs)
tf = time.time()
etime = tf-ti
print("La función", f.__name__, "tardó:", etime, "segundos")
return result
return wrap
@time_meter
def suma(a,b):
return a+b
>>> suma(1, 3)
La función suma tardó: 3.5762786865234375e-06 segundos
4
Los decoradores permiten hacer algunas acciones previos y/o posteriores a la ejecución
de la función que se está decorando. Con lo cual, con el decorador se pueden manipular
los argumentos antes de llamar a la función decorada y manipular el resultado generado
por la función decorada.
Un decorador también puede recibir parámetros. De esta manera puede cambiar
su comportamiento según el valor que venga en cada uno. Veamos un ejemplo:
def logger(debug=False):
def _logger(func):
def inner(*args, **kwargs):
if debug:
print ("Modo debug")
for i, arg in enumerate(args):
print ("arg %d:%s" % (i, arg))
return func(*args, **kwargs)
return inner
return _logger
# Se agrega mensaje de modo debug al ejecutar la función suma

@logger(True)
def suma(a,b):
return a+b
>>> suma(2,5)
Modo debug
arg 0:2
arg 1:5
7
# No se agrega mensaje de modo debug al ejecutar la función suma

@logger(False)
def suma(a,b):
return a+b
>>> suma(2,5)
arg 0:2
arg 1:5
7
Como se puede ver en el ejemplo, para agregar la opción de que el decorador pueda
recibir parámetros se debe agregar una función más anidada, el decorador propiamente
dicho recibe los parámetros propios y la primer función anidada recibe la función
decorada. La tercer función anidada es la tiene la lógica del decorador.
2
Por último, los decoradores pueden anidarse, es decir, una función puede estar
decorada por muchos decoradores. Vemos un ejemplo donde anidamos los dos
decoradores que creamos en los otros ejemplos aplicados a la función suma:
@logger(True)
@time_meter
def suma(a,b):
return a+b
>>> suma(2,7)
Modo debug
arg 0:2
arg 1:7
La función suma tardó: 0.00019478797912597656 segundos
9
@time_meter
@logger(True)
def suma(a,b):
return a+b
>>> suma(2,8)
Modo debug
arg 0:2
arg 1:8
La función inner tardó: 8.082389831542969e-05 segundos
10
3
Programación orientada a objetos
Un programa en el paradigma orientado a objetos se define como Objetos que

colaboran entre sí enviándose mensajes.
A continuación se detallan los conceptos más importantes del paradigma
orientado a objetos.
Conceptos generales
Un objeto es la representación de un ente del dominio de problema. Donde un

ente es cualquier cosa que podamos observar, hablar sobre, etc. La esencia del ente es
modelado por los mensajes que el objeto sabe responder.
Un mensaje es una especificación sobre qué puede hacer un objeto. Los

mensajes son un objeto. Por lo tanto representa un ente de la realidad, pero del
dominio de la “comunicación”.
Se debería poder decir qué representa un objeto a partir de los mensajes que
sabe responder.
Una colaboración es el hecho por el cual dos objetos se comunican por medio
de un mensaje.
En toda colaboración existe:

 Un emisor del mensaje.
 Un receptor del mensaje.
 Un conjunto de objetos que forman parte del mensaje (colaboradores
externos o parámetros).
 Una respuesta.
Material de la Universidad Austral, preparado por el profesor Agustín Olmedo, Buenos Aires, Argentina, en abril de
2019 para su uso en el Programa Especializado de “Aprende a programar con Python”. Prohibida la reproducción,
total o parcial sin previa autorización escrita por parte del autor.
Algunas carácteristicas de las colaboraciones son:
 Son dirigidas (no broadcast).
 Son sincrónicas, es decir, el emisor no continua hasta que obtenga una
respuesta del receptor.
 El receptor desconoce al emisor. Su relación será siempre la misma no
importa quién le envía el mensaje.
 Siempre hay respuesta.
Un prototipo es un objeto ejemplar que representa el comportamiento de un

conjunto de objetos similares. Este mecanismo de representación de conocimiento se
utiliza en lenguajes de prototipación o “Wittgenstein-nianos”
Una clase es un objeto que representa un concepto o idea del dominio de

problema. Por ser un objeto, sabe responder mensajes.
Las clases existen como mecanismo de representación de conocimiento en
lenguajes de clasificación o Aristotélicos. Python es un lenguaje de clasificación.
Un método es un objeto que representa un conjunto de colaboraciones. Es

evaluado como resultado de la recepción de un mensaje por parte de un objeto. El
método se busca utilizando el algoritmo Method Lookup.
En las clases se definen dos tipos de métodos: los métodos de instancia y los
métodos de clase.
Los métodos de instancia son aquellos métodos que implementan los mensajes
que se envían a los objetos que son instancias de una clase. En cambio, los métodos de
clase son aquellos métodos que implementan los mensajes que se envían a la clase.
La relación de conocimiento es la única relación que existe entre objetos. Es la

que permite que un objeto colabore con otro.
2
Una variable es un nombre contextual que se le asigna a una relación de
conocimiento. Implica que el objeto conocido es llamado, en el contexto del
conocedor, de acuerdo a dicho nombre.
En las clases se definen dos tipos de variables: las variables de instancia y las
variables de clase.
Las variables de instancia representan las relaciones de conocimiento del

objeto que es instancia de una clase. En cambio, las variables de clase representan las
relaciones de conocimiento de la clase.
Polimorfismo: Dos o más objetos son polimórficos entre sí para un conjunto de

mensajes, si responden a dicho conjunto de mensajes semánticamente igual. Donde
semánticamente igual significa que:
 Hacen lo mismo.
 Reciben objetos polimórficos.
 Devuelven objetos polimórficos.
La subclasificación es la herramienta utilizada para organizar el conocimiento

en ontologías. Es una relación “estática” entre clases. Permite organizar el
conocimiento en clases abstractas (que representan conceptos abstractos) y clases
concretas (que representan conceptos con realizaciones concretas).
Un tipo es un conjunto de mensajes. Los tipos no son únicamente un nombre,

sino que define semántica.
Problemas de la clasificación
Los lenguajes de clasificación al representar conceptos (por medio de clases)

nos obliga a conocer el concepto antes de crear la clase. Y como el desarrollo de
software es representar conocimiento en una computadora y por lo tanto es un
proceso de aprendizaje, en un primer instante no conozco suficientemente el
3
problema como para saber qué conceptos o ideas tengo que representar. Con lo cual,
los lenguajes de clasificación nos obligan a tener una clase y por lo tanto su nombre
antes del objeto concreto, lo cual es antinatural. Es decir, es inverso a nuestro modo
de conocer y aprender. Ya que nosotros aprendemos desde lo concreto a lo general.
Problemas de la subclasificación
La subclasificación tiene un problema parecido, ya que la jerarquía de clases se

especifica desde la clase más abstracta a la más concreta (de manera inversa a como
se obtiene el conocimiento).
Además rompe el encapsulamiento ya que la subclase debe conocer la

implementación de la superclase.
Method Lookup
Cuando se envía un mensaje a un objeto, se tiene que buscar el método que

implementa el mensaje. El algoritmo que busca el método que implementa el mensaje
recibido se conoce con el nombre de Method Lookup.
A continuación, se explica como funciona este algoritmo.
Cuando se envía un mensaje a un objeto, primero se busca el método que

implementa el mensaje en la clase del objeto.
1. Si lo encuentra evalúa el método.

2. Si no lo encuentra, busca el método en la superclase. Si en la superclase
tampoco lo encuentra busca el método en la superclase de esta. Y así siguiendo
hasta no haber más superclases (es decir,cuando se llega a la clase object).
4
Si no se encuentra el método en toda la jerarquía de clases desde la clase del
objeto que recibe el mensaje hasta la clase object, entonces se lanza una excepción de
tipo AttributeError. Indicando que el objeto no sabe responder el mensaje.
La clase super (en otros lenguajes implementados como una pseudo variable)
indica al algoritmo Method Lookup que empiece a buscar el método desde la
superclase de la clase pasada como primer parámetro, evaluando el método con el
objeto pasado en el segundo parámetro.
5
Buenas prácticas en la programación orientada a objetos
Eliminar el if
Cuando trabajamos en el paradigma orientado a objetos debemos respetar la

sintaxis “objeto mensaje”. Como Python no es un lenguaje puro de objetos, su sintaxis
nos permite hacer cosas que no son propias del paradigma de objetos. Por ejemplo, en
Python el if es una sentencia. Esto implica que el lenguaje no es de objetos.
En los lenguajes de clasificación, el if se implementa con polimorfismo. Con lo

cual, usar if implica que no estamos usando polimorfismo. Esto implica que tenemos
diseños menos mantenibles y además diseños NO orientados a objetos.
¿Cómo sacar el if?

Para sacar el if podemos realizar los siguientes pasos:
1. Crear una jerarquía polimórfica con una abstracción por cada condición.
2. Usando el mismo nombre de mensaje repartir el cuerpo del if en cada
abstracción (usar polimorfismo)
3. Nombrar el mensaje del paso anterior.
4. Nombrar las abstracciones.
5. Reemplazar if por envío de mensaje polimórfico.
6. Buscar objeto polimórfico si es necesario.
Conclusiones
Al implementar el if utilizando polimorfismo los objetos son los que toman la
decisión. Además, cuando aparece algo nuevo en el dominio de problema, aparece
algo nuevo en mi modelo. Esto es lo que se espera en un buen diseño.
Por otro lado, al hacer implementar los if con polimorfismo se puede utilizar
meta-programación, permitiendo que el programa pueda referirse sobre sí mismo.
El mecanismo propuesto tiene un límite y es que no se puede sacar el if cuando

colaboran objetos de distintos dominios en la condición.
2
Eliminar código repetido
El código repetido refleja la falta de algún objeto que represente el motivo de

dicho código. Esto hace que el software sea más difícil de mantener.
Cabe destacar que código repetido no significa “texto repetido”, sino que
código repetido significa patrones de colaboraciones repetidas.
Lo que hay que hacer con el código repetido es reificarlo y darle un significado
por medio de un nombre.
¿Cómo sacar código repetido?

Para sacar el código repetido podemos realizar los siguientes pasos:
1. Copiar el código repetido a “un lugar”.

2. Parametrizar lo que cambia.
3. ¡Ponerle un nombre!
Muchas veces cuando hay que parametrizar lo que cambia será necesario que
uno o más parámetros sean abstracciones de código. Y en Python para esto utilizamos
las expresiones lambda.
El paso más complicado del proceso es ponerle un nombre a la función, porque

implica entender qué significa esa repetición de código.
3
Principios de diseño
Simplicidad
En esta sección veremos algunos principios de simplicidad del software.
La simplicidad en cualquier diseño de software es un atributo deseable. Esto no
quiere decir que tenemos que ignorar la complejidad propia de lo que estamos
haciendo, pero debemos hacerlo los más simple posible. Como dice una cita atribuida a
Albert Einstein “Make everything as simple as possible, but not simpler“, es decir, “Hacer
todo lo más simple posible, pero no más simple”.
KISS
El principio KISS, del inglés Keep It Short and Simple o mantenlo corto y simple,
establece que la mayoría de sistemas funcionan mejor si se mantienen simples que si se
hacen complejos. La simplicidad debe ser mantenida como un objetivo clave del diseño,
y cualquier complejidad innecesaria debe ser evitada.
YAGNI
El principio Yagni, del inglés You aren’t gonna need it (No lo vas a necesitar), es
otro principio que está muy relacionado con el principio KISS. Este principio nos advierte
sobre escribir código de la forma más general, para “anticipar cambios futuros” , la
intención es buena, pero en la mayoría de los casos suele ser código inútil.
En otras palabras este principio nos dice que sólo se desarrolle lo que se vaya a
usar en el momento, que se piense si se va a usar la funcionalidad y si se va a necesitar
en un futuro inmediato. No se debe desarrollar algo que no se vaya a usar pronto,
aunque se sepa con certeza que se va a tener que implementar en un futuro.
The Hollywood Principle
Por otro lado, tenemos el principio Hollywood: “No nos llames, nosotros te
llamamos”. También conocido como principio de inversión de dependencia.
Por el principio de inversión de dependencias, podemos hacer que el código que
es el núcleo de nuestra aplicación no dependa de los detalles de implementación, como
pueden ser el framework que se utiliza, la base de datos, cómo se realiza la conexión a
un servidor, etc.
Single Responsibility Principle (SRP)

El Principio de responsabilidad única, del inglés Single responsibility principle
(SRP), nos dice que “Un objeto debe realizar un única cosa”. En caso contrario debemos
dividir la responsabilidad entre varios objetos.
Por ejemplo, si un objeto representa un triángulo; y sabe responder los mensajes
area y dibujar. Este objeto tiene dos responsabilidades:
1. Calcular su área.
2. Dibujarse en pantalla.
Entonces para cumplir el principio de responsabilidad única, debo separar la
responsabilidad de dibujarse en pantalla, siendo otro objeto el que sepa dibujar el
triángulo en pantalla.
Consistencia
El principio de consistencia radica en que el software sea consistente con el
dominio de problema y que no haya redundancia que puede traer conflictos por falta de
consistencia.
Por una lado, es recomendable utilizar metáforas de cómo se haría lo que
queremos hacer sin un sistema. Por ejemplo, si queremos hacer un facturador de
llamadas telefónicas, nos podemos situar en los años en que no había sistemas y este
trabajo lo hacían personas manualmente. Entonces, habría una persona que tenía un
listado de llamadas y agrupaba los llamados por cliente, otra persona buscaba los costos
de cada llamado según su duración y tipo de llamada, otra persona sumaba los costos
de cada llamada, otra persona armaba la factura, etc.
2
De esa manera podemos encontrar mejor los objetos que forman parte del
modelo por sus responsabilidades, siendo consistentes con el dominio de problema.
DRY
El principio DRY, del inglés Don’t repeat yourself (No te repitas), ayuda también
a mantener la consistencia. Frecuentemente en trabajos colaborativos hay redundancia
y repetición de código, debido a la falta de comunicación y a la falta de especificaciones
de diseño. Esto puede causar ciertos problemas que luego dificultan hacer cambios y
mantener la consistencia.
Si seguimos este principio, en todas las etapas del desarrollo, mantendremos la
consistencia y evitaremos esfuerzos adicionales.
Entendible
Una característica importante del software es que sea entendible. Esto se logra
de dos manera principalmente. Por un lado, que el código sea legible, prolijo, etc. Por
otro lado, es que haya un mapeo entre el dominio de problema y el diseño. Idealmente
que sea uno a uno. Esto es porque si alguien conoce el dominio de problema, es más
sencillo que entienda el software.
Máxima cohesión
La máxima cohesión significa que un objeto sea bien funcional, es decir, cuando
el objeto realiza una única cosa. En definitiva si cumplimos el principio de
responsabilidad única tendremos objetos altamente cohesivos.
Si tengo objetos poco cohesivos al querer introducir cambios en el software
surgen muchas complicaciones porque hay muchas funcionalidades mezcladas. Hacer
un cambio cuesta mucho más porque hay que entender que hay que cambiar y donde.
Además, como las funcionalidades están mezcladas, por un cambio que tengo
que hacer se rompe otra funcionalidad que no tiene ninguna relación con el cambio que
estoy haciendo. Con lo cual, también se suma una complicación más y es que tengo que
probar más funcionalidades, y no solo la que estoy cambiando.
3
Mínimo acoplamiento
El mínimo acoplamiento significa que un objeto depende de la menor cantidad
de objetos posibles.
Un objeto siempre está relacionado con otros objetos, sino no serviría de mucho.
En otras palabras, un objeto con cero acoplamiento es inútil. Por eso lo que se busca es
minimizar el acoplamiento y no anularlo.
Si tengo un objeto con muchas dependencias (es decir, muy acoplado), se
produce lo que se llama “ripple effect” o efecto dominó, porque al cambiar un objeto
deben cambiar sus dependencias.
Entonces mientras menos dependencias haya más fácil es introducir cambios en
el software.
4
Descripción de reglas de diseño
Es esta sección se describen algunas reglas o heurísticas de diseño que nos

permiten crear buenos modelos. Hacer buenos diseños nos permite que nuestros
programas sean mantenibles, entendibles y estén preparados para el cambio.
Mapeo con dominio de problema

En esta sección se describen algunas reglas o heurísticas de diseño a tener en
cuenta cuando diseñamos con objetos para mantener un mapeo con el dominio de
problema.
1. Cada ente del dominio de problema debe estar representado por un objeto.
a. Las ideas son representadas con usa sola clase.
b. Los entes pueden tener una o más representaciones en objetos, depende
de la implementación.
c. La esencia del ente es modelado por los mensajes que el objeto sabe
responder.
2. Los objetos deben ser cohesivos representando responsabilidades de un solo
dominio de problema. Mientra más cohesivo es un objeto más reutilizable es.
3. Se deben utilizar buenos nombres, que sinteticen correctamente el
conocimiento contenido por aquello que están nombrando.
a. Los nombres son el resultado de sintetizar el conocimiento que se tiene
de aquello que se está nombrando.
b. Los nombres que se usan crean el vocabulario que se utiliza en el lenguaje
del modelo que se está creando.
4. Las clases deben representar conceptos del dominio de problema.
a. Las clases no son módulos ni componentes de reuso de código.
b. Crear una clase por cada “componente” de conocimiento o información
del dominio de problema.
c. La ausencia de clases implica ausencia de conocimiento y por lo tanto la
imposibilidad del sistema de referirse a dicho conocimiento.
Subclasificación
En esta sección se describen algunas reglas o heurísticas de diseño para utilizar
bien la subclasificación.
1. Se deben utilizar clases abstractas para representar conceptos abstractos.
a. Nunca denominar a las clases abstractas con la palabra Abstract. Ningún
concepto se llama “Abstract…”
2. Las clases no-hojas del árbol de subclasificación deben ser clases abstractas.
3. Evitar definir variables de instancia en las clases abstractas porque esto impone
una implementación en todas las subclases.
4. El motivo de subclasificación debe pertenecer al dominio de problema que se
está modelando.
5. No se deben mezclar motivos de subclasificación al subclasificar una clase.
Polimorfismo, código repetido y creación de objetos

En esta sección se describen algunas reglas o heurísticas de diseño sobre el
polimorfismo, el código repetido y la creación de objetos.
1. Reemplazar el uso de if con polimorfismo.
a. El if en el paradigma de objetos es implementado usando polimorfismo.
b. Cada if es un indicio de la falta de un objeto y del uso del polimorfismo.
2. Código repetido refleja la falta de algún objeto que represente el motivo de dicho
código.
a. Código repetido no significa “texto repetido” sino que significa patrones
de colaboraciones repetidas.
2
b. Reificar ese código repetido y darle un significado por medio de un
nombre.
3. Un objeto debe estar completo desde el momento de su creación.
a. El no hacerlo abre la puerta a errores por estar incompleto, habrá
mensajes que no sabe responder.
b. Si un objeto está completo desde su creación, siempre responderá los
mensajes que definió.
4. Un objeto debe ser válido desde el momento de su creación.
a. Un objeto debe representar correctamente el ente desde su inicio.
b. Junto a la regla anterior mantienen el modelo consistente
constantemente.
Evitar usar None, Objetos inmutables, modelar la arquitectura del sistema

En esta sección se describen algunas reglas o heurísticas de diseño sobre la
necesidad de evitar el uso del objeto None, utilizar objetos inmutables y modelar la
arquitectura del sistema.
1. No utilizar None
a. None no es polimórfico con ningún objeto.
b. Por no ser polimórfico implica la necesidad de poner un if lo que abre la
puerta a errores.
c. None es un objeto con muchos significados por lo tanto poco cohesivo.
d. Las dos reglas anteriores permiten evitar usar None.
2. Favorecer el uso de objetos inmutables.
a. Un objeto debe ser inmutable si el ente que representa es inmutable.
b. La mayoría de los entes son inmutables.
c. Todo modelo mutable puede ser representado por un inmutable donde
se modele los cambios de los objetos por medio de eventos temporales.
3. Evitar el uso de setters (un setter es un mensaje que cambia el valor de una
variable)
a. Para aquellos objetos mutables, evitar el uso de setters porque estos
pueden generar objetos inválidos.
3
b. Utilizar un único mensaje de modificación.
4. Modelar la arquitectura del sistema.
a. Crear un modelo de la arquitectura del sistema (subsistemas, etc.)
b. Otorgar a los subsistemas la responsabilidad de mantener la validez de
todo el sistema (la relación entre los objetos).
c. Otorgar la responsabilidad a los subsistemas de modificar un objeto por
su impacto en el conjunto.
4
Introducción al Lenguaje Unificado de Modelado
El lenguaje unificado de modelado (UML, del inglés, Unified Modeling Language)

es el lenguaje de modelado de sistemas de software más conocido y utilizado en la
actualidad; está respaldado por el Object Management Group (OMG).
Es un lenguaje gráfico para visualizar, especificar, construir y documentar un
sistema. UML ofrece un estándar para describir un "plano" del sistema (modelo),
incluyendo aspectos conceptuales tales como procesos, funciones del sistema, y
aspectos concretos como expresiones de lenguajes de programación, esquemas de
bases de datos y compuestos reciclados. 1
El Lenguaje Unificado de Modelado fue creado como un lenguaje visual común
para el desarrollo de software que también fuera comprensible por los usuarios de
negocios y para todo el que quiera entender un sistema.
Representación del conocimiento
Recordemos el ciclo de representación del conocimiento: análisis, diseño,

programación.
1
https://es.wikipedia.org/wiki/Lenguaje_unificado_de_modelado
Como podemos ver en la imagen, UML se utiliza para la etapa de diseño. En esta
etapa, pasamos de la etapa de análisis (que está descrita en un lenguaje natural) a un
diseño con diagramas que expresa esos requerimientos en un lenguaje gráfico que
explicita lo que está implícito en la especificación de la etapa de análisis.
Diagramas
UML cuenta con varios tipos de diagramas, los cuales muestran diferentes
aspectos de las entidades representadas.
Existen diagramas estructurales y diagramas de comportamiento. Los diagramas
estructurales muestran la estructura estática de los objetos en un sistema mientras que
los diagramas de comportamiento muestran el comportamiento dinámico de los objetos
en el sistema.
2
UML define los siguientes diagramas estructurales:
● Diagrama de clases: Muestra las clases en un sistema, atributos y operaciones
de cada clase y la relación entre cada clase.
● Diagrama de objetos: Al igual que los diagramas de clases, también muestran la
relación entre los objetos, pero usan ejemplos del mundo real. Se utilizan para
mostrar cómo se verá un sistema en un momento dado.
● Diagrama de componentes: Muestra la relación estructural de los componentes
de un sistema de software.
● Diagrama de despliegue: Muestra el hardware del sistema y el software de ese
hardware.
● Diagrama de paquetes: Muestra las dependencias entre diferentes paquetes de
un sistema.
● Diagrama de estructura compuesta: Muestra la estructura interna de una clase.
3
Además, UML define los siguientes diagramas de comportamiento:
● Diagrama de actividades: Muestra los flujos de trabajo.
● Diagrama de casos de uso: Muestra los actores involucrados en un sistema, las
diferentes funciones que necesitan esos actores y cómo interactúan estas
diferentes funciones.
● Diagrama de secuencia: Muestra cómo los objetos interactúan entre sí y el orden
en que se producen esas interacciones.
● Diagrama de comunicación: Es similar a los diagramas de secuencia, pero el foco
está en los mensajes pasados entre objetos.
● Diagrama de tiempos: Muestra el comportamiento de los objetos en un marco
de tiempo dado.
● Diagrama global de interacciones: Muestra una secuencia de diagramas de
comportamiento.
En este curso veremos tres de los diagramas que ofrece UML, dos estructurales:
los diagramas de clases y de objetos; y uno de comportamiento: los diagramas de
secuencia.
4
Diagramas estructurales
Los diagramas estructurales especifican la estructura estática de los objetos en

un sistema. A continuación, se detallan los diagramas de clases y de objetos.
Diagrama de clases
Los diagramas de clases describen la estructura de un sistema mostrando las
clases del sistema, sus atributos, sus métodos y las relaciones entre las clases.
En los diagramas de clases se representan:

● Las clases
● Los atributos
● Los métodos
● Las relaciones entre las clases.
● Las jerarquías de clase (utilizando herencia)
Las clases se representan con un rectángulo, indicando el nombre, luego los
atributos y después separado por una línea los métodos.
Las relaciones entre clases se representa con líneas indicando el tipo de relación
que es: uno a uno, uno a muchos, muchos a uno y muchos a muchos. Por ejemplo, la
relación entre la clase Market y la clase Supplier es muchos a muchos. Esto quiere decir
que un objeto instancia de la clase Market puede conocer a muchos objetos instancia
de la clase Supplier y viceversa.
La herencia se representa con una flecha donde la punta es un triángulo blanco.
Por ejemplo las clases Fraction e Integer son subclases de Number.
2
Diagrama de objetos
Los diagramas de objetos muestran una vista completa o parcial de los objetos
de un sistema en un instante de ejecución determinado. Es decir, muestran una “foto”
del estado de un sistema en un punto de tiempo determinado.
El objeto ¼ es una fracción que conoce al objeto 1 con el nombre numerador y al

objeto 4 con el nombre denominador.
Como se puede ver los objetos se representan con círculos y las relaciones de
conocimiento se representan con líneas que unen los objetos.
3
Diagramas de comportamiento
Los diagramas de comportamiento especifican el comportamiento dinámico de

los objetos en el sistema. A continuación se detalla el diagrama de secuencias.
Diagrama de secuencia
Los diagramas de secuencia son utilizados para modelar interacción entre
objetos en un sistema. Un diagrama de secuencia muestra la interacción de un conjunto
de objetos en un sistema a través del tiempo.
Existen dos tipos de mensajes. Los mensajes sincrónicos y los mensajes
asincrónicos. Los mensajes sincrónicos se corresponden con llamadas a métodos del
objeto que recibe el mensaje. El objeto que envía el mensaje queda bloqueado hasta
que termina la llamada. Este tipo de mensajes se representan con flechas con la punta
rellena. Los mensajes asincrónicos terminan inmediatamente, y crean un nuevo hilo de
ejecución dentro de la secuencia. Se representan con flechas con la punta hueca.
También se representa la respuesta como un mensaje con una flecha discontinua.
Cabe destacar que hay diferentes variantes en las notaciones, con ligeras
diferencias. Lo importante es saber los tipos de mensajes que se pueden representar.
Los mensajes se dibujan cronológicamente desde la parte superior del diagrama
a la parte inferior; la distribución horizontal de los objetos es arbitraria.
Los diagramas de secuencia pueden ser usados en dos maneras distintas.

Por un lado, los diagramas de secuencia de instancia, son los que describen un
escenario específico. Un escenario es una instancia de la ejecución de un caso de uso.
Es decir, es un caso particular (con datos concretos) que define un único flujo de la
interacción entre los objetos. Con lo cual, cuando se llama a un método se hace con
parámetros concretos y los resultados también son concretos para ese caso.
Por otro lado, los diagramas de secuencia genéricos son los que describen la
interacción para un caso de uso completo. Para esto utilizan ramificaciones o branches,
condiciones y ciclos.
2
La Librería unittest1
El framework de pruebas unitarias unittest que provee Python en su librería

estándar, fue inspirado en JUnit y es similar a la mayoría de los frameworks de pruebas
unitarias de otros lenguajes.
Este framework soporta automatización de tests, código compartido para el
setup y shutdown de los tests, agregado de tests en colecciones, e independencia de los
tests del framework de reporte.
Para lograr esto, unittest considera los siguientes conceptos:

● Test Fixture: representa la preparación necesaria para correr una o más pruebas,
y cualquier acción de limpieza asociada. Esto puede involucrar, por ejemplo, la
creación de base de datos temporales, directorios, o iniciar un servidor.
● Test Case: es una unidad de prueba individual. Chequea una respuesta específica
para un conjunto particular de entradas. La librería unittest provee una clase
base, TestCase, que debe ser utilizada para crear nuevos test cases.
● Test Suite: es una colección de test cases, test suites o ambos. Es utilizada para
agregar pruebas que deben ejecutarse juntos.
● Test Runner: es un componente que coordina la ejecución de tests y provee la
salida al usuario. El runner puede usar una interfaz gráfica, o devolver un valor
especial para indicar el resultado de la ejecución de las pruebas.
Ejemplo de uso
A continuación se explica un ejemplo básico:
1
https://docs.python.org/3/library/unittest.html
import unittest
class TestStringMethods(unittest.TestCase):
def test_upper(self):
self.assertEqual('foo'.upper(), 'FOO')
def test_isupper(self):
self.assertTrue('FOO'.isupper())
self.assertFalse('Foo'.isupper())
def test_split(self):
s = 'hello world'
self.assertEqual(s.split(), ['hello', 'world'])
# Verifica que s.split lanza una excepción de tipo TypeError cuando el separador
# no es un string
with self.assertRaises(TypeError):
s.split(2)
if __name__ == '__main__':
unittest.main()
Un testcase se crea sub-clasificando la clase unittest.TestCase. Las pruebas se

definen con métodos donde los nombres empiezan con la palabra test. Esta convención
le informa al test runner cuales son los métodos de la clase que representan pruebas, ya
que la misma puede definir otros métodos que no corresponden a pruebas.
Lo esencial de cada prueba es verificar que el resultado se corresponde con el
valor esperado.
2
El método assertEqual verifica que el resultado de la operación que estamos
haciendo sea igual al valor que le pasamos, es decir, al valor que esperamos. Los
métodos assertTrue y assertFalse verifican si se cumple una condición. Y el método
assertRaises verifica que se lance una excepción de un tipo específico.
El test runner acumula los resultados de todas las pruebas y produce un reporte.
El bloque final de código muestra una manera simple de correr las pruebas.
unittest.main() provee una interfaz de línea de comando al script de prueba.
Anatomía de las pruebas

Las pruebas tienen una estructura interna común, lo que se suele llamar
anatomía de las pruebas. La mayoría de los casos de pruebas están compuestos por:
● Setup: Donde se crean los objetos necesarios (el contexto) para la prueba.
● Act: Lo que quiero hacer o probar.
● Assertions: Verificaciones sobre los resultados obtenidos.
La clase TestCase
La clase TestCase está pensada para ser utilizada como clase base,
implementando las pruebas específicas en las subclases concretas. Esta clase
implementa la interfaz necesaria para permitir al test runner correr las pruebas y
reportar fallas de diversos tipos.
Métodos relevantes
A continuación se describen algunos métodos relevantes de la clase TestCase:
setUp: este método se llama antes de ejecutar cada prueba del TestCase. En este
método se pone el código para preparar el contexto del tests.
tearDown: este método se llama al finalizar la ejecución de cada test del TestCase. En
este método se pone el código para limpiar el contexto que puede haber modificado la
prueba que acaba de terminar. De manera que la siguiente prueba que se ejecute tenga
el contexto limpio como si fuera la única prueba que se ejecuta.
Este método nos ayuda a que cada prueba sea independiente y que dé lo mismo ejecutar
esa prueba sola o todo el TestCase.
3
setUpVlass: este método de clase, se ejecuta cuando se crea una instancia de TestCase.
Es útil para hacer un setup del contexto que sea común a todos las pruebas del TestCase.
tearDownClass: este método de clase, se ejecuta cuando se destruye una instancia del
TestCase. Es útil para hacer limpieza del contexto, que pueda llegar a afectar a otros
TestCase.
addCleanup: agrega una función de limpieza que se ejecutará en el tearDown del test.
Si se agregan muchas funciones de limpieza, se ejecutarán en orden LIFO.
doCleanups: Se ejecuta siempre después del tearDown o después del setUp si este lanza
una excepción. Ejecuta las funciones agregadas con el método addCleanup.
fail: Indica que la prueba fallo incondicionalmente, es decir, se utiliza para que devuelva
que la prueba falló.
Assertions
A continuación se describen los métodos que provee la clase TestCase para
realizar verificaciones sobre los resultados.
Método Verifica que
assertEqual(a, b) a == b
assertNotEqual(a, b) a != b
assertTrue(x) bool(x) is True
assertFalse(x) bool(x) is False
assertIs(a, b) a is b
assertIsNot(a, b) a is not b
assertIsNone(x) x is None
assertIsNotNone(x) x is not None
4
assertIn(a, b) a in b
assertNotIn(a, b) a not in b
assertIsInstance(a, b) isinstance(a, b)
assertNotIsInstance(a, b) not isinstance(a, b)
assertRaises(exc, fun, *args, **kwds) fun(*args, **kwds) raises exc
assertRaisesRegex(exc, r, fun, *args, **kwds) fun(*args, **kwds) raises exc and the
message matches regex r
assertWarns(warn, fun, *args, **kwds) fun(*args, **kwds) raises warn
assertWarnsRegex(warn, r, fun, *args, **kwds) fun(*args, **kwds) raises warn and the
message matches regex r
assertLogs(logger, level) The with block logs on logger with

minimum level
assertAlmostEqual(a, b) round(a-b, 7) == 0
assertNotAlmostEqual(a, b) round(a-b, 7) != 0
assertGreater(a, b) a>b
assertGreaterEqual(a, b) a >= b
assertLess(a, b) a<b
assertLessEqual(a, b) a <= b
assertRegex(s, r) r.search(s)
assertNotRegex(s, r) not r.search(s)
assertCountEqual(a, b) a and b have the same elements in the

same number, regardless of their order.
5
Además existen otros métodos que verifican la igualdad de ciertos tipos de
datos, como por ejemplo, string, listas, tuplas, etc.
Método Se utiliza para comparar
assertMultiLineEqual(a, b) strings
assertSequenceEqual(a, b) secuencias
assertListEqual(a, b) listas
assertTupleEqual(a, b) tuplas
assertSetEqual(a, b) conjuntos
assertDictEqual(a, b) diccionarios
Saltear Pruebas
En ciertas ocasiones es útil saltear alguna prueba, quizás porque hay una funcionalidad
que sabemos que tenemos que corregir, pero ahora estamos viendo otro tema o
también se pueden saltear pruebas para ciertas condiciones, por ejmplo, esta prueba
ejecutala si la versión de Python es 3.1.
La librería unittest nos brinda unos decoradores para saltear pruebas.
Decorador Descripción
@unittest.skip(reason) Saltea el test correspondiente al método

decorado. Se le puede indicar el motivo.
@unittest.skipIf(condition, reason) Saltea el test correspondiente al método

decorado si se cumple la condición pasada
6
como primer parámetro. Se le puede indicar el
motivo.
@unittest.skipUnless(condition, reason) Saltea el test correspondiente al método

decorado si NO se cumple la condición pasada
como primer parámetro. Se le puede indicar el
motivo.
7
Refactorings
La refactorización de código (del inglés refactoring) es una técnica de la

ingeniería de software para reestructurar un código fuente, alterando su estructura
interna sin cambiar su comportamiento externo.
Esta característica que tienen los refactorings lo hacen muy útil para el
mantenimiento de código porque nos permite transformar el código sin modificar el
funcionamiento del sistema.
El mantenimiento de un sistema no es solo corrección de errores, sino que es
una etapa en el ciclo de vida de desarrollo de un sistema. Según un estudio realizado por
Meir M. Lehman más del 80% del esfuerzo de mantenimiento es usado para acciones no
correctivas, sino que son mejoras en la funcionalidad del sistema: agregando nuevos
features o haciendo mejoras de usabilidad y optimización, etc.
Entre las conclusiones de la investigación de Lehman se incluye que el
mantenimiento es realmente un desarrollo evolutivo y que las decisiones de
mantenimiento son ayudadas por entender lo que sucede a los sistemas (y al software)
con el tiempo. Lehman demostró que los sistemas continúan evolucionando con el
tiempo. A medida que evolucionan, los sistemas se hacen más complejos a menos que
se hagan refactorizaciones de código con cierta frecuencia para reducir la complejidad. 1
La capacidad de hacer refactorings está dada por las herramientas que nos
provea el entorno de programación. Si el entorno de programación no provee la
posibilidad de hacer refactorings o solo algunos pocos deberíamos hacerlos
manualmente, lo que podría introducir errores por olvidarnos de modificar en alguna
parte del sistema.
1
Lehman, Meir M. (1980). «Programs, Life Cycles, and Laws of Software Evolution». Proc. IEEE 68 (9):
1060-1076.
Para poder realizar los refactorings de forma segura, ya sea automáticamente
con la herramienta que nos provea el entorno de desarrollo o manualmente, es
imprescindible tener una buena cobertura del código con tests. De esta manera, antes
de aplicar el refactoring corremos los tests, si estos pasan, aplicamos el refactoring y
volvemos a correr los tests. Si luego de aplicar el refactoring, no pasan corregimos lo que
nos haya quedado mal. Teóricamente deberían pasar porque el refactoring no cambia
el comportamiento del sistema, pero puede ser que los tests estén muy acoplados al
código o que hayamos hecho el refactoring manualmente y nos haya quedado algún
error, etc. Entonces los tests nos dan esa certeza de que el sistema sigue haciendo lo
que estaba haciendo.
A continuación describiremos algunos de los tipos de refactorings de código más

utilizados:
Refactoring Descripción
Rename ● Renombra el elemento seleccionado y todas las

referencias.
Extract Method ● Crea un nuevo método con el código seleccionado y lo

reemplaza por un envío de mensaje a ese método.
● Algunas herramientas reemplazan todas las
repeticiones de la selección.
Extract to Local - Introduce ● Extrae el código seleccionado en una variable local

Variable inicializada con dicho código.
Move Method ● Mueve el método seleccionado a una clase que debe

estar visible desde el contexto en que se mueve.
● Modifica todas las referencias al método movido.
Convert local to field - ● Convierte una variable local en variable de instancia.

Introduce Field ● Puede mover la inicialización de la variable.
2
Introduce a parameter ● Reemplaza el código seleccionado con una referencia
a un parámetro , modifica todos los senders agregando
dicho parámetro que será el código reemplazado.
Change Method Signature ● Permite modificar los elementos que definen un

- Change Signature método como los parámetros.
● Modifica todos los senders para quedar de acuerdo
con la nueva definición.
● Cuando se agregan parámetros se puede indicar con
qué código lo llaman los senders.
Inline ● Copia el código representado por el método o variable

a los lugares donde se referencia dicho método o
variable.
Encapsulated field ● Referencias a variables de instancia se reemplazan por

getters y setters.
Extract Parameter Object - ● Permite crear una abstracción nueva a partir de un

Extract Class from conjunto de parámetros de un método.
Parameters ● Reemplaza todos los senders por la instanciación de la
nueva abstracción.
Pull Up ● Mueve variables de instancia y/o métodos a la

superclase o declara el método como abstracto en la
superclase.
Push Down ● Mueve un conjunto de variables de instancia y/o

métodos a las subclases.
3
La técnica de programación TDD
Test Driven Development (TDD) es una práctica de ingeniería de software que

involucra otras dos prácticas: Escribir las pruebas primero (Test First Development) y
Refactorización de código (Refactoring). Con esta práctica se consigue entre otras cosas:
un código más robusto, más seguro, más mantenible y una mayor rapidez en el
desarrollo.
Carácteristicas de TDD
Como TDD es una técnica de desarrollo de software y vimos que el desarrollo de

software es un proceso de aprendizaje, podemos concluir que TDD también se puede
definir como una técnica de aprendizaje.
Algunas caracteristicas de TDD son:

- Iterativa e incremental.
- Constructivista.
- Está basada en feedback inmediato.
- Recuerda lo aprendido
- Permite asegurarnos de no haber desaprendido.
- Incluye análisis, diseño, programación y testing.
¿Cómo se hace TDD?

TDD consta de 3 simples pasos que se van repitiendo hasta finalizar el desarrollo:
1. Escribir un test
a. Debe ser el más sencillo que se nos ocurra
b. Debe fallar al correrlo.
2. Correr todos los tests
a. Si hay errores, arreglar el modelo e ir al paso 2.
3. Reflexiono. ¿Se puede mejorar el código?
a. Sí, refactorizar e ir al paso 2.
b. No. Ir al paso 1.
Al escribir el test estamos definiendo el problema que buscamos resolver. Al

arreglar el modelo para que pase el nuevo tests estamos resolviendo el problema (hasta
el punto que está definido) y al refactorizar el código estamos haciendo un mejor diseño.
¿Cuando no hago TDD?

- Cuando no tengo feedback inmediato.
- Escribiendo/modificando código antes de escribir un test.
- Escribiendo muchos tests antes de escribir el código.
- Cuando no desarrollo de manera iterativa e incremental.
- Escribiendo la “solución completa” de entrada.
- Haciendo up-front design.
- Escribiendo los tests luego de tener el código, es decir, haciendo testing.
Desarrollo iterativo e incremental

Las reglas de oro del desarrollo iterativo e incremental:
- Escribir el test primero
- El test debe ser el más sencillo posible y debe fallar.
- Hacer la mínima implementación necesaria para que el test pase.
- Refactorizar!
Bad Smells
En esta sección veremos algunas cosas que huelen mal cuando hacemos TDD, y
se explicará lo que significa cada situación y algunas sugerencias para resolver el
problema.
2
Situación Significa que
Un nuevo test funciona de entrada ● El caso ya esta testeado, con lo cual hay que
la primera vez que lo corro. borrar el test.
● No estoy haciendo un desarrollo iterativo e
incremental. Controlar la ansiedad. Hacer
“baby steps”
Tardo mucho para hacer funcionar ● El test era muy complejo, no estoy haciendo
un test. desarrollo incremental. Borrar test y hacerlo
más simple.
● El modelo es muy complejo. Debo
refactorizar.
Tardo mucho en escribir un test ● No estoy “reflexionando”. Debo pensar

porque el setup es muy largo. cómo simplificar la creación de objetos de
prueba.
Tardo mucho en escribir un test ● El test es muy complejo, no estoy haciendo el

porque el act es muy largo. test más sencillo. Borrar el test y hacerlo más
simple. Particionar el test en varios casos.
● El modelo es muy complejo. Debo
refactorizar.
Tardo mucho en escribir un test ● El test es muy complejo, estoy testeando

porque son muchos assertions. varios casos juntos. Particionar el test en
varios casos.
● No estoy “reflexionando” sobre qué significa
cada assertion. Debo refactorizar.
Me lleva mucho tiempo decidir qué ● Le estoy dando mucha importancia

test escribir. pensando cual es el más simple. Actuar!!!
3
Hay que tener feedback para aprender y
mejorar!!!
● El dominio de problema es muy complejo.
Aceptarlo.
● Terminé!!!
Los tests tardan mucho en correr. ● El test depende de algo externo que lo hace
demorar. Desacoplar esa dependencia.
Conclusiones
Veamos algunas conclusiones sobre la práctica de programación TDD:
- Lo más importante: Feedback inmediato para poder reflexionar.
- Recordar que es iterativo e incremental.
- No preocuparme por los nombres de los tests al principio.
- No preocuparme por la organización de los tests al principio.
- Hacer un test por caso. Y Organizar bien los test.
- El test no es el fin, es un medio.
- Usar la computadora como soporte o medio de aprendizaje (no correr el sistema
en nuestra cabeza).
- Un programador no es buen programador si no es un buen tester.
- TDD ayuda a generar diseños menos acoplados.
- TDD no implica buen diseño!
- Los buenos diseños los hacen los buenos diseñadores.
- Pensar en objetos para tener buenos diseños.
- TDD nos da confianza para realizar cambios cuando el modelo así lo requiera.
4
Instalación de SQLite y SQLiteBrowser
Instalación de SQLite
Para Descargar el instalador de SQLite1 ir a la página:
https://www.sqlite.org/download.html
En esta página, selecciona la versión correspondiente según el sistema operativo que

tengas instalado en tu computadora.
A continuación se detalla brevemente como es el proceso de instalación para los

sistemas operativos Windows, Linux y MAC OS.
Windows
Seleccionar para descargar el archivo: sqlite-tools-win32-x86-3280000.zip
Una vez que finalizó la descarga hacer los siguientes pasos:
1. Crear una carpeta nueva, por ejemplo, C:\sqlite

2. Extraer el contenido del archivo descargado previamente en la carpeta creada
en el paso anterior (C:\sqlite). Deberás ver el archivo sqlite3.exe en la carpeta
C:\sqlite.
1
https://www.sqlite.org/
Material de la Universidad Austral, preparado por el profesor Agustín Olmedo, Buenos Aires, Argentina, en junio
Linux (Ubuntu)
En una terminal ejecutar los siguientes comandos:
$ sudo apt-get update

$ sudo apt-get install sqlite3
Mac OS
Seleccionar para descargar el archivo:
Una vez que finalizó la descarga hacer los siguientes pasos:
3. Crear una carpeta nueva.

4. Extraer el contenido del archivo descargado previamente en la carpeta creada
en el paso anterior. Deberás ver el archivo sqlite3 en la carpeta.
2
Instalación de SQLiteBrowser
Para Descargar el instalador de SQLiteBrowser2 ir a la página:
https://sqlitebrowser.org/dl/
En esta página, selecciona la versión correspondiente según el sistema operativo que

tengas instalado en tu computadora.
A continuación se detalla brevemente como es el proceso de instalación para los

sistemas operativos Windows, Linux y MAC OS.
Windows
Seleccionar para descargar el archivo DB Browser for SQLite - Standard installer (32 bit
o 64 bits según corresponda) para realizar una instalación igual a cualquier programa.
También se ofrece una versión portable, para ejecutar el programa sin necesidad de
instalarlo.
2
https://sqlitebrowser.org/
3
Linux (Ubuntu)
En una terminal ejecutar el siguiente comando:

$ sudo apt-get install sqlitebrowser
Mac OS
En una terminal ejecutar los siguientes comandos3:

$ ruby -e "$(curl -fsSL
https://raw.githubusercontent.com/Homebrew/install/master/install)" < /dev/null 2>
/dev/null
$ brew install sqlitebrowser
3
http://macappstore.org/sqlitebrowser/
4
Base de datos relacional
La base de datos relacional es un tipo de base de datos que cumple con el modelo
relacional. Sus bases fueron postuladas en 1970 por Edgar Frank Codd en los
laboratorios IBM en San José (California).
El modelo relacional es el modelo de datos utilizado para modelar y gestionar

bases de datos relacionales. Este modelo de datos está basado en la lógica de predicados
y en la teoría de conjuntos.
Su idea fundamental es el uso de relaciones. Estas relaciones podrían

considerarse en forma lógica como conjuntos de datos llamados tuplas. Con lo cual, las
bases de datos relacionales se pueden considerar como un conjunto de relaciones (o
tablas) que contienen registros (o filas) y cada registro está compuesto por campos que
almacenan valores de un tipo de datos específico.
Figura 1: Esquema de base de datos en SQLite DB Browser
El modelo relacional asegura que cada registro de una tabla sea único, esto se
hace creando una clave primaria (del inglés Primary Key). Con lo cual, no se permite
tener dos registros con la misma clave primaria en una tabla.
Se llama clave primaria a un campo o a una combinación de campos que

identifica de forma única a cada fila de una tabla. Una clave primaria comprende de esta
manera una columna o conjunto de columnas. No puede haber dos filas en una tabla
que tengan la misma clave primaria. Por ejemplo, el DNI de una persona o el ISBN de un
libro son candidatas a ser una clave primaria.
A su vez cada tabla puede estar relacionada con otras tablas. Esta relación se
realiza con las claves foráneas (del inglés Foreign Key).
Una clave foránea es una restricción referencial entre dos tablas. La clave
foránea identifica una columna o grupo de columnas en una tabla (tabla referendo) que
se refiere a una columna o grupo de columnas en otra tabla (tabla referenciada). Las
columnas en la tabla referendo deben ser la clave primaria u otra clave candidata en la
tabla referenciada.
Los valores en una fila de las columnas referendo deben existir solo en una fila
en la tabla referenciada. De esta manera, una fila en la tabla referendo no puede
contener valores que no existen en la tabla referenciada. Con lo cual, las referencias
pueden ser creadas para vincular o relacionar información.
Además, múltiples filas en la tabla referendo pueden hacer referencia, vincularse

o relacionarse a la misma fila en la tabla referenciada. En general, esto se ve reflejado
en una relación uno (tabla referenciada) a muchos (tabla referendo).
2
La tabla referendo y la tabla referenciada pueden ser la misma, esto significa
que, la clave foránea remite o hace referencia a la misma tabla. A su vez, una tabla puede
tener múltiples claves foráneas y cada una puede tener diferentes tablas referenciadas.
Debido a que el sistema de gestión de base de datos hace cumplir las

restricciones de referencia, se debe garantizar la integridad de los datos si las filas de la
tabla referenciada se van a eliminar (o van a ser actualizadas). Si todavía existen filas
dependientes en tablas referendo, esas referencias tienen que ser consideradas.
3
Organización de la base de datos
La base de datos se organiza en dos secciones: el esquema y los datos.
El esquema es la definición de la estructura de la base de datos y principalmente

almacena los siguientes datos:
● El nombre de cada tabla

● El nombre de cada columna
● El tipo de dato de cada columna
● La tabla a la que pertenece cada columna
Los datos son el contenido de la base de datos en un momento dado. Es en sí, el

contenido de todos los registros.
Los sistemas de software utilizados para mantener las bases de datos

relacionales son conocidos como relational database management system (RDBMS) o
sistema de gestión de bases de datos relacionales.
Si bien existen muchos sistemas de gestión de base de datos, todos utilizan

(virtualmente) el lenguaje SQL1 para consultar y mantener la base de datos.
1
del inglés Structured Query Language
4
Integridad de datos
La integridad de datos se define como la correctitud y completitud de la

información en una base de datos.
Cuando se modifica el contenido de la base de datos ya sea insertando, borrando

o modificando datos, la integridad de los datos almacenados puede perderse de diversas
maneras. Por ejemplo, pueden agregarse datos inválidos, como un libro que tiene
definido un autor que no existe en la base de datos, o también pueden modificarse datos
existentes con un valor incorrecto, como por ejemplo si se re-asigna a un libro una
categoría que no existe.
Además, los cambios en la base de datos pueden perderse debido a un error del
sistema o a un fallo en el suministro de energía. Los cambios pueden ser aplicados
parcialmente, por ejemplo si se agrega un pedido de un libro sin ajustar la cantidad
disponible para vender.
Una de las funciones más importantes de un sistema de gestión de base de datos

relacionales es preservar la integridad de los datos almacenados en la mayor medida
posible.
Tipos de restricciones de integridad
A continuación se detallan los tipos de restricciones de integridad.
Integridad de dominio
La integridad de dominio es la validez de las restricciones que debe cumplir una
determinada columna de la tabla. Por ejemplo:
● Datos requeridos: establece que una columna tenga un valor no nulo.

● Chequeo de validez: cuando se crea una tabla cada columna tiene un tipo de
datos y el sistema de gestión de base de datos asegura que solamente los datos
del tipo especificado sean insertados en la tabla.
Integridad de entidad
Establece que la clave primaria de una tabla debe tener un valor único para cada
fila de la tabla; si no, la base de datos perderá su integridad.
El sistema de gestión de base de datos comprueba automáticamente la unicidad

del valor de la clave primaria cada vez que se inserta o actualiza un registro. Con lo cual,
un intento de insertar o actualizar una fila con un valor de la clave primaria ya existente
fallará.
Integridad referencial
Asegura la integridad entre las claves foráneas y primarias (relaciones tabla
referenciada/tabla referendo).
Existen cuatro actualizaciones de la base de datos que pueden corromper la

integridad referencial:
1. La inserción de una fila en la tabla referendo cuando no coincide la clave foránea

con la clave primaria de la tabla referenciada.
2
2. La actualización de la clave foránea de una fila en la tabla referendo, cuando el
valor de la misma no coincide con ninguna clave primaria en la tabla
referenciada.
3. El borrado de una fila en la tabla referenciada, cuando tiene una o más filas en
la tabla referendo que referencian a la fila borrada. En ese caso las filas de la
tabla referendo quedarán huérfanas.
4. La actualización de la clave primaria de una fila en la tabla referenciada, cuando
tiene una o más filas en la tabla referendo que referencian a la fila modificada.
En ese caso las filas en la tabla referendo quedarán huérfanas.
Para asegurar la integridad referencial, SQL:2003 especifica 5 acciones

referenciales diferentes que se ejecutarán en los siguientes casos:
CASCADE
Cada vez que se eliminan o se actualizan las filas de la tabla referenciada, se
eliminarán o actualizarán las respectivas filas de la tabla referendo. Esto se conoce
eliminación o actualización en cascada.
RESTRICT
El valor de una columna de la tabla referenciada no puede ser actualizado o
borrado cuando existe una fila en una tabla referendo que hace referencia al valor de la
columna de la tabla referenciada. A su vez, una fila no se puede eliminar, siempre que
haya una referencia a la misma a partir de una tabla referendo.
NO ACTION
NO ACTION y RESTRICT son muy parecidos. La principal diferencia entre el NO
ACTION y RESTRICT es que NO ACTION realiza la comprobación de integridad referencial
después de tratar de modificar la tabla mientras que RESTRICT hace la comprobación
antes de intentar hacer una actualización o borrado. Ambas acciones referenciales
actúan de la misma forma si la comprobación de integridad referencial falla: la
actualización o el borrado dará lugar a un error.
3
SET DEFAULT o SET NULL
En general, la acción tomada por el sistema de gestión de base de datos para SET
NULL o SET DEFAULT es el mismo tanto para borrar como para actualizar. El valor de la
referencia afectada se cambia a NULL para SET NULL, y con el valor predeterminado
especificado por SET DEFAULT.
Con SET NULL, cada vez que se elimina o actualiza el registro en la tabla
referenciada, establece a NULL las columnas de la clave foránea en la tabla referendo,
para ello las columnas de la tabla referendo NO deben estar definidas como NOT NULL.
4
Índices
Un índice es una estructura de datos que mejora la velocidad de las operaciones

permitiendo un acceso rápido a los registros de una tabla en una base de datos.
Los índices pueden ser creados a partir de una o más columnas, proporcionando
la base tanto para búsquedas rápidas al azar o el acceso ordenado a los registros de
manera eficiente.
Además, los índices pueden ser definidos como únicos. Un índice único actúa
como una restricción en la tabla previniendo filas idénticas en el índice.
El índice ocupará un espacio en disco, generalmente, menor a la tabla que se

indexa. Con lo cual, se consume más espacio en disco para ganar en velocidad en las
consultas de búsqueda que es lo que se hace con más frecuencia en ciertas tablas de la
base de datos.
Por otro lado, un índice, puede hacer más lenta la inserción, actualización y
borrado de un registro porque además de tener que actualizar el dato en la tabla tiene
que actualizar el índice. Con lo cual, conviene crear índices en tablas que son muy
consultadas y poco modificadas.
Cabe aclarar, como detalle de implementación, que los índices son construidos
generalmente sobre árboles B, B+ o B*.
Referencia SQL: Tablas
En esta sección se presenta una referencia de las sentencias de SQL para crear,
modificar y eliminar una tabla de la base de datos.
Creación de tablas
La sentencia CREATE TABLE se utiliza para crear una tabla nueva en la base de
datos.
La sintaxis básica es:
CREATE TABLE table_name (

column1 datatype,
column2 datatype,
column3 datatype,
....
);
Donde column1, column2, column3, etc. son los nombres de las columnas y
datatype es el tipo de datos de la columna. Los tipos de datos soportados dependerá del
motor de base de datos utilizando. En SQLite son:
● INTEGER
● TEXT
● NUMERIC
● REAL
● BLOB
Ejemplo:
CREATE TABLE àutor` (

ÌD` INTEGER NOT NULL PRIMARY KEY AUTOINCREMENT,
`NOMBRE` TEXT NOT NULL,
ÀPELLIDO` TEXT NOT NULL
);
Restricciones SQL
Además, al definir las columnas en la creación de una tabla se pueden especificar

algunas restricciones de esas columnas:
● NOT NULL: Asegura que la columna no tenga el valor NULL. Con lo cual, la
columna tendrá que tener siempre definido algún valor.
● UNIQUE: Asegura que todos los valores en una columna sean distintos.
● PRIMARY KEY: Una combinación de NOT NULL y UNIQUE. Identifica
unívocamente cada registro en una tabla.
● FOREIGN KEY: Se identifica de forma única un registro en otra tabla.
● CHECK: Asegura que todos los valores en una columna satisfacen una condición
específica. Por ejemplo, que sean valores mayores a cero.
● DEFAULT: Pone un valor por defecto para una columna cuando no se especifica
un valor.
● INDEX: Utilizados para crear y devolver datos de forma eficiente. No soportado,
en la creación de la tabla, por todas las versiones de SQL.
● AUTOINCREMENT: Genera automáticamente un número único (incremental)
cuando se inserta un nuevo registro a la tabla. Muchas veces se utiliza en los
campos que son la clave primaria de la tabla.
A continuación, se muestra un ejemplo que utiliza algunas de las restricciones

mencionadas anteriormente:
CREATE TABLE `libro` (

ÌD` INTEGER NOT NULL PRIMARY KEY AUTOINCREMENT,
ÌSBN` TEXT NOT NULL,
`TITULO`TEXT NOT NULL,
`DESCRIPCION` TEXT NOT NULL DEFAULT "",
ÀUTOR` INTEGER NOT NULL DEFAULT 1,
`precio` INTEGER,
`categoria_id` INTEGER,
FOREIGN KEY(ÀUTOR`) REFERENCES àutor`(ÌD`),
FOREIGN KEY(`categoria_id`) REFERENCES `categoria_libro`(`CODIGO`)
);
2
Creación de una tabla a partir del resultado de una consulta
Además, con la sentencia CREATE TABLE se puede crear una copia de una tabla
existente, como resultado de una consulta.
La nueva tabla tendrá la misma definición de columnas. Se podrán seleccionar todas las
columnas o algunas específicas.
Si se crea una tabla nueva a partir de una tabla existente, la nueva tabla se llenará con
los valores existentes de la tabla vieja.
CREATE TABLE new_table_name AS

SELECT column1, column2,...
FROM existing_table_name
WHERE ....;
Por ejemplo:
CREATE TABLE libro_copy AS

SELECT ISBN, TITULO FROM libro;
3
Modificación de tablas
La sentencia ALTER TABLE se utiliza para agregar, borrar o modificar columnas

en una tabla existente. Además, esta sentencia se utiliza para agregar o quitar
restricciones sobre una tabla existente.
-- Se agrega columna column_name

ALTER TABLE table_name
ADD column_name datatype;
-- Se borra columna column_name

DROP COLUMN column_name;
-- Actualizo columna column_name

ALTER COLUMN column_name datatype;
A continuación, veremos algunos ejemplos sobre las diversa formas de

modificar una tabla:
ALTER TABLE libro

ADD categoria_id INTEGER REFERENCES categoria_libro(ID);
ALTER TABLE libro

DROP COLUMN categoria_id;
ALTER TABLE libro

ALTER COLUMN precio REAL;
-- Agregar una restricción

ALTER TABLE libro
ADD CONSTRAINT chk_price CHECK (precio>=0);
La primera consulta agrega la columna categoria_id de tipo INTEGER que

referencia a la tabla categoria_libro a través de la columna ID. Con lo cual, se está
creando una columna a la vez que se define una clave foránea.
4
La segunda consulta borra la columna categoria_id. La tercera consulta actualiza
el tipo de datos de la columna precio al tipo REAL. Y la cuarta consulta agrega una
restricción que verifica que la columna precio contenga valores mayores o iguales a cero.
Borrado de tablas
La sentencia DROP TABLE se utiliza para borrar una tabla existente en la base de
datos.
DROP TABLE table_name;
Donde table_name es el nombre de una tabla existente en la base de datos.
A continuación, se muestra un ejemplo donde se borra la tabla libro_copy:
DROP TABLE libro_copy;
La sentencia TRUNCATE TABLE se utiliza para borrar los datos de una tabla sin borrar la
misma.
La sintaxis es:
TRUNCATE TABLE table_name;
Cabe aclarar que no todos los motores de base de datos soportan esta sentencia.
5
Referencia SQL: Datos de las tablas
En esta sección se presenta una referencia de las sentencias de SQL para crear,
modificar y eliminar una tabla de la base de datos.
Consultas de una tabla

La sentencia SELECT se utiliza para seleccionar datos desde la base de datos. Los
datos devueltos son almacenados en una tabla resultado, llamada conjunto resultado.
SELECT column1, column2, ...

FROM table_name;
Donde column1, column2, etc. son las columnas de la tabla que queremos
seleccionar. Si queremos seleccionar todas las columnas de la tabla podemos utilizar
asterisco (*). Por ejemplo:
SELECT * FROM libro;
La sentencia SELECT DISTINCT se utiliza para devolver solo los valores diferentes.
En una tabla, muchas veces una columna contiene muchos valores duplicados, y a veces
solo queremos una lista de los valores diferentes.
SELECT DISTINCT column1, column2, ...

FROM table_name;
Por ejemplo, podemos pedir las categorías de los libros que tenemos registrados:
SELECT DISTINCT categoria_id FROM libro;
La cláusula WHERE se utiliza para filtrar registros, es decir, se utiliza para extraer
solo aquellos registros que cumplen con una condición específica.

FROM table_name
WHERE condition;
Donde condition es una expresión que debe evaluar a verdadero o falso. Por
ejemplo, si quiero los libros con precio mayor a 100 puedo realizar la siguiente consulta:
SELECT * FROM libro where precio > 100;
Además, al ser una expresión booleana, se pueden combinar distintas expresiones con
los operadores lógicos AND, OR y NOT. Con lo cual, podría escribir expresiones más
complejas como, por ejemplo:
-- libros con precio entre 90 y 200

SELECT * FROM libro where precio >= 90 AND precio <= 200;
-- libros con precios menores a 100 y libros con precios mayores a 200
SELECT * FROM libro where precio < 100 OR precio > 200;
-- libros que no son de la categoría con id igual a 1

SELECT * FROM libro where NOT categoria_id = 1;
2
Por otro lado, también podemos ordenar los registros resultados. Para esto
utilizamos la palabra clave ORDER BY que ordena el conjunto resultado de manera
ascendente o descendente según se indique. Por defecto, los registros se ordenan en
orden ascendente.

FROM table_name
ORDER BY column1, column2, ... ASC|DESC;
Cuando se ordena por varias columnas, primero se ordena por la columna que aparece
primero (más a la izquierda), luego por la segunda, y así siguiendo. Y el orden será
ascendente si no se indica nada o si se indica ASC y de modo descendente si se indica
DESC.
Por ejemplo, ordenamos los libros por precio con orden ascendente en primera consulta
y por orden descendente en la segunda consulta.
SELECT * FROM libro ORDER BY precio;
SELECT * FROM libro ORDER BY precio DESC;
3
Inserción de datos en una tabla
La sentencia INSERT INTO se utiliza para insertar un nuevo registro en una tabla.
Hay dos formas de escribirlo. La primera forma, específica los nombres de las columnas
y los valores a insertar en cada columna.
La sintaxis es:
INSERT INTO table_name (column1, column2, column3, ...)

VALUES (value1, value2, value3, ...);
Por ejemplo, agregamos la categoría de libros con nombre “Ciencia Ficción”:
INSERT INTO categoria_libro (NOMBRE) VALUES ('Ciencia Ficción');
Notar que no hace falta indicar la columna CODIGO porque es autoincremental.
Si se insertan valores para todas las columnas de la tabla, entonces no es

necesario especificar los nombres de las columnas en la consulta SQL. Sin embargo, hay
que asegurarse que el orden de los valores sean el mismo que el orden de las columnas
en la tabla.
La sintaxis para este caso queda:
INSERT INTO table_name

VALUES (value1, value2, value3, ...);
Por ejemplo, creamos la categoría de libros con nombre “Terror” y CODIGO 4:
INSERT INTO categoria_libro VALUES (4, 'Terror');
4
Actualización de datos en una tabla
La sentencia UPDATE se utiliza para modificar un registro existente en una tabla.
La sintaxis es:
UPDATE table_name
SET column1 = value1, column2 = value2, ...
WHERE condition;
Donde se actualizan de la tabla table_name las columnas column1, column2, etc.

con los valores value1, value2, etc. respectivamente para los registros que cumplen con
la condición condition.
Por ejemplo, modificamos el nombre de la categoría de libros con código 4,

asignándole como nuevo nombre “Acción”:
UPDATE categoria_libro SET NOMBRE = 'Acción' WHERE CODIGO = 4;
5
Borrado de datos de una tabla
La sentencia DELETE se utiliza para borrar registros existentes en una tabla.
DELETE FROM table_name WHERE condition;
Con lo cual, se borran todos los registros de la tabla table_name que cumplan con la
condición condition.
Por ejemplo, si queremos borrar la categoría de libros con CODIGO 4, entonces

ejecutams la siguiente consulta:
DELETE FROM categoria_libro WHERE CODIGO = 4;
Además, es posible borrar todos los registros en una tabla sin borrar la tabla.
Esto significa que la estructura de la tabla, las columnas y los índices quedan intactos.
Por ejemplo, con la siguiente consulta se borran todas las categorías de los libros:
DELETE FROM categoria_libro;
6
JOINS de tablas
La cláusula JOIN se utiliza para combinar filas de dos o más tablas, basado en una
columna que relaciona las tablas.
Hay diversos tipos de joins, que en definitiva son todas las posibles uniones de
conjunto. A modo de referencia, en la siguiente imagen se muestran todos los tipos de
joins que se pueden hacer en SQL.
Figura 1: SQL JOINS
En este documento detallaremos las dos más utilizadas: el LEFT JOIN y el INNER
JOIN.
LEFT JOIN
La palabra clave LEFT JOIN devuelve todos los registros desde la tabla izquierda
(tabla A), y los registros de la tabla derecha (tabla B) que coinciden en el campo por el
que se hace la unión.
El resultado de los campos de la tabla derecha quedan en NULL cuando no

coincide el campo por el que se hace la unión.
La sintaxis es:
SELECT column_name(s)
FROM table1
LEFT JOIN table2
ON table1.column_name = table2.column_name;
Por ejemplo, si queremos seleccionar los libros y tener el nombre de la categoría

del libro entre las columnas seleccionadas, entonces podemos realizar la siguiente
consulta:
SELECT * FROM libro L

LEFT JOIN categoria_libro C
ON L.categoria_id = C.CODIGO;
2
INNER JOIN
La palabra clave INNER JOIN selecciona registros que coinciden los valores en
ambas tablas.
La Sintaxis es:
SELECT column_name(s)
FROM table1
INNER JOIN table2
ON table1.column_name = table2.column_name;
Por ejemplo, si queremos seleccionar los libros y tener el nombre de la categoría

del libro entre las columnas seleccionadas, solo para los libros que tienen categoría,
entonces podemos realizar la siguiente consulta:
SELECT * FROM libro L

INNER JOIN categoria_libro C
ON L.categoria_id = C.CODIGO;
La diferencia con el LEFT JOIN es que el INNER JOIN se queda con los registros
que coinciden en ambas tablas. En cambio, el LEFT JOIN, se queda con todos los
registros de la tabla izquierda, coincidan los valores o no con la tabla derecha.
3
Librería sqlite3
La librería SQLite3 es una librería que forma parte de la biblioteca estándar de

Python que nos permite trabajar con base de datos SQLite.
SQLite es una librería hecha en C que provee una base de datos liviana basada
en un archivo (que se guarda en el disco rígido) que no requiere un proceso separado y
permite el acceso a la base de datos usando una variante no estándar del lenguaje de
consultas SQL.
Algunas aplicaciones pueden usar SQLite como un almacenamiento interno.

Además, es posible utilizar SQLite para armar un prototipo de una aplicación y después
portar el código a una base de datos más grande como PostgreSQL u Oracle.
También la librería SQLite3 nos permite trabajar con una base de datos en
memoria, muy útil para correr tests unitarios, para probar todo el sistema incluso la base
de datos de manera rápida.
A continuación, veremos un ejemplo sencillo, que crea una conexión a una base
de datos en memoria, obtiene un cursor y crea una tabla para almacenar monedas
llamada currency, con las columnas ID, name y symbol. Luego ingresa dos registros en la
tabla y hace un commit para que los cambios se efectúen en la base de datos. Por último,
se hace una consulta de todos los registros de la tabla currency y se imprime en pantalla
el resultado. Al terminar se cierra la conexión a la base de datos.
# -*- coding: utf-8 -*-

import sqlite3
# Conexión y cursor a la base de datos
conn = sqlite3.connect(':memory:')
cursor = conn.cursor()
# Creo la tabla
cursor.execute("""CREATE TABLE currency
(ID integer primary key, name text, symbol text)""")
# Inserto datos de monedas
cursor.execute("INSERT INTO currency VALUES (1, 'Peso (ARG)', '$')")
cursor.execute("INSERT INTO currency VALUES (2, 'Dólar', 'U$S')")
# Guardo los cambios
conn.commit()
# Consulto todas las monedas

query = "SELECT * FROM currency"
# Busco el resultado
currencies = cursor.execute(query).fetchall()
print(currencies)
# Cierro la conexión a la base de datos

conn.close()
2
Conexiones
Una conexión a base de datos es la forma que un servidor de base de datos y su

software cliente se comunican entre sí. El cliente y el servidor pueden o no estar en una
misma máquina.
El cliente utiliza una conexión a base de datos para enviar comandos y recibir
respuestas del servidor.
A continuación, veremos los métodos más importantes que implementa la clase

Connection de sqlite3.
cursor Devuelve un cursor que es instancia de la clase Cursor o de una

subclase.
commit Hace commit de la transacción actual. Si no se llama a este método,

nada de lo que hayas hecho desde la anterior vez que se hizo un
commit podrá ser visto desde otra conexión. Si te preguntas porque no
ves algo que escribiste en la base de datos, chequea que no te hayas
olvidado de hacer commit.
rollback Este método revierte cualquier cambio que hayas hecho en la base de
datos desde el último commit.
close Este método cierra la conexión a la base de datos. Este método no

llama automáticamente a commit. Si no haces commit antes de cerrar
la conexión todos los cambios que hayas hecho durante esa conexión
se pierden.
3
execute Este método es un atajo que crea un cursor y ejecuta la consulta con
los parámetros dados utilizando el método execute del cursor, y
devuelve el cursor.
executemany Este método es un atajo que crea un cursor y ejecuta varias consultas
con los parámetros dados utilizando el método executemany del
cursor, y devuelve el cursor.
executescript Este método es un atajo que crea un cursor y ejecuta un script SQL
utilizando el método executescript del cursor, y devuelve el cursor.
create_function Crea una función definida por el usuario que se podrá utilizar luego
dentro de las sentencias SQL utilizando el nombre de función definido.
La función definida puede devolver cualquier tipo de valor soportado
por SQLite: bytes, str, int, float y None.
create_aggregate Crea una función de agregación definida por el usuario.

Para esto se debe definir una clase que implemente los métodos step
y finalize, este último devuelve el resultado final de la agregación. El
método finalize puede devolver cualquiera de los tipos soportados por
SQLite: bytes, str, int, float y None.
create_collation Crea un comparador con el nombre y con la función especificada. La

función deberá recibir dos strings. La misma debe devolver -1 si el
primer argumento es menor que el segundo, 0 si son iguales y 1 si el
primer argumento es mayor que el segundo.
iterdump Devuelve un iterador para volcar la base de datos en un formato de

texto SQL. Muy útil para guardar una base de datos en memoria para
restaurarla posteriormente.
backup Este método hace una copia de seguridad de una base de datos SQLite
incluso cuando la base de datos está siendo accedida por otros clientes
o concurrentemente por la misma conexión.
4
Cursores
Un cursor es una estructura de control utilizada para el recorrido (y potencial
procesamiento) de los registros del resultado de una consulta.
A continuación, veremos los métodos más importantes que implementa la clase

Cursor de sqlite3.
execute Ejecuta una consulta SQL. La consulta SQL puede estar parametrizada.
sqlite3 soporta dos tipos de placeholders (para reemplazar las variables
por los parámetros): el signo de pregunta y los placeholders con nombre.
El método execute solo ejecuta una sola sentencia SQL.
executemany Ejecuta un comando SQL para un conjunto de parámetros definidos. Por

ejemplo, insertar 5 monedas.
executescript Ejecuta múltiples consultas SQL. Antes de ejecutar el script hace un

commit y luego ejecuta el Script SQL recibido como parámetro.
fetchone Extrae la siguiente fila del conjunto resultado de la consulta. Devuelve una
secuencia o None cuando no queda datos.
fetchmany Extrae el siguiente conjunto de filas del resultado de la consulta,

devolviendo una lista. Se devuelve una lista vacía cuando no quedan más
filas. El número de filas a extraer se especifica en el parámetro size. Si no
se define este parámetro, se utiliza como valor por defecto el valor de la
variable arraysize del cursor.
fetchall Extrae todas las filas que queden sin consumir en el conjunto resultado
de la consulta efectuada. Devuelve una lista.
close Cierra el cursor. El cursor queda inhabilitado a partir de ese momento.

Si se trata de utilizar se levantará una excepción de tipo
ProgrammingError.
5
Excepciones
A continuación, se listan los tipos de excepción que provee la librería sqlite3:
Excepción Descripción
Warning Una subclase de Exception.
Error La clase base de todas las otras excepciones definidas en la librería.

Es subclase de Exception.
DatabaseError Excepción que es levantada para errores relacionados con la base de

datos.
IntegrityError Excepción que es levantada cuando la integridad referencial de la

base de datos es afectada. Por ejemplo, cuando falla el chequeo de
una clave foránea.
ProgrammingError Excepción que es levantada para errores de programación. Por

ejemplo, una tabla no encontrada o que ya existe, errores de sintaxis
en sentencias SQL, número erróneo de los parámetros especificados,
etc. Es subclase de DatabaseError.
OperationalError Excepción que es levantada para errores que están relacionados con
la operación de la base de datos y no están, necesariamente, bajo el
control del programador. Por ejemplo, una desconexión con la base
de datos inesperada, una transacción que no puede ser procesada,
etc. Es subclase de DatabaseError.
NotSupportedError Excepción que es levantada en caso que un método es usado cuando

no es soportado por la base de datos. Por ejemplo, un rollback sobre
una conexión que no soporta transacciones o las tiene deshabilitadas.
Es subclase de DatabaseError.
6
Transacciones
Una transacción en un Sistema de Gestión de Bases de Datos es un conjunto de
órdenes que se ejecutan formando una unidad de trabajo, es decir, en forma indivisible
o atómica.
La biblioteca sqlite3 subyacente opera en modo autocommit de forma

predeterminada, pero el módulo sqlite3 de Python no lo hace de manera
predeterminada.
El modo autocommit significa que las consultas SQL que modifican la base de
datos se efectúan inmediatamente.
Una sentencia BEGIN o SAVEPOINT deshabilita el modo autocommit y un

commit, rollback o release termina la transacción más externa y vuelve a activar el modo
autocommit.
El módulo sqlite3 de Python por defecto emite una sentencia BEGIN

implícitamente antes de realizar una sentencia de modificación de datos
(INSERT/UPDATE/DELETE).
Se puede controlar qué tipo de sentencia BEGIN se ejecuta implícitamente por

sqlite3 por medio del parámetro isolation_level al crear la conexión, o por medio de la
propiedad isolation_level de las conexiones. Si no se especifica este parámetro, un
BEGIN plano es utilizado, que es equivalente a especificar DEFERRED. Otros valores
posibles son IMMEDIATE y EXCLUSIVE.
Además, se puede deshabilitar el manejo de transacciones implícito por

configuración, defiendo isolation_level en None. Esto dejará que la librería sqlite3 opere
en modo autocommit. En este caso, se puede controlar el estado de la transacción
explícitamente emitiendo las sentencias BEGIN, ROLLBACK, SAVEPOINT y RELEASE en el
código.
7
Adaptadores y conversores
SQLite soporta de forma nativa los siguientes tipos: NULL, INTEGER, REAL, TEXT, BLOB.
Los siguientes tipos de Python pueden ser enviados a SQLite sin ningún problema:
Tipo de Python Tipo de SQLite
None NULL
int INTEGER
float REAL
str TEXT
bytes BLOB
Por defecto los tipos de SQLite son convertidos a los tipos de Python de la siguiente
manera:
Tipo de SQLite Tipo de Python
NULL None
INTEGER int
REAL float
TEXT Depende del parámetro text_factory, por

default se convierte a str
BLOB bytes
El sistema de tipos del módulo sqilte3 es extensible de dos maneras:
1. Se puede almacenar tipos de Python adicionales en una base de datos SQLite por
medio de adaptadores.
2. Se puede dejar que el módulo sqlite3 convierta tipos de SQLite a diferentes tipos
de Python por medio de conversores.
Adaptadores
Para utilizar otros tipos de Python con SQLite, debes adaptarlos a uno de los tipos
soportados por el módulo sqlite3: None, int, float, str, bytes.
Hay dos formas de habilitar el módulo sqlite3 para adaptar un tipo de Python
personalizado a uno de los tipos soportados por la librería.
Dejando que el objeto se adapte
Este es un buen enfoque si estás escribiendo tu propia clase. Supongamos que

tenemos definida la clase Point con las coordenadas x e y. Y queremos guardar el punto
en una solo columna de SQLite. Primero deberemos elegir uno de los tipos soportados
para representar el punto. Por ejemplo, usemos un string separando las coordenadas
por un punto y coma. Para esto tenemos que definir el método __conform__ que debe
devolver el valor convertido.
import sqlite3
class Point:
def __init__(self, x, y):
self.x, self.y = x, y
def __conform__(self, protocol):
2
if protocol is sqlite3.PrepareProtocol:
return "%f;%f" % (self.x, self.y)
con = sqlite3.connect(":memory:")
cur = con.cursor()
p = Point(4.0, -3.2)
cur.execute("select ?", (p,))
print(cur.fetchone()[0])
con.close()
Registrando una función adaptadora
La otra posibilidad es crear una función que convierta el tipo a la representación

en string y registrar la función con register_adapter(). Por ejemplo:
import sqlite3
class Point:
def adapt_point(point):
return "%f;%f" % (point.x, point.y)
sqlite3.register_adapter(Point, adapt_point)
con = sqlite3.connect(":memory:")
cur = con.cursor()
3
p = Point(4.0, -3.2)
cur.execute("select ?", (p,))
print(cur.fetchone()[0])
con.close()
Convertir valores SQLite a tipos personalizados de Python
Escribiendo un adaptador podemos enviar tipos de Python personalizados a

SQLite. Pero para que sea realmente útil necesitamos también convertir el tipo SQLite
en un tipo de Python. Para esto creamos una función que convierta el tipo SQLite en un
tipo de Python y la registramos en el módulo sqlite3.
import sqlite3
class Point:
def __repr__(self):
return "(%f;%f)" % (self.x, self.y)
def adapt_point(point):
return ("%f;%f" % (point.x, point.y)).encode('ascii')
def convert_point(s):
x, y = list(map(float, s.split(b";")))
return Point(x, y)
sqlite3.register_adapter(Point, adapt_point)
4
sqlite3.register_converter("point", convert_point)
con = sqlite3.connect(":memory:", detect_types=sqlite3.PARSE_DECLTYPES)

cur = con.cursor()
cur.execute("create table test(p point)")
cur.execute("insert into test(p) values (?)", (p,))

cur.execute("select p from test")
print("with declared types:", cur.fetchone()[0])
cur.close()
con.close()
Adaptadores y conversores por defecto
Existen unos adaptadores por defecto para los tipos fecha y fecha y hora. Los
mismo envían la fecha o la fecha y hora en formato ISO a SQLite.
El conversor por defecto para las fechas se llama “date” y el de fecha y hora se
llama “timestamp”.
A continuación, se muestra un ejemplo de cómo utilizar los conversores de fecha

y fecha y hora.
import sqlite3
import datetime
con = sqlite3.connect(":memory:",
detect_types=sqlite3.PARSE_DECLTYPES|sqlite3.PARSE_COLNAMES)
cur = con.cursor()
cur.execute("create table test(d date, ts timestamp)")
5
today = datetime.date.today()
now = datetime.datetime.now()
cur.execute("insert into test(d, ts) values (?, ?)", (today, now))

cur.execute("select d, ts from test")
row = cur.fetchone()
print(today, "=>", row[0], type(row[0]))
print(now, "=>", row[1], type(row[1]))
cur.execute('select current_date as "d [date]", current_timestamp as "ts [timestamp]"')

row = cur.fetchone()
print("current_date", row[0], type(row[0]))
print("current_timestamp", row[1], type(row[1]))
con.close()
6
Migraciones o cambios de esquema
Cuando un programa utiliza una base de datos, este trabaja directamente sobre
los datos de la base: insertando, actualizando, buscando y borrando objetos en las
distintas tablas.
Entonces las tablas que utiliza el programa deben crearse antes de que el
programa empiece a operar con la base de datos. Las mismas se pueden crear con un
script sql que se ejecute en la base de datos para prepararla y que el programa pueda
comenzar a operar sobre ella.
Las migraciones o cambios de esquema se guardan para poder tener un histórico

de la base de datos y poder pasar de una versión del programa que utilizaba cierta
versión de la base de datos, a otra versión del programa que utiliza otra versión de la
base de datos.
Entonces una primera migración de una base de datos para un programa que trabaja
con monedas podría ser esta:
BEGIN TRANSACTION;
CREATE TABLE IF NOT EXISTS 'currency' (

'code' TEXT,
'name' text,
'symbol' text,
PRIMARY KEY('code')
);
COMMIT;
Supongamos que tenemos en producción nuestro programa que implementa la
clase Currency, con las variables de instancia code, name y symbol. Al utilizarlo se van
agregando objetos de tipo Currency en la base de datos y operando con ellos.
Si en un futuro se agrega una nueva variable de instancia al objeto Currency, por

ejemplo, la variable factor. No puedo instalar el cambio de código sin antes hacer una
modificación a la base de datos. Y si el programa tiene muchas implementaciones, es
conveniente generar cambios de esquemas, como para poder pasar de una versión del
programa a otra sin problemas.
Entonces en el ejemplo mencionado, tendremos que crear una migración que

agregue el campo factor a la tabla currency en la base de datos.
BEGIN TRANSACTION;
ALTER TABLE 'currency'

ADD 'factor' REAL;
COMMIT;
En este caso el campo puede estar nulo, pero si lo definimos para que no sea
nulo, tendríamos que ponerle algún valor por defecto al campo factor para cada registro.
Eso también se hace en la migración, llamada migración de datos. Por ejemplo:
BEGIN TRANSACTION;
ALTER TABLE 'currency'

ADD 'factor' REAL NOT NULL;
UPDATE currency SET factor = 1;
COMMIT;
2
De esta manera, todos los registros que existan en la base de datos tendrán como
valor de la columna factor el 1.
3
Introducción a SQLAlchemy1
Mapeo Objeto-Relacional
El ORM de SQLAlquemy presenta un método para asociar las clases de Python
definidas por el usuario con las tablas de la base de datos, y las instancias de esas clases
(es decir, los objetos) con las filas en su tabla correspondiente.
Además, el ORM incluye un sistema que sincroniza de forma transparente para

el usuario todos los cambios de estado entre los objetos y sus correspondientes filas,
llamado unit of work, así como un sistema para expresar consultas a la base de datos en
términos de las clases definidas por el usuario y las relaciones entre cada una.
Declarar un mapeo
Cuando se utiliza el ORM, el proceso de configuración comienza por describir las

tablas de la base de datos que vamos a utilizar y luego definiendo nuestras propias clases
que serán mapeadas a esas tablas.
Sin embargo, en las nuevas versiones de SQLAlchemy estas dos tareas se realizan
generalmente juntas, utilizando un sistema conocido como declarativo, que nos
permite crear clases que incluyen directivas para describir la tabla actual de la base de
datos que será mapeada.
Las clases mapeadas utilizando el sistema declarativo son definidas en términos

de una clase base que mantiene un catálogo de clases y tablas relativas a esta base, esto
es conocido como la clase base declarativa.
1
https://docs.sqlalchemy.org
Nuestra aplicación generalmente tendrá solo una instancia de esta base
declarativa en un módulo común importado.
Para crear la clase base declarativa utilizamos la función declarative_base().
Para crear un mapeo de modelo, tenemos que crear una clase que herede de la
base creada con la función declarative_base y como mínimo tenemos que definir el
nombre de la tabla y al menos una columna que sea primary key.
En el siguiente ejemplo se crea la clase Author que tendrá las columnas id de tipo
entero, firstname de tipo String y lastname de tipo String.
Además, la columna id es clave primaria y tiene definida una secuencia. La
secuencia hará que dicho campo no tenga que ser definido por el usuario, sino que la
base de datos al insertar un registro lo autocomplete con un valor secuencial.
# -*- coding: utf-8 -*-
from sqlalchemy import create_engine

from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import Column, Integer, String, Sequence
Base = declarative_base()
class Author(Base):
__tablename__ = 'author'
id = Column(Integer, Sequence('author_id_seq'), primary_key=True)

firstname = Column(String)
lastname = Column(String)
2
def __repr__(self):
return "{} {}".format(self.firstname, self.lastname)
Cuando nuestra clase es construida, el sistema declarativo reemplaza todos los

objetos de tipo Column por un atributo especial conocido como descriptores2; este es
un proceso conocido como instrumentación3. La clase mapeada “instrumentada” nos
proveerá de los medios para referir a nuestra tabla en un contexto SQL, así como
también persistir o cargar valores de las columnas desde la base de datos.
Fuera del proceso de mapeo, la clase sigue siendo, en su mayoría, una clase
normal de Python, donde podemos definir los atributos y métodos que necesitemos
para nuestra aplicación.
Crear un esquema
Una vez que tenemos construida nuestra clase a través del sistema declarativo,
tenemos definida la información sobre la tabla de nuestro modelo, conocida como tabla
metadato.
El objeto que utiliza SQLAlchemy para representar esta información para una
tabla específica se llama Table, y el sistema declarativo la hace por nosotros. Podemos
ver este objeto inspeccionado el atributo __table__:
>>> Author.__table__
Table('author', MetaData(bind=None),
Column('id', Integer(), table=<author>, primary_key=True, nullable=False,
default=Sequence('author_id_seq',
metadata=MetaData(bind=None))),
Column('firstname', String(), table=<author>),
2
https://docs.sqlalchemy.org/en/13/glossary.html#term-descriptors
3
https://docs.sqlalchemy.org/en/13/glossary.html#term-instrumentation
3
Column('lastname', String(), table=<author>), schema=None)
El objeto Table es miembro de una colección conocida como MetaData. Cuando usamos
el sistema declarativo, este objeto está disponible usando el tributo metadata de nuesta
clase base declarativa.
MetaData es un registro que incluye la posibilidad de generar esquemas en la base de

datos. Con el método create_all se crearán todas las tablas que aún no existen en la base
de datos manejada por el motor especificado.
>>> engine = create_engine('sqlite:///:memory:')

>>> Base.metadata.create_all(engine)
En este ejemplo se crea la tabla author en una base de datos SQLite en memoria.
4
Crear una instancia de una clase mapeada
Una vez que el mapeo está completo podemos crear e inspeccionar objetos de
tipo Author:
>>> author = Author(firstname='Joanne', lastname='Rowling')

>>> author.firstname
'Joanne'
>>> author.lastname
'Rowling'
>>> str(author.id)
‘None’
En este caso se crea un autor con nombre “Joanne” y apellido “Rowling”.

Cuando accedo a los atributos firstname y lastname, vemos que el funcionamiento es el
mismo que con cualquier objeto de Python. Notar que el id quedará en None hasta que
el objeto se guarde en la base de datos ya que el mismo se completa con la secuencia
cuando el objeto se guarda en la base.
5
Creando una sesión
Una vez creado el esquema, estamos en condiciones de comunicarnos con la
base de datos. La comunicación con la base de datos se hace a través de una sesión.
Cuando iniciamos la aplicación al mismo nivel que la sentencia create_engine,

definimos una clase Session que nos servirá para crear sesiones.
>>> Session = sessionmaker(bind=engine)

>>> session = Session()
Cuando utilizamos la sesión por primera vez se recupera una conexión de un pool
de conexiones que mantiene el motor de base de datos. Esta conexión la tendrá la sesión
hasta que se haga un commit o se cierre la sesión.
Agregando y actualizando objetos
Para guardar un objeto en la base de datos vamos a agregarlo en la sesión.
>>> author = Author(firstname='Joanne', lastname='Rowling')

>>> session.add(author)
>>> our_author = session.query(Author).filter_by(firstname='Joanne').first()
>>> author is our_author
En este punto todavía no se insertó una fila en la base de datos. La sesión

persistirá el objeto en la base de datos tan pronto como lo necesite, utilizando un
proceso conocido como flush. Por ejemplo, si consulto a la base de datos por el objeto
recién creado, primero se hará un flush e inmediatamente después se hace la consulta
a la base de datos.
En el ejemplo, hacemos una consulta de un autor con nombre Joanne a la base

de datos, y nos quedamos con el primero. Esta consulta nos va a traer el objeto autor
correspondiente a “Joanne Rowling”, pero además veremos que es la misma instancia.
6
Esto es así porque la sesión la reconoce en su mapa interno de objetos y por eso
devuelve exactamente la misma instancia que acabamos de insertar.
También podemos agregar una lista de objetos a la base de datos. Por ejemplo:
session.add_all([
Author(firstname='John Ronald Reuel', lastname='Tolkien'),
Author(firstname='Jose', lastname='Hernandez')])
>>> session.new
IdentitySet([John Ronald Reuel Tolkien, Jose Hernandez])
Además, Si modificamos un objeto, la sesión lo registra.
>>> author.firstname = 'Joanne K.'

>>> session.dirty
IdentitySet([Joanne K. Rowling])
>>> session.commit()
Luego haciendo commit de la sesión envíamos todos los cambios a la base y se

harán los dos insert y el update correspondientes. Y como mencionamos se devuelve la
conexión al pool de conexiones.
Una vez insertados los objetos en la base de datos, todos los identificadores y
valores por defecto generados por la base de datos están disponibles en la instancia.
Rollback
Como la sesión trabaja dentro de una transacción, entonces podemos hacer
rollback de todos los cambios no incluidos en un commit.
7
>>> author.firstname = 'Joanne'
>>> another_author = Author(firstname='Gabriel', lastname='Garcia Marquez')
>>> session.add(another_author)
>>> session.query(Author).filter(Author.firstname.in_(['Joanne', 'Gabriel'])).all()
>>> session.rollback()
>>> author.firstname
'Joanne K.'
>>> another_author in session
False
Luego de hacer llamar al método rollback de la sesión se revierten todos los

cambios realizados después del último commit.
8
Buscando objetos
Para hacer consultas a la base de datos se utilizan objetos de la clase Query que
se obtienen con el método query() de la sesión.
A continuación, se listan algunos ejemplos:
# Devuelve los autores ordenados por id. Imprimimos el nombre y el apellido de cada uno.
for instance in session.query(Author).order_by(Author.id):
print(instance.firstname, instance.lastname)
# Devuelve el nombre y el apellido de cada autor y los imprimimos en pantalla.

for firstname, lastname in session.query(Author.firstname, Author.lastname):
print(firstname, lastname)
# Devuelve el autor y el primer nombre del mismo. Imprimimos cada uno de estos datos.
for row in session.query(Author, Author.firstname).all():
print(row.Author, row.firstname)
# Devuelve los autores, pero le asignamos una etiqueta al campo primer nombre.
# Luego imprimimos el valor de esa etiqueta.
for row in session.query(Author.firstname.label('firstname_label')).all():
print(row.firstname_label)
# Devuelve el autor y el primer nombre del mismo. La diferencia con la Query 3 es que
# definimos un alias de la tabla. Imprimimos el autor.
author_alias = aliased(Author, name='author_alias')
for row in session.query(author_alias, author_alias.firstname).all():

print(row.author_alias)
# Buscamos todos los autores, pero nos quedamos con los de las posiciones 2 y 3.
9
# La notación es como el slicing de las listas en Python.
for an_author in session.query(Author).order_by(Author.id)[1:3]:
print(an_author)
# Filtramos los autores por los que tienen como nombre Joanne y nos quedamos con el
# nombre del mismo.
for name, in session.query(Author.firstname).filter_by(firstname='Joanne'):
print(name)
# Igual a la consulta anterior, solo que filtramos por apellido del autor
for name, in session.query(Author.firstname).filter(Author.lastname=='Rowling'):
print(name)
# Filtramos autor por nombre y apellido

for an_author in session.query(Author).\
filter(Author.firstname=='Joanne').\
filter(Author.lastname=='Rowling'):
print(an_author)
# Nos quedamos con la cantidad de autores que tienen como primer nombre Joanne
>>> session.query(Author).filter(Author.firstname=='Joanne').count()
10
Construyendo una relación entre objetos
Para relacionar dos modelos se realizan los siguientes pasos:
1. Se crea una columna será la clave foránea hacia la tabla del modelo que
queremos relacionar.
2. Por otro lado, se crea una relación con el modelo utilizando el constructor
de relaciones llamado relationship.
3. La relación también se puede crear en el modelo relacionado para tener
un acceso desde el objeto también. De esta manera la relación es
bidireccional.
A continuación, se muestra una relación uno a muchos (un autor muchos libros):
# -*- coding: utf-8 -*-

from sqlalchemy import Column, Integer, String, Sequence, ForeignKey
from sqlalchemy.orm import sessionmaker, relationship
class Author(Base):

books = relationship("Book", order_by="Book.id", back_populates="author")
11
def __repr__(self):
class Book(Base):
__tablename__ = 'book'
id = Column(Integer, Sequence('book_id_seq'), primary_key=True)
isbn = Column(String)
title = Column(String)
description = Column(String)
author_id = Column(Integer, ForeignKey('author.id'))
author = relationship("Author", back_populates="books")
def __repr__(self):
return "{}".format(self.title)
12
Trabajando con objetos relacionados
Una vez que creamos los modelos relacionados, podemos pedirle tanto a los
libros su autor o al autor sus libros.
En el siguiente ejemplo se crea un autor y se le piden los libros que aún no tiene
ninguno asociado. Después de le agregan dos libros y por último se agrega el autor en la
sesión (que se agrega con sus libros) y se hace un commit.


>>> j_rowling = Author(firstname='Joanne', lastname='Rowling')

>>> j_rowling.books
[]
>>> j_rowling.books = [Book(isbn='9788498387087',

title='Harry Potter y la Piedra Filosofal',
description='La vida de Harry Potter cambia para siempre el ...'),
Book(isbn='9788498382679',
title='Harry Potter y la camara secreta',
description='Tras derrotar una vez mas a lord Voldemort, ...')]
>>> j_rowling.books[1]
'Harry Potter y la camara secreta'
>>> j_rowling.books[1].title
'Harry Potter y la camara secreta'
>>> session.add(j_rowling)
13
>>> session.commit()
>>> j_rowling = session.query(Author).filter_by(firstname='Joanne').one()

>>> j_rowling.books
14
Consultando objetos relacionados
A continuación, se listan algunos ejemplos de cómo hacer consultas de objetos
que están relacionados:
# Devuelve el autor y libro para este isbn. Los imprimimos en pantalla.

for an_author, a_book in session.query(Author, Book).\
filter(Author.id==Book.author_id).\
filter(Book.isbn=='9788498387087').\
all():
print(an_author)
print(a_book)
# Devuelve el autor del libro con este isbn.

>>> session.query(Author).join(Book).\
filter(Book.isbn=='9788498387087').\
all()
# Devuelve los autores de los libros poniendo la condición explícitamente.

>>> session.query(Author).join(Book, Author.id==Book.author_id).all()
# Devuelve los autores de los libros especificando la relación de izquierda a derecha.

>>> session.query(Author).join(Author.books).all()
# Devuelve los autores de los libros para una relación específica.

>>> session.query(Author).join(Book, Author.books).all()
# Devuelve los autores de los libros utilizando un string

>>> session.query(Author).join('books').all()
# Devuelve el nombre del autor del libro utilizando un filtro exists.

# Es decir, si existe algún libro del autor
15
>>> stmt = exists().where(Book.author_id==Author.id)
>>> for name, in session.query(Author.firstname).filter(stmt):
print(name)
# Devuelve el nombre del autor del libro utilizando un filtro any.

# Es decir, si el autor tiene algún libro
for name, in session.query(Author.firstname).filter(Author.books.any()):
print(name)
# Devuelve el nombre del autor del libro utilizando un filtro like,
# parecido a any solo que se le puede definir una condición,
# en este caso que el apellido del autor contenga la subcadena de texto Row.
for name, in session.query(Author.firstname).\
filter(Author.books.any(Author.lastname.like('%Row%'))):
print(name)
# Devuelve los libros donde el autor no se llame Joanne

>>> session.query(Book).filter(~Book.author.has(Author.firstname=='Joanne')).all()
16
Borrando objetos
En esta sección veremos cómo borrar objetos de la base de datos. Tal como
creamos las relaciones de los modelos, si borro el autor los libros no se borrarán. Con lo
cual, quedarán libros sin autor. En este caso se dice que esos objetos están huérfanos.
>>> session.delete(j_rowling)
>>> session.query(Author).filter_by(firstname='Joanne').count()
0
>>> session.query(Book).filter(Book.isbn.in_(['9788498387087',
'9788498382679'])).count()
2
>>> session.rollback()
Si queremos que al borrar el objeto padre se borren los objetos hijos, debemos
definir a la relación el atributo cascade con la opción “all, delete, delete-orphan”. De esta
manera al borrar un autor se borrarán sus libros también.
class Author(Base):

books = relationship("Book", order_by="Book.id", back_populates="author",

cascade="all, delete, delete-orphan")
def __repr__(self):
17
Realizando este cambio en la relación, se puede ver que ahora si se borran todos
los libros del autor cuando se borra el autor.
>>> del j_rowling.books[1]

'9788498382679'])).count()
1
>>> session.delete(j_rowling)
>>> session.query(Author).filter_by(firstname='Joanne').count()
0
'9788498382679'])).count()
0
18
Referencia API de consultas1
En esta sección se presenta una referencia de la API de consultas que provee el

ORM de SQLAlchemy a través del objeto Query. Para obtener un objeto de tipo Query
se debe llamar al método query() de la sesión.
A continuación, se listan los métodos más importantes que implementa la clase

Query.
add_column Agrega una columna a la lista de columnas del resultado que será devuelto.
all Devuelve los resultados representados por la consulta como una lista.
count Devuelve la cantidad de resultados que devuelve la consulta.
delete Realiza una consulta de eliminación masiva. Borra las filas devueltas por la
consulta.
distinct Aplica un DISTINCT a la consulta y devuelve la nueva consulta resultante.
exists Convierte una consulta en una subconsulta EXISTS.
filter Aplica los filtros dados a una copia de la consulta, usando expresiones SQL.
filter_by Aplica los filtros dados a una copia de la consulta, usando expresiones de
tipo keyword.
first Devuelve el primer resultado de la consulta o None si el resultado no

contiene ninguna fila.
1
https://docs.sqlalchemy.org/en/13/orm/query.html
get Devuelve una instancia correspondiente al identificador (primary key)
pasado como parámetro. Si no hay ninguna fila con dicho identificador
devuelve None.
group_by Aplica uno o más criterios de agrupación y devuelve la nueva consulta

resultante.
join Crea un JOIN SQL contra esta consulta y devuelve la nueva consulta
resultante.
limit Aplica un LIMIT a la consulta y devuelve la nueva consulta resultante.
one Devuelve exactamente un resultado o levanta una excepción.
one_or_none Devuelve a lo sumo un resultado o levanta una excepción.
order_by Aplica uno o más criterios de ordenación y devuelve la nueva consulta

resultante.
outerjoin Crea un LEFT OUTER JOIN contra esta consulta, devolviendo la nueva
consulta resultante.
slice Computa el slice de la consulta según los indices recibidos y devuelve la

nueva consulta resultante.
update Realiza una consulta de actualización masiva.
value Devuelve el valor de la columna indicada.
values Devuelve un iterador devolviendo las tuplas correspondientes a las

columnas indicadas.
2
Relaciones entre modelos
En esta sección veremos cómo relacionar modelos con SQLAlchemy utilizando

diversos patrones relacionales: uno a muchos, muchos a uno, uno a uno y muchos a
muchos.
Relación uno a muchos
Una relación uno a muchos define la clave foránea en la tabla hijo

referenciando a la tabla padre. Además, se puede especificar la relación en el padre
también, para referenciar a una colección de ítems representado por los hijos.
from sqlalchemy import Table, Column, Integer, ForeignKey

from sqlalchemy.orm import relationship
class Parent(Base):
__tablename__ = 'parent'
id = Column(Integer, primary_key=True)
children = relationship("Child", back_populates="parent")
class Child(Base):
__tablename__ = 'child'
parent_id = Column(Integer, ForeignKey('parent.id'))
parent = relationship("Parent", back_populates="children")
Relación muchos a uno
Una relación muchos a uno pone la clave foránea en la tabla padre referenciando
a la tabla hijo.

class Parent(Base):
child_id = Column(Integer, ForeignKey('child.id'))
child = relationship("Child", back_populates="parents")
class Child(Base):
parents = relationship("Parent", back_populates="child")
2
Relación uno a uno
Una relación uno a uno es esencialmente bidireccional. Para lograr esto, se pone
la keyword uselist en False para indicar que se guardará un escalar y no una lista. De
esta manera, se puede transformar una relación uno a muchos o una relación muchos
a uno en una relación uno a uno.
En el siguiente ejemplo se transforma una relación uno a muchos en una relación

uno a uno.

class Parent(Base):
child = relationship("Child", uselist=False, back_populates="parent")
class Child(Base):
parent_id = Column(Integer, ForeignKey('parent.id'))
parent = relationship("Parent", back_populates="child")
3
Relación muchos a muchos
Una relación muchos a muchos agrega una tabla para asociar objetos de dos
modelos. La tabla de asociación se indica en el argumento secondary de la relación.

association_table = Table('association', Base.metadata,

Column('left_id', Integer, ForeignKey('left.id')),
Column('right_id', Integer, ForeignKey('right.id'))
)
class Parent(Base):
__tablename__ = 'left'
children = relationship(
"Child",
secondary=association_table,
back_populates="parents")
class Child(Base):
__tablename__ = 'right'
parents = relationship(
"Parent",
secondary=association_table,
back_populates="children")
4
Ejemplo: categorías de los libros
En esta sección se muestra un ejemplo de la definición de una relación muchos

a muchos. En este caso una relación que indica que un libro puede tener muchas
categorías y una categoría puede tener asociado muchos libros.
# -*- coding: utf-8 -*-

from sqlalchemy import Column, Integer, String, Sequence
from sqlalchemy.orm import sessionmaker
from sqlalchemy import ForeignKey

from sqlalchemy import Table, Text
# association table
book_categories = Table('book_categories', Base.metadata,
Column('book_id', ForeignKey('book.id'), primary_key=True),
Column('category_id', ForeignKey('book_category.id'), primary_key=True)
)
class Author(Base):
5
books = relationship("Book", order_by="Book.id", back_populates="author")
def __repr__(self):
class BookCategory(Base):
__tablename__ = 'book_category'
id = Column(Integer, Sequence('book_category_id_seq'), primary_key=True)
name = Column(String)
books = relationship('Book',
secondary=book_categories,
back_populates='categories')
def __repr__(self):
return "{}".format(self.name)
class Book(Base):
__tablename__ = 'book'
id = Column(Integer, Sequence('book_id_seq'), primary_key=True)
isbn = Column(String)
6
title = Column(String)
description = Column(String)
author_id = Column(Integer, ForeignKey('author.id'))
author = relationship("Author", back_populates="books")
categories = relationship('BookCategory',
secondary=book_categories,
back_populates='books')
def __repr__(self):
return "{}".format(self.title)
A continuación, se muestra un ejemplo de cómo instanciar y utilizar los objetos

relacionados con una relación muchos a muchos.


>>> j_rowling = Author(firstname='Joanne', lastname='Rowling')
>>> session.add(j_rowling)
>>> j_rowling = session.query(Author).filter_by(firstname='Joanne').one()
>>> book = Book(isbn='9788498387087',
7
title='Harry Potter y la Piedra Filosofal',
description='La vida de Harry Potter cambia para siempre el ...')
>>> book.categories.append(BookCategory(name='Aventura'))
>>> book.categories.append(BookCategory(name='Accion'))
>>> book.author = j_rowling
>>> session.query(Book).filter(Book.categories.any(name='Aventura')).all()
>>> session.query(Book).\
filter(Book.author==j_rowling).\
filter(Book.categories.any(name='Aventura')).\
all()

Tutorial de Python

Cargado por

Copyright:

Formatos disponibles

Tutorial de Python

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tutorial de Python

Cargado por

Copyright:

Formatos disponibles

Traducido y empaquetado por

la comunidad de Python Argentina

Este material fue traducido por voluntarios del

Este PDF fue generado usando la herramienta rst2pdf

Copyright © Python Software Foundation

También vale la pena mirar el glosario.

Python es el lenguaje justo para ti.

• la agrupación de instrucciones se hace por sangría en vez de llaves de apertura y cierre

• no es necesario declarar variables ni argumentos.

>>> el_mundo_es_plano = True

Para más información sobre el modo interactivo, ve a Modo interactivo.

# -*- coding: encoding -*-

Donde encoding es uno de los codecs válidos soportados por Python.

# -*- coding: cp-1252 -*-

# este es el primer comentario

Usar Python como una calculadora

>>> 17 / 3 # la división clásica retorna un punto flotante

Con Python, es posible usar el operador ** para calcular potencias 2:

>>> n # tratamos de acceder a una variable no definida

>>> impuesto = 12.5 / 100

>>> 'huevos y pan' # comillas simples

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

>>> print('C:\algun\nombre') # aquí \n significa nueva línea!

produce la siguiente salida: (nota que la línea inicial no está incluída)

Uso: algo [OPTIONS]

>>> # 3 veces 'un', seguido de 'ium'

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

>>> prefix = 'Py'

Si querés concatenar variables o una variable con un literal, usá +:

>>> prefix + 'thon'

Esta característica es particularmente útil cuando querés separar cadenadas largas:

>>> texto = ('Poné muchas cadenas dentro de paréntesis '

>>> palabra = 'Python'

>>> palabra[-1] # último caracter

>>> palabra[0:2] # caracteres desde la posición 0 (incluída) hasta la 2 (excluída)

>>> palabra[:2] + palabra[2:]

>>> palabra[:2] # caracteres desde el principio hasta la posición 2 (excluída)

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

>>> palabra[42] # la palabra solo tiene 6 caracteres

Sin embargo, índices fuera de rango en rebanadas son manejados satisfactoriamente:

>>> palabra[0] = 'J'

Si necesitás una cadena diferente, deberías crear una nueva:

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

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

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

>>> cuadrados[0] # índices retornan un ítem

Las listas también soportan operaciones como concatenación:

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

>>> cubos.append(216) # agregar el cubo de 6

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

La función predefinida len() también sirve para las listas:

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

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

Primeros pasos hacia la programación

>>> # Series de Fibonacci:

Este ejemplo introduce varias características nuevas.

>>> x = int(input("Ingresa un entero, por favor: "))

>>> # Midiendo cadenas de texto

>>> for i in range(5):

range(-10, -100, -30)

# -- coding: encoding --

# -- coding: cp-1252 --