Tutorial

Python Tutorial
Versión 3.12.1
Guido van Rossum and the Python development team
enero 10, 2024
Python Software Foundation

Email: [email protected]
Índice general
1 Abriendo el apetito 3
2 Usando el intérprete de Python 5

2.1 Invocar el intérprete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.1 Paso de argumentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.2 Modo interactivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 El intérprete y su entorno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.1 Codificación del código fuente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3 Una introducción informal a Python 9

3.1 Usando Python como una calculadora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.1.1 Números . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.1.2 Texto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.1.3 Listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2 Primeros pasos hacia la programación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4 Más herramientas para control de flujo 19

4.1 La sentencia if . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2 La sentencia for . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.3 La función range() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.4 Las sentencias break, continue, y else en bucles . . . . . . . . . . . . . . . . . . . . . . . 21
4.5 La sentencia pass . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.6 La sentencia match . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.7 Definir funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.8 Más sobre definición de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.8.1 Argumentos con valores por omisión . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.8.2 Palabras claves como argumentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.8.3 Parámetros especiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.8.4 Listas de argumentos arbitrarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.8.5 Desempaquetando una lista de argumentos . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.8.6 Expresiones lambda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.8.7 Cadenas de texto de documentación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.8.8 Anotación de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.9 Intermezzo: Estilo de programación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5 Estructuras de datos 37
5.1 Más sobre listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.1.1 Usar listas como pilas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.1.2 Usar listas como colas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.1.3 Comprensión de listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.1.4 Listas por comprensión anidadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
i
5.2 La instrucción del . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.3 Tuplas y secuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.4 Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.5 Diccionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.6 Técnicas de iteración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.7 Más acerca de condiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.8 Comparando secuencias y otros tipos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6 Módulos 49
6.1 Más sobre los módulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.1.1 Ejecutar módulos como scripts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.1.2 El camino de búsqueda de los módulos . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.1.3 Archivos «compilados» de Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6.2 Módulos estándar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6.3 La función dir() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.4 Paquetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
6.4.1 Importar * desde un paquete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6.4.2 Referencias internas en paquetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
6.4.3 Paquetes en múltiples directorios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
7 Entrada y salida 59
7.1 Formateo elegante de la salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
7.1.1 Formatear cadenas literales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
7.1.2 El método format() de cadenas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
7.1.3 Formateo manual de cadenas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
7.1.4 Viejo formateo de cadenas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
7.2 Leyendo y escribiendo archivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
7.2.1 Métodos de los objetos Archivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
7.2.2 Guardar datos estructurados con json . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
8 Errores y excepciones 67
8.1 Errores de sintaxis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
8.2 Excepciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
8.3 Gestionando excepciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
8.4 Lanzando excepciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
8.5 Encadenamiento de excepciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
8.6 Excepciones definidas por el usuario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
8.7 Definiendo acciones de limpieza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
8.8 Acciones predefinidas de limpieza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
8.9 Lanzando y gestionando múltiples excepciones no relacionadas . . . . . . . . . . . . . . . . . . . 74
8.10 Enriqueciendo excepciones con notas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
9 Clases 77
9.1 Unas palabras sobre nombres y objetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
9.2 Ámbitos y espacios de nombres en Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
9.2.1 Ejemplo de ámbitos y espacios de nombre . . . . . . . . . . . . . . . . . . . . . . . . . 79
9.3 Un primer vistazo a las clases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
9.3.1 Sintaxis de definición de clases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
9.3.2 Objetos clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
9.3.3 Objetos instancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
9.3.4 Objetos método . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
9.3.5 Variables de clase y de instancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
9.4 Algunas observaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
9.5 Herencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
9.5.1 Herencia múltiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
9.6 Variables privadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
9.7 Detalles y Cuestiones Varias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
9.8 Iteradores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
9.9 Generadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
ii
9.10 Expresiones generadoras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
10 Breve recorrido por la Biblioteca Estándar 91

10.1 Interfaz del sistema operativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
10.2 Comodines de archivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
10.3 Argumentos de Líneas de Comandos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
10.4 Redirigir la salida de error y finalización del programa . . . . . . . . . . . . . . . . . . . . . . . . 92
10.5 Coincidencia de patrones de cadena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
10.6 Matemáticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
10.7 Acceso a Internet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
10.8 Fechas y tiempos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
10.9 Compresión de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
10.10 Medición de rendimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
10.11 Control de calidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
10.12 Pilas incluidas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
11 Pequeño paseo por la Biblioteca Estándar— Parte II 97

11.1 Formato de salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
11.2 Plantillas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
11.3 Trabajar con registros estructurados conteniendo datos binarios . . . . . . . . . . . . . . . . . . . 99
11.4 Multi-hilos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
11.5 Registrando . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
11.6 Referencias débiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
11.7 Herramientas para trabajar con listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
11.8 Aritmética de punto flotante decimal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
12 Entornos virtuales y paquetes 105

12.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
12.2 Creando entornos virtuales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
12.3 Manejando paquetes con pip . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
13 ¿Y ahora qué? 109
14 Edición de entrada interactiva y sustitución de historial 111

14.1 Autocompletado con tab e historial de edición . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
14.2 Alternativas al intérprete interactivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
15 Aritmética de Punto Flotante: Problemas y Limitaciones 113

15.1 Error de Representación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
16 Apéndice 119
16.1 Modo interactivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
16.1.1 Manejo de errores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
16.1.2 Programas ejecutables de Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
16.1.3 El archivo de inicio interactivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
16.1.4 Los módulos de customización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
A Glosario 121
B Acerca de estos documentos 135

B.1 Contribuidores de la documentación de Python . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
C Historia y Licencia 137

C.1 Historia del software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
C.2 Términos y condiciones para acceder o usar Python . . . . . . . . . . . . . . . . . . . . . . . . . 138
C.2.1 ACUERDO DE LICENCIA DE PSF PARA PYTHON | lanzamiento | . . . . . . . . . . 138
C.2.2 ACUERDO DE LICENCIA DE BEOPEN.COM PARA PYTHON 2.0 . . . . . . . . . . 139
C.2.3 ACUERDO DE LICENCIA CNRI PARA PYTHON 1.6.1 . . . . . . . . . . . . . . . . 140
C.2.4 ACUERDO DE LICENCIA CWI PARA PYTHON 0.9.0 HASTA 1.2 . . . . . . . . . . 141
iii
C.2.5 LICENCIA BSD DE CLÁUSULA CERO PARA CÓDIGO EN EL PYTHON | lanza-
miento | DOCUMENTACIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
C.3 Licencias y reconocimientos para software incorporado . . . . . . . . . . . . . . . . . . . . . . . 142
C.3.1 Mersenne Twister . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
C.3.2 Sockets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
C.3.3 Servicios de socket asincrónicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
C.3.4 Gestión de cookies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
C.3.5 Seguimiento de ejecución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
C.3.6 funciones UUencode y UUdecode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
C.3.7 Llamadas a procedimientos remotos XML . . . . . . . . . . . . . . . . . . . . . . . . . 145
C.3.8 test_epoll . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
C.3.9 Seleccionar kqueue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
C.3.10 SipHash24 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
C.3.11 strtod y dtoa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
C.3.12 OpenSSL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
C.3.13 expat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
C.3.14 libffi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
C.3.15 zlib . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
C.3.16 cfuhash . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
C.3.17 libmpdec . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
C.3.18 Conjunto de pruebas W3C C14N . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
C.3.19 Audioop . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
D Derechos de autor 155
Índice 157
iv
Python Tutorial, Versión 3.12.1
Python es un lenguaje de programación potente y fácil de aprender. Tiene estructuras de datos de alto nivel eficientes
y un simple pero efectivo sistema de programación orientado a objetos. La elegante sintaxis de Python y su tipado
dinámico, junto a su naturaleza interpretada lo convierten en un lenguaje ideal para scripting y desarrollo rápido de
aplicaciones en muchas áreas, para la mayoría de plataformas.
El intérprete de Python y la extensa librería estándar se encuentran disponibles libremente en código fuente y de forma
binaria para la mayoría de las plataformas desde la Web de Python, https://www.python.org/, y se pueden distribuir
libremente. El mismo sitio también contiene distribuciones y referencias a muchos módulos libres de Python de
terceros, programas, herramientas y documentación adicional.
El intérprete de Python es fácilmente extensible con funciones y tipos de datos implementados en C o C++ (u otros
lenguajes que permitan ser llamados desde C). Python también es apropiado como un lenguaje para extender apli-
caciones modificables.
Este tutorial introduce al lector informalmente a los conceptos básicos y las funcionalidades del lenguaje de progra-
mación Python y a su sistema. Ayuda a tener un interprete de Python accesible para una experiencia práctica, todos
los ejemplos son auto-contenidos, permitiendo utilizar el tutorial sin conexión.
Para una descripción de los objetos estándar y de los módulos, ver library-index. reference-index dónde se ofrece una
definición más formal del lenguaje. Para escribir extensiones en C o C++, leer extending-index y c-api-index. Existen
diversos libros que cubren Python en detalle.
Este tutorial no pretende ser exhaustivo ni cubrir cada una de las características del lenguaje, ni siquiera las más
utilizadas. En vez de eso, pretende introducir muchas de las funcionalidades más notables y brindar una idea clara
acerca del estilo y el tipo de lenguaje que es Python. Después de leerlo podrás leer y escribir módulos y programas
en Python, y estarás listo para aprender más acerca de las diversas librerías y módulos descritos en library-index.
Es interesante leer el Glosario.
Índice general 1
2 Índice general
CAPÍTULO 1
Abriendo el apetito
Si trabajas mucho con ordenadores, en algún momento encontrarás que hay alguna tarea que quieres automatizar.
Por ejemplo, quizás quieres buscar y remplazar un texto en muchos ficheros o renombrar y reordenar un montón
de imágenes de forma complicada. Quizás lo que quieres es escribir una pequeña base de datos personalizada, una
interfaz gráfica o un juego simple.
Si eres un desarrollador profesional, quizás quieres trabajar con varias librerías de C/C++/Java pero encuentras el
ciclo de escribir/compilar/probar/recompilar bastante lento. Quizás estás escribiendo una serie de pruebas para éstas
librerías y te parece tedioso escribir el código de pruebas. O quizás has escrito un programa que puede utilizar un
lenguaje como extensión y no quieres diseñar e implementar un lenguaje entero para tu aplicación.
Python es justo el lenguaje para ti.
Puedes escribir un script de shell de Unix o archivos por lotes de Windows para algunas de estas tareas. Los scripts
de shell son mejores para mover archivos y cambiar datos de texto, pero no son adecuados para juegos o aplicaciones
GUI. Podrías escribir un programa C / C ++ / Java, pero llevaría mucho tiempo de desarrollo obtener incluso un
primer programa de borrador. Python es más fácil de usar, está disponible en los sistemas operativos Windows,
macOS y Unix, y te ayudará a hacer el trabajo más rápidamente.
Python es fácil de utilizar y es un verdadero lenguaje de programación ofreciendo mucha más estructura y soporte para
programas grandes que la que ofrecen scripts de shell o archivos por lotes. Por otro lado, Python también ofrece mayor
comprobación de errores que C y siendo un lenguaje de muy alto nivel tiene tipos de datos de alto nivel incorporados
como listas flexibles y diccionarios. Debido a sus tipos de datos más generales, Python es aplicable a más dominios
que Awk o Perl, aunque hay muchas cosas que son tan sencillas en Python como en esos lenguajes.
Python te permite dividir tu programa en módulos que pueden reutilizarse en otros programas de Python. Tiene
una gran colección de módulos estándar que puedes utilizar como la base de tus programas o como ejemplos para
empezar a aprender Python. Algunos de estos módulos proporcionan cosas como entrada/salida de ficheros, llamadas
a sistema, sockets e incluso interfaces a herramientas de interfaz gráfica como Tk.
Python es un lenguaje interpretado, lo cual puede ahorrarte mucho tiempo durante el desarrollo ya que no es necesario
compilar ni enlazar. El intérprete puede usarse interactivamente, lo que facilita experimentar con características del
lenguaje, escribir programas desechables o probar funciones cuando se hace desarrollo de programas de abajo hacia
arriba. Es también una calculadora de escritorio práctica.
Python permite escribir programas compactos y legibles. Los programas en Python son típicamente más cortos que
sus programas equivalentes en C, C++ o Java por varios motivos:
• los tipos de datos de alto nivel permiten expresar operaciones complejas en una sola instrucción;
• la agrupación de instrucciones se hace mediante indentación en vez de llaves de apertura y cierre;
3
• no es necesario declarar variables ni argumentos.

Python es extensible: si ya sabes programar en C es fácil añadir nuevas funciones o módulos al intérprete, ya sea para
realizar operaciones críticas a velocidad máxima, o para enlazar programas de Python con bibliotecas que tal vez
sólo estén disponibles de forma binaria (por ejemplo bibliotecas gráficas específicas de un fabricante). Una vez estés
realmente entusiasmado, puedes enlazar el intérprete Python en una aplicación hecha en C y usarlo como lenguaje
de extensión o de comando para esa aplicación.
Por cierto, el lenguaje recibe su nombre del programa de televisión de la BBC «Monty Python’s Flying Circus» y no
tiene nada que ver con reptiles. Hacer referencias sobre Monty Python en la documentación no sólo esta permitido,
¡sino que también está bien visto!
Ahora que estás emocionado con Python, querrás verlo en más detalle. Como la mejor forma de aprender un lenguaje
es usarlo, el tutorial te invita a que juegues con el intérprete de Python a medida que vas leyendo.
En el próximo capítulo se explicará la mecánica de uso del intérprete. Esta es información bastante mundana, pero
es esencial para poder probar los ejemplos que aparecerán más adelante.
El resto del tutorial introduce varias características del lenguaje y el sistema Python a través de ejemplos, empezando
con expresiones, instrucciones y tipos de datos simples, pasando por funciones y módulos, y finalmente tocando
conceptos avanzados como excepciones y clases definidas por el usuario.
4 Capítulo 1. Abriendo el apetito

CAPÍTULO 2
Usando el intérprete de Python
2.1 Invocar el intérprete
El intérprete de Python generalmente se instala como /usr/local/bin/python3.12 en aquellas máquinas

donde está disponible; poner /usr/local/bin en la ruta de búsqueda de su shell de Unix hace posible iniciarlo
escribiendo el comando:
python3.12
en el terminal1 . Ya que la elección del directorio dónde vivirá el intérprete es una opción del proceso de instalación,
puede estar en otros lugares; consulta a tu gurú de Python local o administrador de sistemas. (Por ejemplo, /usr/
local/python es una alternativa popular).
En máquinas con Windows en las que haya instalado Python desde Microsoft Store, el comando python3.12 estará
disponible. Si tiene el lanzador py.exe instalado, puede usar el comando py. Consulte setting-envvars para conocer
otras formas de iniciar Python.
Se puede salir del intérprete con estado de salida cero ingresando el carácter de fin de archivo (Control-D en Unix,
Control-Z en Windows). Si eso no funciona, puedes salir del intérprete escribiendo el comando: quit().
Las características para edición de líneas del intérprete incluyen edición interactiva, sustitución de historial y comple-
tado de código en sistemas que soportan la biblioteca GNU Readline . Quizás la forma más rápida para comprobar si
las características de edición se encuentran disponibles es presionar Control-P en el primer prompt de Python que
aparezca. Si se escucha un sonido, tienes edición de línea de comandos; ver Apéndice Edición de entrada interactiva
y sustitución de historial para una introducción a las teclas. Si parece que no ocurre nada, o si se muestra ^P, estas
características no están disponibles; solo vas a poder usar la tecla de retroceso (backspace) para borrar los caracteres
de la línea actual.
El intérprete funciona de manera similar al shell de Unix: cuando se le llama con una entrada estándar conectada a un
terminal, lee y ejecuta comandos de manera interactiva; cuando se le llama con un argumento de nombre de archivo
o con un archivo como entrada estándar, lee y ejecuta un script desde ese archivo.
Una segunda forma de iniciar el intérprete es python -c comando [arg] ..., que ejecuta las sentencias
en comando, similar a la opción de shell -c . Como las sentencias de Python a menudo contienen espacios u otros
caracteres que son especiales para el shell, generalmente se recomienda citar comando en su totalidad.
1 En Unix, el intérprete de Python 3.x no está instalado por defecto con el ejecutable llamado python, por lo que no entra en conflicto con
un ejecutable de Python 2.x instalado simultáneamente.
5
Algunos módulos de Python también son útiles como scripts. Estos pueden invocarse utilizando python -m
módulo [arg] ..., que ejecuta el archivo fuente para módulo como si se hubiera escrito el nombre completo
en la línea de comandos.
Cuando se usa un script, a veces es útil poder ejecutar el script y luego ingresar al modo interactivo. Esto se puede
hacer pasando la -i antes del nombre del script.
Todas las opciones de la línea de comandos se describen en using-on-general.
2.1.1 Paso de argumentos
Cuando son conocidos por el intérprete, el nombre del script y los argumentos adicionales se convierten a una lista
de cadenas de texto asignada a la variable argv del módulo sys. Puedes acceder a esta lista haciendo import
sys. La longitud de la lista es al menos uno; cuando no se utiliza ningún script o argumento, sys.argv[0] es una
cadena vacía. Cuando se pasa el nombre del script con '-' (lo que significa la entrada estándar), sys.argv[0]
vale '-'. Cuando se usa -c comando, sys.argv[0] vale '-c'. Cuando se usa -m módulo, sys.argv[0]
contiene el valor del nombre completo del módulo. Las opciones encontradas después de -c comando o -m módulo
no son consumidas por el procesador de opciones de Python pero de todas formas se almacenan en sys.argv para
ser manejadas por el comando o módulo.
2.1.2 Modo interactivo
Cuando se leen los comandos desde un terminal, se dice que el intérprete está en modo interactivo. En este modo,
espera el siguiente comando con el prompt primario, generalmente tres signos de mayor que (>>>); para las líneas
de continuación, aparece el prompt secundario, por defecto tres puntos (...). El intérprete imprime un mensaje de
bienvenida que indica su número de versión y un aviso de copyright antes de imprimir el primer prompt primario:
$ python3.12
Python 3.12 (default, April 4 2022, 09:25:04)
[GCC 10.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>
Las líneas de continuación son necesarias cuando se ingresa una construcción multilínea. Como ejemplo, echa un
vistazo a la sentencia if:
>>> the_world_is_flat = True

>>> if the_world_is_flat:
... print("Be careful not to fall off!")
...
Be careful not to fall off!
Para más información sobre el modo interactivo, ver Modo interactivo.
2.2 El intérprete y su entorno
2.2.1 Codificación del código fuente
De forma predeterminada, los archivos fuente de Python se tratan como codificados en UTF-8. En esa codificación,
los caracteres de la mayoría de los idiomas del mundo se pueden usar simultáneamente en literales, identificadores
y comentarios, aunque la biblioteca estándar solo usa caracteres ASCII para los identificadores, una convención que
debería seguir cualquier código que sea portable.Para mostrar todos estos caracteres correctamente, tu editor debe
reconocer que el archivo es UTF-8, y debe usar una fuente que admita todos los caracteres del archivo.
Para declarar una codificación que no sea la predeterminada, se debe agregar una línea de comentario especial como
la primera línea del archivo. La sintaxis es la siguiente:
6 Capítulo 2. Usando el intérprete de Python

# -*- coding: encoding -*-
donde encoding es uno de los codecs soportados por Python.

Por ejemplo, para declarar que se utilizará la codificación de Windows-1252, la primera línea del archivo de código
fuente debe ser:
# -*- coding: cp1252 -*-
Una excepción a la regla de primera línea es cuando el código fuente comienza con una linea UNIX «shebang». En
ese caso, la declaración de codificación debe agregarse como la segunda línea del archivo. Por ejemplo:
#!/usr/bin/env python3
# -*- coding: cp1252 -*-
Notas al pie
2.2. El intérprete y su entorno 7

8 Capítulo 2. Usando el intérprete de Python

CAPÍTULO 3
Una introducción informal a Python
En los siguientes ejemplos, la entrada y la salida se distinguen por la presencia o ausencia de prompts (»> y …): para
repetir el ejemplo, escribe todo después del prompt, cuando aparece; las líneas que no comienzan con un prompt son
emitidas desde el intérprete. Ten en cuenta que en un ejemplo un prompt secundario en una linea en solitario significa
que debes escribir una línea en blanco. Esto se utiliza para finalizar un comando multilínea.
Muchos de los ejemplos de este manual, incluso aquellos ingresados en el prompt interactivo, incluyen comentarios.
Los comentarios en Python comienzan con el carácter numeral, #, y se extienden hasta el final visible de la línea. Un
comentario quizás aparezca al comienzo de la línea o seguido de espacios en blanco o código, pero no dentro de una
cadena de caracteres. Un carácter numeral dentro de una cadena de caracteres es sólo un carácter numeral. Ya que
los comentarios son para aclarar código y no son interpretados por Python, pueden omitirse cuando se escriben los
ejemplos.
Algunos ejemplos:
# this is the first comment

spam = 1 # and this is the second comment
# ... and now a third!
text = "# This is not a comment because it's inside quotes."
3.1 Usando Python como una calculadora
Probemos algunos comandos simples de Python. Inicia el intérprete y espera el prompt primario, >>>. (No debería
tardar mucho.)
3.1.1 Números
El intérprete funciona como una simple calculadora: puedes introducir una expresión en él y este escribirá los valores.
La sintaxis es sencilla: los operadores +, -, * y / se pueden usar para realizar operaciones aritméticas; los paréntesis
(()) pueden ser usados para agrupar. Por ejemplo:
>>> 2 + 2
4
>>> 50 - 5*6
20
(continué en la próxima página)
9
(proviene de la página anterior)

>>> (50 - 5*6) / 4
5.0
>>> 8 / 5 # division always returns a floating point number
1.6
Los números enteros (ej. 2, 4, 20) tienen tipo int, los que tienen una parte fraccionaria (por ejemplo 5.0, 1.6)
tiene el tipo float. Vamos a ver más acerca de los tipos numéricos más adelante en el tutorial.
La división (/) siempre retorna un número decimal de punto flotante. Para hacer floor division y obtener un número
entero como resultado puede usarse el operador //; para calcular el resto puedes usar %:
>>> 17 / 3 # classic division returns a float

5.666666666666667
>>>
>>> 17 // 3 # floor division discards the fractional part
5
>>> 17 % 3 # the % operator returns the remainder of the division
2
>>> 5 * 3 + 2 # floored quotient * divisor + remainder
17
Con Python, es posible usar el operador ** para calcular potencias1 :
>>> 5 ** 2 # 5 squared
25
>>> 2 ** 7 # 2 to the power of 7
128
El signo igual (=) se usa para asignar un valor a una variable. Después, no se muestra ningún resultado antes del
siguiente prompt interactivo:
>>> width = 20
>>> height = 5 * 9
>>> width * height
900
Si una variable no está «definida» (no se le ha asignado un valor), al intentar usarla dará un error:
>>> n # try to access an undefined variable

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

>>> price = 100.50
>>> price * tax
12.5625
>>> price + _
113.0625
>>> round(_, 2)
113.06
1 Debido a que ** tiene una prioridad mayor que -, -3**2 se interpretará como -(3**2), por lo tanto dará como resultado -9. Para evitar
esto y obtener 9, puedes usar (-3)**2.
10 Capítulo 3. Una introducción informal a Python

Esta variable debe ser tratada como de sólo lectura por el usuario. No le asignes explícitamente un valor; crearás una
variable local independiente con el mismo nombre enmascarando la variable con el comportamiento mágico.
Además de int y float, Python admite otros tipos de números, como Decimal y Fraction. Python también
tiene soporte incorporado para complex numbers, y usa el sufijo j o J para indicar la parte imaginaria (por ejemplo,
3+5j).
3.1.2 Texto
Python puede manipular texto (representado por el tipo str, conocido como «cadenas de caracteres») al igual que
números. Esto incluye caracteres «!», palabras «conejo», nombres «París», oraciones «¡Te tengo a la
vista!», etc. «Yay! :)». Se pueden encerrar en comillas simples ('...') o comillas dobles ("...") con el
mismo resultado2 .
>>> 'spam eggs' # single quotes

'spam eggs'
>>> "Paris rabbit got your back :)! Yay!" # double quotes
'Paris rabbit got your back :)! Yay!'
>>> '1975' # digits and numerals enclosed in quotes are also strings
'1975'
Para citar una cita, debemos «escapar» la cita precediéndola con \. Alternativamente, podemos usar el otro tipo de
comillas:
>>> 'doesn\'t' # use \' to escape the single quote...

"doesn't"
>>> "doesn't" # ...or use double quotes instead
"doesn't"
>>> '"Yes," they said.'
'"Yes," they said.'
>>> "\"Yes,\" they said."
'"Yes," they said.'
>>> '"Isn\'t," they said.'
'"Isn\'t," they said.'
En el intérprete de Python, la definición de cadena y la cadena de salida pueden verse diferentes. La función print()
produce una salida más legible, omitiendo las comillas de encuadre e imprimiendo caracteres escapados y especiales:
>>> s = 'First line.\nSecond line.' # \n means newline

>>> s # without print(), special characters are included in the string
'First line.\nSecond line.'
>>> print(s) # with print(), special characters are interpreted, so \n produces␣
,→new line
First line.
Second line.
Si no quieres que los caracteres precedidos por \ se interpreten como caracteres especiales, puedes usar cadenas sin
formato agregando una r antes de la primera comilla:
>>> print('C:\some\name') # here \n means newline!

C:\some
ame
>>> print(r'C:\some\name') # note the r before the quote
C:\some\name
Hay un aspecto sutil en las cadenas sin formato: una cadena sin formato no puede terminar en un número impar de
caracteres \; consultar en preguntas frequentes para obtener más información y soluciones.
2 A diferencia de otros lenguajes, caracteres especiales como \n tienen el mismo significado con simple('...') y dobles ("...") comillas.
La única diferencia entre las dos es que dentro de las comillas simples no existe la necesidad de escapar " (pero tienes que escapar \') y viceversa.
3.1. Usando Python como una calculadora 11

Las cadenas de texto literales pueden contener múltiples líneas. Una forma es usar triples comillas: """...""" o
'''...'''. Los fin de línea son incluidos automáticamente, pero es posible prevenir esto agregando una \ al final
de la línea. Por ejemplo:
print("""\
Usage: thingy [OPTIONS]
-h Display this usage message
-H hostname Hostname to connect to
""")
produce la siguiente salida (tener en cuenta que la línea inicial no está incluida):
Usage: thingy [OPTIONS]

-h Display this usage message
-H hostname Hostname to connect to
Las cadenas se pueden concatenar (pegar juntas) con el operador + y se pueden repetir con *:
>>> # 3 times 'un', followed by 'ium'

>>> 3 * 'un' + 'ium'
'unununium'
Dos o más cadenas literales (es decir, las encerradas entre comillas) una al lado de la otra se concatenan automática-
mente.
>>> 'Py' 'thon'

'Python'
Esta característica es particularmente útil cuando quieres dividir cadenas largas:
>>> text = ('Put several strings within parentheses '

... 'to have them joined together.')
>>> text
'Put several strings within parentheses to have them joined together.'
Esto solo funciona con dos literales, no con variables ni expresiones:
>>> prefix = 'Py'

>>> prefix 'thon' # can't concatenate a variable and a string literal
File "<stdin>", line 1
prefix 'thon'
^^^^^^
SyntaxError: invalid syntax
>>> ('un' * 3) 'ium'
('un' * 3) 'ium'
^^^^^
Si quieres concatenar variables o una variable y un literal, usa +:
>>> prefix + 'thon'

'Python'
Las cadenas de texto se pueden indexar (subíndices), el primer carácter de la cadena tiene el índice 0. No hay un tipo
de dato diferente para los caracteres; un carácter es simplemente una cadena de longitud uno:
>>> word = 'Python'

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

Los índices también pueden ser números negativos, para empezar a contar desde la derecha:
>>> word[-1] # last character

'n'
>>> word[-2] # second-last character
'o'
>>> word[-6]
'P'
Nótese que -0 es lo mismo que 0, los índice negativos comienzan desde -1.
Además de los índices, las rebanadas (slicing) también están soportadas. Mientras que la indexación se utiliza para
obtener caracteres individuales, rebanar te permite obtener una subcadena:
>>> word[0:2] # characters from position 0 (included) to 2 (excluded)

'Py'
>>> word[2:5] # characters from position 2 (included) to 5 (excluded)
'tho'
Los índices de las rebanadas tienen valores por defecto útiles; el valor por defecto para el primer índice es cero, el
valor por defecto para el segundo índice es la longitud de la cadena a rebanar.
>>> word[:2] # character from the beginning to position 2 (excluded)

'Py'
>>> word[4:] # characters from position 4 (included) to the end
'on'
>>> word[-2:] # characters from the second-last (included) to the end
'on'
Nótese cómo el inicio siempre se incluye y el final siempre se excluye. Esto asegura que s[:i] + s[i:] siempre
sea igual a s:
>>> word[:2] + word[2:]

'Python'
>>> word[:4] + word[4:]
'Python'
Una forma de recordar cómo funcionan las rebanadas es pensar que los índices apuntan entre caracteres, con el borde
izquierdo del primer carácter numerado 0. Luego, el punto derecho del último carácter de una cadena de n caracteres
tiene un índice n, por ejemplo
+---+---+---+---+---+---+
| P | y | t | h | o | n |
+---+---+---+---+---+---+
0 1 2 3 4 5 6
-6 -5 -4 -3 -2 -1
La primera fila de números da la posición de los índices 0…6 en la cadena; La segunda fila da los correspondien-
tes indices negativos. La rebanada desde i hasta j consta de todos los caracteres entre los bordes etiquetados i y j,
respectivamente.
Para índices no negativos, la longitud de la rebanada es la diferencia de los índices, si ambos están dentro de los
límites. Por ejemplo, la longitud de word[1:3] es 2.
Intentar usar un índice que es muy grande resultará en un error:
>>> word[42] # the word only has 6 characters

IndexError: string index out of range
Sin embargo, los índices de rebanadas fuera de rango se manejan satisfactoriamente cuando se usan para rebanar:

>>> word[4:42]
'on'
>>> word[42:]
''
Las cadenas de Python no se pueden modificar, son immutable. Por eso, asignar a una posición indexada de la cadena
resulta en un error:
>>> word[0] = 'J'

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

'Jython'
>>> word[:2] + 'py'
'Pypy'
La función incorporada len() retorna la longitud de una cadena:
>>> s = 'supercalifragilisticexpialidocious'
>>> len(s)
34
Ver también:
textseq Las cadenas de texto son ejemplos de tipos secuencias y soportan las operaciones comunes para esos tipos.
string-methods Las cadenas de texto soportan una gran cantidad de métodos para transformaciones básicas y bús-
queda.
f-strings Literales de cadena que tienen expresiones embebidas.
formatstrings Aquí se da información sobre formateo de cadenas de texto con str.format().
old-string-formatting Aquí se describen con más detalle las antiguas operaciones para formateo utilizadas cuando
una cadena de texto está a la izquierda del operador %.
3.1.3 Listas
Python tiene varios tipos de datos compuestos, utilizados para agrupar otros valores. El más versátil es la lista, la cual
puede ser escrita como una lista de valores separados por coma (ítems) entre corchetes. Las listas pueden contener
ítems de diferentes tipos, pero usualmente los ítems son del mismo tipo.
>>> squares = [1, 4, 9, 16, 25]

>>> squares
[1, 4, 9, 16, 25]
Al igual que las cadenas (y todas las demás tipos integrados sequence), las listas se pueden indexar y segmentar:
>>> squares[0] # indexing returns the item

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

Todas las operaciones de rebanado retornan una nueva lista que contiene los elementos pedidos. Esto significa que la
siguiente rebanada retorna una shallow copy de la lista:
>>> squares[:]
[1, 4, 9, 16, 25]
Las listas también admiten operaciones como concatenación:

>>> squares + [36, 49, 64, 81, 100]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
A diferencia de las cadenas, que son immutable, las listas son de tipo mutable, es decir, es posible cambiar su contenido:
>>> cubes = [1, 8, 27, 65, 125] # something's wrong here
>>> 4 ** 3 # the cube of 4 is 64, not 65!
64
>>> cubes[3] = 64 # replace the wrong value
>>> cubes
[1, 8, 27, 64, 125]
You can also add new items at the end of the list, by using the list.append() method (we will see more about
methods later):
>>> cubes.append(216) # add the cube of 6
>>> cubes.append(7 ** 3) # and the cube of 7
>>> cubes
[1, 8, 27, 64, 125, 216, 343]
También es posible asignar a una rebanada, y esto incluso puede cambiar la longitud de la lista o vaciarla totalmente:
>>> letters = ['a', 'b', 'c', 'd', 'e', 'f', 'g']
>>> letters
['a', 'b', 'c', 'd', 'e', 'f', 'g']
>>> # replace some values
>>> letters[2:5] = ['C', 'D', 'E']
>>> letters
['a', 'b', 'C', 'D', 'E', 'f', 'g']
>>> # now remove them
>>> letters[2:5] = []
>>> letters
['a', 'b', 'f', 'g']
>>> # clear the list by replacing all the elements with an empty list
>>> letters[:] = []
>>> letters
[]
La función predefinida len() también sirve para las listas

>>> letters = ['a', 'b', 'c', 'd']
>>> len(letters)
4
Es posible anidar listas (crear listas que contengan otras listas), por ejemplo:
>>> a = ['a', 'b', 'c']
>>> n = [1, 2, 3]
>>> x = [a, n]
>>> x
[['a', 'b', 'c'], [1, 2, 3]]
>>> x[0]
['a', 'b', 'c']
>>> x[0][1]
'b'

3.2 Primeros pasos hacia la programación
Of course, we can use Python for more complicated tasks than adding two and two together. For instance, we can
write an initial sub-sequence of the Fibonacci series as follows:
>>> # Fibonacci series:

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

• La primera línea contiene una asignación múltiple: las variables a y b obtienen simultáneamente los nuevos
valores 0 y 1. En la última línea esto se usa nuevamente, demostrando que las expresiones de la derecha son
evaluadas primero antes de que se realice cualquiera de las asignaciones. Las expresiones del lado derecho se
evalúan de izquierda a derecha.
• El bucle while se ejecuta mientras la condición (aquí: a < 10) sea verdadera. En Python, como en C,
cualquier valor entero que no sea cero es verdadero; cero es falso. La condición también puede ser una cadena
de texto o una lista, de hecho, cualquier secuencia; cualquier cosa con una longitud distinta de cero es verdadera,
las secuencias vacías son falsas. La prueba utilizada en el ejemplo es una comparación simple. Los operadores
de comparación estándar se escriben igual que en C: < (menor que), > (mayor que), == (igual a), <= (menor
que o igual a), >= (mayor que o igual a) y != (distinto a).
• El cuerpo del bucle está indentado: la indentación es la forma que usa Python para agrupar declaraciones. En
el intérprete interactivo debes teclear un tabulador o espacio(s) para cada línea indentada. En la práctica vas a
preparar entradas más complicadas para Python con un editor de texto; todos los editores de texto modernos
tienen la facilidad de agregar la indentación automáticamente. Cuando se ingresa una instrucción compuesta de
forma interactiva, se debe finalizar con una línea en blanco para indicar que está completa (ya que el analizador
no puede adivinar cuando tecleaste la última línea). Nota que cada línea de un bloque básico debe estar sangrada
de la misma forma.
• La función print() escribe el valor de los argumentos que se le dan. Difiere de simplemente escribir la
expresión que se quiere mostrar (como hicimos antes en los ejemplos de la calculadora) en la forma en que
maneja múltiples argumentos, cantidades de punto flotante, y cadenas. Las cadenas de texto son impresas
sin comillas y un espacio en blanco se inserta entre los elementos, así puedes formatear cosas de una forma
agradable:
>>> i = 256*256
>>> print('The value of i is', i)
The value of i is 65536
El parámetro nombrado end puede usarse para evitar el salto de linea al final de la salida, o terminar la salida
con una cadena diferente:
>>> a, b = 0, 1
>>> while a < 1000:
... print(a, end=',')
... a, b = b, a+b
...
0,1,1,2,3,5,8,13,21,34,55,89,144,233,377,610,987,

Notas al pie
3.2. Primeros pasos hacia la programación 17


CAPÍTULO 4
Más herramientas para control de flujo
Además de la sentencia while que acabamos de introducir, Python utiliza algunas más que encontraremos en este
capítulo.
4.1 La sentencia if
Tal vez el tipo más conocido de sentencia sea el if. Por ejemplo:
>>> x = int(input("Please enter an integer: "))

Please enter an integer: 42
>>> if x < 0:
... x = 0
... print('Negative changed to zero')
... elif x == 0:
... print('Zero')
... elif x == 1:
... print('Single')
... else:
... print('More')
...
More
Puede haber cero o más bloques elif, y el bloque else es opcional. La palabra reservada elif es una abreviación
de “else if”, y es útil para evitar un sangrado excesivo. Una secuencia if … elif … elif … sustituye las sentencias
switch o case encontradas en otros lenguajes.
Si necesitas comparar un mismo valor con muchas constantes, o comprobar que tenga un tipo o atributos específicos
puede que encuentres útil la sentencia match. Para más detalles véase La sentencia match.
19
4.2 La sentencia for
La sentencia for en Python difiere un poco de lo que uno puede estar acostumbrado en lenguajes como C o Pascal. En
lugar de siempre iterar sobre una progresión aritmética de números (como en Pascal) o darle al usuario la posibilidad
de definir tanto el paso de la iteración como la condición de fin (como en C), la sentencia for de Python itera sobre
los ítems de cualquier secuencia (una lista o una cadena de texto), en el orden que aparecen en la secuencia. Por
ejemplo:
>>> # Measure some strings:

... words = ['cat', 'window', 'defenestrate']
>>> for w in words:
... print(w, len(w))
...
cat 3
window 6
defenestrate 12
Código que modifica una colección mientras se itera sobre la misma colección puede ser complejo de hacer bien. Sin
embargo, suele ser más directo iterar sobre una copia de la colección o crear una nueva colección:
# Create a sample collection

users = {'Hans': 'active', 'Éléonore': 'inactive', ' ': 'active'}
# Strategy: Iterate over a copy

for user, status in users.copy().items():
if status == 'inactive':
del users[user]
# Strategy: Create a new collection

active_users = {}
for user, status in users.items():
if status == 'active':
active_users[user] = status
4.3 La función range()
Si se necesita iterar sobre una secuencia de números, es apropiado utilizar la función integrada range(), la cual
genera progresiones aritméticas:
>>> for i in range(5):

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

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

[0, 3, 6, 9]
20 Capítulo 4. Más herramientas para control de flujo


>>> list(range(-10, -100, -30))
[-10, -40, -70]
Para iterar sobre los índices de una secuencia, puedes combinar range() y len() así:
>>> a = ['Mary', 'had', 'a', 'little', 'lamb']
>>> for i in range(len(a)):
... print(i, a[i])
...
0 Mary
1 had
2 a
3 little
4 lamb
En la mayoría de los casos, sin embargo, conviene usar la función enumerate(), ver Técnicas de iteración.
Algo extraño sucede si tan sólo muestras un range:
>>> range(10)
range(0, 10)
El objeto retornado por range() se comporta de muchas maneras como si fuera una lista, pero no lo es. Es un
objeto que retorna los ítems sucesivos de la secuencia deseada cuando iteras sobre él, pero realmente no construye la
lista, ahorrando entonces espacio.
Decimos que tal objeto es iterable; esto es, que se puede usar en funciones y construcciones que esperan algo de lo
cual obtener ítems sucesivos hasta que se termine. Hemos visto que la declaración for es una de esas construcciones,
mientras que un ejemplo de función que toma un iterable es la función sum():
>>> sum(range(4)) # 0 + 1 + 2 + 3
6
Más adelante veremos otras funciones que aceptan iterables cómo argumentos o retornan iterables. En el capítulo
Estructuras de datos, discutiremos en más detalle sobre la list().
4.4 Las sentencias break, continue, y else en bucles
La sentencia break termina el bucle for o while más anidado.

Un bucle for o while puede incluir una cláusula else.
En un bucle for, la cláusula else se ejecuta después de que el bucle alcance su iteración final.
En un bucle while, se ejecuta después de que la condición del bucle se vuelva falsa.
En cualquier tipo de bucle, la cláusula else no se ejecuta si el bucle ha finalizado con break.
Esto se ejemplifica en el siguiente bucle for, que busca números primos:
>>> for n in range(2, 10):
... for x in range(2, n):
... if n % x == 0:
... print(n, 'equals', x, '*', n//x)
... break
... else:
... # loop fell through without finding a factor
... print(n, 'is a prime number')
...
2 is a prime number
3 is a prime number
4.4. Las sentencias break, continue, y else en bucles 21


4 equals 2 * 2
5 is a prime number
6 equals 2 * 3
7 is a prime number
8 equals 2 * 4
9 equals 3 * 3
(Sí, este es el código correcto. Fíjate bien: el else pertenece al ciclo for, no al if.)
Cuando se usa con un bucle, la cláusula else tiene más en común con el else de una sentencia try que con el de
un if: en una sentencia try la cláusula else se ejecuta cuando no se genera ninguna excepción, y el else de un
bucle se ejecuta cuando no hay ningún break. Para más sobre la declaración try y excepciones, mira Gestionando
excepciones.
La declaración continue, también tomada de C, continua con la siguiente iteración del ciclo:
>>> for num in range(2, 10):

... if num % 2 == 0:
... print("Found an even number", num)
... continue
... print("Found an odd number", num)
...
Found an even number 2
Found an odd number 3
4.5 La sentencia pass
La sentencia pass no hace nada. Se puede usar cuando una sentencia es requerida por la sintaxis pero el programa
no requiere ninguna acción. Por ejemplo:
>>> while True:

... pass # Busy-wait for keyboard interrupt (Ctrl+C)
...
Se usa normalmente para crear clases en su mínima expresión:
>>> class MyEmptyClass:

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

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

4.6 La sentencia match
Una sentencia match recibe una expresión y compara su valor con patrones sucesivos dados en uno o más bloques
case. Esto es similar a grandes rasgos con una sentencia switch en C, Java o JavaScript (y muchos otros lenguajes)
pero es más similar a la comparación de patrones en lenguajes como Rust o Haskell. Sólo se ejecuta el primer patrón
que coincide y también es capaz de extraer componentes (elementos de una secuencia o atributos de un objeto) de un
valor y ponerlos en variables.
La forma más simple compara un valor expuesto con uno o más literales:
def http_error(status):
match status:
case 400:
return "Bad request"
case 404:
return "Not found"
case 418:
return "I'm a teapot"
case _:
return "Something's wrong with the internet"
Observa el último bloque: el «nombre de variable» _ funciona como un comodín y nunca fracasa la coincidencia. Si
ninguno de los casos case coincide, ninguna de las ramas es ejecutada.
Se pueden combinar varios literales en un solo patrón usando | («o»):
case 401 | 403 | 404:
return "Not allowed"
Los patrones pueden también verse como asignaciones que desempaquetan, y pueden usarse para ligar variables:
# point is an (x, y) tuple
match point:
case (0, 0):
print("Origin")
case (0, y):
print(f"Y={y}")
case (x, 0):
print(f"X={x}")
case (x, y):
print(f"X={x}, Y={y}")
case _:
raise ValueError("Not a point")
¡Observa éste caso con cuidado! El primer patrón tiene dos literales y puede considerarse una extensión del pa-
trón literal que se mostró anteriormente. Pero los siguientes dos patrones combinan un literal y una variable, y la
variable liga uno de los elementos del sujeto (point). El cuarto patrón captura ambos elementos, lo que lo hace
conceptualmente similar a la asignación que desempaqueta (x, y) = point.
Si estás usando clases para estructurar tus datos, puedes usar el nombre de la clase seguida de una lista de argumentos
similar a la de un constructor, pero con la capacidad de capturar atributos en variables:
class Point:
def __init__(self, x, y):
self.x = x
self.y = y
def where_is(point):
match point:
case Point(x=0, y=0):
print("Origin")
case Point(x=0, y=y):
4.6. La sentencia match 23


print(f"Y={y}")
case Point(x=x, y=0):
print(f"X={x}")
case Point():
print("Somewhere else")
case _:
print("Not a point")
Puedes usar argumentos posicionales en algunas clases incorporadas que proveen un orden para sus atributos (por ej.
dataclasses). También puedes definir una posición especifica para los atributos de los patrones si asignas en tu clase el
atributo especial __match_args__. Si le asignas («x», «y»), los siguientes patrones son todos equivalentes entre
sí (y todos ligan el atributo y a la variable var):
Point(1, var)
Point(1, y=var)
Point(x=1, y=var)
Point(y=var, x=1)
Una recomendación para leer patrones es verlos como una forma extendida de lo que pondrías en el lado izquierdo
de una asignación, para así entender cuáles variables tomarían qué valores. Sólo los nombres que aparecen por si
solos (cómo var arriba) son asignados por una sentencia match. Nunca se asigna a los nombres con puntos (como
foo.bar), nombres de atributos (los x= e y= arriba) o nombres de clases (reconocidos por los «(…)» junto a ellos,
como Point arriba).
Los patrones pueden anidarse arbitrariamente. Por ejemplo, si tuviéramos una lista corta de puntos, con
__match_args__ añadido, podríamos aplicar match así:
class Point:
__match_args__ = ('x', 'y')
def __init__(self, x, y):
self.x = x
self.y = y
match points:
case []:
print("No points")
case [Point(0, 0)]:
print("The origin")
case [Point(x, y)]:
print(f"Single point {x}, {y}")
case [Point(0, y1), Point(0, y2)]:
print(f"Two on the Y axis at {y1}, {y2}")
case _:
print("Something else")
Podemos añadir una clausula if a un patrón, conocida como «guarda». Si la guarda es falsa, match pasa a intentar
el siguiente bloque case. Obsérvese que la captura de valores sucede antes de que la guarda sea evaluada:
match point:
case Point(x, y) if x == y:
print(f"Y=X at {x}")
case Point(x, y):
print(f"Not on the diagonal")
Algunas otras propiedades importantes de esta sentencia:

• Al igual que las asignaciones con desempaquetado, los patrones de lista o tupla tienen exactamente el mismo
sentido y realmente coinciden con cualquier secuencia arbitraria. Una excepción importante es que no coinciden
ni con iteradores ni con cadenas de caracteres.
• Los patrones de secuencia soportan desempaquetado extendido: [x, y, *otros] y (x, y, *otros)
funcionan de manera similar a las asignaciones con desempaquetado. El nombre luego de * también puede ser

_, con lo cual (x, y, *_) coincide con cualquier secuencia de al menos dos elementos, sin ligar ninguno
de los demás elementos.
• Los patrones de mapeo: {"ancho_de_banda": c, "latencia": l} capturan los valores
"ancho_de_banda" y "latencia" de un diccionario. A diferencia de los patrones de secuencia, las
claves adicionales son ignoradas. Puede usarse un desempaquetado como **otros . (Aunque **_ sería
redundante, con lo cual no está permitido)
• Pueden capturarse subpatrones usando la palabra clave as:
case (Point(x1, y1), Point(x2, y2) as p2): ...
capturará el segundo elemento de la entrada en p2 (siempre y cuando la entrada sea una secuencia de dos
puntos)
• La mayoría de los literales se comparan por igualdad, pero las instancias únicas True, False y None se
comparan por identidad.
• En un patrón pueden usarse constantes con nombres. Los nombres deben tener puntos para impedir que sean
interpretados como variables a capturar:
from enum import Enum

class Color(Enum):
RED = 'red'
GREEN = 'green'
BLUE = 'blue'
color = Color(input("Enter your choice of 'red', 'blue' or 'green': "))
match color:
case Color.RED:
print("I see red!")
case Color.GREEN:
print("Grass is green")
case Color.BLUE:
print("I'm feeling the blues :(")
Para una explicación más detallada y más ejemplos, puede leerse PEP 636 que está escrita en un formato de tutorial.
4.7 Definir funciones
Podemos crear una función que escriba la serie de Fibonacci hasta un límite determinado:
>>> def fib(n): # write Fibonacci series up to n

... """Print a Fibonacci series up to n."""
... a, b = 0, 1
... while a < n:
... print(a, end=' ')
... a, b = b, a+b
... print()
...
>>> # Now call the function we just defined:
... fib(2000)
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 1597
La palabra reservada def se usa para definir funciones. Debe seguirle el nombre de la función y la lista de parámetros
formales entre paréntesis. Las sentencias que forman el cuerpo de la función empiezan en la línea siguiente, y deben
estar con sangría.
La primera sentencia del cuerpo de la función puede ser opcionalmente una cadena de texto literal; esta es la cadena
de texto de documentación de la función, o docstring. (Puedes encontrar más acerca de docstrings en la sección
Cadenas de texto de documentación.). Existen herramientas que usan las docstrings para producir documentación
4.7. Definir funciones 25

imprimible o disponible en línea, o para dejar que los usuarios busquen interactivamente a través del código; es una
buena práctica incluir docstrings en el código que escribes, así que acostúmbrate a hacerlo.
La ejecución de una función introduce una nueva tabla de símbolos usada para las variables locales de la función. Más
precisamente, todas las asignaciones de variables en la función almacenan el valor en la tabla de símbolos local; así
mismo la referencia a variables primero mira la tabla de símbolos local, luego en la tabla de símbolos local de las
funciones externas, luego la tabla de símbolos global, y finalmente la tabla de nombres predefinidos. Así, a variables
globales y a variables de funciones que engloban a una función no se les puede asignar directamente un valor dentro de
una función (a menos que se las nombre en la sentencia global, o mediante la sentencia nonlocal para variables
de funciones que engloban la función local), aunque si pueden ser referenciadas.
Los parámetros reales (argumentos) para una llamada de función se introducen en la tabla de símbolos local de la
función llamada cuando ésta se llama; por lo tanto, los argumentos se pasan usando llamada por valor (donde el valor
es siempre una referencia al objeto, no el valor del objeto).1 Cuando una función llama a otra función, o se llama a sí
misma de forma recursiva, se crea una nueva tabla de símbolos locales para esa llamada.
Una definición de función asocia el nombre de la función con el objeto de función en la tabla de símbolos actual.
El intérprete reconoce el objeto al que apunta ese nombre como una función definida por el usuario. Otros nombres
también pueden apuntar a ese mismo objeto de función y también se pueden usar para acceder a la función:
>>> fib
<function fib at 10042ed0>
>>> f = fib
>>> f(100)
0 1 1 2 3 5 8 13 21 34 55 89
Viniendo de otros lenguajes, puedes objetar que fib no es una función, sino un procedimiento, porque no retorna un
valor. De hecho, técnicamente hablando, los procedimientos sin return sí retornan un valor, aunque uno bastante
aburrido. Este valor se llama None (es un nombre predefinido). El intérprete por lo general no escribe el valor None
si va a ser el único valor escrito. Puede verlo si realmente lo desea utilizando print():
>>> fib(0)
>>> print(fib(0))
None
Es simple escribir una función que retorne una lista con los números de la serie de Fibonacci en lugar de imprimirlos:
>>> def fib2(n): # return Fibonacci series up to n

... """Return a list containing the Fibonacci series up to n."""
... result = []
... a, b = 0, 1
... while a < n:
... result.append(a) # see below
... a, b = b, a+b
... return result
...
>>> f100 = fib2(100) # call it
>>> f100 # write the result
[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89]
Este ejemplo, como es usual, demuestra algunas características más de Python:

• La sentencia return retorna un valor en una función. return sin una expresión como argumento retorna
None. Si se alcanza el final de una función, también se retorna None.
• La sentencia result.append(a) llama a un método del objeto lista result. Un método es una función
que “pertenece” a un objeto y se nombra obj.methodname, dónde obj es algún objeto (puede ser una
expresión), y methodname es el nombre del método que está definido por el tipo del objeto. Distintos tipos
definen distintos métodos. Métodos de diferentes tipos pueden tener el mismo nombre sin causar ambigüedad.
(Es posible definir tus propios tipos de objetos y métodos, usando clases, ver Clases). El método append()
1 En realidad, llamadas por referencia de objeto sería una mejor descripción, ya que si se pasa un objeto mutable, quien realiza la llamada verá
cualquier cambio que se realice sobre el mismo (por ejemplo ítems insertados en una lista).

mostrado en el ejemplo está definido para objetos lista; añade un nuevo elemento al final de la lista. En este
ejemplo es equivalente a result = result + [a], pero más eficiente.
4.8 Más sobre definición de funciones
También es posible definir funciones con un número variable de argumentos. Hay tres formas que pueden ser com-
binadas.
4.8.1 Argumentos con valores por omisión
La forma más útil es especificar un valor por omisión para uno o más argumentos. Esto crea una función que puede
ser llamada con menos argumentos que los que permite. Por ejemplo:
def ask_ok(prompt, retries=4, reminder='Please try again!'):
while True:
reply = input(prompt)
if reply in {'y', 'ye', 'yes'}:
return True
if reply in {'n', 'no', 'nop', 'nope'}:
return False
retries = retries - 1
if retries < 0:
raise ValueError('invalid user response')
print(reminder)
Esta función puede ser llamada de distintas maneras:

• pasando sólo el argumento obligatorio: ask_ok('Do you really want to quit?')
• pasando uno de los argumentos opcionales: ask_ok('OK to overwrite the file?', 2)
• o pasando todos los argumentos: ask_ok('OK to overwrite the file?', 2, 'Come on,
only yes or no!')
Este ejemplo también introduce la palabra reservada in, la cual prueba si una secuencia contiene o no un determinado
valor.
Los valores por omisión son evaluados en el momento de la definición de la función en el ámbito de la definición,
entonces:
i = 5
def f(arg=i):
print(arg)
i = 6
f()
imprimirá 5.
Advertencia importante: El valor por omisión es evaluado solo una vez. Existe una diferencia cuando el valor por
omisión es un objeto mutable como una lista, diccionario, 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))
4.8. Más sobre definición de funciones 27

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

if L is None:
L = []
L.append(a)
return L
4.8.2 Palabras claves como argumentos
Las funciones también puede ser llamadas usando argumentos de palabras clave (o argumentos nombrados) de la
forma kwarg=value. Por ejemplo, la siguiente función:
def parrot(voltage, state='a stiff', action='voom', type='Norwegian Blue'):

print("-- This parrot wouldn't", action, end=' ')
print("if you put", voltage, "volts through it.")
print("-- Lovely plumage, the", type)
print("-- It's", state, "!")
…acepta un argumento obligatorio (voltage)) y tres argumentos opcionales (state, action, y type). Esta
función puede llamarse de cualquiera de las siguientes maneras:
parrot(1000) # 1 positional argument

parrot(voltage=1000) # 1 keyword argument
parrot(voltage=1000000, action='VOOOOOM') # 2 keyword arguments
parrot(action='VOOOOOM', voltage=1000000) # 2 keyword arguments
parrot('a million', 'bereft of life', 'jump') # 3 positional arguments
parrot('a thousand', state='pushing up the daisies') # 1 positional, 1 keyword
…pero estas otras llamadas serían todas inválidas:
parrot() # required argument missing

parrot(voltage=5.0, 'dead') # non-keyword argument after a keyword argument
parrot(110, voltage=220) # duplicate value for the same argument
parrot(actor='John Cleese') # unknown keyword argument
En una llamada a una función, los argumentos nombrados deben seguir a los argumentos posicionales. Cada uno de los
argumentos nombrados pasados deben coincidir con un argumento aceptado por la función (por ejemplo, actor no
es un argumento válido para la función parrot), y el orden de los mismos no es importante. Esto también se aplica
a los argumentos obligatorios (por ejemplo, parrot(voltage=1000) también es válido). Ningún argumento
puede recibir más de un valor al mismo tiempo. Aquí hay un ejemplo que falla debido a esta restricción:
>>> def function(a):

... pass
...
>>> function(0, a=0)
TypeError: function() got multiple values for argument 'a'
Cuando un parámetro formal de la forma **nombre está presente al final, recibe un diccionario (ver typesmapping)
conteniendo todos los argumentos nombrados excepto aquellos correspondientes a un parámetro formal. Esto puede
ser combinado con un parámetro formal de la forma *nombre (descrito en la siguiente sección) que recibe una tupla

conteniendo los argumentos posicionales además de la lista de parámetros formales. (*nombre debe ocurrir antes
de **nombre). Por ejemplo, si definimos una función así:
def cheeseshop(kind, *arguments, **keywords):

print("-- Do you have any", kind, "?")
print("-- I'm sorry, we're all out of", kind)
for arg in arguments:
print(arg)
print("-" * 40)
for kw in keywords:
print(kw, ":", keywords[kw])
Puede ser llamada así:
cheeseshop("Limburger", "It's very runny, sir.",

"It's really very, VERY runny, sir.",
shopkeeper="Michael Palin",
client="John Cleese",
sketch="Cheese Shop Sketch")
…y por supuesto imprimirá:
-- Do you have any Limburger ?

-- I'm sorry, we're all out of Limburger
It's very runny, sir.
It's really very, VERY runny, sir.
----------------------------------------
shopkeeper : Michael Palin
client : John Cleese
sketch : Cheese Shop Sketch
Se debe notar que el orden en el cual los argumentos nombrados son impresos está garantizado para coincidir con el
orden en el cual fueron provistos en la llamada a la función.
4.8.3 Parámetros especiales
Por defecto, los argumentos pueden enviarse a una función Python o bien por posición o explícitamente por clave.
Para legibilidad y rendimiento tiene sentido restringir como se pueden enviar los argumentos, así un desarrollador
necesitará mirar solamente la definición de la función para determinar si los argumentos se deben enviar por posición,
por posición o clave, o por clave.
La definición de una función puede ser como la siguiente:
def f(pos1, pos2, /, pos_or_kwd, *, kwd1, kwd2):

----------- ---------- ----------
| | |
| Positional or keyword |
| - Keyword only
-- Positional only
donde / y * son posicionales. Si se utilizan, esos símbolos indican el tipo de parámetro según la forma en que
los argumentos deben enviarse a la función: solo por posición (positional-only), por posición o clave (positional-or-
keyword) y solo por clave (keyword-only). Parámetros por clave pueden también denominarse parámetros por nombre
o nombrados.

Argumentos posicionales o de palabras claves
Si / y * no están presentes en la definición de la función, los parámetros pueden ser pasados a una función posicio-
nalmente o por palabra clave.
Parámetros únicamente posicionales
Mirando esto con un poco más de detalle, es posible señalar algunos parámetros como únicamente posicionales. En ese
caso el orden de los parámetros es importante, y los parámetros no pueden ser indicados utilizando palabras claves.
Parámetros únicamente posicionales son ubicados antes de una / (barra). La / es utilizada para separar lógicamente
parámetros únicamente posicionales del resto. Si no existe una / en la definición de la función, no existen parámetros
únicamente posicionales.
Los parámetros luego de una / pueden ser únicamente posicionales o unicamente de palabras claves.
Argumentos únicamente de palabras clave
Para señalar parámetros como unicamente de palabras clave, indicando que los parámetros deben ser pasados con
una palabra clave, indiqué un * en la lista de argumentos antes del primer parámetro únicamente de palabras clave.
Ejemplos de Funciones
Considere el siguiente ejemplo de definiciones de funciones prestando especial atención a los marcadores / y *:
>>> def standard_arg(arg):

... print(arg)
...
>>> def pos_only_arg(arg, /):
... print(arg)
...
>>> def kwd_only_arg(*, arg):
... print(arg)
...
>>> def combined_example(pos_only, /, standard, *, kwd_only):
... print(pos_only, standard, kwd_only)
La primer definición de función, standard_arg, la forma mas familiar, no indica ninguna restricción en las con-
diciones para llamarla y los parámetros deben ser pasados por posición o utilizando palabras clave:
>>> standard_arg(2)
2
>>> standard_arg(arg=2)
2
La segunda función pos_only_arg está restringida a utilizar únicamente parámetros posicionales ya que existe
una / en la definición de la función:
>>> pos_only_arg(1)
1
>>> pos_only_arg(arg=1)
TypeError: pos_only_arg() got some positional-only arguments passed as keyword␣
,→arguments: 'arg'
La tercer función kwd_only_args solo permite parámetros con palabras clave, indicado por un * en la definición
de la función:

>>> kwd_only_arg(3)
TypeError: kwd_only_arg() takes 0 positional arguments but 1 was given
>>> kwd_only_arg(arg=3)
3
La última utiliza las tres convenciones en una misma definición de función:
>>> combined_example(1, 2, 3)
TypeError: combined_example() takes 2 positional arguments but 3 were given
>>> combined_example(1, 2, kwd_only=3)

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

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

TypeError: combined_example() got some positional-only arguments passed as keyword␣
,→arguments: 'pos_only'
Finalmente, considere esta definición de función que contiene una colisión potencial entre los parámetros posicionales
name y **kwds que incluye name como una clave:
def foo(name, **kwds):

return 'name' in kwds
No hay una llamada posible que lo haga retornar True ya que la palabra clave 'name' siempre se vinculará al
primer parámetro. Por ejemplo:
>>> foo(1, **{'name': 2})

TypeError: foo() got multiple values for argument 'name'
>>>
Pero utilizando / (parámetros únicamente posicionales), es posible ya que permite utilizar name como un parámetro
posicional y name como un parámetro de palabras clave:
>>> def foo(name, /, **kwds):

... return 'name' in kwds
...
>>> foo(1, **{'name': 2})
True
En otras palabras, los nombres de parámetros únicamente posicionales pueden ser utilizados en **kwds sin ambi-
güedad.

Resumen
El caso de uso determinará qué parámetros utilizar en una definición de función:
def f(pos1, pos2, /, pos_or_kwd, *, kwd1, kwd2):
A modo de guía:
• Utilice únicamente posicionales si quiere que el nombre del parámetro esté disponible para el usuario. Esto es
útil cuando el nombre del parámetro no tiene un significado real, si se quiere imponer el orden de los parámetros
cuando una función es llamada o si necesita tomar algunos parámetros posicionales y palabras claves arbitrarias.
• Utilice parámetros únicamente de palabras clave cuando los nombres de los parámetros tienen un significado y
la definición de la función será más entendible usando nombres explícitos o cuando desea evitar que los usuarios
dependan de la posición de los parámetros que se pasan.
• En el caso de una API, use solo posicional para evitar que se rompan los cambios de la API si el nombre del
parámetro se modifica en el futuro.
4.8.4 Listas de argumentos arbitrarios
Finalmente, la opción menos frecuentemente usada es especificar que una función puede ser llamada con un número
arbitrario de argumentos. Estos argumentos serán organizados en una tupla (ver Tuplas y secuencias). Antes del
número variable de argumentos, cero o más argumentos normales pueden estar presentes.:
def write_multiple_items(file, separator, *args):

file.write(separator.join(args))
Normalmente estos argumentos variádicos serán los últimos en la lista de parámetros formales, porque toman todo
el remanente de argumentos que se pasan a la función. Cualquier parámetro que suceda luego del *args será “sólo
de palabra clave”, o sea que sólo se pueden usar como argumentos nombrados y no como posicionales.
>>> def concat(*args, sep="/"):

... return sep.join(args)
...
>>> concat("earth", "mars", "venus")
'earth/mars/venus'
>>> concat("earth", "mars", "venus", sep=".")
'earth.mars.venus'
4.8.5 Desempaquetando una lista de argumentos
La situación inversa ocurre cuando los argumentos ya están en una lista o tupla pero necesitan ser desempaqueta-
dos para llamar a una función que requiere argumentos posicionales separados. Por ejemplo, la función predefinida
range() espera los parámetros inicio y fin. Si estos no están disponibles en forma separada, se puede escribir la
llamada a la función con el operador * para desempaquetar argumentos desde una lista o una tupla:
>>> list(range(3, 6)) # normal call with separate arguments

[3, 4, 5]
>>> args = [3, 6]
>>> list(range(*args)) # call with arguments unpacked from a list
[3, 4, 5]
Del mismo modo, los diccionarios pueden entregar argumentos nombrados con el operador **:
>>> def parrot(voltage, state='a stiff', action='voom'):

... print("-- This parrot wouldn't", action, end=' ')
... print("if you put", voltage, "volts through it.", end=' ')
... print("E's", state, "!")


...
>>> d = {"voltage": "four million", "state": "bleedin' demised", "action": "VOOM"}
>>> parrot(**d)
-- This parrot wouldn't VOOM if you put four million volts through it. E's bleedin
,→' demised !
4.8.6 Expresiones lambda
Pequeñas funciones anónimas pueden ser creadas con la palabra reservada lambda. Esta función retorna la suma
de sus dos argumentos: lambda a, b: a+b Las funciones Lambda pueden ser usadas en cualquier lugar donde
sea requerido un objeto de tipo función. Están sintácticamente restringidas a una sola expresión. Semánticamente,
son solo azúcar sintáctica para definiciones normales de funciones. Al igual que las funciones anidadas, las funciones
lambda pueden hacer referencia a variables desde el ámbito que la contiene:
>>> def make_incrementor(n):

... return lambda x: x + n
...
>>> f = make_incrementor(42)
>>> f(0)
42
>>> f(1)
43
El ejemplo anterior muestra el uso de una expresión lambda para retornar una función. Otro uso es para pasar pequeñas
funciones como argumentos
>>> pairs = [(1, 'one'), (2, 'two'), (3, 'three'), (4, 'four')]
>>> pairs.sort(key=lambda pair: pair[1])
>>> pairs
[(4, 'four'), (1, 'one'), (3, 'three'), (2, 'two')]
4.8.7 Cadenas de texto de documentación
Acá hay algunas convenciones sobre el contenido y formato de las cadenas de texto de documentación.
La primera línea debe ser siempre un resumen corto y conciso del propósito del objeto. Para ser breve, no se debe
mencionar explícitamente el nombre o tipo del objeto, ya que estos están disponibles de otros modos (excepto si el
nombre es un verbo que describe el funcionamiento de la función). Esta línea debe empezar con una letra mayúscula
y terminar con un punto.
Si hay más líneas en la cadena de texto de documentación, la segunda línea debe estar en blanco, separando visual-
mente el resumen del resto de la descripción. Las líneas siguientes deben ser uno o más párrafos describiendo las
convenciones para llamar al objeto, efectos secundarios, etc.
El analizador de Python no quita el sangrado de las cadenas de texto literales multi-líneas, entonces las herramientas
que procesan documentación tienen que quitarlo si así lo desean. Esto se hace mediante la siguiente convención. La
primera línea que no está en blanco siguiente a la primer línea de la cadena determina la cantidad de sangría para
toda la cadena de documentación. (No podemos usar la primer línea ya que generalmente es adyacente a las comillas
de apertura de la cadena y el sangrado no se nota en la cadena de texto). Los espacios en blanco «equivalentes» a
este sangrado son luego quitados del comienzo de cada línea en la cadena. No deberían haber líneas con una sangría
menor, pero si las hay todos los espacios en blanco del comienzo deben ser quitados. La equivalencia de espacios en
blanco debe ser verificada luego de la expansión de tabuladores (a 8 espacios, normalmente).
Este es un ejemplo de un docstring multi-línea:
>>> def my_function():

... """Do nothing, but document it.


...
... No, really, it doesn't do anything.
... """
... pass
...
>>> print(my_function.__doc__)
Do nothing, but document it.
No, really, it doesn't do anything.
4.8.8 Anotación de funciones
Las anotaciones de funciones son información completamente opcional sobre los tipos usadas en funciones definidas
por el usuario (ver PEP 3107 y PEP 484 para más información).
Las anotaciones se almacenan en el atributo __annotations__ de la función como un diccionario y no tienen
efecto en ninguna otra parte de la función. Las anotaciones de los parámetros se definen luego de dos puntos después
del nombre del parámetro, seguido de una expresión que evalúa al valor de la anotación. Las anotaciones de retorno
son definidas por el literal ->, seguidas de una expresión, entre la lista de parámetros y los dos puntos que marcan el
final de la declaración def. El siguiente ejemplo tiene un argumento posicional, uno nombrado, y el valor de retorno
anotado:
>>> def f(ham: str, eggs: str = 'eggs') -> str:

... print("Annotations:", f.__annotations__)
... print("Arguments:", ham, eggs)
... return ham + ' and ' + eggs
...
>>> f('spam')
Annotations: {'ham': <class 'str'>, 'return': <class 'str'>, 'eggs': <class 'str'>}
Arguments: spam eggs
'spam and eggs'
4.9 Intermezzo: Estilo de programación
Ahora que estás a punto de escribir piezas de Python más largas y complejas, es un buen momento para hablar sobre
estilo de programación. La mayoría de los lenguajes pueden ser escritos (o mejor dicho, formateados) con diferentes
estilos; algunos son mas fáciles de leer que otros. Hacer que tu código sea más fácil de leer por otros es siempre una
buena idea, y adoptar un buen estilo de programación ayuda tremendamente a lograrlo.
Para Python, PEP 8 se erigió como la guía de estilo a la que más proyectos adhirieron; promueve un estilo de
programación fácil de leer y visualmente agradable. Todos los desarrolladores Python deben leerlo en algún momento;
aquí están extraídos los puntos más importantes:
• Usar sangrías de 4 espacios, no tabuladores.
4 espacios son un buen compromiso entre una sangría pequeña (permite mayor nivel de sangrado)y una sangría
grande (más fácil de leer). Los tabuladores introducen confusión y es mejor dejarlos de lado.
• Recortar las líneas para que no superen los 79 caracteres.
Esto ayuda a los usuarios con pantallas pequeñas y hace posible tener varios archivos de código abiertos, uno
al lado del otro, en pantallas grandes.
• Usar líneas en blanco para separar funciones y clases, y bloques grandes de código dentro de funciones.
• Cuando sea posible, poner comentarios en una sola línea.
• Usar docstrings.

• Usar espacios alrededor de operadores y luego de las comas, pero no directamente dentro de paréntesis: a =
f(1, 2) + g(3, 4).
• Nombrar las clases y funciones consistentemente; la convención es usar NotacionCamello para clases
y minusculas_con_guiones_bajos para funciones y métodos. Siempre usa self como el nombre
para el primer argumento en los métodos (ver Un primer vistazo a las clases para más información sobre clases
y métodos).
• No uses codificaciones estrafalarias si esperas usar el código en entornos internacionales. El default de Python,
UTF-8, o incluso ASCII plano funcionan bien en la mayoría de los casos.
• De la misma manera, no uses caracteres no-ASCII en los identificadores si hay incluso una pequeñísima chance
de que gente que hable otro idioma tenga que leer o mantener el código.
Notas al pie
4.9. Intermezzo: Estilo de programación 35


CAPÍTULO 5
Estructuras de datos
Este capítulo describe en más detalle algunas cosas que ya has aprendido y agrega algunas cosas nuevas también.
5.1 Más sobre listas
El tipo de dato lista tiene algunos métodos más. Aquí están todos los métodos de los objetos lista:
list.append(x)
Agrega un ítem al final de la lista. Equivale a a[len(a):] = [x].
list.extend(iterable)
Extiende la lista agregándole todos los ítems del iterable. Equivale a a[len(a):] = iterable.
list.insert(i, x)
Inserta un ítem en una posición dada. El primer argumento es el índice del ítem delante del cual se insertará,
por lo tanto a.insert(0, x) inserta al principio de la lista y a.insert(len(a), x) equivale a a.
append(x).
list.remove(x)
Quita el primer ítem de la lista cuyo valor sea x. Lanza un ValueError si no existe tal ítem.
list.pop([i ])
Quita el ítem en la posición dada de la lista y lo retorna. Si no se especifica un índice, a.pop() quita y
retorna el último elemento de la lista. (Los corchetes que encierran a i en la firma del método denotan que el
parámetro es opcional, no que deberías escribir corchetes en esa posición. Verás esta notación con frecuencia
en la Referencia de la Biblioteca de Python.)
list.clear()
Elimina todos los elementos de la lista. Equivalente a del a[:].
list.index(x[, start [, end ]])
Retorna el índice basado en cero del primer elemento cuyo valor sea igual a x. Lanza una excepción
ValueError si no existe tal elemento.
Los argumentos opcionales start y end son interpretados como la notación de rebanadas y se usan para limitar
la búsqueda a un segmento particular de la lista. El índice retornado se calcula de manera relativa al inicio de
la secuencia completa en lugar de hacerlo con respecto al argumento start.
37
list.count(x)
Retorna el número de veces que x aparece en la lista.
list.sort(*, key=None, reverse=False)
Ordena los elementos de la lista in situ (los argumentos pueden ser usados para personalizar el orden de la lista,
ver sorted() para su explicación).
list.reverse()
Invierte los elementos de la lista in situ.
list.copy()
Retorna una copia superficial de la lista. Equivalente a a[:].
Un ejemplo que usa la mayoría de los métodos de la lista:
>>> fruits = ['orange', 'apple', 'pear', 'banana', 'kiwi', 'apple', 'banana']

>>> fruits.count('apple')
2
>>> fruits.count('tangerine')
0
>>> fruits.index('banana')
3
>>> fruits.index('banana', 4) # Find next banana starting at position 4
6
>>> fruits.reverse()
>>> fruits
['banana', 'apple', 'kiwi', 'banana', 'pear', 'apple', 'orange']
>>> fruits.append('grape')
>>> fruits
['banana', 'apple', 'kiwi', 'banana', 'pear', 'apple', 'orange', 'grape']
>>> fruits.sort()
>>> fruits
['apple', 'apple', 'banana', 'banana', 'grape', 'kiwi', 'orange', 'pear']
>>> fruits.pop()
'pear'
Quizás hayas notado que métodos como insert, remove o sort que únicamente modifican la lista no tienen
un valor de retorno impreso – retornan el valor por defecto None.1 Esto es un principio de diseño para todas las
estructuras de datos mutables en Python.
Otra cosa que puedes observar es que no todos los datos se pueden ordenar o comparar. Por ejemplo, [None,
'hello', 10] no se puede ordenar ya que los enteros no se pueden comparar con strings y None no se puede
comparar con los otros tipos. También hay algunos tipos que no tienen una relación de orden definida. Por ejemplo,
3+4j < 5+7j no es una comparación válida.
5.1.1 Usar listas como pilas
Los métodos de lista hacen que resulte muy fácil usar una lista como una pila, donde el último elemento añadido es el
primer elemento retirado («último en entrar, primero en salir»). Para agregar un elemento a la cima de la pila, utiliza
append(). Para retirar un elemento de la cima de la pila, utiliza pop() sin un índice explícito. Por ejemplo:
>>> stack = [3, 4, 5]

>>> stack.append(6)
>>> stack.append(7)
>>> stack
[3, 4, 5, 6, 7]
>>> stack.pop()
7
1Otros lenguajes podrían retornar un objeto mutado, que permite encadenamiento de métodos como
d->insert("a")->remove("b")->sort();.
38 Capítulo 5. Estructuras de datos


>>> stack
[3, 4, 5, 6]
>>> stack.pop()
6
>>> stack.pop()
5
>>> stack
[3, 4]
5.1.2 Usar listas como colas
También es posible usar una lista como una cola, donde el primer elemento añadido es el primer elemento retirado
(«primero en entrar, primero en salir»); sin embargo, las listas no son eficientes para este propósito. Agregar y sacar
del final de la lista es rápido, pero insertar o sacar del comienzo de una lista es lento (porque todos los otros elementos
tienen que ser desplazados en uno).
Para implementar una cola, utiliza collections.deque el cual fue diseñado para añadir y quitar de ambas
puntas de forma rápida. Por ejemplo:
>>> from collections import deque
>>> queue = deque(["Eric", "John", "Michael"])
>>> queue.append("Terry") # Terry arrives
>>> queue.append("Graham") # Graham arrives
>>> queue.popleft() # The first to arrive now leaves
'Eric'
>>> queue.popleft() # The second to arrive now leaves
'John'
>>> queue # Remaining queue in order of arrival
deque(['Michael', 'Terry', 'Graham'])
5.1.3 Comprensión de listas
Las comprensiones de listas ofrecen una manera concisa de crear listas. Sus usos comunes son para hacer nuevas listas
donde cada elemento es el resultado de algunas operaciones aplicadas a cada miembro de otra secuencia o iterable, o
para crear un segmento de la secuencia de esos elementos para satisfacer una condición determinada.
Por ejemplo, asumamos que queremos crear una lista de cuadrados, como:
>>> squares = []
>>> for x in range(10):
... squares.append(x**2)
...
>>> squares
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
Nótese que esto crea (o sobreescribe) una variable llamada x que sigue existiendo luego de que el bucle haya termi-
nado. Podemos calcular la lista de cuadrados sin ningún efecto secundario haciendo:
squares = list(map(lambda x: x**2, range(10)))
o, un equivalente:
squares = [x**2 for x in range(10)]
que es más conciso y legible.

Una lista de comprensión consiste de corchetes rodeando una expresión seguida de la declaración for y luego cero o
más declaraciones for o if. El resultado será una nueva lista que sale de evaluar la expresión en el contexto de los
for o if que le siguen. Por ejemplo, esta lista de comprensión combina los elementos de dos listas si no son iguales:
5.1. Más sobre listas 39

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

[(1, 3), (1, 4), (2, 3), (2, 1), (2, 4), (3, 1), (3, 4)]
y es equivalente a:
>>> combs = []
>>> for x in [1,2,3]:
... for y in [3,1,4]:
... if x != y:
... combs.append((x, y))
...
>>> combs
[(1, 3), (1, 4), (2, 3), (2, 1), (2, 4), (3, 1), (3, 4)]
Nótese como el orden de los for y if es el mismo en ambos pedacitos de código.

Si la expresión es una tupla (como el (x, y) en el ejemplo anterior), debe estar entre paréntesis.
>>> vec = [-4, -2, 0, 2, 4]

>>> # create a new list with the values doubled
>>> [x*2 for x in vec]
[-8, -4, 0, 4, 8]
>>> # filter the list to exclude negative numbers
>>> [x for x in vec if x >= 0]
[0, 2, 4]
>>> # apply a function to all the elements
>>> [abs(x) for x in vec]
[4, 2, 0, 2, 4]
>>> # call a method on each element
>>> freshfruit = [' banana', ' loganberry ', 'passion fruit ']
>>> [weapon.strip() for weapon in freshfruit]
['banana', 'loganberry', 'passion fruit']
>>> # create a list of 2-tuples like (number, square)
>>> [(x, x**2) for x in range(6)]
[(0, 0), (1, 1), (2, 4), (3, 9), (4, 16), (5, 25)]
>>> # the tuple must be parenthesized, otherwise an error is raised
>>> [x, x**2 for x in range(6)]
[x, x**2 for x in range(6)]
^^^^^^^
SyntaxError: did you forget parentheses around the comprehension target?
>>> # flatten a list using a listcomp with two 'for'
>>> vec = [[1,2,3], [4,5,6], [7,8,9]]
>>> [num for elem in vec for num in elem]
[1, 2, 3, 4, 5, 6, 7, 8, 9]
Las comprensiones de listas pueden contener expresiones complejas y funciones anidadas:
>>> from math import pi

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

5.1.4 Listas por comprensión anidadas
La expresión inicial de una comprensión de listas puede ser cualquier expresión arbitraria, incluyendo otra compren-
sión de listas.
Considerá el siguiente ejemplo de una matriz de 3x4 implementada como una lista de tres listas de largo 4:
>>> matrix = [
... [1, 2, 3, 4],
... [5, 6, 7, 8],
... [9, 10, 11, 12],
... ]
La siguiente comprensión de lista transpondrá las filas y columnas:

>>> [[row[i] for row in matrix] for i in range(4)]
[[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]
Como vimos en la sección anterior, la lista de comprensión anidada se evalúa en el contexto del for que lo sigue,
por lo que este ejemplo equivale a:
>>> transposed = []
... transposed.append([row[i] for row in matrix])
...
>>> transposed
[[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]
el cual, a la vez, es lo mismo que:

>>> transposed = []
... # the following 3 lines implement the nested listcomp
... transposed_row = []
... for row in matrix:
... transposed_row.append(row[i])
... transposed.append(transposed_row)
...
>>> transposed
[[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]
En el mundo real, deberías preferir funciones predefinidas a declaraciones con flujo complejo. La función zip()
haría un buen trabajo para este caso de uso:
>>> list(zip(*matrix))
[(1, 5, 9), (2, 6, 10), (3, 7, 11), (4, 8, 12)]
Ver Desempaquetando una lista de argumentos para detalles sobre el asterisco de esta línea.
5.2 La instrucción del
Hay una manera de quitar un ítem de una lista dado su índice en lugar de su valor: la instrucción del. Esta es diferente
del método pop(), el cual retorna un valor. La instrucción del también puede usarse para quitar secciones de una
lista o vaciar la lista completa (lo que hacíamos antes asignando una lista vacía a la rebanada). Por ejemplo:
>>> a = [-1, 1, 66.25, 333, 333, 1234.5]
>>> del a[0]
>>> a
[1, 66.25, 333, 333, 1234.5]
>>> del a[2:4]
5.2. La instrucción del 41


>>> a
[1, 66.25, 1234.5]
>>> del a[:]
>>> a
[]
del puede usarse también para eliminar variables:

>>> del a
Hacer referencia al nombre a de aquí en más es un error (al menos hasta que se le asigne otro valor). Veremos otros
usos para del más adelante.
5.3 Tuplas y secuencias
Vimos que las listas y cadenas tienen propiedades en común, como el indexado y las operaciones de rebanado. Estas
son dos ejemplos de datos de tipo secuencia (ver typesseq). Como Python es un lenguaje en evolución, otros datos de
tipo secuencia pueden agregarse. Existe otro dato de tipo secuencia estándar: la tupla.
Una tupla está formada por un número de valores separados por comas, por ejemplo:
>>> t = 12345, 54321, 'hello!'
>>> t[0]
12345
>>> t
(12345, 54321, 'hello!')
>>> # Tuples may be nested:
... u = t, (1, 2, 3, 4, 5)
>>> u
((12345, 54321, 'hello!'), (1, 2, 3, 4, 5))
>>> # Tuples are immutable:
... t[0] = 88888
TypeError: 'tuple' object does not support item assignment
>>> # but they can contain mutable objects:
... v = ([1, 2, 3], [3, 2, 1])
>>> v
([1, 2, 3], [3, 2, 1])
Como puedes ver, en la salida las tuplas siempre se encierran entre paréntesis para que las tuplas anidadas puedan
interpretarse correctamente; pueden ingresarse con o sin paréntesis, aunque a menudo los paréntesis son necesarios
de todas formas (si la tupla es parte de una expresión más grande). No es posible asignar a los ítems individuales de
una tupla, pero sin embargo sí se puede crear tuplas que contengan objetos mutables, como las listas.
A pesar de que las tuplas puedan parecerse a las listas, frecuentemente se utilizan en distintas situaciones y para
distintos propósitos. Las tuplas son immutable y normalmente contienen una secuencia heterogénea de elementos que
son accedidos al desempaquetar (ver más adelante en esta sección) o indizar (o incluso acceder por atributo en el caso
de las namedtuples). Las listas son mutable, y sus elementos son normalmente homogéneos y se acceden iterando
a la lista.
Un problema particular es la construcción de tuplas que contengan 0 o 1 ítem: la sintaxis presenta algunas peculiari-
dades para estos casos. Las tuplas vacías se construyen mediante un par de paréntesis vacío; una tupla con un ítem
se construye poniendo una coma a continuación del valor (no alcanza con encerrar un único valor entre paréntesis).
Feo, pero efectivo. Por ejemplo:
>>> empty = ()
>>> singleton = 'hello', # <-- note trailing comma
>>> len(empty)


0
>>> len(singleton)
1
>>> singleton
('hello',)
La declaración t = 12345, 54321, 'hola!' es un ejemplo de empaquetado de tuplas: los valores 12345,
54321 y 'hola!' se empaquetan juntos en una tupla. La operación inversa también es posible:
>>> x, y, z = t
Esto se llama, apropiadamente, desempaquetado de secuencias, y funciona para cualquier secuencia en el lado derecho
del igual. El desempaquetado de secuencias requiere que la cantidad de variables a la izquierda del signo igual sea el
tamaño de la secuencia. Nótese que la asignación múltiple es en realidad sólo una combinación de empaquetado de
tuplas y desempaquetado de secuencias.
5.4 Conjuntos
Python también incluye un tipo de dato para conjuntos. Un conjunto es una colección no ordenada y sin elementos
repetidos. Los usos básicos de éstos incluyen verificación de pertenencia y eliminación de entradas duplicadas. Los
conjuntos también soportan operaciones matemáticas como la unión, intersección, diferencia, y diferencia simétrica.
Las llaves o la función set() pueden usarse para crear conjuntos. Notá que para crear un conjunto vacío tenés que
usar set(), no {}; esto último crea un diccionario vacío, una estructura de datos que discutiremos en la sección
siguiente.
Una pequeña demostración:
>>> basket = {'apple', 'orange', 'apple', 'pear', 'orange', 'banana'}

>>> print(basket) # show that duplicates have been removed
{'orange', 'banana', 'pear', 'apple'}
>>> 'orange' in basket # fast membership testing
True
>>> 'crabgrass' in basket
False
>>> # Demonstrate set operations on unique letters from two words

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

>>> a
{'r', 'd'}
5.4. Conjuntos 43
5.5 Diccionarios
Otro tipo de dato útil incluido en Python es el diccionario (ver typesmapping). Los diccionarios se encuentran a veces
en otros lenguajes como «memorias asociativas» o «arreglos asociativos». A diferencia de las secuencias, que se
indexan mediante un rango numérico, los diccionarios se indexan con claves, que pueden ser cualquier tipo inmutable;
las cadenas y números siempre pueden ser claves. Las tuplas pueden usarse como claves si solamente contienen
cadenas, números o tuplas; si una tupla contiene cualquier objeto mutable directa o indirectamente, no puede usarse
como clave. No podés usar listas como claves, ya que las listas pueden modificarse usando asignación por índice,
asignación por sección, o métodos como append() y extend().
Es mejor pensar en un diccionario como un conjunto de pares clave:valor con el requerimiento de que las claves
sean únicas (dentro de un diccionario). Un par de llaves crean un diccionario vacío: {}. Colocar una lista de pares
clave:valor separada por comas dentro de las llaves añade pares clave:valor iniciales al diccionario; esta es también la
forma en que los diccionarios se muestran en la salida.
Las operaciones principales sobre un diccionario son guardar un valor con una clave y extraer ese valor dada la clave.
También es posible borrar un par clave:valor con del. Si usás una clave que ya está en uso para guardar un valor, el
valor que estaba asociado con esa clave se pierde. Es un error extraer un valor usando una clave inexistente.
Ejecutando list(d) en un diccionario retornará una lista con todas las claves usadas en el diccionario, en el orden
de inserción (si deseas que esté ordenada simplemente usa sorted(d) en su lugar). Para comprobar si una clave
está en el diccionario usa la palabra clave in.
Un pequeño ejemplo de uso de un diccionario:
>>> tel = {'jack': 4098, 'sape': 4139}

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

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

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

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

5.6 Técnicas de iteración
Cuando iteramos sobre diccionarios, se pueden obtener al mismo tiempo la clave y su valor correspondiente usando
el método items().
>>> knights = {'gallahad': 'the pure', 'robin': 'the brave'}

>>> for k, v in knights.items():
... print(k, v)
...
gallahad the pure
robin the brave
Cuando se itera sobre una secuencia, se puede obtener el índice de posición junto a su valor correspondiente usando
la función enumerate().
>>> for i, v in enumerate(['tic', 'tac', 'toe']):

... print(i, v)
...
0 tic
1 tac
2 toe
Para iterar sobre dos o más secuencias al mismo tiempo, los valores pueden emparejarse con la función zip().
>>> questions = ['name', 'quest', 'favorite color']

>>> answers = ['lancelot', 'the holy grail', 'blue']
>>> for q, a in zip(questions, answers):
... print('What is your {0}? It is {1}.'.format(q, a))
...
What is your name? It is lancelot.
What is your quest? It is the holy grail.
What is your favorite color? It is blue.
Para iterar sobre una secuencia en orden inverso, se especifica primero la secuencia al derecho y luego se llama a la
función reversed().
>>> for i in reversed(range(1, 10, 2)):

... print(i)
...
9
7
5
3
1
Para iterar sobre una secuencia ordenada, se utiliza la función sorted() la cual retorna una nueva lista ordenada
dejando a la original intacta.
>>> basket = ['apple', 'orange', 'apple', 'pear', 'orange', 'banana']

>>> for i in sorted(basket):
... print(i)
...
apple
apple
banana
orange
orange
pear
El uso de set() en una secuencia elimina los elementos duplicados. El uso de sorted() en combinación con
set() sobre una secuencia es una forma idiomática de recorrer elementos únicos de la secuencia ordenada.
5.6. Técnicas de iteración 45

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

>>> for f in sorted(set(basket)):
... print(f)
...
apple
banana
orange
pear
A veces uno intenta cambiar una lista mientras la está iterando; sin embargo, a menudo es más simple y seguro crear
una nueva lista:
>>> import math

>>> raw_data = [56.2, float('NaN'), 51.7, 55.3, 52.5, float('NaN'), 47.8]
>>> filtered_data = []
>>> for value in raw_data:
... if not math.isnan(value):
... filtered_data.append(value)
...
>>> filtered_data
[56.2, 51.7, 55.3, 52.5, 47.8]
5.7 Más acerca de condiciones
Las condiciones usadas en las instrucciones while e if pueden contener cualquier operador, no sólo comparaciones.
Los operadores de comparación in y not in verifican si un valor ocurre (o no ocurre) en una secuencia. Los opera-
dores is e is not comparan si dos objetos son realmente el mismo objeto. Todos los operadores de comparación
tienen la misma prioridad, que es menor que la de todos los operadores numéricos.
Las comparaciones pueden encadenarse. Por ejemplo, a < b == c verifica si a es menor que b y además si b es
igual a c.
Las comparaciones pueden combinarse mediante los operadores booleanos and y or, y el resultado de una com-
paración (o de cualquier otra expresión booleana) puede negarse con not. Estos tienen prioridades menores que
los operadores de comparación; entre ellos not tiene la mayor prioridad y or la menor, o sea que A and not
B or C equivale a (A and (not B)) or C. Como siempre, los paréntesis pueden usarse para expresar la
composición deseada.
Los operadores booleanos and y or son los llamados operadores cortocircuito: sus argumentos se evalúan de izquierda
a derecha, y la evaluación se detiene en el momento en que se determina su resultado. Por ejemplo, si A y C son
verdaderas pero B es falsa, en A and B and C no se evalúa la expresión C. Cuando se usa como un valor general
y no como un booleano, el valor retornado de un operador cortocircuito es el último argumento evaluado.
Es posible asignar el resultado de una comparación u otra expresión booleana a una variable. Por ejemplo,
>>> string1, string2, string3 = '', 'Trondheim', 'Hammer Dance'

>>> non_null = string1 or string2 or string3
>>> non_null
'Trondheim'
Nótese que en Python, a diferencia de C, asignaciones dentro de expresiones deben realizarse explícitamente con el
operador walrus :=. Esto soluciona algunos problemas comunes encontrados en C: escribiendo = en una expresión
cuando se intentaba escribir ==.

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

[1, 2, 3] < [1, 2, 4]
'ABC' < 'C' < 'Pascal' < 'Python'
(1, 2, 3, 4) < (1, 2, 4)
(1, 2) < (1, 2, -1)
(1, 2, 3) == (1.0, 2.0, 3.0)
(1, 2, ('aa', 'ab')) < (1, 2, ('abc', 'a'), 4)
Observá que comparar objetos de diferentes tipos con < o > es legal siempre y cuando los objetos 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
lanzará una excepción TypeError.
Notas al pie
5.8. Comparando secuencias y otros tipos 47


CAPÍTULO 6
Módulos
Si sales del intérprete de Python y vuelves a entrar, las definiciones que habías hecho (funciones y variables) se
pierden. Por lo tanto, si quieres escribir un programa más o menos largo, es mejor que utilices un editor de texto para
preparar la entrada para el intérprete y ejecutarlo con ese archivo como entrada. Esto se conoce como crear un script.
A medida que tu programa crezca, quizás quieras separarlo en varios archivos para que el mantenimiento sea más
sencillo. Quizás también quieras usar una función útil que has escrito en distintos programas sin copiar su definición
en cada programa.
Para soportar esto, Python tiene una manera de poner definiciones en un archivo y usarlos en un script o en una
instancia del intérprete. Este tipo de ficheros se llama módulo; las definiciones de un módulo pueden ser importadas
a otros módulos o al módulo principal (la colección de variables a las que tienes acceso en un script ejecutado en el
nivel superior y en el modo calculadora).
Un módulo es un fichero conteniendo definiciones y declaraciones de Python. El nombre de archivo es el nombre
del módulo con el sufijo .py agregado. Dentro de un módulo, el nombre del mismo módulo (como cadena) está
disponible en el valor de la variable global __name__. Por ejemplo, utiliza tu editor de texto favorito para crear un
archivo llamado fibo.py en el directorio actual, con el siguiente contenido:
# Fibonacci numbers module
def fib(n): # write Fibonacci series up to n

a, b = 0, 1
while a < n:
print(a, end=' ')
a, b = b, a+b
print()
def fib2(n): # return Fibonacci series up to n

result = []
a, b = 0, 1
while a < n:
result.append(a)
a, b = b, a+b
return result
Ahora entra en el intérprete de Python e importa este modulo con el siguiente comando:
>>> import fibo
Esto no añade los nombres de las funciones definidas en fibo directamente al actual namespace (ver Ámbitos y
49
espacios de nombres en Python para más detalles); sólo añade el nombre del módulo fibo allí. Usando el nombre
del módulo puedes acceder a las funciones:
>>> fibo.fib(1000)
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987
>>> fibo.fib2(100)
[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89]
>>> fibo.__name__
'fibo'
Si pretendes utilizar una función frecuentemente puedes asignarla a un nombre local:
>>> fib = fibo.fib

>>> fib(500)
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377
6.1 Más sobre los módulos
Un módulo puede contener tanto declaraciones ejecutables como definiciones de funciones. Estas declaraciones es-
tán pensadas para inicializar el módulo. Se ejecutan únicamente la primera vez que el módulo se encuentra en una
declaración import.1 (También se ejecutan si el archivo se ejecuta como script.)
Cada módulo tiene su propio espacio de nombres privado, que es utilizado como espacio de nombres global por todas
las funciones definidas en el módulo. De este modo, el autor de un módulo puede utilizar variables globales en el
módulo sin preocuparse por choques accidentales con las variables globales de un usuario. Por otro lado, si sabes
lo que estás haciendo puedes tocar las variables globales de un módulo con la misma notación que se utiliza para
referirse a sus funciones, modname.itemname.
Los módulos pueden importar otros módulos. Es costumbre pero no obligatorio ubicar todas las declaraciones
import al principio del módulo (o script, para el caso). Los nombres de los módulos importados, si se colocan
en el nivel superior de un módulo (fuera de cualquier función o clase), se añaden al espacio de nombres global del
módulo.
Hay una variante de la declaración import que importa los nombres de un módulo directamente al espacio de
nombres del módulo que hace la importación. Por ejemplo:
>>> from fibo import fib, fib2

>>> fib(500)
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377
Esto no introduce en el espacio de nombres local el nombre del módulo desde el cual se está importando (por lo tanto,
en el ejemplo, fibo no esta definido).
Hay incluso una variante para importar todos los nombres que un módulo define:
>>> from fibo import *

>>> fib(500)
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377
Esto importa todos los nombres excepto los que inician con un guión bajo (_). La mayoría de las veces los programa-
dores de Python no usan esto ya que introduce en el intérprete un conjunto de nombres desconocido, posiblemente
escondiendo algunas de las definiciones previas.
Nótese que en general la práctica de importar * de un módulo o paquete está muy mal vista, ya que frecuentemente
genera código poco legible. Sin embargo, está bien usarlo para ahorrar tecleo en sesiones interactivas.
Si el nombre del módulo es seguido por as, el nombre siguiendo as queda ligado directamente al módulo importado.
1 De hecho, las definiciones de funciones también son «declaraciones» que se «ejecutan»; la ejecución de una definición de función a nivel de
módulo, añade el nombre de la función en el espacio de nombres global del módulo.
50 Capítulo 6. Módulos
>>> import fibo as fib

>>> fib.fib(500)
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377
Esto es básicamente importar el módulo de la misma forma que se haría con import fibo, con la única diferencia
en que se encuentra accesible como fib.
También se puede utilizar cuando se utiliza from con efectos similares:
>>> from fibo import fib as fibonacci

>>> fibonacci(500)
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377
Nota: Por razones de eficiencia, cada módulo es importado solo una vez por sesión del intérprete. Por lo tanto, si
cambias tus módulos, debes reiniciar el interprete – ó, si es un solo módulo que quieres probar de forma interactiva, usa
importlib.reload(), por ejemplo: import importlib; importlib.reload(modulename).
6.1.1 Ejecutar módulos como scripts
Cuando ejecutes un módulo de Python con
python fibo.py <arguments>
el código en el módulo será ejecutado, tal como si lo hubieses importado, pero con __name__ con el valor de
"__main__". Eso significa que agregando este código al final de tu módulo:
if __name__ == "__main__":
import sys
fib(int(sys.argv[1]))
puedes hacer que el archivo sea utilizable tanto como script, como módulo importable, porque el código que analiza
la línea de órdenes sólo se ejecuta si el módulo es ejecutado como archivo principal:
$ python fibo.py 50
0 1 1 2 3 5 8 13 21 34
Si el módulo se importa, ese código no se ejecuta:
>>> import fibo

>>>
Esto es frecuentemente usado para proveer al módulo una interfaz de usuario conveniente, o para fines de prueba
(ejecutar el módulo como un script que ejecuta un conjunto de pruebas).
6.1.2 El camino de búsqueda de los módulos
Cuando se importa un módulo llamado spam, el intérprete busca primero por un módulo con ese nombre que esté
integrado en el intérprete. Estos nombres de módulos están listados en sys.builtin_module_names. Si no
lo encuentra, entonces busca un archivo llamado spam.py en una lista de directorios especificada por la variable
sys.path. sys.path se inicializa con las siguientes ubicaciones:
• El directorio que contiene el script de entrada (o el directorio actual cuando no se especifica archivo).
• PYTHONPATH (una lista de nombres de directorios, con la misma sintaxis que la variable de la terminal PATH).
• El valor predeterminado dependiente de la instalación (por convención incluye un directorio
site-packages, manejado por el módulo site).
6.1. Más sobre los módulos 51

Más detalles en sys-path-init.
Nota: En los sistemas de archivo que soportan enlaces simbólicos, el directorio que contiene el script de entrada es
calculado luego de seguir el enlace simbólico. En otras palabras, el directorio que contiene el enlace simbólico no es
agregado al camino de búsqueda del módulo.
Luego de la inicialización, los programas Python pueden modificar sys.path. El directorio que contiene el script
que se está ejecutando se ubica al principio de la búsqueda, adelante de la biblioteca estándar. Esto significa que se
cargarán scripts en ese directorio en lugar de módulos de la biblioteca estándar con el mismo nombre. Esto es un
error a menos que se esté reemplazando intencionalmente. Mirá la sección Módulos estándar para más información.
6.1.3 Archivos «compilados» de Python
Para acelerar la carga de módulos, Python cachea las versiones compiladas de cada módulo en el directorio
__pycache__ bajo el nombre module.version.pyc, dónde la versión codifica el formato del archivo com-
pilado; generalmente contiene el número de versión de Python. Por ejemplo, en CPython release 3.3 la versión com-
pilada de spam.py sería cacheada como __pycache__/spam.cpython-33.pyc. Este convención de nombre
permite compilar módulos desde diferentes releases y versiones de Python para coexistir.
Python chequea la fecha de modificación de la fuente contra la versión compilada para ver si esta es obsoleta y
necesita ser recompilada. Esto es un proceso completamente automático. También, los módulos compilados son
independientes de la plataforma, así que la misma biblioteca puede ser compartida a través de sistemas con diferentes
arquitecturas.
Python no chequea el caché en dos circunstancias. Primero, siempre recompila y no graba el resultado del módulo
que es cargado directamente desde la línea de comando. Segundo, no chequea el caché si no hay módulo fuente. Para
soportar una distribución sin fuente (solo compilada), el módulo compilado debe estar en el directorio origen, y no
debe haber un módulo fuente.
Algunos consejos para expertos:
• Puedes usar los modificadores -O o -OO en el comando de Python para reducir el tamaño del módulo compi-
lado. El modificador -O remueve las declaraciones assert, el modificador -OO remueve declaraciones assert y
cadenas __doc__. Dado que algunos programas pueden confiar en tenerlos disponibles, solo deberías usar esta
opción si conoces lo que estás haciendo. Los módulos «optimizados» tienen una etiqueta opt- y generalmente
son mas pequeños. Releases futuras pueden cambiar los efectos de la optimización.
• Un programa no se ejecuta mas rápido cuando es leído de un archivo .pyc que cuando es leído de un archivo
.py; la única cosa que es mas rápida en los archivos .pyc es la velocidad con la cual son cargados.
• El módulo compileall puede crear archivos .pyc para todos los módulos en un directorio.
• Hay mas detalle de este proceso, incluyendo un diagrama de flujo de decisiones, en PEP 3147.
6.2 Módulos estándar
Python viene con una biblioteca de módulos estándar, descrita en un documento separado, la Referencia de la Biblio-
teca de Python (de aquí en más, «Referencia de la Biblioteca»). Algunos módulos se integran en el intérprete; estos
proveen acceso a operaciones que no son parte del núcleo del lenguaje pero que sin embargo están integrados, tanto
por eficiencia como para proveer acceso a primitivas del sistema operativo, como llamadas al sistema. El conjunto
de tales módulos es una opción de configuración que también depende de la plataforma subyacente. Por ejemplo,
el módulo winreg sólo se provee en sistemas Windows. Un módulo en particular merece algo de atención: sys,
el que está integrado en todos los intérpretes de Python. Las variables sys.ps1 y sys.ps2 definen las cadenas
usadas como cursores primarios y secundarios:
>>> import sys

>>> sys.ps1

'>>> '
>>> sys.ps2
'... '
>>> sys.ps1 = 'C> '
C> print('Yuck!')
Yuck!
C>
Estas dos variables están solamente definidas si el intérprete está en modo interactivo.
La variable sys.path es una lista de cadenas que determinan el camino de búsqueda del intérprete para los módulos.
Se inicializa por omisión a un camino tomado de la variable de entorno PYTHONPATH, o a un valor predefinido en
el intérprete si PYTHONPATH no está configurada. Lo puedes modificar usando las operaciones estándar de listas:
>>> import sys
>>> sys.path.append('/ufs/guido/lib/python')
6.3 La función dir()
La función integrada dir() se usa para encontrar qué nombres define un módulo. Retorna una lista ordenada de
cadenas:
>>> import fibo, sys
>>> dir(fibo)
['__name__', 'fib', 'fib2']
>>> dir(sys)
['__breakpointhook__', '__displayhook__', '__doc__', '__excepthook__',
'__interactivehook__', '__loader__', '__name__', '__package__', '__spec__',
'__stderr__', '__stdin__', '__stdout__', '__unraisablehook__',
'_clear_type_cache', '_current_frames', '_debugmallocstats', '_framework',
'_getframe', '_git', '_home', '_xoptions', 'abiflags', 'addaudithook',
'api_version', 'argv', 'audit', 'base_exec_prefix', 'base_prefix',
'breakpointhook', 'builtin_module_names', 'byteorder', 'call_tracing',
'callstats', 'copyright', 'displayhook', 'dont_write_bytecode', 'exc_info',
'excepthook', 'exec_prefix', 'executable', 'exit', 'flags', 'float_info',
'float_repr_style', 'get_asyncgen_hooks', 'get_coroutine_origin_tracking_depth',
'getallocatedblocks', 'getdefaultencoding', 'getdlopenflags',
'getfilesystemencodeerrors', 'getfilesystemencoding', 'getprofile',
'getrecursionlimit', 'getrefcount', 'getsizeof', 'getswitchinterval',
'gettrace', 'hash_info', 'hexversion', 'implementation', 'int_info',
'intern', 'is_finalizing', 'last_traceback', 'last_type', 'last_value',
'maxsize', 'maxunicode', 'meta_path', 'modules', 'path', 'path_hooks',
'path_importer_cache', 'platform', 'prefix', 'ps1', 'ps2', 'pycache_prefix',
'set_asyncgen_hooks', 'set_coroutine_origin_tracking_depth', 'setdlopenflags',
'setprofile', 'setrecursionlimit', 'setswitchinterval', 'settrace', 'stderr',
'stdin', 'stdout', 'thread_info', 'unraisablehook', 'version', 'version_info',
'warnoptions']
Sin argumentos, dir() lista los nombres que tienes actualmente definidos:
>>> a = [1, 2, 3, 4, 5]
>>> import fibo
>>> fib = fibo.fib
>>> dir()
['__builtins__', '__name__', 'a', 'fib', 'fibo', 'sys']
Nótese que lista todos los tipos de nombres: variables, módulos, funciones, etc.
dir() no lista los nombres de las funciones y variables integradas. Si quieres una lista de esos, están definidos en el
módulo estándar builtins:
6.3. La función dir() 53

>>> import builtins

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

effects/ Subpackage for sound effects
__init__.py
echo.py
surround.py
reverse.py
...
filters/ Subpackage for filters
__init__.py
equalizer.py
vocoder.py
karaoke.py
...
Al importar el paquete, Python busca a través de los directorios en sys.path, buscando el sub-directorio del
paquete.
The __init__.py files are required to make Python treat directories containing the file as packages (unless
using a namespace package, a relatively advanced feature). This prevents directories with a common name, such
as string, from unintentionally hiding valid modules that occur later on the module search path. In the simplest
case, __init__.py can just be an empty file, but it can also execute initialization code for the package or set the
__all__ variable, described later.
Los usuarios del paquete pueden importar módulos individuales del mismo, por ejemplo:
import sound.effects.echo
Esto carga el submódulo sound.effects.echo. Debe hacerse referencia al mismo con el nombre completo.
sound.effects.echo.echofilter(input, output, delay=0.7, atten=4)
Otra alternativa para importar el submódulo es:
from sound.effects import echo
Esto también carga el submódulo echo, y lo deja disponible sin su prefijo de paquete, por lo que puede usarse así:
echo.echofilter(input, output, delay=0.7, atten=4)
Otra variación más es importar la función o variable deseadas directamente:
from sound.effects.echo import echofilter
De nuevo, esto carga el submódulo echo, pero deja directamente disponible a la función echofilter():
echofilter(input, output, delay=0.7, atten=4)
Nótese que al usar from package import item, el ítem puede ser tanto un submódulo (o subpaquete) del
paquete, o algún otro nombre definido en el paquete, como una función, clase, o variable. La declaración import
primero verifica si el ítem está definido en el paquete; si no, asume que es un módulo y trata de cargarlo. Si no lo
puede encontrar, se genera una excepción ImportError.
Por otro lado, cuando se usa la sintaxis como import item.subitem.subsubitem, cada ítem excepto el
último debe ser un paquete; el mismo puede ser un módulo o un paquete pero no puede ser una clase, función o
variable definida en el ítem previo.
6.4. Paquetes 55
6.4.1 Importar * 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.
effects.
Ten en cuenta que los submódulos pueden quedar ocultos por nombres definidos localmente. Por ejemplo, si agre-
gaste una función llamada reverse al archivo sound/effects/__init__.py, from sound.effects
import * solo importaría los dos submódulos echo y surround, pero no el submódulo reverse porque queda
oculto por la función reverse definida localmente:
__all__ = [
"echo", # refers to the 'echo.py' file
"surround", # refers to the 'surround.py' file
"reverse", # !!! refers to the 'reverse' function now !!!
]
def reverse(msg: str): # <-- this name shadows the 'reverse.py' submodule
return msg[::-1] # in the case of a 'from sound.effects import *'
Si no se define __all__, la declaración from sound.effects import * no importa todos los submódulos
del paquete sound.effects al espacio de nombres actual; sólo se asegura que se haya importado el paquete
sound.effects (posiblemente ejecutando algún código de inicialización que haya en __init__.py) y luego
importa aquellos nombres que estén definidos en el paquete. Esto incluye cualquier nombre definido (y submódulos
explícitamente cargados) por __init__.py. También incluye cualquier submódulo del paquete que pudiera haber
sido explícitamente cargado por declaraciones import previas. Considere 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 defini-
dos en el paquete sound.effects cuando se ejecuta la declaración from...import. (Esto también funciona
cuando se define __all__).
A pesar de que ciertos módulos están diseñados para exportar solo nombres que siguen ciertos patrones cuando uses
import *, también se considera una mala práctica en código de producción.
Recuerda, ¡no hay nada malo al usar from package import specific_submodule! De hecho, esta es
la notación recomendada a menos que el módulo que importamos necesite usar submódulos con el mismo nombre
desde un paquete diferente.
6.4.2 Referencias internas en paquetes
Cuando se estructuran los paquetes en sub-paquetes (como en el ejemplo sound), puedes usar imports absolutos para
referirte a submódulos de paquetes hermanos. Por ejemplo, si el módulo sound.filters.vocoder necesita usar
el módulo echo en el paquete sound.effects, puede hacer from sound.effects import echo.
También puedes escribir imports relativos con la forma from module import name. Estos imports usan pun-
tos adelante para indicar los paquetes actuales o paquetes padres involucrados en el import relativo. En el ejemplo
surround, podrías hacer:
from . import echo

from .. import formats
from ..filters import equalizer
Nótese que los imports relativos se basan en el nombre del módulo actual. Ya que el nombre del módulo principal es
siempre "__main__", los módulos pensados para usarse como módulo principal de una aplicación Python siempre
deberían usar import absolutos.
6.4.3 Paquetes en múltiples directorios
Los paquetes soportan un atributo especial más, __path__. Este se inicializa a una lista que contiene el nombre del
directorio donde está el archivo __init__.py del paquete, antes de que el código en ese archivo se ejecute. Esta
variable puede modificarse, afectando búsquedas futuras de módulos y subpaquetes contenidos en el paquete.
Aunque esta característica no se necesita frecuentemente, puede usarse para extender el conjunto de módulos que se
encuentran en el paquete.
Notas al pie
6.4. Paquetes 57
CAPÍTULO 7
Entrada y salida
Hay diferentes métodos de presentar la salida de un programa; los datos pueden ser impresos de una forma legible
por humanos, o escritos a un archivo para uso futuro. Este capítulo discutirá algunas de las posibilidades.
7.1 Formateo elegante de la salida
Hasta ahora encontramos dos maneras de escribir valores: declaraciones de expresión y la función print(). (Una
tercera manera es usando el método write() de los objetos tipo archivo; el archivo de salida estándar puede
referenciarse como sys.stdout. Mirá la Referencia de la Biblioteca para más información sobre esto).
A menudo se querrá tener más control sobre el formato de la salida, y no simplemente imprimir valores separados
por espacios. Para ello, hay varias maneras de dar formato a la salida.
• Para usar literales de cadena formateados, comience una cadena con f o F antes de la comilla de apertura o
comillas triples. Dentro de esta cadena, se puede escribir una expresión de Python entre los caracteres { y }
que pueden hacer referencia a variables o valores literales.
>>> year = 2016

>>> event = 'Referendum'
>>> f'Results of the {year} {event}'
'Results of the 2016 Referendum'
• El método str.format() requiere más esfuerzo manual. Se seguirá usando { y } para marcar dónde se sus-
tituirá una variable y puede proporcionar directivas de formato detalladas, pero también se debe proporcionar
la información de lo que se va a formatear.
>>> yes_votes = 42_572_654

>>> no_votes = 43_132_495
>>> percentage = yes_votes / (yes_votes + no_votes)
>>> '{:-9} YES votes {:2.2%}'.format(yes_votes, percentage)
' 42572654 YES votes 49.67%'
• Por último, puede realizar todo el control de cadenas usted mismo mediante operaciones de concatenación y
segmentación de cadenas para crear cualquier diseño que se pueda imaginar. El tipo de cadena tiene algunos
métodos que realizan operaciones útiles para rellenar cadenas a un ancho de columna determinado.
Cuando no necesita una salida elegante, pero solo desea una visualización rápida de algunas variables con fines de
depuración, puede convertir cualquier valor en una cadena con las funciones repr() o str().
59
La función str() retorna representaciones de los valores que son bastante legibles por humanos, mientras que
repr() genera representaciones que pueden ser leídas por el intérprete (o forzarían un SyntaxError si no hay
sintaxis equivalente). Para objetos que no tienen una representación en particular para consumo humano, str()
retornará el mismo valor que repr(). Muchos valores, como números o estructuras como listas y diccionarios,
tienen la misma representación usando cualquiera de las dos funciones. Las cadenas, en particular, tienen dos repre-
sentaciones distintas.
Algunos ejemplos:
>>> s = 'Hello, world.'

>>> str(s)
'Hello, world.'
>>> repr(s)
"'Hello, world.'"
>>> str(1/7)
'0.14285714285714285'
>>> x = 10 * 3.25
>>> y = 200 * 200
>>> s = 'The value of x is ' + repr(x) + ', and y is ' + repr(y) + '...'
>>> print(s)
The value of x is 32.5, and y is 40000...
>>> # The repr() of a string adds string quotes and backslashes:
... hello = 'hello, world\n'
>>> hellos = repr(hello)
>>> print(hellos)
'hello, world\n'
>>> # The argument to repr() may be any Python object:
... repr((x, y, ('spam', 'eggs')))
"(32.5, 40000, ('spam', 'eggs'))"
El módulo string contiene una clase Template que ofrece otra forma de sustituir valores en cadenas, utilizando
marcadores de posición como $x y reemplazarlos con valores desde un diccionario, pero esto ofrece mucho menos
control en el formato.
7.1.1 Formatear cadenas literales
Literales de cadena formateados (también llamados f-strings para abreviar) le permiten incluir el valor de las expresio-
nes de Python dentro de una cadena prefijando la cadena con f o F y escribiendo expresiones como {expresion}.
La expresión puede ir seguida de un especificador de formato opcional . Esto permite un mayor control sobre cómo
se formatea el valor. En el ejemplo siguiente se redondea pi a tres lugares después del decimal:
>>> import math

>>> print(f'The value of pi is approximately {math.pi:.3f}.')
The value of pi is approximately 3.142.
Pasar un entero después de ':' hará que ese campo sea un número mínimo de caracteres de ancho. Esto es útil para
hacer que las columnas se alineen.
>>> table = {'Sjoerd': 4127, 'Jack': 4098, 'Dcab': 7678}

>>> for name, phone in table.items():
... print(f'{name:10} ==> {phone:10d}')
...
Sjoerd ==> 4127
Jack ==> 4098
Dcab ==> 7678
Se pueden utilizar otros modificadores para convertir el valor antes de formatearlo. '!a' se aplica ascii(), '!s'
se aplica str(), y '!r' se aplica repr():
60 Capítulo 7. Entrada y salida

>>> animals = 'eels'

>>> print(f'My hovercraft is full of {animals}.')
My hovercraft is full of eels.
>>> print(f'My hovercraft is full of {animals!r}.')
My hovercraft is full of 'eels'.
El especificador = puede utilizarse para expandir una expresión al texto de la expresión, un signo igual y, a continua-
ción, la representación de la expresión evaluada:
>>> bugs = 'roaches'

>>> count = 13
>>> area = 'living room'
>>> print(f'Debugging {bugs=} {count=} {area=}')
Debugging bugs='roaches' count=13 area='living room'
Véase expresiones auto-documentadas para más información en el especificador =. Para obtener una referencia sobre
estas especificaciones de formato, consulte la guía de referencia para formatspec.
7.1.2 El método format() de cadenas
El uso básico del método str.format() es como esto:
>>> print('We are the {} who say "{}!"'.format('knights', 'Ni'))

We are the knights who say "Ni!"
Las llaves y caracteres dentro de las mismas (llamados campos de formato) son reemplazadas con los objetos pasados
en el método str.format(). Un número en las llaves se refiere a la posición del objeto pasado en el método
str.format().
>>> print('{0} and {1}'.format('spam', 'eggs'))

spam and eggs
>>> print('{1} and {0}'.format('spam', 'eggs'))
eggs and spam
Si se usan argumentos nombrados en el método str.format(), sus valores se referencian usando el nombre del
argumento.
>>> print('This {food} is {adjective}.'.format(

... food='spam', adjective='absolutely horrible'))
This spam is absolutely horrible.
Se pueden combinar arbitrariamente argumentos posicionales y nombrados:
>>> print('The story of {0}, {1}, and {other}.'.format('Bill', 'Manfred',

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

>>> print('Jack: {0[Jack]:d}; Sjoerd: {0[Sjoerd]:d}; '
... 'Dcab: {0[Dcab]:d}'.format(table))
Jack: 4098; Sjoerd: 4127; Dcab: 8637678
Esto se podría hacer, también, pasando el diccionario table como argumentos por palabra clave con la notación
“**”.
7.1. Formateo elegante de la salida 61


>>> print('Jack: {Jack:d}; Sjoerd: {Sjoerd:d}; Dcab: {Dcab:d}'.format(**table))
Jack: 4098; Sjoerd: 4127; Dcab: 8637678
Esto es particularmente útil en combinación con la función integrada vars(), que retorna un diccionario conte-
niendo todas las variables locales.
Como ejemplo, las siguientes líneas producen un conjunto ordenado de columnas que dan enteros y sus cuadrados y
cubos:
>>> for x in range(1, 11):
... print('{0:2d} {1:3d} {2:4d}'.format(x, x*x, x*x*x))
...
1 1 1
2 4 8
3 9 27
4 16 64
5 25 125
6 36 216
7 49 343
8 64 512
9 81 729
10 100 1000
Para una completa descripción del formateo de cadenas con str.format(), ver string-formatting.
7.1.3 Formateo manual de cadenas
Aquí está la misma tabla de cuadrados y cubos, formateados manualmente:

>>> for x in range(1, 11):
... print(repr(x).rjust(2), repr(x*x).rjust(3), end=' ')
... # Note use of 'end' on previous line
... print(repr(x*x*x).rjust(4))
...
1 1 1
2 4 8
3 9 27
4 16 64
5 25 125
6 36 216
7 49 343
8 64 512
9 81 729
10 100 1000
(Nótese que el espacio existente entre cada columna es añadido debido a como funciona print(): siempre añade
espacios entre sus argumentos.)
El método str.rjust() de los objetos cadena justifica a la derecha en un campo de anchura predeterminada
rellenando con espacios a la izquierda. Métodos similares a este son str.ljust() y str.center(). Estos
métodos no escriben nada, simplemente retornan una nueva cadena. Si la cadena de entrada es demasiado larga no
la truncarán sino que la retornarán sin cambios; esto desordenará la disposición de la columna que es, normalmente,
mejor que la alternativa, la cual podría falsear un valor. (Si realmente deseas truncar siempre puedes añadir una
operación de rebanado, como en x.ljust(n)[:n].)
Hay otro método, str.zfill(), el cual rellena una cadena numérica a la izquierda con ceros. Entiende signos
positivos y negativos:
>>> '12'.zfill(5)
'00012'


>>> '-3.14'.zfill(7)
'-003.14'
>>> '3.14159265359'.zfill(5)
'3.14159265359'
7.1.4 Viejo formateo de cadenas
El operador % (módulo) también se puede utilizar para formatear cadenas de caracteres. Dados los 'cadena de
caracteres' % valores, las instancias de % en cadena de caracteres se reemplazan con cero o más
elementos de valores. Esta operación se conoce comúnmente como interpolación de cadenas. Por ejemplo:
>>> import math

>>> print('The value of pi is approximately %5.3f.' % math.pi)
The value of pi is approximately 3.142.
Podés encontrar más información en la sección old-string-formatting.
7.2 Leyendo y escribiendo archivos
La función open() retorna un file object, y se usa normalmente con dos argumentos posicionales y un argumento
nombrado: open(nombre_de_archivo, modo, encoding=None)
>>> f = open('workfile', 'w', encoding="utf-8")
El primer argumento es una cadena que contiene el nombre del fichero. El segundo argumento es otra cadena que
contiene unos pocos caracteres describiendo la forma en que el fichero será usado. mode puede ser 'r' cuando el
fichero solo se leerá, 'w' para solo escritura (un fichero existente con el mismo nombre se borrará) y 'a' abre el
fichero para agregar; cualquier dato que se escribe en el fichero se añade automáticamente al final. 'r+' abre el
fichero tanto para lectura como para escritura. El argumento mode es opcional; se asume que se usará 'r' si se
omite.
Normalmente, los ficheros se abren en modo texto, es decir, se leen y escriben cadenas desde y hacia el fichero, que
están codificadas en una codificación específica. Si no se especifica codificación, el valor por defecto depende de la pla-
taforma (véase open()). Dado que UTF-8 es el estándar moderno de facto, se recomienda encoding="utf-8"
a menos que sepa que necesita usar una codificación diferente. Añadiendo 'b' al modo se abre el fichero en modo
binario. Los datos en modo binario se leen y escriben como objetos bytes. No se puede especificar codificación al
abrir un fichero en modo binario.
Cuando se lee en modo texto, por defecto se convierten los fin de lineas que son específicos a las plataformas (\n en
Unix, \r\n en Windows) a solamente \n. Cuando se escribe en modo texto, por defecto se convierten los \n a los
fin de linea específicos de la plataforma. Este cambio automático está bien para archivos de texto, pero corrompería
datos binarios como los de archivos JPEG o EXE. Asegúrese de usar modo binario cuando lea y escriba tales archivos.
Es una buena práctica usar la declaración with cuando manejamos objetos archivo. Tiene la ventaja de que el archivo
es cerrado apropiadamente luego de que el bloque termina, incluso si se generó una excepción. También es mucho
más corto que escribir los equivalentes bloques try-finally
>>> with open('workfile', encoding="utf-8") as f:

... read_data = f.read()
>>> # We can check that the file has been automatically closed.
>>> f.closed
True
Si no está utilizando la palabra clave with, entonces debe llamar a f.close() para cerrar el archivo y liberar
inmediatamente los recursos del sistema utilizados por él.
7.2. Leyendo y escribiendo archivos 63

Advertencia: Llamar a f.write() sin usar la palabra clave with o sin llamar a f.close() podría dar co-
mo resultado que los argumentos de f.write() no se escriban completamente en disco, incluso si el programa
se termina correctamente.
Después de que un objeto de archivo es cerrado, ya sea por with o llamando a f.close(), intentar volver a
utilizarlo fallará automáticamente:
>>> f.close()
>>> f.read()
ValueError: I/O operation on closed file.
7.2.1 Métodos de los objetos Archivo
El resto de los ejemplos en esta sección asumirán que ya se creó un objeto archivo llamado f.
Para leer el contenido de una archivo utiliza f.read(size), el cual lee alguna cantidad de datos y los retorna
como una cadena (en modo texto) o un objeto de bytes (en modo binario). size es un argumento numérico opcional.
Cuando se omite size o es negativo, el contenido entero del archivo será leído y retornado; es tu problema si el archivo
es el doble de grande que la memoria de tu máquina. De otra manera, son leídos y retornados como máximo size
caracteres (en modo texto) o size bytes (en modo binario). Si se alcanzó el fin del archivo, f.read() retornará una
cadena vacía ('').
>>> f.read()
'This is the entire file.\n'
>>> f.read()
''
f.readline() lee una sola linea del archivo; el carácter de fin de linea (\n) se deja al final de la cadena, y sólo
se omite en la última linea del archivo si el mismo no termina en un fin de linea. Esto hace que el valor de retorno no
sea ambiguo; si f.readline() retorna una cadena vacía, es que se alcanzó el fin del archivo, mientras que una
linea en blanco es representada por '\n', una cadena conteniendo sólo un único fin de linea.
>>> f.readline()
'This is the first line of the file.\n'
>>> f.readline()
'Second line of the file\n'
>>> f.readline()
''
Para leer líneas de un archivo, puedes iterar sobre el objeto archivo. Esto es eficiente en memoria, rápido, y conduce
a un código más simple:
>>> for line in f:

... print(line, end='')
...
This is the first line of the file.
Second line of the file
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, retornando la cantidad de caracteres escritos.
>>> f.write('This is a test\n')

15
Otros tipos de objetos necesitan ser convertidos – tanto a una cadena (en modo texto) o a un objeto de bytes (en modo
binario) – antes de escribirlos:

>>> value = ('the answer', 42)

>>> s = str(value) # convert the tuple to string
>>> f.write(s)
18
f.tell() retorna un entero que indica la posición actual en el archivo representada como número de bytes desde
el comienzo del archivo en modo binario y un número opaco en modo texto.
Para cambiar la posición del objeto archivo, utiliza f.seek(offset, whence). La posición es calculada agre-
gando el offset a un punto de referencia; el punto de referencia se selecciona del argumento whence. Un valor whence
de 0 mide desde el comienzo del archivo, 1 usa la posición actual del archivo, y 2 usa el fin del archivo como pun-
to de referencia. whence puede omitirse, el valor por defecto es 0, usando el comienzo del archivo como punto de
referencia.
>>> f = open('workfile', 'rb+')

>>> f.write(b'0123456789abcdef')
16
>>> f.seek(5) # Go to the 6th byte in the file
5
>>> f.read(1)
b'5'
>>> f.seek(-3, 2) # Go to the 3rd byte before the end
13
>>> f.read(1)
b'd'
En los archivos de texto (aquellos que se abrieron sin una b en el modo), se permiten solamente desplazamientos con
seek relativos al comienzo (con la excepción de ir justo al final con seek(0, 2)) y los únicos valores de despla-
zamiento 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 fre-
cuentemente; consultá la Referencia de la Biblioteca para una guía completa sobre los objetos archivo.
7.2.2 Guardar datos estructurados con json
Las cadenas pueden fácilmente escribirse y leerse de un archivo. Los números toman algo más de esfuerzo, ya que el
método read() sólo retorna cadenas, que tendrán que ser pasadas a una función como int(), que toma una cadena
como '123' y retorna su valor numérico 123. Sin embargo, cuando querés guardar tipos de datos más complejos
como listas, diccionarios, o instancias de clases, las cosas se ponen más complicadas.
En lugar de tener a los usuarios constantemente escribiendo y debugueando código para guardar tipos de datos
complicados, Python te permite usar el popular formato intercambiable de datos llamado JSON (JavaScript Ob-
ject Notation). El módulo estándar llamado json puede tomar datos de Python con una jerarquía, y convertirlo a
representaciones de cadena de caracteres; este proceso es llamado serialización. Reconstruir los datos desde la re-
presentación de cadena de caracteres es llamado deserialización. Entre serialización y deserialización, la cadena de
caracteres representando el objeto quizás haya sido guardado en un archivo o datos, o enviado a una máquina distante
por una conexión de red.
Nota: El formato JSON es comúnmente usado por aplicaciones modernas para permitir el intercambio de datos.
Muchos programadores ya están familiarizados con él, lo cual lo convierte en una buena opción para la interoperabi-
lidad.
Si tienes un objeto x, puedes ver su representación JSON con una simple línea de código:
>>> import json

>>> x = [1, 'simple', 'list']
>>> json.dumps(x)
'[1, "simple", "list"]'
7.2. Leyendo y escribiendo archivos 65

Otra variante de la función dumps(), llamada dump(), simplemente serializa el objeto a un archivo de texto. Así
que, si f es un objeto archivo de texto abierto para escritura, podemos hacer:
json.dump(x, f)
Para decodificar un objeto nuevamente, si f es un objeto binary file o text file que fue abierto para lectura:
x = json.load(f)
Nota: Los archivos JSON deben estar codificados en UTF-8. Utilice encoding="utf-8" al abrir un archivo
JSON como text file tanto para lectura como para escritura.
La simple técnica de serialización puede manejar listas y diccionarios, pero serializar instancias de clases arbitrarias
en JSON requiere un poco de esfuerzo extra. La referencia del módulo json contiene una explicación de esto.
Ver también:
pickle - El módulo pickle
Contrariamente a JSON, pickle es un protocolo que permite la serialización de objetos Python arbitrariamente com-
plejos. Como tal, es específico de Python y no se puede utilizar para comunicarse con aplicaciones escritas en otros
lenguajes. También es inseguro de forma predeterminada: deserializar los datos de pickle procedentes de un origen
que no es de confianza puede ejecutar código arbitrario, si los datos fueron creados por un atacante experto.

CAPÍTULO 8
Errores y excepciones
Hasta ahora los mensajes de error apenas habían sido mencionados, pero si has probado los ejemplos anteriores
probablemente hayas visto algunos. Hay (al menos) dos tipos diferentes de errores: errores de sintaxis y excepciones.
8.1 Errores de sintaxis
Los errores de sintaxis, también conocidos como errores de interpretación, son quizás el tipo de queja más común
que tenés cuando todavía estás aprendiendo Python:
>>> while True print('Hello world')

while True print('Hello world')
^
El intérprete reproduce la línea responsable del error y muestra una pequeña “flecha” que apunta al primer lugar donde
se detectó el error. El error ha sido provocado (o al menos detectado) en el elemento que precede a la flecha: en el
ejemplo, el error se detecta en la función print(), ya que faltan dos puntos (':') antes del mismo. Se muestran el
nombre del archivo y el número de línea para que sepas dónde mirar en caso de que la entrada venga de un programa.
8.2 Excepciones
Incluso si una declaración o expresión es sintácticamente correcta, puede generar un error cuando se intenta ejecu-
tar. Los errores detectados durante la ejecución se llaman excepciones, y no son incondicionalmente fatales: pronto
aprenderás a gestionarlos en programas Python. Sin embargo, la mayoría de las excepciones no son gestionadas por
el código, y resultan en mensajes de error como los mostrados aquí:
>>> 10 * (1/0)
ZeroDivisionError: division by zero
>>> 4 + spam*3
67

NameError: name 'spam' is not defined
>>> '2' + 2
TypeError: can only concatenate str (not "int") to str
La última línea de los mensajes de error indica qué ha sucedido. Hay excepciones de diferentes tipos, y el tipo se im-
prime como parte del mensaje: los tipos en el ejemplo son: ZeroDivisionError, NameError y TypeError.
La cadena mostrada como tipo de la excepción es el nombre de la excepción predefinida que ha ocurrido. Esto es
válido para todas las excepciones predefinidas del intérprete, pero no tiene por que ser así para excepciones defi-
nidas por el usuario (aunque es una convención útil). Los nombres de las excepciones estándar son identificadores
incorporados al intérprete (no son palabras clave reservadas).
El resto de la línea provee información basado en el tipo de la excepción y qué la causó.
La parte anterior del mensaje de error muestra el contexto donde ocurrió la excepción, en forma de seguimiento de
pila. En general, contiene un seguimiento de pila que enumera las líneas de origen; sin embargo, no mostrará las líneas
leídas desde la entrada estándar.
bltin-exceptions lista las excepciones predefinidas y sus significados.
8.3 Gestionando excepciones
Es posible escribir programas que gestionen determinadas excepciones. Véase el siguiente ejemplo, que le pide al
usuario una entrada hasta que ingrese un entero válido, pero permite al usuario interrumpir el programa (usando
Control-C o lo que soporte el sistema operativo); nótese que una interrupción generada por el usuario es señalizada
generando la excepción KeyboardInterrupt.
>>> while True:

... try:
... x = int(input("Please enter a number: "))
... break
... except ValueError:
... print("Oops! That was no valid number. Try again...")
...
La sentencia try funciona de la siguiente manera.

• Primero, se ejecuta la cláusula try (la(s) linea(s) entre las palabras reservadas try y la except).
• Si no ocurre ninguna excepción, la cláusula except se omite y la ejecución de la cláusula try finaliza.
• Si ocurre una excepción durante la ejecución de la cláusula try, se omite el resto de la cláusula. Luego, si su
tipo coincide con la excepción nombrada después de la palabra clave except, se ejecuta la cláusula except, y
luego la ejecución continúa después del bloque try/except.
• If an exception occurs which does not match the exception named in the except clause, it is passed on to outer
try statements; if no handler is found, it is an unhandled exception and execution stops with an error message.
Una declaración try puede tener más de una cláusula except, para especificar gestores para diferentes excepciones.
Como máximo, se ejecutará un gestor. Los gestores solo manejan las excepciones que ocurren en la cláusula try
correspondiente, no en otros gestores de la misma declaración try. Una cláusula except puede nombrar múltiples
excepciones como una tupla entre paréntesis, por ejemplo:
... except (RuntimeError, TypeError, NameError):

... pass
Una clase en una cláusula except es compatible con una excepción si es de la misma clase o de una clase derivada
de la misma (pero no de la otra manera — una cláusula except listando una clase derivada no es compatible con una
clase base). Por ejemplo, el siguiente código imprimirá B, C y D, en ese orden:
68 Capítulo 8. Errores y excepciones

class B(Exception):
pass
class C(B):
pass
class D(C):
pass
for cls in [B, C, D]:

try:
raise cls()
except D:
print("D")
except C:
print("C")
except B:
print("B")
Nótese que si las cláusulas except estuvieran invertidas (con except B primero), habría impreso B, B, B — se usa
la primera cláusula except coincidente.
Cuando ocurre una excepción, puede tener un valor asociado, también conocido como el argumento de la excepción.
La presencia y el tipo de argumento depende del tipo de excepción.
La cláusula except puede especificar una variable después del nombre de la excepción. La variable está ligada a la
instancia de la excepción, que normalmente tiene un atributo args que almacena los argumentos. Por conveniencia,
los tipos de excepción incorporados definen __str__() para imprimir todos los argumentos sin acceder explíci-
tamente a .args.
>>> try:
... raise Exception('spam', 'eggs')
... except Exception as inst:
... print(type(inst)) # the exception type
... print(inst.args) # arguments stored in .args
... print(inst) # __str__ allows args to be printed directly,
... # but may be overridden in exception subclasses
... x, y = inst.args # unpack args
... print('x =', x)
... print('y =', y)
...
<class 'Exception'>
('spam', 'eggs')
('spam', 'eggs')
x = spam
y = eggs
La salida __str__() de la excepción se imprime como la última parte (“detalle”) del mensaje para las excepciones
no gestionadas.
BaseException es la clase base común de todas las excepciones. Una de sus subclases, Exception, es la clase
base de todas las excepciones no fatales. Las excepciones que no son subclases de Exception no se suelen manejar,
porque se utilizan para indicar que el programa debe terminar. Entre ellas se incluyen SystemExit, que es lanzada
por sys.exit() y KeyboardInterrupt, que se lanza cuando un usuario desea interrumpir el programa.
Exception se puede utilizar como un comodín que atrapa (casi) todo. Sin embargo, es una buena práctica ser lo
más específico posible con los tipos de excepciones que pretendemos manejar, y permitir que cualquier excepción
inesperada se propague.
El patrón más común para gestionar Exception es imprimir o registrar la excepción y luego volver a re-lanzarla
(permitiendo a un llamador manejar la excepción también):
8.3. Gestionando excepciones 69

import sys
try:
f = open('myfile.txt')
s = f.readline()
i = int(s.strip())
except OSError as err:
print("OS error:", err)
except ValueError:
print("Could not convert data to an integer.")
except Exception as err:
print(f"Unexpected {err=}, {type(err)=}")
raise
La declaración try … except tiene una cláusula else opcional, que, cuando está presente, debe seguir todas las
cláusulas except. Es útil para el código que debe ejecutarse si la cláusula try no lanza una excepción. Por ejemplo:
for arg in sys.argv[1:]:
try:
f = open(arg, 'r')
except OSError:
print('cannot open', arg)
else:
print(arg, 'has', len(f.readlines()), 'lines')
f.close()
El uso de la cláusula else es mejor que agregar código adicional en la cláusula try porque evita capturar acciden-
talmente una excepción que no fue generada por el código que está protegido por la declaración try … except.
Los gestores de excepciones no sólo gestionan excepciones que ocurren inmediatamente en la cláusula try, sino tam-
bién aquellas que ocurren dentro de funciones que son llamadas (incluso indirectamente) en la cláusula try. Por
ejemplo:
>>> def this_fails():
... x = 1/0
...
>>> try:
... this_fails()
... except ZeroDivisionError as err:
... print('Handling run-time error:', err)
...
Handling run-time error: division by zero
8.4 Lanzando excepciones
La declaración raise permite al programador forzar a que ocurra una excepción específica. Por ejemplo:
>>> raise NameError('HiThere')
NameError: HiThere
El único argumento de raise indica la excepción a lanzar. Debe ser una instancia de excepción o una clase de
excepción (una clase que derive de BaseException, como Exception o una de sus subclases). Si se pasa una
clase de excepción, se instanciará implícitamente llamando a su constructor sin argumentos:
raise ValueError # shorthand for 'raise ValueError()'
Si es necesario determinar si una excepción fue lanzada pero sin intención de gestionarla, una versión simplificada de
la instrucción raise te permite relanzarla:

>>> try:
... raise NameError('HiThere')
... except NameError:
... print('An exception flew by!')
... raise
...
An exception flew by!
NameError: HiThere
8.5 Encadenamiento de excepciones
Si se produce una excepción no gestionada dentro de una sección except, se le adjuntará la excepción que se está
gestionando y se incluirá en el mensaje de error:
>>> try:
... open("database.sqlite")
... except OSError:
... raise RuntimeError("unable to handle error")
...
FileNotFoundError: [Errno 2] No such file or directory: 'database.sqlite'
During handling of the above exception, another exception occurred:

RuntimeError: unable to handle error
Para indicar que una excepción es consecuencia directa de otra, la sentencia raise permite una cláusula opcional
from:
# exc must be exception instance or None.

raise RuntimeError from exc
Esto puede resultar útil cuando está transformando excepciones. Por ejemplo:
>>> def func():

... raise ConnectionError
...
>>> try:
... func()
... except ConnectionError as exc:
... raise RuntimeError('Failed to open database') from exc
...
File "<stdin>", line 2, in func
ConnectionError
The above exception was the direct cause of the following exception:

RuntimeError: Failed to open database
También permite deshabilitar el encadenamiento automático de excepciones utilizando el modismo from None:
8.5. Encadenamiento de excepciones 71

>>> try:
... open('database.sqlite')
... except OSError:
... raise RuntimeError from None
...
RuntimeError
Para obtener más información sobre la mecánica del encadenamiento, consulte bltin-exceptions.
8.6 Excepciones definidas por el usuario
Los programas pueden nombrar sus propias excepciones creando una nueva clase excepción (mirá Clases para más
información sobre las clases de Python). Las excepciones, típicamente, deberán derivar de la clase Exception,
directa o indirectamente.
Las clases de Excepción pueden ser definidas de la misma forma que cualquier otra clase, pero es habitual mantenerlas
lo más simples posible, a menudo ofreciendo solo un número de atributos con información sobre el error que leerán
los gestores de la excepción.
La mayoría de las excepciones se definen con nombres acabados en «Error», de manera similar a la nomenclatura de
las excepciones estándar.
Muchos módulos estándar definen sus propias excepciones para reportar errores que pueden ocurrir en funciones
propias.
8.7 Definiendo acciones de limpieza
La declaración try tiene otra cláusula opcional cuyo propósito es definir acciones de limpieza que serán ejecutadas
bajo ciertas circunstancias. Por ejemplo:
>>> try:
... raise KeyboardInterrupt
... finally:
... print('Goodbye, world!')
...
Goodbye, world!
KeyboardInterrupt
Si una cláusula finally está presente, el bloque finally se ejecutará al final antes de que todo el bloque try se
complete. La cláusula finally se ejecuta independientemente de que la cláusula try produzca o no una excepción.
Los siguientes puntos explican casos más complejos en los que se produce una excepción:
• Si ocurre una excepción durante la ejecución de la cláusula try, la excepción podría ser gestionada por una
cláusula except. Si la excepción no es gestionada por una cláusula except, la excepción es relanzada después
de que se ejecute el bloque de la cláusula finally.
• Podría aparecer una excepción durante la ejecución de una cláusula except o else. De nuevo, la excepción
será relanzada después de que el bloque de la cláusula finally se ejecute.
• Si la cláusula finally ejecuta una declaración break, continue o return, las excepciones no se vuel-
ven a lanzar.
• Si el bloque try llega a una sentencia break, continue o return, la cláusula finally se ejecutará
justo antes de la ejecución de dicha sentencia.

• Si una cláusula finally incluye una sentencia return, el valor retornado será el de la cláusula finally,
no la del de la sentencia return de la cláusula try.
Por ejemplo:
>>> def bool_return():

... try:
... return True
... finally:
... return False
...
>>> bool_return()
False
Un ejemplo más complicado:
>>> def divide(x, y):

... try:
... result = x / y
... except ZeroDivisionError:
... print("division by zero!")
... else:
... print("result is", result)
... finally:
... print("executing finally clause")
...
>>> divide(2, 1)
result is 2.0
executing finally clause
>>> divide(2, 0)
division by zero!
>>> divide("2", "1")
File "<stdin>", line 3, in divide
TypeError: unsupported operand type(s) for /: 'str' and 'str'
Como se puede ver, la cláusula finally siempre se ejecuta. La excepción TypeError lanzada al dividir dos
cadenas de texto no es gestionado por la cláusula except y por lo tanto es relanzada luego de que se ejecuta la
cláusula finally.
En aplicaciones reales, la cláusula finally es útil para liberar recursos externos (como archivos o conexiones de
red), sin importar si el uso del recurso fue exitoso.
8.8 Acciones predefinidas de limpieza
Algunos objetos definen acciones de limpieza estándar para llevar a cabo cuando el objeto ya no necesario, indepen-
dientemente de que las operaciones sobre el objeto hayan sido exitosas o no. Véase el siguiente ejemplo, que intenta
abrir un archivo e imprimir su contenido en la pantalla.
for line in open("myfile.txt"):

print(line, end="")
El problema con este código es que deja el archivo abierto por un periodo de tiempo indeterminado luego de que esta
parte termine de ejecutarse. Esto no es un problema en scripts simples, pero puede ser un problema en aplicaciones
más grandes. La declaración with permite que los objetos como archivos sean usados de una forma que asegure que
siempre se los libera rápido y en forma correcta.:
8.8. Acciones predefinidas de limpieza 73

with open("myfile.txt") as f:
for line in f:
print(line, end="")
Una vez que la declaración se ejecuta, el fichero f siempre se cierra, incluso si aparece algún error durante el proce-
sado de las líneas. Los objetos que, como los ficheros, posean acciones predefinidas de limpieza lo indicarán en su
documentación.
8.9 Lanzando y gestionando múltiples excepciones no relaciona-

das
Hay situaciones en las que es necesario informar de varias excepciones que se han producido. Este es a menudo el
caso en los marcos de concurrencia, cuando varias tareas pueden haber fallado en paralelo, pero también hay otros
casos de uso en los que es deseable continuar la ejecución y recoger múltiples errores en lugar de lanzar la primera
excepción.
El incorporado ExceptionGroup envuelve una lista de instancias de excepción para que puedan ser lanzadas
juntas. Es una excepción en sí misma, por lo que puede capturarse como cualquier otra excepción.
>>> def f():

... excs = [OSError('error 1'), SystemError('error 2')]
... raise ExceptionGroup('there were problems', excs)
...
>>> f()
+ Exception Group Traceback (most recent call last):
| File "<stdin>", line 1, in <module>
| File "<stdin>", line 3, in f
| ExceptionGroup: there were problems
+-+---------------- 1 ----------------
| OSError: error 1
+---------------- 2 ----------------
| SystemError: error 2
+------------------------------------
>>> try:
... f()
... except Exception as e:
... print(f'caught {type(e)}: e')
...
caught <class 'ExceptionGroup'>: e
>>>
Utilizando except* en lugar de except, podemos manejar selectivamente sólo las excepciones del grupo que
coincidan con un determinado tipo. En el siguiente ejemplo, que muestra un grupo de excepciones anidado, ca-
da cláusula except* extrae del grupo las excepciones de un tipo determinado, mientras que deja que el resto de
excepciones se propaguen a otras cláusulas y, finalmente, se vuelvan a lanzar.
>>> def f():

... raise ExceptionGroup(
... "group1",
... [
... OSError(1),
... SystemError(2),
... ExceptionGroup(
... "group2",
... [
... OSError(3),
... RecursionError(4)
... ]


... )
... ]
... )
...
>>> try:
... f()
... except* OSError as e:
... print("There were OSErrors")
... except* SystemError as e:
... print("There were SystemErrors")
...
There were OSErrors
There were SystemErrors
| ExceptionGroup: group1
+-+---------------- 1 ----------------
| ExceptionGroup: group2
+-+---------------- 1 ----------------
| RecursionError: 4
+------------------------------------
>>>
Tenga en cuenta que las excepciones anidadas en un grupo de excepciones deben ser instancias, no tipos. Esto se debe
a que en la práctica las excepciones serían típicamente las que ya han sido planteadas y capturadas por el programa,
siguiendo el siguiente patrón:
>>> excs = []
... for test in tests:
... try:
... test.run()
... excs.append(e)
...
>>> if excs:
... raise ExceptionGroup("Test Failures", excs)
...
8.10 Enriqueciendo excepciones con notas
Cuando se crea una excepción para ser lanzada, normalmente se inicializa con información que describe el error que
se ha producido. Hay casos en los que es útil añadir información después de que la excepción haya sido capturada.
Para este propósito, las excepciones tienen un método add_note(note) que acepta una cadena y la añade a la
lista de notas de la excepción. La representación estándar del rastreo incluye todas las notas, en el orden en que fueron
añadidas, después de la excepción.
>>> try:
... raise TypeError('bad type')
... e.add_note('Add some information')
... e.add_note('Add some more information')
... raise
...
TypeError: bad type
Add some information
8.10. Enriqueciendo excepciones con notas 75


Add some more information
>>>
Por ejemplo, al recopilar excepciones en un grupo de excepciones, es posible que queramos añadir información de
contexto para los errores individuales. A continuación, cada excepción del grupo tiene una nota que indica cuándo se
ha producido ese error.
>>> def f():

... raise OSError('operation failed')
...
>>> excs = []
... try:
... f()
... e.add_note(f'Happened in Iteration {i+1}')
... excs.append(e)
...
>>> raise ExceptionGroup('We have some problems', excs)
| ExceptionGroup: We have some problems (3 sub-exceptions)
+-+---------------- 1 ----------------
| Traceback (most recent call last):
| OSError: operation failed
| Happened in Iteration 1
+---------------- 2 ----------------
+---------------- 3 ----------------
+------------------------------------
>>>

CAPÍTULO 9
Clases
Las clases proveen una forma de empaquetar datos y funcionalidad juntos. Al crear una nueva clase, se crea un nuevo
tipo de objeto, permitiendo crear nuevas instancias de ese tipo. Cada instancia de clase puede tener atributos adjuntos
para mantener su estado. Las instancias de clase también pueden tener métodos (definidos por su clase) para modificar
su estado.
Comparado con otros lenguajes de programación, el mecanismo de clases de Python agrega clases con un mínimo de
nuevas sintaxis y semánticas. Es una mezcla de los mecanismos de clases encontrados en C++ y Modula-3. Las clases
de Python proveen todas las características normales de la Programación Orientada a Objetos: el mecanismo de la
herencia de clases permite múltiples clases base, una clase derivada puede sobre escribir cualquier método de su(s)
clase(s) base, y un método puede llamar al método de la clase base con el mismo nombre. Los objetos pueden tener
una cantidad arbitraria de datos de cualquier tipo. Igual que con los módulos, las clases participan de la naturaleza
dinámica de Python: se crean en tiempo de ejecución, y pueden modificarse luego de la creación.
En terminología de C++, normalmente los miembros de las clases (incluyendo los miembros de datos), son públicos
(excepto ver abajo Variables privadas), y todas las funciones miembro son virtuales. Como en Modula-3, no hay
atajos para hacer referencia a los miembros del objeto desde sus métodos: la función método se declara con un primer
argumento explícito que representa al objeto, el cual se provee implícitamente por la llamada. Como en Smalltalk, las
clases mismas son objetos. Esto provee una semántica para importar y renombrar. A diferencia de C++ y Modula-3,
los tipos de datos integrados pueden usarse como clases base para que el usuario los extienda. También, como en C++
pero a diferencia de Modula-3, la mayoría de los operadores integrados con sintaxis especial (operadores aritméticos,
de sub-índice, etc.) pueden volver a ser definidos por instancias de la clase.
(Sin haber una terminología universalmente aceptada sobre clases, haré uso ocasional de términos de Smalltalk y
C++. Usaría términos de Modula-3, ya que su semántica orientada a objetos es más cercana a Python que C++, pero
no espero que muchos lectores hayan escuchado hablar de él.)
9.1 Unas palabras sobre nombres y objetos
Los objetos tienen individualidad, y múltiples nombres (en muchos ámbitos) pueden vincularse al mismo objeto.
Esto se conoce como aliasing en otros lenguajes. Normalmente no se aprecia esto a primera vista en Python, y
puede ignorarse sin problemas cuando se maneja tipos básicos inmutables (números, cadenas, tuplas). Sin embargo,
el aliasing, o renombrado, tiene un efecto posiblemente sorpresivo sobre la semántica de código Python que involucra
objetos mutables como listas, diccionarios, y la mayoría de otros tipos. Esto se usa normalmente para beneficio del
programa, ya que los renombres funcionan como punteros en algunos aspectos. Por ejemplo, pasar un objeto es barato
ya que la implementación solamente pasa el puntero; y si una función modifica el objeto que fue pasado, el que la
llama verá el cambio; esto elimina la necesidad de tener dos formas diferentes de pasar argumentos, como en Pascal.
77
9.2 Ámbitos y espacios de nombres en Python
Antes de ver clases, primero debo decirte algo acerca de las reglas de ámbito de Python. Las definiciones de clases
hacen unos lindos trucos con los espacios de nombres, y necesitás saber cómo funcionan los alcances y espacios
de nombres para entender por completo cómo es la cosa. De paso, los conocimientos en este tema son útiles para
cualquier programador Python avanzado.
Comencemos con unas definiciones.
Un espacio de nombres es una relación de nombres a objetos. Muchos espacios de nombres están implementados en
este momento como diccionarios de Python, pero eso no se nota para nada (excepto por el desempeño), y puede
cambiar en el futuro. Como ejemplos de espacios de nombres tenés: el conjunto de nombres incluidos (conteniendo
funciones como abs(), y los nombres de excepciones integradas); los nombres globales en un módulo; y los nombres
locales en la invocación a una función. Lo que es importante saber de los espacios de nombres es que no hay relación
en absoluto entre los nombres de espacios de nombres distintos; por ejemplo, dos módulos diferentes pueden tener
definidos los dos una función maximizar sin confusión; los usuarios de los módulos deben usar el nombre del
módulo como prefijo.
Por cierto, yo uso la palabra atributo para cualquier cosa después de un punto; por ejemplo, en la expresión z.real,
real es un atributo del objeto z. Estrictamente hablando, las referencias a nombres en módulos son referencias a
atributos: en la expresión modulo.funcion, modulo es un objeto módulo y funcion es un atributo de éste.
En este caso hay una relación directa entre los atributos del módulo y los nombres globales definidos en el módulo:
¡están compartiendo el mismo espacio de nombres!1
Los atributos pueden ser de solo lectura, o de escritura. En el segundo caso, es posible asignar valores a los atributos.
Los atributos de módulo son modificables: puedes escribir modname.the_answer = 42. Los atributos modifi-
cables también se pueden eliminar con la declaración del. Por ejemplo, del modname.the_answer eliminará
el atributo the_answer del objeto nombrado por modname.
Los espacios de nombres se crean en diferentes momentos y con diferentes tiempos de vida. El espacio de nombres
que contiene los nombres incluidos se crea cuando se inicia el intérprete, y nunca se borra. El espacio de nombres
global de un módulo se crea cuando se lee la definición de un módulo; normalmente, los espacios de nombres de
módulos también duran hasta que el intérprete finaliza. Las instrucciones ejecutadas en el nivel de llamadas superior
del intérprete, ya sea desde un script o interactivamente, se consideran parte del módulo llamado __main__, por lo
tanto tienen su propio espacio de nombres global. (Los nombres incluidos en realidad también viven en un módulo;
este se llama builtins.)
El espacio de nombres local a una función se crea cuando la función es llamada, y se elimina cuando la función retorna
o lanza una excepción que no se maneje dentro de la función. (Podríamos decir que lo que pasa en realidad es que ese
espacio de nombres se «olvida».) Por supuesto, las llamadas recursivas tienen cada una su propio espacio de nombres
local.
Un ámbito es una región textual de un programa en Python donde un espacio de nombres es accesible directamente.
«Accesible directamente» significa que una referencia sin calificar a un nombre intenta encontrar dicho nombre dentro
del espacio de nombres.
Aunque los alcances se determinan de forma estática, se utilizan de forma dinámica. En cualquier momento durante
la ejecución, hay 3 o 4 ámbitos anidados cuyos espacios de nombres son directamente accesibles:
• el alcance más interno, que es inspeccionado primero, contiene los nombres locales
• los alcances de cualquier función que encierra a otra, son inspeccionados a partir del alcance más cercano,
contienen nombres no locales, pero también no globales
• el penúltimo alcance contiene nombres globales del módulo actual
• el alcance más externo (el último inspeccionado) es el espacio de nombres que contiene los nombres integrados
Si un nombre se declara global, entonces todas las referencias y asignaciones se realizan directamente en el ámbito
penúltimo que contiene los nombres globales del módulo. Para volver a enlazar variables encontradas fuera del ámbito
más interno, se puede utilizar la declaración nonlocal; si no se declara nonlocal, esas variables serán de sólo lectura
1 Excepto por una cosa. Los objetos módulo tienen un atributo de sólo lectura secreto llamado __dict__ que retorna el diccionario usado
para implementar el espacio de nombres del módulo; el nombre __dict__ es un atributo pero no un nombre global. Obviamente, usar esto viola
la abstracción de la implementación del espacio de nombres, y debería ser restringido a cosas como depuradores post-mortem.
78 Capítulo 9. Clases
(un intento de escribir en una variable de este tipo simplemente creará una nueva variable local en el ámbito más
interno, dejando sin cambios la variable con el mismo nombre en el ámbito externo).
Habitualmente, el ámbito local referencia los nombres locales de la función actual. Fuera de una función, el ámbito
local referencia al mismo espacio de nombres que el ámbito global: el espacio de nombres del módulo. Las definiciones
de clases crean un espacio de nombres más en el ámbito local.
Es importante notar que los alcances se determinan textualmente: el ámbito global de una función definida en un
módulo es el espacio de nombres de ese módulo, no importa desde dónde o con qué alias se llame a la función. Por
otro lado, la búsqueda de nombres se hace dinámicamente, en tiempo de ejecución; sin embargo, la definición del
lenguaje está evolucionando a hacer resolución de nombres estáticamente, en tiempo de «compilación», ¡así que no
te confíes de la resolución de nombres dinámica! (De hecho, las variables locales ya se determinan estáticamente.)
Una peculiaridad especial de Python es que, si no hay una declaración global o nonlocal en efecto, las asig-
naciones 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 referen-
ciado 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 reasig-
narse allí; la declaración nonlocal indica que ciertas variables viven en un ámbito encerrado y deberían reasignarse
allí.
9.2.1 Ejemplo de ámbitos y espacios de nombre
Este es un ejemplo que muestra como hacer referencia a distintos ámbitos y espacios de nombres, y cómo las decla-
raciones global y nonlocal afectan la asignación de variables:
def scope_test():
def do_local():
spam = "local spam"
def do_nonlocal():
nonlocal spam
spam = "nonlocal spam"
def do_global():
global spam
spam = "global spam"
spam = "test spam"

do_local()
print("After local assignment:", spam)
do_nonlocal()
print("After nonlocal assignment:", spam)
do_global()
print("After global assignment:", spam)
scope_test()
print("In global scope:", spam)
El resultado del código ejemplo es:
After local assignment: test spam

After nonlocal assignment: nonlocal spam
After global assignment: nonlocal spam
In global scope: global spam
Notá como la asignación local (que es el comportamiento normal) no cambió la vinculación de spam de scope_test. La
asignación nonlocal cambió la vinculación de spam de scope_test, y la asignación global cambió la vinculación
a nivel de módulo.
9.2. Ámbitos y espacios de nombres en Python 79

También podés ver que no había vinculación para spam antes de la asignación global.
9.3 Un primer vistazo a las clases
Las clases introducen un poquito de sintaxis nueva, tres nuevos tipos de objetos y algo de semántica nueva.
9.3.1 Sintaxis de definición de clases
La forma más sencilla de definición de una clase se ve así:
class ClassName:
<statement-1>
.
.
.
<statement-N>
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 (al llegar al final) se crea un objeto clase. Básicamente, este
objeto envuelve los contenidos del espacio de nombres creado por la definición de la clase; aprenderemos más acerca
de los objetos clase en la sección siguiente. El ámbito local original (el que tenía efecto justo antes de que ingrese
la definición de la clase) es restablecido, y el objeto clase se asocia allí al nombre que se le puso a la clase en el
encabezado de su definición (ClassName en el ejemplo).
9.3.2 Objetos clase
Los objetos clase soportan dos tipos de operaciones: hacer referencia a atributos e instanciación.
Para hacer referencia a atributos se usa la sintaxis estándar de todas las referencias a atributos en Python: objeto.
nombre. Los nombres de atributo válidos son todos los nombres que estaban en el espacio de nombres de la clase
cuando ésta se creó. Por lo tanto, si la definición de la clase es así:
class MyClass:
"""A simple example class"""
i = 12345
def f(self):
return 'hello world'
entonces MyClass.i y MyClass.f son referencias de atributos válidas, que retornan un entero y un objeto función
respectivamente. Los atributos de clase también pueden ser asignados, o sea que podés cambiar el valor de MyClass.
i mediante asignación. __doc__ también es un atributo válido, que retorna la documentación asociada a la clase:
"A simple example class".
La instanciación de clases usa la notación de funciones. Hacé de cuenta que el objeto de clase es una función sin
parámetros que retorna una nueva instancia de la clase. Por ejemplo (para la clase de más arriba):
x = MyClass()
crea una nueva instancia de la clase y asigna este objeto a la variable local x.
La operación de instanciación («llamar» a un objeto clase) crea un objeto vacío. Muchas clases necesitan crear ob-
jetos con instancias en un estado inicial particular. Por lo tanto una clase puede definir un método especial llamado
__init__(), de esta forma:
def __init__(self):
self.data = []
Cuando una clase define un método __init__(), la instanciación de la clase automáticamente invoca a
__init__() para la instancia recién creada. Entonces, en este ejemplo, una instancia nueva e inicializada se puede
obtener haciendo:
x = MyClass()
Por supuesto, el método __init__() puede tener argumentos para mayor flexibilidad. En ese caso, los argumentos
que se pasen al operador de instanciación de la clase van a parar al método __init__(). Por ejemplo,
>>> class Complex:

... def __init__(self, realpart, imagpart):
... self.r = realpart
... self.i = imagpart
...
>>> x = Complex(3.0, -4.5)
>>> x.r, x.i
(3.0, -4.5)
9.3.3 Objetos instancia
Ahora, ¿Qué podemos hacer con los objetos instancia? La única operación que es entendida por los objetos instancia
es la referencia de atributos. Hay dos tipos de nombres de atributos válidos, atributos de datos y métodos.
Los atributos de datos se corresponden con las «variables de instancia» en Smalltalk, y con las «variables miembro»
en C++. Los atributos de datos no necesitan ser declarados; tal como las variables locales son creados la primera vez
que se les asigna algo. Por ejemplo, si x es la instancia de MyClass creada más arriba, el siguiente pedazo de código
va a imprimir el valor 16, sin dejar ningún rastro:
x.counter = 1
while x.counter < 10:
x.counter = x.counter * 2
print(x.counter)
del x.counter
El otro tipo de atributo de instancia es el método. Un método es una función que «pertenece a» un objeto. En Python,
el término método no está limitado a instancias de clase: otros tipos de objetos pueden tener métodos también. Por
ejemplo, los objetos lista tienen métodos llamados append, insert, remove, sort, y así sucesivamente. Pero, en la
siguiente explicación, usaremos el término método para referirnos exclusivamente a métodos de objetos instancia de
clase, a menos que se especifique explícitamente lo contrario.
Los nombres válidos de métodos de un objeto instancia dependen de su clase. Por definición, todos los atributos de
clase que son objetos funciones definen métodos correspondientes de sus instancias. Entonces, en nuestro ejemplo,
x.f es una referencia a un método válido, dado que MyClass.f es una función, pero x.i no lo es, dado que
MyClass.i no lo es. Pero x.f no es la misma cosa que MyClass.f; es un objeto método, no un objeto función.
9.3. Un primer vistazo a las clases 81

9.3.4 Objetos método
Generalmente, un método es llamado luego de ser vinculado:
x.f()
En el ejemplo MyClass, esto retorna la cadena 'hello world'. Pero no es necesario llamar al método justo en
ese momento: x.f es un objeto método, y puede ser guardado y llamado más tarde. Por ejemplo:
xf = x.f
while True:
print(xf())
continuará imprimiendo hello world hasta el fin de los días.

¿Qué sucede exactamente cuando un método es llamado? Debés haber notado que x.f() fue llamado más arriba
sin ningún argumento, a pesar de que la definición de función de f() especificaba un argumento. ¿Qué pasó con ese
argumento? Seguramente Python lanza una excepción cuando una función que requiere un argumento es llamada sin
ninguno, aún si el argumento no es utilizado…
De hecho, tal vez hayas adivinado la respuesta: lo que tienen de especial los métodos es que el objeto es pasa-
do como el primer argumento de la función. En nuestro ejemplo, la llamada x.f() es exactamente equivalente a
MyClass.f(x). En general, llamar a un método con una lista de n argumentos es equivalente a llamar a la fun-
ción correspondiente con una lista de argumentos que es creada insertando el objeto del método antes del primer
argumento.
Si todavía no entiendes como funcionan los métodos, una mirada a su implementación quizás pueda aclarar dudas.
Cuando un atributo sin datos de una instancia es referenciado, la clase de la instancia es accedida. Si el nombre indica
un atributo de clase válido que sea un objeto función, se crea un objeto método empaquetando (apunta a) la instancia
y al objeto función, juntados en un objeto abstracto: este es el objeto método. Cuando el objeto método es llamado con
una lista de argumentos, se crea una nueva lista de argumentos a partir del objeto instancia y la lista de argumentos.
Finalmente el objeto función es llamado con esta nueva lista de argumentos.
9.3.5 Variables de clase y de instancia
En general, las variables de instancia son para datos únicos de cada instancia y las variables de clase son para atributos
y métodos compartidos por todas las instancias de la clase:
class Dog:
kind = 'canine' # class variable shared by all instances
def __init__(self, name):

self.name = name # instance variable unique to each instance
>>> d = Dog('Fido')
>>> e = Dog('Buddy')
>>> d.kind # shared by all dogs
'canine'
>>> e.kind # shared by all dogs
'canine'
>>> d.name # unique to d
'Fido'
>>> e.name # unique to e
'Buddy'
Como se vio en Unas palabras sobre nombres y objetos, los datos compartidos pueden tener efectos inesperados que
involucren objetos mutable como ser listas y diccionarios. Por ejemplo, la lista tricks en el siguiente código no debería
ser usada como variable de clase porque una sola lista sería compartida por todos las instancias de Dog:
class Dog:
tricks = [] # mistaken use of a class variable

self.name = name
def add_trick(self, trick):

self.tricks.append(trick)
>>> d = Dog('Fido')
>>> d.add_trick('roll over')
>>> e.add_trick('play dead')
>>> d.tricks # unexpectedly shared by all dogs
['roll over', 'play dead']
El diseño correcto de esta clase sería usando una variable de instancia:
class Dog:

self.name = name
self.tricks = [] # creates a new empty list for each dog
def add_trick(self, trick):

self.tricks.append(trick)
>>> d = Dog('Fido')
>>> d.add_trick('roll over')
>>> e.add_trick('play dead')
>>> d.tricks
['roll over']
>>> e.tricks
['play dead']
9.4 Algunas observaciones
Si el mismo nombre de atributo aparece tanto en la instancia como en la clase, la búsqueda del atributo prioriza la
instancia:
>>> class Warehouse:

... purpose = 'storage'
... region = 'west'
...
>>> w1 = Warehouse()
>>> print(w1.purpose, w1.region)
storage west
>>> w2 = Warehouse()
>>> w2.region = 'east'
>>> print(w2.purpose, w2.region)
storage east
A los atributos de datos los pueden hacer referencia tanto los métodos como los usuarios («clientes») ordinarios de
un objeto. En otras palabras, las clases no se usan para implementar tipos de datos abstractos puros. De hecho, en
Python no hay nada que haga cumplir el ocultar datos; todo se basa en convención. (Por otro lado, la implementación
de Python, escrita en C, puede ocultar por completo detalles de implementación y el control de acceso a un objeto si
es necesario; esto se puede usar en extensiones a Python escritas en C.)
9.4. Algunas observaciones 83

Los clientes deben usar los atributos de datos con cuidado; éstos pueden romper invariantes que mantienen los métodos
si pisan los atributos de datos. Observá que los clientes pueden añadir sus propios atributos de datos a una instancia
sin afectar la validez de sus métodos, siempre y cuando se eviten conflictos de nombres; de nuevo, una convención de
nombres puede ahorrar un montón de dolores de cabeza.
No hay un atajo para hacer referencia a atributos de datos (¡u otros métodos!) desde dentro de un método. A mi
parecer, esto en realidad aumenta la legibilidad de los métodos: no existe posibilidad alguna de confundir variables
locales con variables de instancia cuando repasamos un método.
A menudo, el primer argumento de un método se llama self (uno mismo). Esto no es nada más que una convención:
el nombre self no significa nada en especial para Python. Observá que, sin embargo, si no seguís la convención
tu código puede resultar menos legible a otros programadores de Python, y puede llegar a pasar que un programa
navegador de clases pueda escribirse de una manera que dependa de dicha convención.
Cualquier objeto función que es un atributo de clase define un método para instancias de esa clase. No es necesario
que el la definición de la función esté textualmente dentro de la definición de la clase: asignando un objeto función a
una variable local en la clase también está bien. Por ejemplo:
# Function defined outside the class

def f1(self, x, y):
return min(x, x+y)
class C:
f = f1
def g(self):
return 'hello world'
h = g
Ahora f, g y h son todos atributos de la clase C que hacen referencia a objetos función, y consecuentemente son
todos métodos de las instancias de C — h siendo exactamente equivalente a g. Fijate que esta práctica normalmente
sólo sirve para confundir al que lea un programa.
Los métodos pueden llamar a otros métodos de la instancia usando el argumento self:
class Bag:
def __init__(self):
self.data = []
def add(self, x):

self.data.append(x)
def addtwice(self, x):

self.add(x)
self.add(x)
Los métodos pueden hacer referencia a nombres globales de la misma manera que lo hacen las funciones comunes.
El ámbito global asociado a un método es el módulo que contiene su definición. (Una clase nunca se usa como un
ámbito global). Si bien es raro encontrar una buena razón para usar datos globales en un método, hay muchos usos
legítimos del ámbito global: por lo menos, las funciones y módulos importados en el ámbito global pueden usarse
por los métodos, al igual que las funciones y clases definidas en él. Habitualmente, la clase que contiene el método
está definida en este ámbito global, y en la siguiente sección veremos algunas buenas razones por las que un método
querría hacer referencia a su propia clase.
Todo valor es un objeto, y por lo tanto tiene una clase (también llamado su tipo). Ésta se almacena como objeto.
__class__.
9.5 Herencia
Por supuesto, una característica del lenguaje no sería digna del nombre «clase» si no soportara herencia. La sintaxis
para una definición de clase derivada se ve así:
class DerivedClassName(BaseClassName):
<statement-1>
.
.
.
<statement-N>
El nombre BaseClassName debe estar definido en un ámbito que contenga a la definición de la clase derivada.
En el lugar del nombre de la clase base se permiten otras expresiones arbitrarias. Esto puede ser útil, por ejemplo,
cuando la clase base está definida en otro módulo:
class DerivedClassName(modname.BaseClassName):
La ejecución de una definición de clase derivada procede de la misma forma que una clase base. Cuando el objeto
clase se construye, se tiene en cuenta a la clase base. Esto se usa para resolver referencias a atributos: si un atributo
solicitado no se encuentra en la clase, la búsqueda continúa por la clase base. Esta regla se aplica recursivamente si
la clase base misma deriva de alguna otra clase.
No hay nada en especial en la instanciación de clases derivadas: DerivedClassName() crea una nueva instancia
de la clase. Las referencias a métodos se resuelven de la siguiente manera: se busca el atributo de clase correspondiente,
descendiendo por la cadena de clases base si es necesario, y la referencia al método es válida si se entrega un objeto
función.
Las clases derivadas pueden redefinir métodos de su clase base. Como los métodos no tienen privilegios especiales
cuando llaman a otros métodos del mismo objeto, un método de la clase base que llame a otro método definido en
la misma clase base puede terminar llamando a un método de la clase derivada que lo haya redefinido. (Para los
programadores de C++: en Python todos los métodos son en efecto virtuales.)
Un método redefinido en una clase derivada puede de hecho querer extender en vez de simplemente reemplazar al
método de la clase base con el mismo nombre. Hay una manera simple de llamar al método de la clase base direc-
tamente: simplemente llamás a BaseClassName.methodname(self, arguments). En ocasiones esto es
útil para los clientes también. (Observá que esto sólo funciona si la clase base es accesible como BaseClassName
en el ámbito global).
Python tiene dos funciones integradas que funcionan con herencia:
• Usar isinstance() para verificar el tipo de una instancia: isinstance(obj, int) será True sólo
si obj.__class__ es int o alguna clase derivada de int.
• Usar issubclass() para verificar la herencia de clases: issubclass(bool, int) es True ya que
bool es una subclase de int. Sin embargo, issubclass(float, int) es False ya que float no
es una subclase de int.
9.5.1 Herencia múltiple
Python también soporta una forma de herencia múltiple. Una definición de clase con múltiples clases base se ve así:
class DerivedClassName(Base1, Base2, Base3):

<statement-1>
.
.
.
<statement-N>
Para la mayoría de los propósitos, en los casos más simples, podés pensar en la búsqueda de los atributos heredados
de una clase padre como una búsqueda en profundidad, de izquierda a derecha, sin repetir la misma clase cuando
9.5. Herencia 85
está dos veces en la jerarquía. Por lo tanto, si un atributo no se encuentra en DerivedClassName, se busca en
Base1, luego (recursivamente) en las clases base de Base1, y solo 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/.
9.6 Variables privadas
Las variables «privadas» de instancia, que no pueden accederse excepto desde dentro de un objeto, no existen en
Python. Sin embargo, hay una convención que se sigue en la mayoría del código Python: un nombre prefijado con
un guión bajo (por ejemplo, _spam) debería tratarse como una parte no pública de la API (más allá de que sea una
función, un método, o un dato). Debería considerarse un detalle de implementación y que está sujeto a cambios sin
aviso.
Ya que hay un caso de uso válido para los identificadores privados de clase (a saber: colisión de nombres con nom-
bres 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 guio-
nes bajos del comienzo (si los tuviera). Se modifica el nombre del identificador sin importar su posición sintáctica,
siempre y cuando ocurra dentro de la definición de una clase.
La modificación de nombres es útil para dejar que las subclases sobreescriban los métodos sin romper las llamadas a
los métodos desde la misma clase. Por ejemplo:
class Mapping:
def __init__(self, iterable):
self.items_list = []
self.__update(iterable)
def update(self, iterable):

for item in iterable:
self.items_list.append(item)
__update = update # private copy of original update() method
class MappingSubclass(Mapping):
def update(self, keys, values):

# provides new signature for update()
# but does not break __init__()
for item in zip(keys, values):
self.items_list.append(item)
El ejemplo de arriba funcionaría incluso si MappingSubclass introdujera un identificador __update ya que

se reemplaza con _Mapping__update en la clase Mapping y _MappingSubclass__update en la clase
MappingSubclass respectivamente.
Hay que aclarar que las reglas de modificación de nombres están diseñadas principalmente para evitar accidentes; es
posible acceder o modificar una variable que es considerada como privada. Esto hasta puede resultar útil en circuns-
tancias especiales, tales como en el depurador.
Notar que el código pasado a exec o eval() no considera que el nombre de clase de la clase que invoca sea la
clase actual; esto es similar al efecto de la sentencia global, efecto que es de similar manera restringido a código
que es compilado en conjunto. La misma restricción aplica a getattr(), setattr() y delattr(), así como
cuando se referencia a __dict__ directamente.
9.7 Detalles y Cuestiones Varias
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. El enfoque idiomático es utilizar dataclasses con este propósito:
from dataclasses import dataclass
@dataclass
class Employee:
name: str
dept: str
salary: int
>>> john = Employee('john', 'computer lab', 1000)

>>> john.dept
'computer lab'
>>> john.salary
1000
Un fragmento de código en Python que espera un tipo de dato abstracto en particular a menudo puede recibir una
clase que emule los métodos de ese tipo de dato en su lugar. Por ejemplo, si tienes una función que formatea algunos
datos de un objeto de archivo, puedes definir una clase con los métodos read() y readline() que obtienen los
datos de un búfer de cadena en su lugar, y pasarla como argumento.
Instance method objects have attributes, too: m.__self__ is the instance object with the method m(), and m.
__func__ is the function object corresponding to the method.
9.8 Iteradores
Es probable que hayas notado que la mayoría de los objetos contenedores pueden ser recorridos usando una sentencia
for:
for element in [1, 2, 3]:
print(element)
for element in (1, 2, 3):
print(element)
for key in {'one':1, 'two':2}:
print(key)
for char in "123":
print(char)
for line in open("myfile.txt"):
print(line, end='')
Este estilo de acceso es limpio, conciso y conveniente. El uso de iteradores está impregnado y unifica a Python. En
bambalinas, la sentencia for llama a iter() en el objeto contenedor. La función retorna un objeto iterador que
define el método __next__() que accede elementos en el contenedor de a uno por vez. Cuando no hay más ele-
mentos, __next__() lanza una excepción StopIteration que le avisa al bucle del for que hay que terminar.
Podés llamar al método __next__() usando la función integrada next(); este ejemplo muestra como funciona
todo esto:
9.7. Detalles y Cuestiones Varias 87

>>> s = 'abc'
>>> it = iter(s)
>>> it
<str_iterator object at 0x10c90e650>
>>> 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 retorne un objeto con un método __next__(). Si la clase define __next__(),
entonces alcanza con que __iter__() retorne self:
class Reverse:
"""Iterator for looping over a sequence backwards."""
def __init__(self, data):
self.data = data
self.index = len(data)
def __iter__(self):
return self
def __next__(self):
if self.index == 0:
raise StopIteration
self.index = self.index - 1
return self.data[self.index]
>>> rev = Reverse('spam')

>>> iter(rev)
<__main__.Reverse object at 0x00A1DB50>
>>> for char in rev:
... print(char)
...
m
a
p
s
9.9 Generadores
Generators son una herramienta simple y poderosa para crear iteradores. Están escritas como funciones regulares pero
usan la palabra clave yield siempre que quieran retornar datos. Cada vez que se llama a next(), el generador se
reanuda donde lo dejó (recuerda todos los valores de datos y qué instrucción se ejecutó por última vez). Un ejemplo
muestra que los generadores pueden ser trivialmente fáciles de crear:
def reverse(data):
for index in range(len(data)-1, -1, -1):
yield data[index]
>>> for char in reverse('golf'):

... print(char)
...
f
l
o
g
Todo lo que puede ser hecho con generadores también puede ser hecho con iteradores basados en clases, como se des-
cribe en la sección anterior. Lo que hace que los generadores sean tan compactos es que los métodos __iter__()
y __next__() son creados automáticamente.
Otra característica clave es que las variables locales y el estado de la ejecución son guardados automáticamente entre
llamadas. Esto hace que la función sea más fácil de escribir y quede mucho más claro que hacerlo usando variables
de instancia tales como self.indice y self.datos.
Además de la creación automática de métodos y el guardar el estado del programa, cuando los generadores terminan
automáticamente lanzan StopIteration. Combinadas, estas características facilitan la creación de iteradores, y
hacen que no sea más esfuerzo que escribir una función regular.
9.10 Expresiones generadoras
Algunos generadores simples pueden ser escritos de manera concisa como expresiones usando una sintaxis similar a
las comprensiones de listas pero con paréntesis en lugar de corchetes. Estas expresiones están hechas para situaciones
donde el generador es utilizado de inmediato por la función que lo encierra. Las expresiones generadoras son más
compactas pero menos versátiles que las definiciones completas de generadores y tienden a ser más amigables con la
memoria que sus comprensiones de listas equivalentes.
Ejemplos:
>>> sum(i*i for i in range(10)) # sum of squares

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

>>> yvec = [7, 5, 3]
>>> sum(x*y for x,y in zip(xvec, yvec)) # dot product
260
>>> unique_words = set(word for line in page for word in line.split())
>>> valedictorian = max((student.gpa, student.name) for student in graduates)
>>> data = 'golf'

>>> list(data[i] for i in range(len(data)-1, -1, -1))
['f', 'l', 'o', 'g']
Notas al pie
9.10. Expresiones generadoras 89

CAPÍTULO 10
Breve recorrido por la Biblioteca Estándar
10.1 Interfaz del sistema operativo
El módulo os proporciona docenas de funciones para interactuar con el sistema operativo:
>>> import os
>>> os.getcwd() # Return the current working directory
'C:\\Python312'
>>> os.chdir('/server/accesslogs') # Change current working directory
>>> os.system('mkdir today') # Run the command mkdir in the system shell
0
Asegúrate de utilizar el estilo import os en lugar de from os import *. Esto evitará que os.open()
oculte la función integrada open(), que funciona de manera muy diferente.
Las funciones integradas dir() y help() son útiles como ayudas interactivas para trabajar con módulos grandes
como os:
>>> import os
>>> dir(os)
<returns a list of all module functions>
>>> help(os)
<returns an extensive manual page created from the module's docstrings>
Para las tareas diarias de administración de archivos y directorios, el módulo shutil proporciona una interfaz en
un nivel superior que es más fácil de usar:
>>> import shutil

>>> shutil.copyfile('data.db', 'archive.db')
'archive.db'
>>> shutil.move('/build/executables', 'installdir')
'installdir'
91
10.2 Comodines de archivos
El módulo glob proporciona 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']
10.3 Argumentos de Líneas de Comandos
Los programas frecuentemente necesitan procesar argumentos de linea de comandos. Estos argumentos se almacenan
en el atributo argv del módulo sys como una lista. Por ejemplo, consideremos el siguiente archivo :file: “demo.py”:
# File demo.py
import sys
print(sys.argv)
Este es el resultado de ejecutar python demo.py one two three en la línea de comandos:
['demo.py', 'one', 'two', 'three']
El modulo argparse provee un mecanismo más sofisticado para procesar argumentos recibidos vía línea de co-
mandos. El siguiente script extrae uno o más nombres de archivos y un número opcional de líneas para mostrar:
import argparse
parser = argparse.ArgumentParser(
prog='top',
description='Show top lines from each file')
parser.add_argument('filenames', nargs='+')
parser.add_argument('-l', '--lines', type=int, default=10)
args = parser.parse_args()
print(args)
Cuando se ejecuta en la línea de comandos con python top.py --lines=5 alpha.txt beta.txt, el
script establece args.lines a 5 y args.filenames a ['alpha.txt', 'beta.txt'].
10.4 Redirigir la salida de error y finalización del programa
El módulo sys también tiene sus atributos para stdin, stdout, y stderr. Este último es útil para emitir mensajes de
alerta y error para que se vean incluso cuando se haya redirigido stdout:
>>> sys.stderr.write('Warning, log file not found starting a new one\n')

Warning, log file not found starting a new one
La forma más directa de terminar un programa es usar sys.exit().
92 Capítulo 10. Breve recorrido por la Biblioteca Estándar

10.5 Coincidencia de patrones de cadena
El módulo re provee herramientas de expresiones regulares para un procesamiento avanzado de cadenas. Para ma-
nipulación y coincidencias complejas, las expresiones regulares ofrecen soluciones concisas y optimizadas:
>>> import re
>>> re.findall(r'\bf[a-z]*', 'which foot or hand fell fastest')
['foot', 'fell', 'fastest']
>>> re.sub(r'(\b[a-z]+) \1', r'\1', 'cat in the the hat')
'cat in the hat'
Cuando sólo se necesitan funciones sencillas, se prefieren los métodos de cadenas porque son más fáciles de leer y
depurar:
>>> 'tea for too'.replace('too', 'two')

'tea for two'
10.6 Matemáticas
El módulo math da acceso a las funciones subyacentes de la biblioteca C para operaciones matemáticas con 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 aleatorias:
>>> import random

>>> random.choice(['apple', 'pear', 'banana'])
'apple'
>>> random.sample(range(100), 10) # sampling without replacement
[30, 83, 16, 4, 8, 81, 41, 50, 18, 33]
>>> random.random() # random float
0.17970987693706186
>>> random.randrange(6) # random integer chosen from range(6)
4
El módulo statistics calcula propiedades de estadística básica (la media, mediana, varianza, etc) de datos nu-
méricos:
>>> import statistics

>>> data = [2.75, 1.75, 1.25, 0.25, 0.5, 1.25, 3.5]
>>> statistics.mean(data)
1.6071428571428572
>>> statistics.median(data)
1.25
>>> statistics.variance(data)
1.3720238095238095
El proyecto SciPy <https://scipy.org> tiene muchos otros módulos para cálculos numéricos.
10.5. Coincidencia de patrones de cadena 93

10.7 Acceso a Internet
Hay varios módulos para acceder a Internet y procesar sus protocolos. Dos de los más simples son urllib.
request para traer data de URLs y smtplib para enviar correos:
>>> from urllib.request import urlopen

>>> with urlopen('http://worldtimeapi.org/api/timezone/etc/UTC.txt') as response:
... for line in response:
... line = line.decode() # Convert bytes to a str
... if line.startswith('datetime'):
... print(line.rstrip()) # Remove trailing newline
...
datetime: 2022-01-01T01:36:47.689215+00:00
>>> import smtplib

>>> server = smtplib.SMTP('localhost')
>>> server.sendmail('[email protected]', '[email protected]',
... """To: [email protected]
... From: [email protected]
...
... Beware the Ides of March.
... """)
>>> server.quit()
(Nota que el segundo ejemplo necesita un servidor de correo corriendo en la máquina local)
10.8 Fechas y tiempos
El módulo datetime ofrece clases para gestionar fechas y tiempos tanto de manera simple como compleja. Aunque
soporta aritmética sobre fechas y tiempos, la aplicación se centra en la extracción eficiente de elementos para el
formateo y la manipulación de los datos de salida. El módulo también admite objetos que tienen en cuenta la zona
horaria.
>>> # dates are easily constructed and formatted

>>> from datetime import date
>>> now = date.today()
>>> now
datetime.date(2003, 12, 2)
>>> now.strftime("%m-%d-%y. %d %b %Y is a %A on the %d day of %B.")
'12-02-03. 02 Dec 2003 is a Tuesday on the 02 day of December.'
>>> # dates support calendar arithmetic

>>> birthday = date(1964, 7, 31)
>>> age = now - birthday
>>> age.days
14368

10.9 Compresión de datos
Los módulos admiten directamente los formatos más comunes de archivo y compresión de datos, entre ellos : 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
10.10 Medición de rendimiento
Algunos usuarios de Python desarrollan un profundo interés en conocer el rendimiento relativo de las diferentes
soluciones al mismo problema. Python provee una herramienta de medición que responde inmediatamente a esas
preguntas.
Por ejemplo, puede ser tentador usar la característica de empaquetado y desempaquetado de las tuplas en lugar de la
solución tradicional para intercambiar argumentos. El módulo timeit muestra rápidamente una ligera ventaja de
rendimiento:
>>> from timeit import Timer

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

40.0
"""
return sum(values) / len(values)
import doctest
doctest.testmod() # automatically validate the embedded tests
10.9. Compresión de datos 95

El módulo unittest no es tan sencillo como el módulo doctest, pero permite mantener un conjunto más
completo de pruebas en un archivo independiente:
import unittest
class TestStatisticalFunctions(unittest.TestCase):
def test_average(self):
self.assertEqual(average([20, 30, 70]), 40.0)
self.assertEqual(round(average([1, 5, 7]), 1), 4.3)
with self.assertRaises(ZeroDivisionError):
average([])
with self.assertRaises(TypeError):
average(20, 30, 70)
unittest.main() # Calling from the command line invokes all tests
10.12 Pilas incluidas
Python tiene una filosofía de «pilas incluidas». Esto se ve mejor en las capacidades robustas y sofisticadas de sus
paquetes más grandes. Por ejemplo:
• Los módulos xmlrpc.client y xmlrpc.server convierten la implementación de llamadas a proce-
dimientos remotos en una tarea casi trivial. A pesar de los nombres de los módulos, no se necesita ningún
conocimiento o manejo directo de XML.
• El paquete email es una biblioteca para administrar mensajes de correo electrónico, incluidos MIME y otros
documentos de mensajes basados en RFC 2822. A diferencia de smtplib y poplib que realmente envían
y reciben mensajes, el paquete de correo electrónico tiene un conjunto de herramientas completo para crear o
decodificar estructuras de mensajes complejas (incluidos los archivos adjuntos) y para implementar protocolos
de codificación y encabezado de Internet.
• El paquete json proporciona un sólido soporte para analizar este popular formato de intercambio de datos.
El módulo csv permite la lectura y escritura directa de archivos en formato de valor separado por comas,
comúnmente compatible con bases de datos y hojas de cálculo. El procesamiento XML es compatible con los
paquetes xml.etree.ElementTree, xml.dom y xml.sax. Juntos, estos módulos y paquetes simpli-
fican en gran medida el intercambio de datos entre aplicaciones de Python y otras herramientas.
• El módulo sqlite3 es un wrapper de la biblioteca de bases de datos SQLite, proporciona una base de datos
constante que se puede actualizar y a la que se puede acceder utilizando una sintaxis SQL ligeramente no
estándar.
• La internacionalización es compatible con una serie de módulos, incluyendo gettext, locale, y el paquete
codecs.

CAPÍTULO 11
Pequeño paseo por la Biblioteca Estándar— Parte II
Este segundo paseo cubre módulos más avanzados que facilitan necesidades de programación complejas. Estos mó-
dulos raramente se usan en scripts cortos.
11.1 Formato de salida
El módulo reprlib provee una versión de repr() ajustada para mostrar contenedores grandes o profundamente
anidados, en forma abreviada:
>>> import reprlib

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

>>> t = [[[['black', 'cyan'], 'white', ['green', 'red']], [['magenta',
... 'yellow'], 'blue']]]
...
>>> pprint.pprint(t, width=30)
[[[['black', 'cyan'],
'white',
['green', 'red']],
[['magenta', 'yellow'],
'blue']]]
El módulo textwrap formatea párrafos de texto para que quepan dentro de cierto ancho de pantalla:
>>> import textwrap

>>> doc = """The wrap() method is just like fill() except that it returns
... a list of strings instead of one big string with newlines to separate
... the wrapped lines."""
...
>>> print(textwrap.fill(doc, width=40))
97

The wrap() method is just like fill()
except that it returns a list of strings
instead of one big string with newlines
to separate the wrapped lines.
El módulo locale accede a una base de datos de formatos específicos a una cultura. El atributo grouping de la
función format permite una forma directa de formatear números con separadores de grupo:
>>> import locale
>>> locale.setlocale(locale.LC_ALL, 'English_United States.1252')
'English_United States.1252'
>>> conv = locale.localeconv() # get a mapping of conventions
>>> x = 1234567.8
>>> locale.format_string("%d", x, grouping=True)
'1,234,567'
>>> locale.format_string("%s%.*f", (conv['currency_symbol'],
... conv['frac_digits'], x), grouping=True)
'$1,234,567.80'
11.2 Plantillas
El módulo string incluye una clase versátil Template (plantilla) con una sintaxis simplificada apta para ser
editada por usuarios finales. Esto permite que los usuarios personalicen sus aplicaciones sin necesidad de modificar
la aplicación en sí.
El formato usa marcadores cuyos nombres se forman con $ seguido de identificadores Python válidos (caracteres
alfanuméricos y guión de subrayado). Si se los encierra entre llaves, pueden seguir más caracteres alfanuméricos sin
necesidad de dejar espacios en blanco. $$ genera un $:
>>> from string import Template
>>> t = Template('${village}folk send $$10 to $cause.')
>>> t.substitute(village='Nottingham', cause='the ditch fund')
'Nottinghamfolk send $10 to the ditch fund.'
El método substitute() lanza KeyError cuando no se suministra ningún valor para un marcador mediante
un diccionario o argumento por nombre. Para algunas aplicaciones los datos suministrados por el usuario puede ser
incompletos, y el método safe_substitute() puede ser más apropiado: deja los marcadores inalterados cuando
falten datos:
>>> t = Template('Return the $item to $owner.')
>>> d = dict(item='unladen swallow')
>>> t.substitute(d)
...
KeyError: 'owner'
>>> t.safe_substitute(d)
'Return the unladen swallow to $owner.'
Las subclases de Template pueden especificar un delimitador propio. Por ejemplo, una utilidad de renombrado por
lotes para una galería de fotos puede escoger usar signos de porcentaje para los marcadores tales como la fecha actual,
el número de secuencia de la imagen, o el formato de archivo:
>>> import time, os.path
>>> photofiles = ['img_1074.jpg', 'img_1076.jpg', 'img_1077.jpg']
>>> class BatchRename(Template):
... delimiter = '%'
...
>>> fmt = input('Enter rename style (%d-date %n-seqnum %f-format): ')
98 Capítulo 11. Pequeño paseo por la Biblioteca Estándar— Parte II


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.
11.3 Trabajar con registros estructurados conteniendo datos bi-

narios
El módulo struct provee las funciones pack() y unpack() para trabajar con formatos de registros binarios de
longitud variable. El siguiente ejemplo muestra cómo recorrer la información de encabezado en un archivo ZIP sin usar
el módulo zipfile. Los códigos "H" e "I" representan números sin signo de dos y cuatro bytes respectivamente.
El "<" indica que son de tamaño estándar y los bytes tienen ordenamiento little-endian:
import struct
with open('myfile.zip', 'rb') as f:

data = f.read()
start = 0
for i in range(3): # show the first 3 file headers
start += 14
fields = struct.unpack('<IIIHH', data[start:start+16])
crc32, comp_size, uncomp_size, filenamesize, extra_size = fields
start += 16
filename = data[start:start+filenamesize]
start += filenamesize
extra = data[start:start+extra_size]
print(filename, hex(crc32), comp_size, uncomp_size)
start += extra_size + comp_size # skip to the next header
11.4 Multi-hilos
La técnica de multi-hilos (o multi-threading) permite desacoplar tareas que no tienen dependencia secuencial. Los
hilos se pueden usar para mejorar el grado de reacción de las aplicaciones que aceptan entradas del usuario mientras
otras tareas se ejecutan en segundo plano. Un caso de uso relacionado es ejecutar E/S en paralelo con cálculos en otro
hilo.
El código siguiente muestra cómo el módulo de alto nivel threading puede ejecutar tareas en segundo plano
mientras el programa principal continúa su ejecución:
11.3. Trabajar con registros estructurados conteniendo datos binarios 99

import threading, zipfile
class AsyncZip(threading.Thread):
def __init__(self, infile, outfile):
threading.Thread.__init__(self)
self.infile = infile
self.outfile = outfile
def run(self):
f = zipfile.ZipFile(self.outfile, 'w', zipfile.ZIP_DEFLATED)
f.write(self.infile)
f.close()
print('Finished background zip of:', self.infile)
background = AsyncZip('mydata.txt', 'myarchive.zip')

background.start()
print('The main program continues to run in foreground.')
background.join() # Wait for the background task to finish

print('Main program waited until background was done.')
El desafío principal de las aplicaciones multi-hilo es la coordinación entre los hilos que comparten datos u otros
recursos. A ese fin, el módulo threading provee una serie de primitivas de sincronización que incluyen bloqueos,
eventos, variables de condición, y semáforos.
Aún cuando esas herramientas son poderosas, pequeños errores de diseño pueden resultar en problemas difíciles de
reproducir. La forma preferida de coordinar tareas es concentrar todos los accesos a un recurso en un único hilo
y después usar el módulo queue para alimentar dicho hilo con pedidos desde otros hilos. Las aplicaciones que
usan objetos Queue para comunicación y coordinación entre hilos son más fáciles de diseñar, más legibles, y más
confiables.
11.5 Registrando
El módulo logging ofrece un sistema de registros (logs) completo y flexible. En su forma más simple, los mensajes
de registro se envían a un archivo o a sys.stderr:
import logging
logging.debug('Debugging information')
logging.info('Informational message')
logging.warning('Warning:config file %s not found', 'server.conf')
logging.error('Error occurred')
logging.critical('Critical error -- shutting down')
Ésta es la salida obtenida:
WARNING:root:Warning:config file server.conf not found

ERROR:root:Error occurred
CRITICAL:root:Critical error -- shutting down
De forma predeterminada, los mensajes de depuración e informativos se suprimen, y la salida se envía al error están-
dar. Otras opciones de salida incluyen mensajes de enrutamiento a través de correo electrónico, datagramas, sockets,
o un servidor HTTP. Nuevos filtros pueden seleccionar diferentes rutas basadas en la prioridad del mensaje: DEBUG,
INFO, WARNING, ERROR, y CRITICAL (Depuración, Informativo, Atención, Error y Crítico respectivamente)
El sistema de registro puede configurarse directamente desde Python o puede cargarse la configuración desde un
archivo modificable por el usuario para personalizar el registro sin alterar la aplicación.

11.6 Referencias débiles
Python realiza administración de memoria automática (cuenta de referencias para la mayoría de los objetos, y garbage
collection para eliminar ciclos). La memoria se libera poco después de que la última referencia a la misma haya sido
eliminada.
Este enfoque funciona bien para la mayoría de las aplicaciones pero de vez en cuando existe la necesidad de controlar
objetos sólo mientras estén siendo utilizados por otra cosa. Desafortunadamente, el sólo hecho de controlarlos crea
una referencia que los convierte en permanentes. El módulo weakref provee herramientas para controlar objetos sin
crear una referencia. Cuando el objeto no se necesita mas, es removido automáticamente de una tabla de referencias
débiles y se dispara una callback para objetos weakref. Comúnmente las aplicaciones incluyen cacheo de objetos que
son costosos de crear:
>>> import weakref, gc

>>> class A:
... def __init__(self, value):
... self.value = value
... def __repr__(self):
... return str(self.value)
...
>>> a = A(10) # create a reference
>>> d = weakref.WeakValueDictionary()
>>> d['primary'] = a # does not create a reference
>>> d['primary'] # fetch the object if it is still alive
10
>>> del a # remove the one reference
>>> gc.collect() # run garbage collection right away
0
>>> d['primary'] # entry was automatically removed
d['primary'] # entry was automatically removed
File "C:/python312/lib/weakref.py", line 46, in __getitem__
o = self.data[key]()
KeyError: 'primary'
11.7 Herramientas para trabajar con listas
Muchas necesidades de estructuras de datos pueden ser satisfechas con el tipo integrado lista. Sin embargo, a veces
se hacen necesarias implementaciones alternativas con rendimientos distintos.
El módulo array provee un objeto array() (vector) que es como una lista que almacena sólo datos homogéneos
y de una manera más compacta. Los ejemplos a continuación muestran un vector de números guardados como dos
números binarios sin signo de dos bytes (código de tipo "H") en lugar de los 16 bytes por elemento habituales en
listas de objetos int de Python:
>>> from array import array

>>> a = array('H', [4000, 10, 700, 22222])
>>> sum(a)
26932
>>> a[1:3]
array('H', [10, 700])
El módulo collections provee un objeto deque() que es como una lista más rápida para agregar y quitar
elementos por el lado izquierdo pero con búsquedas más lentas por el medio. Estos objetos son adecuados para
implementar colas y árboles de búsqueda a lo ancho:
11.6. Referencias débiles 101

>>> from collections import deque

>>> d = deque(["task1", "task2", "task3"])
>>> d.append("task4")
>>> print("Handling", d.popleft())
Handling task1
unsearched = deque([starting_node])
def breadth_first_search(unsearched):
node = unsearched.popleft()
for m in gen_moves(node):
if is_goal(m):
return m
unsearched.append(m)
Además de las implementaciones alternativas de listas, la biblioteca ofrece otras herramientas como el módulo
bisect con funciones para manipular listas ordenadas:
>>> import bisect

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

>>> data = [1, 3, 5, 7, 9, 2, 4, 6, 8, 0]
>>> heapify(data) # rearrange the list into heap order
>>> heappush(data, -5) # add a new entry
>>> [heappop(data) for i in range(3)] # fetch the three smallest entries
[-5, 0, 1]
11.8 Aritmética de punto flotante decimal
El módulo decimal provee un tipo de dato Decimal para soportar aritmética de punto flotante decimal. Compa-
rado con float, la implementación de punto flotante binario incluida, la clase es muy útil especialmente para
• aplicaciones financieras y otros usos que requieren representación decimal exacta,
• control sobre la precisión,
• control sobre el redondeo para cumplir requisitos legales,
• seguimiento de dígitos decimales significativos, o
• aplicaciones donde el usuario espera que los resultados coincidan con cálculos hecho a mano.
Por ejemplo, calcular un impuesto del 5% de una tarifa telefónica de 70 centavos da resultados distintos con punto
flotante decimal y punto flotante binario. La diferencia se vuelve significativa si los resultados se redondean al centavo
más próximo:
>>> from decimal import *

>>> round(Decimal('0.70') * Decimal('1.05'), 2)
Decimal('0.74')
>>> round(.70 * 1.05, 2)
0.73

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

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

True
>>> 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 == 1.0
False
El módulo decimal provee aritmética con tanta precisión como haga falta:
>>> getcontext().prec = 36
>>> Decimal(1) / Decimal(7)
Decimal('0.142857142857142857142857142857142857')
11.8. Aritmética de punto flotante decimal 103


CAPÍTULO 12
Entornos virtuales y paquetes
12.1 Introducción
Las aplicaciones en Python usualmente hacen uso de paquetes y módulos que no forman parte de la librería estándar.
Las aplicaciones a veces necesitan una versión específica de una librería, debido a que dicha aplicación requiere que
un bug particular haya sido solucionado o bien la aplicación ha sido escrita usando una versión obsoleta de la interfaz
de la librería.
Esto significa que tal vez no sea posible para una instalación de Python cumplir los requerimientos de todas las
aplicaciones. Si la aplicación A necesita la versión 1.0 de un módulo particular y la aplicación B necesita la versión
2.0, entonces los requerimientos entran en conflicto e instalar la versión 1.0 o 2.0 dejará una de las aplicaciones sin
funcionar.
La solución a este problema es crear un entorno virtual, un directorio que contiene una instalación de Python de una
versión en particular, además de unos cuantos paquetes adicionales.
Diferentes aplicaciones pueden entonces usar entornos virtuales diferentes. Para resolver el ejemplo de requerimientos
en conflicto citado anteriormente, la aplicación A puede tener su propio entorno virtual con la versión 1.0 instalada
mientras que la aplicación B tiene otro entorno virtual con la versión 2.0. Si la aplicación B requiere que actualizar la
librería a la versión 3.0, ésto no afectará el entorno virtual de la aplicación A.
12.2 Creando entornos virtuales
El script usado para crear y manejar entornos virtuales es pyvenv. pyvenv normalmente instalará la versión mas
reciente de Python que tengas disponible; el script también es instalado con un número de versión, con lo que si
tienes múltiples versiones de Python en tu sistema puedes seleccionar una versión de Python específica ejecutando
python3 o la versión que desees.
Para crear un entorno virtual, decide en que carpeta quieres crearlo y ejecuta el módulo venv como script con la
ruta a la carpeta:
python -m venv tutorial-env
Esto creará el directorio tutorial-env si no existe, y también creará directorios dentro de él que contienen una
copia del intérprete de Python y varios archivos de soporte.
105
Una ruta común para el directorio de un entorno virtual es .venv. Ese nombre mantiene el directorio típicamente
escondido en la consola y fuera de vista mientras le da un nombre que explica cuál es el motivo de su existencia.
También permite que no haya conflicto con los ficheros de definición de variables de entorno .env que algunas
herramientas soportan.
Una vez creado el entorno virtual, podrás activarlo.
En Windows, ejecuta:
tutorial-env\Scripts\activate
En Unix o MacOS, ejecuta:
source tutorial-env/bin/activate
(Este script está escrito para la consola bash. Si usas las consolas csh or fish, hay scripts alternativos activate.
csh y activate.fish que deberá usar en su lugar.)
Activar el entorno virtual cambiará el prompt de tu consola para mostrar que entorno virtual está usando, y modificará
el entorno para que al ejecutar python sea con esa versión e instalación en particular. Por ejemplo:
$ source ~/envs/tutorial-env/bin/activate
(tutorial-env) $ python
Python 3.5.1 (default, May 6 2016, 10:59:36)
...
>>> import sys
>>> sys.path
['', '/usr/local/lib/python35.zip', ...,
'~/envs/tutorial-env/lib/python3.5/site-packages']
>>>
Para desactivar el entorno virtual, digita:
deactivate
en el terminal.
12.3 Manejando paquetes con pip
Puede instalar, actualizar y eliminar paquetes usando un programa llamado pip. De forma predeterminada, pip
instalará paquetes desde el Indice de Paquetes de Python. Puede navegar por el índice de paquetes de Python yendo
a él en su navegador web.
pip tiene varios subcomandos: «install», «uninstall», «freeze», etc. (Consulte la guía installing-index para obtener
la documentación completa de pip).
Se puede instalar la última versión de un paquete especificando el nombre del paquete:
(tutorial-env) $ python -m pip install novas

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

Collecting requests==2.6.0
Using cached requests-2.6.0-py2.py3-none-any.whl
106 Capítulo 12. Entornos virtuales y paquetes


Installing collected packages: requests
Successfully installed requests-2.6.0
Si se ejecuta de nuevo el comando, pip detectará que la versión ya está instalada y no hará nada. Se puede ingresar
un número de versión diferente para instalarlo, o se puede ejecutar pip install --upgrade para actualizar
el paquete a la última versión:
(tutorial-env) $ python -m pip install --upgrade requests
Collecting requests
Installing collected packages: requests
Found existing installation: requests 2.6.0
Uninstalling requests-2.6.0:
Successfully uninstalled requests-2.6.0
Successfully installed requests-2.7.0
pip -m pip uninstall seguido de uno o varios nombres de paquetes eliminará los paquetes del entorno vir-
tual.
python -m pip show mostrará información de un paquete en particular:
(tutorial-env) $ python -m 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:
python -m pip list mostrará todos los paquetes instalados en el entorno virtual:
(tutorial-env) $ python -m pip list
novas (3.1.1.3)
numpy (1.9.2)
pip (7.0.3)
requests (2.7.0)
setuptools (16.0)
python -m pip freeze retorna una lista de paquetes instalados, pero el formato de salida es el requerido por
python -m pip install. Una convención común es poner esta lista en un archivo requirements.txt:
(tutorial-env) $ python -m pip freeze > requirements.txt
(tutorial-env) $ cat requirements.txt
novas==3.1.1.3
numpy==1.9.2
requests==2.7.0
El archivo requirements.txt puede ser agregado al controlador de versiones y distribuido como parte de la
aplicación. Los usuarios pueden entonces instalar todos los paquetes necesarios con install -r:
(tutorial-env) $ python -m pip install -r requirements.txt
Collecting novas==3.1.1.3 (from -r requirements.txt (line 1))
...
Collecting numpy==1.9.2 (from -r requirements.txt (line 2))
...
Collecting requests==2.7.0 (from -r requirements.txt (line 3))
...
12.3. Manejando paquetes con pip 107


Installing collected packages: novas, numpy, requests
Running setup.py install for novas
Successfully installed novas-3.1.1.3 numpy-1.9.2 requests-2.7.0
pip tiene muchas más opciones. Consulte la guía installing-index para obtener documentación completa de pip.
Cuando haya escrito un paquete y desee que esté disponible en el índice de paquetes de Python, consulte la Guía de
usuario de empaquetado de Python.
108 Capítulo 12. Entornos virtuales y paquetes

CAPÍTULO 13
¿Y ahora qué?
Leer este tutorial probablemente reforzó tu interés por usar Python, deberías estar ansioso por aplicar Python a la
resolución de tus problemas reales. ¿A dónde deberías ir para aprender más?
Este tutorial forma parte del conjunto de documentación de Python. Algunos otros documentos que encontrarás en
este conjunto son:
• library-index:
Deberías navegar a través de este manual, que da una completa (aunque breve) referencia sobre los tipos,
funciones y módulos en la librería estándar. La distribución estándar de Python incluye mucho más código
adicional. Hay módulos para leer buzones Unix, recuperar documentos vía HTTP, generar números aleatorios,
analizar opciones de línea de comandos, escribir programas CGI, comprimir datos y muchas más tareas. Echar
una ojeada a la Librería de Referencia te dará una idea de lo que está disponible.
• installing-index explica como instalar módulos adicionales escritos por otros usuarios de Python.
• reference-index: Una explicación detallada de la sintaxis y la semántica de Python. Es una lectura pesada, pero
es muy útil como guía complete del lenguaje.
Más recursos sobre Python:
• https://www.python.org: El mayor sitio web de Python. Contiene código, documentación, y enlaces a páginas
web relacionadas con Python.
• https://docs.python.org: Acceso rápido a la documentación de Python.
• https://pypi.org: El Python Package Index, apodado previamente la Tienda de Queso1 , es un índice de módulos
de Python creados por usuarios que están disponibles para su descarga. Cuando empiezas a distribuir código,
lo puedes registrar allí para que otros lo encuentren.
• https://code.activestate.com/recipes/langs/python/: El Python Cookbook es una gran colección de ejemplos
de código, módulos grandes y scripts útiles. Las contribuciones más notables también están recogidas en un
libro titulado Python Cookbook (O’Reilly & Associates, ISBN 0-596-00797-3.)
• http://www.pyvideo.org recoge enlaces a vídeos relacionados con Python provenientes de conferencias y
reuniones de grupos de usuarios.
• https://scipy.org: El proyecto de Python científico incluye módulos para el cálculo rápido de operaciones y
manipulaciones sobre arrays además de muchos paquetes para cosas como Álgebra Lineal, Transformadas de
1La tienda de queso, Cheese Shop, es un chiste de Monty Python: un cliente entra a una tienda de queso pero para cualquier queso que pide, el
vendedor le dice que no lo tienen.
109
Fourier, solucionadores de sistemas no-lineales, distribuciones de números aleatorios, análisis estadísticos y

otras herramientas.
Para preguntas relacionadas con Python y reportes de problemas puedes escribir al grupo de noticias comp.lang.
python, o enviarlas a la lista de correo que hay en [email protected]. El grupo de noticias y la lista de correo
están conectados, por lo que los mensajes enviados a uno serán retransmitidos al otro. Hay alrededor de cientos
de mensajes diarios (con picos de hasta varios cientos), haciendo (y respondiendo) preguntas, sugiriendo nuevas
características, y anunciando nuevos módulos. Los archivos de la lista de correos están disponibles en https://mail.
python.org/pipermail/.
Antes de escribir, asegúrate de haber revisado la lista de Frequently Asked Questions (también llamado el FAQ).
Muchas veces responde las preguntas que se hacen una y otra vez, y quizás contenga la solución a tu problema.
Notas al pie
110 Capítulo 13. ¿Y ahora qué?

CAPÍTULO 14
Edición de entrada interactiva y sustitución de historial
Algunas versiones del intérprete de Python permiten editar la línea de entrada actual, y sustituir en base al historial, de
forma similar a las capacidades del intérprete de comandos Korn y el GNU bash. Esto se implementa con la biblioteca
GNU Readline, que soporta varios estilos de edición. Esta biblioteca tiene su propia documentación la cuál no vamos
a duplicar aquí.
14.1 Autocompletado con tab e historial de edición
El autocompletado de variables y nombres de módulos es automatically enabled al iniciar el intérprete, por lo tanto
la tecla Tab invoca la función de autocompletado; ésta mira en los nombres de sentencia, las variables locales y los
nombres de módulos disponibles. Para expresiones con puntos como string.a, va a evaluar la expresión hasta el '.
' final y entonces sugerir autocompletado para los atributos del objeto resultante. Nota que esto quizás ejecute código
de aplicaciones definidas si un objeto con un método __getattr__() es parte de la expresión. La configuración
por omisión también guarda tu historial en un archivo llamado .python_history en tu directorio de usuario. El
historial estará disponible durante la próxima sesión interactiva del intérprete.
14.2 Alternativas al intérprete interactivo
Esta funcionalidad es un paso enorme hacia adelante comparado con versiones anteriores del interprete; de todos
modos, quedan pendientes algunos deseos: sería bueno que el sangrado correcto se sugiriera en las lineas de conti-
nuación (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 com-
pletado 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.
111
112 Capítulo 14. Edición de entrada interactiva y sustitución de historial

CAPÍTULO 15
Aritmética de Punto Flotante: Problemas y Limitaciones
Los números de punto flotante se representan en el hardware de computadoras como fracciones en base 2 (binarias).
Por ejemplo, la fracción decimal 0.625 tiene un valor de 6/10 + 2/100 + 5/1000, y de la misma manera, la fracción
binaria 0.101 tiene un valor de 1/2 + 0/4 + 1/8. Estas dos fracciones tienen valores idénticos; la única diferencia
real radica en que la primera se escribe 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 aproxi-
mación 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 significa-
tivos 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 alma-
cenada 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:
113
>>> 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 un valor redondeado en su lugar:
>>> 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 bina-
ria 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') # give 12 significant digits
'3.14159265359'
>>> format(math.pi, '.2f') # give 2 digits after the point

'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:
>>> 0.1 + 0.1 + 0.1 == 0.3
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(0.1, 1) + round(0.1, 1) + round(0.1, 1) == round(0.3, 1)
False
Aunque los números no pueden acercarse más a sus valores exactos previstos, la función math.isclose() puede
ser útil para comparar valores inexactos:
>>> math.isclose(0.1 + 0.1 + 0.1, 0.3)
True
Alternatively, the round() function can be used to compare rough approximations:

>>> round(math.pi, ndigits=2) == round(22 / 7, ndigits=2)
True
114 Capítulo 15. Aritmética de Punto Flotante: Problemas y Limitaciones

Binary floating-point arithmetic holds many surprises like this. The problem with «0.1» is explained in precise detail
below, in the «Representation Error» section. See Examples of Floating Point Problems for a pleasant summary of
how binary floating-point works and the kinds of problems commonly encountered in practice. Also see The Perils
of Floating Point for a more complete account of other common surprises.
Como dice cerca del final, «no hay respuestas fáciles». A pesar de eso, ¡no le tengas mucho miedo al punto flotante!
Los errores en las operaciones flotantes de Python se heredan del hardware de punto flotante, y en la mayoría de
las máquinas están en el orden de no más de una 1 parte en 2**53 por operación. Eso es más que adecuado para la
mayoría de las tareas, pero necesitás tener en cuenta que no es aritmética decimal, y que cada operación de punto
flotante sufre un nuevo error de redondeo.
A pesar de que existen casos patológicos, para la mayoría de usos casuales de la aritmética de punto flotante al final
verás el resultado que esperás si simplemente redondeás lo que mostrás de tus resultados finales al número de dígitos
decimales que esperás. str() es normalmente suficiente, y para un control más fino mirá los parámetros del método
de formateo str.format() en string-formatting.
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 eres un usuario intensivo de operaciones de punto flotante, deberías echar un vistazo al paquete NumPy y a muchos
otros paquetes para operaciones matemáticas y estadísticas proporcionados por el proyecto SciPy. Ver <https://scipy.
org>.
Python provee herramientas que pueden ayudar en esas raras ocasiones cuando realmente querés saber el valor exacto
de un punto flotante. El método float.as_integer_ratio() expresa el valor del punto flotante 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 punto flotante en hexadecimal (base 16), nuevamente retornando 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 punto flotante:
>>> 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 sum() que ayuda a mitigar la pérdida de precisión durante la suma. Utiliza
precisión extendida para pasos de redondeo intermedios a medida que se agregan valores a un total en ejecución.
Esto puede marcar la diferencia en la precisión general para que los errores no se acumulen hasta el punto en que
afecten el total final:
>>> 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 == 1.0
False
>>> sum([0.1] * 10) == 1.0
True
115
La función math.fsum() va más allá y realiza un seguimiento de todos los «dígitos perdidos» a medida que se
agregan valores a un total en ejecución, de modo que el resultado tiene solo un redondeo. Esto es más lento que
sum(), pero será más preciso en casos poco comunes en los que las entradas de gran magnitud se cancelan en su
mayoría entre sí, dejando una suma final cercana a cero:
>>> arr = [-0.10430216751806065, -266310978.67179024, 143401161448607.16,

... -143401161400469.7, 266262841.31058735, -0.003244936839808227]
>>> float(sum(map(Fraction, arr))) # Exact summation with single rounding
8.042173697819788e-13
>>> math.fsum(arr) # Single rounding
8.042173697819788e-13
>>> sum(arr) # Multiple roundings in extended precision
8.042178034628478e-13
>>> total = 0.0
>>> for x in arr:
... total += x # Multiple roundings in standard precision
...
>>> total # Straight addition has no correct digits!
-0.0051575902860057365
15.1 Error de Representación
Esta sección explica el ejemplo «0.1» en detalle, y muestra como en la mayoría de los casos vos mismo podés realizar
un análisis exacto como este. Se asume un conocimiento básico de la representación de punto flotante binario.
Error de representación se refiere al hecho de que algunas (la mayoría) de las fracciones decimales no pueden repre-
sentarse 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 sucede esto? 1/10 no es exactamente representable como una fracción binaria. Desde al menos el año 2000,
casi todas las máquinas utilizan la aritmética de punto flotante binaria IEEE 754, y casi todas las plataformas asignan
los números de punto flotante de Python a valores binarios de 64 bits de precisión «doble» de IEEE 754. Los valores
binarios de IEEE 754 de 64 bits contienen 53 bits de precisión, por lo que en la entrada, la computadora se esfuerza por
convertir 0.1 en la fracción más cercana de la forma J/2**N donde J es un número 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 IEEE 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 IEEE 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 anteriores de Python), redondean el resultado a 17 dígitos
significativos:
>>> format(0.1, '.17f')

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

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

'0.10000000000000001'
15.1. Error de Representación 117


CAPÍTULO 16
Apéndice
16.1 Modo interactivo
16.1.1 Manejo de errores
Cuando ocurre un error, el intérprete imprime un mensaje de error y la traza del error. En el modo interactivo, luego
retorna al prompt primario; cuando la entrada viene de un archivo, el programa termina con código de salida distinto
a cero luego de imprimir la traza del error. (Las excepciones manejadas por una clausula except en una sentencia
try no son errores en este contexto). Algunos errores son incondicionalmente fatales y causan una terminación con
código de salida distinto de cero; esto se debe a inconsistencias internas o a que el intérprete se queda sin memoria.
Todos los mensajes de error se escriben en el flujo de errores estándar; las salidas normales de comandos ejecutados
se escriben en la salida estándar.
Al ingresar el carácter de interrupción (por lo general Control-C o Supr) en el prompt primario o secundario, se
cancela la entrada y retorna al prompt primario.1 Tipear una interrupción mientras un comando se están ejecutando
lanza la excepción KeyboardInterrupt, que puede ser manejada con una sentencia try.
16.1.2 Programas ejecutables de Python
En los sistemas Unix y tipo BSD, los programas Python pueden convertirse directamente en ejecutables, como pro-
gramas del intérprete de comandos, poniendo la linea:
#!/usr/bin/env python3.5
…al principio del script y dándole al archivo permisos de ejecución (asumiendo que el intérprete están en la variable
de entorno PATH del usuario). #! deben ser los primeros dos caracteres del archivo. En algunas plataformas, la
primera línea debe terminar al estilo Unix ('\n'), no como en Windows ('\r\n'). Notá que el carácter numeral
'#' se usa en Python para comenzar un comentario.
Se le puede dar permisos de ejecución al script usando el comando chmod.
$ chmod +x myscript.py
1 Un problema con el paquete GNU Readline puede prevenir esto.
119
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 clic a un archivo Python se corra el script. La extensión
también puede ser .pyw, en este caso se omite la ventana con la consola que normalmente aparece.
16.1.3 El archivo de inicio interactivo
Cuando usas Python en forma interactiva, suele ser útil que algunos comandos estándar se ejecuten cada vez que el
intérprete se inicia. Puedes hacer esto configurando la variable de entorno PYTHONSTARTUP con el nombre de un
archivo que contenga tus comandos de inicio. Esto es similar al archivo .profile en los intérpretes de comandos
de Unix.
Este archivo es solo leído en las sesiones interactivas del intérprete, no cuando Python lee comandos de un script
ni cuando /dev/tty se explicita como una fuente de comandos (que de otro modo se comporta como una sesión
interactiva). Se ejecuta en el mismo espacio de nombres en el que los comandos interactivos se ejecutan, entonces los
objetos que define o importa pueden ser usados sin cualificaciones en la sesión interactiva. En este archivo también
puedes cambiar los prompts sys.ps1 y sys.ps2.
Si quieres leer un archivo de inicio adicional desde el directorio actual, puedes programarlo en el archivo de ini-
cio global usando algo como if os.path.isfile('.pythonrc.py'): exec(open('.pythonrc.
py').read()). Si quieres usar el archivo de inicio en un script, tienes que hacer lo siguiente de forma explícita
en el script:
import os
filename = os.environ.get('PYTHONSTARTUP')
if filename and os.path.isfile(filename):
with open(filename) as fobj:
startup_file = fobj.read()
exec(startup_file)
16.1.4 Los módulos de customización
Python provee dos formas para customizarlo: sitecustomize y usercustomize. Para ver cómo funciona, necesitas pri-
mero encontrar dónde está tu directorio para tu usuario de paquetes del sistema. Inicia Python y ejecuta el siguiente
código:
>>> import site

>>> site.getusersitepackages()
'/home/user/.local/lib/python3.5/site-packages'
Ahora puedes 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 inicie con la opción -s para deshabilitar esta importación auto-
mática.
sitecustomize funciona de la misma manera, pero normalmente lo crea el administrador de la computadora en el
directorio global de paquetes del sistema, y se importa antes que usercustomize. Para más detalles, mira la documen-
tación del módulo site.
Notas al pie
120 Capítulo 16. Apéndice

APÉNDICE A
Glosario
>>> El prompt en el shell interactivo de Python por omisión. Frecuentemente vistos en ejemplos de código que
pueden ser ejecutados interactivamente en el intérprete.
... Puede referirse a:
• El prompt en el shell interactivo de Python por omisión cuando se ingresa código para un bloque indentado
de código, y cuando se encuentra entre dos delimitadores que emparejan (paréntesis, corchetes, llaves o
comillas triples), o después de especificar un decorador.
• La constante incorporada Ellipsis.
2to3 Una herramienta que intenta convertir código de Python 2.x a Python 3.x arreglando la mayoría de las incom-
patibilidades que pueden ser detectadas analizando el código y recorriendo el árbol de análisis sintáctico.
2to3 está disponible en la biblioteca estándar como lib2to3; un punto de entrada independiente es provisto
como Tools/scripts/2to3. Vea 2to3-reference.
clase base abstracta Las clases base abstractas (ABC, por sus siglas en inglés Abstract Base Class) complementan
al duck-typing brindando un forma de definir interfaces con técnicas como hasattr() que serían confusas
o sutilmente erróneas (por ejemplo con magic methods). Las ABC introduce subclases virtuales, las cuales son
clases que no heredan desde una clase pero aún así son reconocidas por isinstance() y issubclass();
vea la documentación del módulo abc. Python viene con muchas ABC incorporadas para las estructuras de
datos( en el módulo collections.abc), números (en el módulo numbers ) , flujos de datos (en el módulo
io ) , buscadores y cargadores de importaciones (en el módulo importlib.abc ) . Puede crear sus propios
ABCs con el módulo abc.
anotación Una etiqueta asociada a una variable, atributo de clase, parámetro de función o valor de retorno, usado
por convención como un type hint.
Las anotaciones de variables no pueden ser accedidas en tiempo de ejecución, pero las anotaciones de variables
globales, atributos de clase, y funciones son almacenadas en el atributo especial __annotations__ de
módulos, clases y funciones, respectivamente.
Consulte variable annotation, function annotation, PEP 484 y PEP 526, que describen esta funcionalidad.
Consulte también annotations-howto para conocer las mejores prácticas sobre cómo trabajar con anotaciones.
argumento Un valor pasado a una function (o method) cuando se llama a la función. Hay dos clases de argumentos:
• argumento nombrado: es un argumento precedido por un identificador (por ejemplo, nombre=) en una
llamada a una función o pasado como valor en un diccionario precedido por **. Por ejemplo 3 y 5 son
argumentos nombrados en las llamadas a complex():
121
complex(real=3, imag=5)
complex(**{'real': 3, 'imag': 5})
• argumento posicional son aquellos que no son nombrados. Los argumentos posicionales deben aparecer
al principio de una lista de argumentos o ser pasados como elementos de un iterable precedido por *. Por
ejemplo, 3 y 5 son argumentos posicionales en las siguientes llamadas:
complex(3, 5)
complex(*(3, 5))
Los argumentos son asignados a las variables locales en el cuerpo de la función. Vea en la sección calls las
reglas que rigen estas asignaciones. Sintácticamente, cualquier expresión puede ser usada para representar un
argumento; el valor evaluado es asignado a la variable local.
Vea también el parameter en el glosario, la pregunta frecuente la diferencia entre argumentos y parámetros, y
PEP 362.
administrador asincrónico de contexto Un objeto que controla el entorno visible en un sentencia async with
al definir los métodos __aenter__() y __aexit__(). Introducido por PEP 492.
generador asincrónico Una función que retorna un asynchronous generator iterator. Es similar a una función co-
rrutina definida con async def excepto que contiene expresiones yield para producir series de variables
usadas en un ciclo async for.
Usualmente se refiere a una función generadora asincrónica, pero puede referirse a un iterador generador
asincrónico en ciertos contextos. En aquellos casos en los que el significado no está claro, usar los términos
completos evita la ambigüedad.
Una función generadora asincrónica puede contener expresiones await así como sentencias async for, y
async with.
iterador generador asincrónico Un objeto creado por una función asynchronous generator.
Este es un asynchronous iterator el cual cuando es llamado usa el método __anext__() retornando un
objeto a la espera (awaitable) el cual ejecutará el cuerpo de la función generadora asincrónica hasta la siguiente
expresión yield.
Cada yield suspende temporalmente el procesamiento, recordando el estado local de ejecución (incluyendo
a las variables locales y las sentencias try pendientes). Cuando el iterador del generador asincrónico vuelve
efectivamente con otro objeto a la espera (awaitable) retornado por el método __anext__(), retoma donde
lo dejó. Vea PEP 492 y PEP 525.
iterable asincrónico Un objeto, que puede ser usado en una sentencia async for. Debe retornar un asynchronous
iterator de su método __aiter__(). Introducido por PEP 492.
iterador asincrónico Un objeto que implementa los métodos __aiter__() y __anext__(). __anext__()
debe retornar un objeto awaitable. async for resuelve los esperables retornados por un método de iterador
asincrónico __anext__() hasta que lanza una excepción StopAsyncIteration. Introducido por PEP
492.
atributo Un valor asociado a un objeto al que se suele hacer referencia por su nombre utilizando expresiones pun-
teadas. Por ejemplo, si un objeto o tiene un atributo a se referenciaría como o.a.
Es posible dar a un objeto un atributo cuyo nombre no sea un identificador definido por identifiers, por ejemplo
usando setattr(), si el objeto lo permite. Dicho atributo no será accesible utilizando una expresión con
puntos, y en su lugar deberá ser recuperado con getattr().
a la espera Un objeto que puede utilizarse en una expresión await. Puede ser una corutina o un objeto con un
método __await__(). Véase también PEP 492.
BDFL Sigla de Benevolent Dictator For Life, benevolente dictador vitalicio, es decir Guido van Rossum, el creador
de Python.
archivo binario A file object able to read and write bytes-like objects. Examples of binary files are files opened in
binary mode ('rb', 'wb' or 'rb+'), sys.stdin.buffer, sys.stdout.buffer, and instances of
io.BytesIO and gzip.GzipFile.
122 Apéndice A. Glosario

Vea también text file para un objeto archivo capaz de leer y escribir objetos str.
referencia prestada En la API C de Python, una referencia prestada es una referencia a un objeto, donde el código
usando el objeto no posee la referencia. Se convierte en un puntero colgante si se destruye el objeto. Por ejemplo,
una recolección de basura puede eliminar el último strong reference del objeto y así destruirlo.
Se recomienda llamar a Py_INCREF() en la referencia prestada para convertirla en una referencia fuerte in
situ, excepto cuando el objeto no se puede destruir antes del último uso de la referencia prestada. La función
Py_NewRef() se puede utilizar para crear una nueva referencia fuerte.
objetos tipo binarios Un objeto que soporta bufferobjects y puede exportar un búfer C-contiguous. Esto incluye to-
das los objetos bytes, bytearray, y array.array, así como muchos objetos comunes memoryview.
Los objetos tipo binarios pueden ser usados para varias operaciones que usan datos binarios; éstas incluyen
compresión, salvar a archivos binarios, y enviarlos a través de un socket.
Algunas operaciones necesitan que los datos binarios sean mutables. La documentación frecuentemente se re-
fiere a éstos como «objetos tipo binario de lectura y escritura». Ejemplos de objetos de búfer mutables incluyen
a bytearray y memoryview de la bytearray. Otras operaciones que requieren datos binarios alma-
cenados en objetos inmutables («objetos tipo binario de sólo lectura»); ejemplos de éstos incluyen bytes y
memoryview del objeto bytes.
bytecode El código fuente Python es compilado en bytecode, la representación interna de un programa python en el
intérprete CPython. El bytecode también es guardado en caché en los archivos .pyc de tal forma que ejecutar
el mismo archivo es más fácil la segunda vez (la recompilación desde el código fuente a bytecode puede ser
evitada). Este «lenguaje intermedio» deberá corren en una virtual machine que ejecute el código de máquina
correspondiente a cada bytecode. Note que los bytecodes no tienen como requisito trabajar en las diversas
máquina virtuales de Python, ni de ser estable entre versiones Python.
Una lista de las instrucciones en bytecode está disponible en la documentación de el módulo dis.
callable Un callable es un objeto que puede ser llamado, posiblemente con un conjunto de argumentos (véase ar-
gument), con la siguiente sintaxis:
callable(argument1, argument2, argumentN)
Una function, y por extensión un method, es un callable. Una instancia de una clase que implementa el método
__call__() también es un callable.
retrollamada Una función de subrutina que se pasa como un argumento para ejecutarse en algún momento en el
futuro.
clase Una plantilla para crear objetos definidos por el usuario. Las definiciones de clase normalmente contienen
definiciones de métodos que operan una instancia de la clase.
variable de clase Una variable definida en una clase y prevista para ser modificada sólo a nivel de clase (es decir, no
en una instancia de la clase).
número complejo Una extensión del sistema familiar de número reales en el cual los números son expresados como
la suma de una parte real y una parte imaginaria. Los números imaginarios son múltiplos de la unidad imaginaria
(la raíz cuadrada de -1), usualmente escrita como i en matemáticas o j en ingeniería. Python tiene soporte
incorporado para números complejos, los cuales son escritos con la notación mencionada al final.; la parte
imaginaria es escrita con un sufijo j, por ejemplo, 3+1j. Para tener acceso a los equivalentes complejos del
módulo math module, use cmath. El uso de números complejos es matemática bastante avanzada. Si no le
parecen necesarios, puede ignorarlos sin inconvenientes.
administrador de contextos An object which controls the environment seen in a with statement by defining
__enter__() and __exit__() methods. See PEP 343.
variable de contexto Una variable que puede tener diferentes valores dependiendo del contexto. Esto es similar a
un almacenamiento de hilo local Thread-Local Storage en el cual cada hilo de ejecución puede tener valores
diferentes para una variable. Sin embargo, con las variables de contexto, podría haber varios contextos en un
hilo de ejecución y el uso principal de las variables de contexto es mantener registro de las variables en tareas
concurrentes asíncronas. Vea contextvars.
123
contiguo Un búfer es considerado contiguo con precisión si es C-contiguo o Fortran contiguo. Los búferes cero
dimensionales con C y Fortran contiguos. En los arreglos unidimensionales, los ítems deben ser dispuestos en
memoria uno siguiente al otro, ordenados por índices que comienzan en cero. En arreglos unidimensionales
C-contiguos, el último índice varía más velozmente en el orden de las direcciones de memoria. Sin embargo,
en arreglos Fortran contiguos, el primer índice vería más rápidamente.
corrutina Las corrutinas son una forma más generalizadas de las subrutinas. A las subrutinas se ingresa por un
punto y se sale por otro punto. Las corrutinas pueden se iniciadas, finalizadas y reanudadas en muchos puntos
diferentes. Pueden ser implementadas con la sentencia async def. Vea además PEP 492.
función corrutina Un función que retorna un objeto coroutine . Una función corrutina puede ser definida con la
sentencia async def, y puede contener las palabras claves await, async for, y async with. Las
mismas son introducidas en PEP 492.
CPython La implementación canónica del lenguaje de programación Python, como se distribuye en python.org.
El término «CPython» es usado cuando es necesario distinguir esta implementación de otras como Jython o
IronPython.
decorador Una función que retorna otra función, usualmente aplicada como una función de transformación
empleando la sintaxis @envoltorio. Ejemplos comunes de decoradores son classmethod() y
staticmethod().
La sintaxis del decorador es meramente azúcar sintáctico, las definiciones de las siguientes dos funciones son
semánticamente equivalentes:
def f(arg):
...
f = staticmethod(f)
@staticmethod
def f(arg):
...
El mismo concepto existe para clases, pero son menos usadas. Vea la documentación de function definitions y
class definitions para mayor detalle sobre decoradores.
descriptor Any object which defines the methods __get__(), __set__(), or __delete__(). When a class
attribute is a descriptor, its special binding behavior is triggered upon attribute lookup. Normally, using a.b to
get, set or delete an attribute looks up the object named b in the class dictionary for a, but if b is a descriptor,
the respective descriptor method gets called. Understanding descriptors is a key to a deep understanding of
Python because they are the basis for many features including functions, methods, properties, class methods,
static methods, and reference to super classes.
Para obtener más información sobre los métodos de los descriptores, consulte descriptors o Guía práctica de
uso de los descriptores.
diccionario An associative array, where arbitrary keys are mapped to values. The keys can be any object with
__hash__() and __eq__() methods. Called a hash in Perl.
comprensión de diccionarios Una forma compacta de procesar todos o parte de los elementos en un iterable y re-
tornar un diccionario con los resultados. results = {n: n ** 2 for n in range(10)} genera
un diccionario que contiene la clave n asignada al valor n ** 2. Ver comprehensions.
vista de diccionario Los objetos retornados por los métodos dict.keys(), dict.values(), y dict.
items() son llamados vistas de diccionarios. Proveen una vista dinámica de las entradas de un dicciona-
rio, lo que significa que cuando el diccionario cambia, la vista refleja éstos cambios. Para forzar a la vista de
diccionario a convertirse en una lista completa, use list(dictview). Vea dict-views.
docstring Una cadena de caracteres literal que aparece como la primera expresión en una clase, función o módulo.
Aunque es ignorada cuando se ejecuta, es reconocida por el compilador y puesta en el atributo __doc__ de
la clase, función o módulo comprendida. Como está disponible mediante introspección, es el lugar canónico
para ubicar la documentación del objeto.
tipado de pato Un estilo de programación que no revisa el tipo del objeto para determinar si tiene la interfaz correcta;
en vez de ello, el método o atributo es simplemente llamado o usado («Si se ve como un pato y grazna como un

pato, debe ser un pato»). Enfatizando las interfaces en vez de hacerlo con los tipos específicos, un código bien
diseñado pues tener mayor flexibilidad permitiendo la sustitución polimórfica. El tipado de pato duck-typing
evita usar pruebas llamando a type() o isinstance(). (Nota: si embargo, el tipado de pato puede ser
complementado con abstract base classes. En su lugar, generalmente pregunta con hasattr() o EAFP.
EAFP Del inglés Easier to ask for forgiveness than permission, es más fácil pedir perdón que pedir permiso. Este
estilo de codificación común en Python asume la existencia de claves o atributos válidos y atrapa las excepciones
si esta suposición resulta falsa. Este estilo rápido y limpio está caracterizado por muchas sentencias try y
except. Esta técnica contrasta con estilo LBYL usual en otros lenguajes como C.
expresión Una construcción sintáctica que puede ser evaluada, hasta dar un valor. En otras palabras, una expresión
es una acumulación de elementos de expresión tales como literales, nombres, accesos a atributos, operadores
o llamadas a funciones, todos ellos retornando valor. A diferencia de otros lenguajes, no toda la sintaxis del
lenguaje son expresiones. También hay statements que no pueden ser usadas como expresiones, como la while.
Las asignaciones también son sentencias, no expresiones.
módulo de extensión Un módulo escrito en C o C++, usando la API para C de Python para interactuar con el núcleo
y el código del usuario.
f-string Son llamadas f-strings las cadenas literales que usan el prefijo 'f' o 'F', que es una abreviatura para
formatted string literals. Vea también PEP 498.
objeto archivo An object exposing a file-oriented API (with methods such as read() or write()) to an underl-
ying resource. Depending on the way it was created, a file object can mediate access to a real on-disk file or
to another type of storage or communication device (for example standard input/output, in-memory buffers,
sockets, pipes, etc.). File objects are also called file-like objects or streams.
Existen tres categorías de objetos archivo: crudos raw archivos binarios, con búfer archivos binarios y archivos
de texto. Sus interfaces son definidas en el módulo io. La forma canónica de crear objetos archivo es usando
la función open().
objetos tipo archivo Un sinónimo de file object.
codificación del sistema de archivos y manejador de errores Controlador de errores y codificación utilizado por
Python para decodificar bytes del sistema operativo y codificar Unicode en el sistema operativo.
La codificación del sistema de archivos debe garantizar la decodificación exitosa de todos los bytes por debajo
de 128. Si la codificación del sistema de archivos no proporciona esta garantía, las funciones de API pueden
lanzar UnicodeError.
Las funciones sys.getfilesystemencoding() y sys.getfilesystemencodeerrors() se
pueden utilizar para obtener la codificación del sistema de archivos y el controlador de errores.
La codificación del sistema de archivos y el manejador de errores se configuran al inicio de Pyt-
hon mediante la función PyConfig_Read(): consulte los miembros filesystem_encoding y
filesystem_errors de PyConfig.
Vea también locale encoding.
buscador Un objeto que trata de encontrar el loader para el módulo que está siendo importado.
Desde la versión 3.3 de Python, existen dos tipos de buscadores: meta buscadores de ruta para usar con sys.
meta_path, y buscadores de entradas de rutas para usar con sys.path_hooks.
Vea PEP 302, PEP 420 y PEP 451 para mayores detalles.
división entera Una división matemática que se redondea hacia el entero menor más cercano. El operador de la
división entera es //. Por ejemplo, la expresión 11 // 4 evalúa 2 a diferencia del 2.75 retornado por la
verdadera división de números flotantes. Note que (-11) // 4 es -3 porque es -2.75 redondeado para
abajo. Ver PEP 238.
función Una serie de sentencias que retornan un valor al que las llama. También se le puede pasar cero o más
argumentos los cuales pueden ser usados en la ejecución de la misma. Vea también parameter, method, y la
sección function.
anotación de función Una annotation del parámetro de una función o un valor de retorno.
125
Las anotaciones de funciones son usadas frecuentemente para indicadores de tipo, por ejemplo, se espera que
una función tome dos argumentos de clase int y también se espera que retorne dos valores int:
def sum_two_numbers(a: int, b: int) -> int:

return a + b
La sintaxis de las anotaciones de funciones son explicadas en la sección function.

Consulte variable annotation y PEP 484, que describen esta funcionalidad. Consulte también annotations-
howto para conocer las mejores prácticas sobre cómo trabajar con anotaciones.
__future__ Un future statement, from __future__ import <feature>, indica al compilador que com-
pile el módulo actual utilizando una sintaxis o semántica que se convertirá en estándar en una versión futura
de Python. El módulo __future__ documenta los posibles valores de feature. Al importar este módulo y
evaluar sus variables, puede ver cuándo se agregó por primera vez una nueva característica al lenguaje y cuándo
se convertirá (o se convirtió) en la predeterminada:
>>> import __future__

>>> __future__.division
_Feature((2, 2, 0, 'alpha', 2), (3, 0, 0, 'alpha', 0), 8192)
recolección de basura El proceso de liberar la memoria de lo que ya no está en uso. Python realiza recolección de
basura (garbage collection) llevando la cuenta de las referencias, y el recogedor de basura cíclico es capaz de
detectar y romper las referencias cíclicas. El recogedor de basura puede ser controlado mediante el módulo gc
.
generador Una función que retorna un generator iterator. Luce como una función normal excepto que contiene la
expresión yield para producir series de valores utilizables en un bucle for o que pueden ser obtenidas una
por una con la función next().
Usualmente se refiere a una función generadora, pero puede referirse a un iterador generador en ciertos contex-
tos. En aquellos casos en los que el significado no está claro, usar los términos completos evita la ambigüedad.
iterador generador Un objeto creado por una función generator.
Cada yield suspende temporalmente el procesamiento, recordando el estado de ejecución local (incluyendo
las variables locales y las sentencias try pendientes). Cuando el «iterador generado» vuelve, retoma donde ha
dejado, a diferencia de lo que ocurre con las funciones que comienzan nuevamente con cada invocación.
expresión generadora Una expresión que retorna un iterador. Luce como una expresión normal seguida por la cláu-
sula for definiendo así una variable de bucle, un rango y una cláusula opcional if. La expresión combinada
genera valores para la función contenedora:
>>> sum(i*i for i in range(10)) # sum of squares 0, 1, 4, ... 81

285
función genérica Una función compuesta de muchas funciones que implementan la misma operación para diferentes
tipos. Qué implementación deberá ser usada durante la llamada a la misma es determinado por el algoritmo de
despacho.
Vea también la entrada de glosario single dispatch, el decorador functools.singledispatch(), y
PEP 443.
tipos genéricos Un type que se puede parametrizar; normalmente un container class como list o dict. Usado
para type hints y annotations.
Para más detalles, véase generic alias types, PEP 483, PEP 484, PEP 585, y el módulo typing.
GIL Vea global interpreter lock.
bloqueo global del intérprete Mecanismo empleado por el intérprete CPython para asegurar que sólo un hilo eje-
cute el bytecode Python por vez. Esto simplifica la implementación de CPython haciendo que el modelo de
objetos (incluyendo algunos críticos como dict) están implícitamente a salvo de acceso concurrente. Blo-
queando el intérprete completo se simplifica hacerlo multi-hilos, a costa de mucho del paralelismo ofrecido
por las máquinas con múltiples procesadores.

Sin embargo, algunos módulos de extensión, tanto estándar como de terceros, están diseñados para liberar el
GIL cuando se realizan tareas computacionalmente intensivas como la compresión o el hashing. Además, el
GIL siempre es liberado cuando se hace entrada/salida.
Esfuerzos previos hechos para crear un intérprete «sin hilos» (uno que bloquee los datos compartidos con una
granularidad mucho más fina) no han sido exitosos debido a que el rendimiento sufrió para el caso más común
de un solo procesador. Se cree que superar este problema de rendimiento haría la implementación mucho más
compleja y por tanto, más costosa de mantener.
hash-based pyc Un archivo cache de bytecode que usa el hash en vez de usar el tiempo de la última modificación
del archivo fuente correspondiente para determinar su validez. Vea pyc-invalidation.
hashable An object is hashable if it has a hash value which never changes during its lifetime (it needs a
__hash__() method), and can be compared to other objects (it needs an __eq__() method). Hashable
objects which compare equal must have the same hash value.
Ser hashable hace a un objeto utilizable como clave de un diccionario y miembro de un set, porque éstas
estructuras de datos usan los valores de hash internamente.
La mayoría de los objetos inmutables incorporados en Python son hashables; los contenedores mutables (como
las listas o los diccionarios) no lo son; los contenedores inmutables (como tuplas y conjuntos frozensets) son
hashables si sus elementos son hashables . Los objetos que son instancias de clases definidas por el usuario son
hashables por defecto. Todos se comparan como desiguales (excepto consigo mismos), y su valor de hash está
derivado de su función id().
IDLE Un Entorno Integrado de Desarrollo y Aprendizaje para Python. idle es un editor básico y un entorno de
intérprete que se incluye con la distribución estándar de Python.
inmutable Un objeto con un valor fijo. Los objetos inmutables son números, cadenas y tuplas. Éstos objetos no
pueden ser alterados. Un nuevo objeto debe ser creado si un valor diferente ha de ser guardado. Juegan un rol
importante en lugares donde es necesario un valor de hash constante, por ejemplo como claves de un diccionario.
ruta de importación Una lista de las ubicaciones (o entradas de ruta) que son revisadas por path based finder al
importar módulos. Durante la importación, ésta lista de localizaciones usualmente viene de sys.path, pero
para los subpaquetes también puede incluir al atributo __path__ del paquete padre.
importar El proceso mediante el cual el código Python dentro de un módulo se hace alcanzable desde otro código
Python en otro módulo.
importador Un objeto que buscan y lee un módulo; un objeto que es tanto finder como loader.
interactivo Python tiene un intérprete interactivo, lo que significa que puede ingresar sentencias y expresiones en
el prompt del intérprete, ejecutarlos de inmediato y ver sus resultados. Sólo ejecute python sin argumentos
(podría seleccionarlo desde el menú principal de su computadora). Es una forma muy potente de probar nuevas
ideas o inspeccionar módulos y paquetes (recuerde help(x)).
interpretado Python es un lenguaje interpretado, a diferencia de uno compilado, a pesar de que la distinción puede
ser difusa debido al compilador a bytecode. Esto significa que los archivos fuente pueden ser corridos direc-
tamente, sin crear explícitamente un ejecutable que es corrido luego. Los lenguajes interpretados típicamente
tienen ciclos de desarrollo y depuración más cortos que los compilados, sin embargo sus programas suelen
correr más lentamente. Vea también interactive.
apagado del intérprete Cuando se le solicita apagarse, el intérprete Python ingresa a un fase especial en la cual
gradualmente libera todos los recursos reservados, como módulos y varias estructuras internas críticas. Tam-
bién hace varias llamadas al recolector de basura. Esto puede disparar la ejecución de código de destructores
definidos por el usuario o weakref callbacks. El código ejecutado durante la fase de apagado puede encontrar
varias excepciones debido a que los recursos que necesita pueden no funcionar más (ejemplos comunes son los
módulos de bibliotecas o los artefactos de advertencias warnings machinery)
La principal razón para el apagado del intérpreter es que el módulo __main__ o el script que estaba corriendo
termine su ejecución.
iterable An object capable of returning its members one at a time. Examples of iterables include all sequence ty-
pes (such as list, str, and tuple) and some non-sequence types like dict, file objects, and objects of
any classes you define with an __iter__() method or with a __getitem__() method that implements
sequence semantics.
127
Iterables can be used in a for loop and in many other places where a sequence is needed (zip(), map(),
…). When an iterable object is passed as an argument to the built-in function iter(), it returns an iterator
for the object. This iterator is good for one pass over the set of values. When using iterables, it is usually not
necessary to call iter() or deal with iterator objects yourself. The for statement does that automatically for
you, creating a temporary unnamed variable to hold the iterator for the duration of the loop. See also iterator,
sequence, and generator.
iterador An object representing a stream of data. Repeated calls to the iterator’s __next__() method (or passing
it to the built-in function next()) return successive items in the stream. When no more data are available
a StopIteration exception is raised instead. At this point, the iterator object is exhausted and any furt-
her calls to its __next__() method just raise StopIteration again. Iterators are required to have an
__iter__() method that returns the iterator object itself so every iterator is also iterable and may be used
in most places where other iterables are accepted. One notable exception is code which attempts multiple ite-
ration passes. A container object (such as a list) produces a fresh new iterator each time you pass it to the
iter() function or use it in a for loop. Attempting this with an iterator will just return the same exhausted
iterator object used in the previous iteration pass, making it appear like an empty container.
Puede encontrar más información en typeiter.
Detalles de implementación de CPython: CPython does not consistently apply the requirement that an ite-
rator define __iter__().
función clave Una función clave o una función de colación es un invocable que retorna un valor usado para el orde-
namiento o clasificación. Por ejemplo, locale.strxfrm() es usada para producir claves de ordenamiento
que se adaptan a las convenciones específicas de ordenamiento de un locale.
Cierta cantidad de herramientas de Python aceptan funciones clave para controlar como los elementos son
ordenados o agrupados. Incluyendo a min(), max(), sorted(), list.sort(), heapq.merge(),
heapq.nsmallest(), heapq.nlargest(), y itertools.groupby().
Hay varias formas de crear una función clave. Por ejemplo, el método str.lower() puede servir como
función clave para ordenamientos que no distingan mayúsculas de minúsculas. Como alternativa, una fun-
ción clave puede ser realizada con una expresión lambda como lambda r: (r[0], r[2]). Ade-
más, operator.attrgetter(), operator.itemgetter() y operator.methodcaller()
son tres constructores de funciones clave. Consulte Sorting HOW TO para ver ejemplos de cómo crear y utilizar
funciones clave.
argumento nombrado Vea argument.
lambda Una función anónima de una línea consistente en un sola expression que es evaluada cuando la función es
llamada. La sintaxis para crear una función lambda es lambda [parameters]: expression
LBYL Del inglés Look before you leap, «mira antes de saltar». Es un estilo de codificación que prueba explícitamente
las condiciones previas antes de hacer llamadas o búsquedas. Este estilo contrasta con la manera EAFP y está
caracterizado por la presencia de muchas sentencias if.
En entornos multi-hilos, el método LBYL tiene el riesgo de introducir condiciones de carrera entre los hilos
que están «mirando» y los que están «saltando». Por ejemplo, el código, if key in mapping: return
mapping[key] puede fallar si otro hilo remueve key de mapping después del test, pero antes de retornar el
valor. Este problema puede ser resuelto usando bloqueos o empleando el método EAFP.
codificación de la configuración regional En Unix, es la codificación de la configuración regional LC_CTYPE. Se
puede configurar con locale.setlocale(locale.LC_CTYPE, new_locale).
En Windows, es la página de códigos ANSI (por ejemplo, "cp1252").
En Android y VxWorks, Python utiliza "utf-8" como codificación regional.
locale.getencoding() se puede utilizar para obtener la codificación de la configuración regional.
Vea también filesystem encoding and error handler.
lista Es una sequence Python incorporada. A pesar de su nombre es más similar a un arreglo en otros lenguajes que
a una lista enlazada porque el acceso a los elementos es O(1).
comprensión de listas Una forma compacta de procesar todos o parte de los elementos en una secuencia y retornar
una lista como resultado. result = ['{:#04x}'.format(x) for x in range(256) if x

% 2 == 0] genera una lista de cadenas conteniendo números hexadecimales (0x..) entre 0 y 255. La cláusula
if es opcional. Si es omitida, todos los elementos en range(256) son procesados.
cargador Un objeto que carga un módulo. Debe definir el método llamado load_module(). Un cargador es
normalmente retornados por un finder. Vea PEP 302 para detalles y importlib.abc.Loader para una
abstract base class.
método mágico Una manera informal de llamar a un special method.
mapeado Un objeto contenedor que permite recupero de claves arbitrarias y que implementa los métodos espe-
cificados en la collections.abc.Mapping o collections.abc.MutableMapping abstract
base classes. Por ejemplo, dict, collections.defaultdict, collections.OrderedDict y
collections.Counter.
meta buscadores de ruta Un finder retornado por una búsqueda de sys.meta_path. Los meta buscadores de
ruta están relacionados a buscadores de entradas de rutas, pero son algo diferente.
Vea en importlib.abc.MetaPathFinder los métodos que los meta buscadores de ruta implementan.
metaclase La clase de una clase. Las definiciones de clases crean nombres de clase, un diccionario de clase, y una
lista de clases base. Las metaclases son responsables de tomar estos tres argumentos y crear la clase. La mayo-
ría de los objetos de un lenguaje de programación orientado a objetos provienen de una implementación por
defecto. Lo que hace a Python especial que es posible crear metaclases a medida. La mayoría de los usuario
nunca necesitarán esta herramienta, pero cuando la necesidad surge, las metaclases pueden brindar soluciones
poderosas y elegantes. Han sido usadas para loggear acceso de atributos, agregar seguridad a hilos, rastrear la
creación de objetos, implementar singletons, y muchas otras tareas.
Más información hallará en metaclasses.
método Una función que es definida dentro del cuerpo de una clase. Si es llamada como un atributo de una ins-
tancia de otra clase, el método tomará el objeto instanciado como su primer argument (el cual es usualmente
denominado self). Vea function y nested scope.
orden de resolución de métodos Orden de resolución de métodos es el orden en el cual una clase base es busca-
da por un miembro durante la búsqueda. Mire en The Python 2.3 Method Resolution Order los detalles del
algoritmo usado por el intérprete Python desde la versión 2.3.
módulo Un objeto que sirve como unidad de organización del código Python. Los módulos tienen espacios de nom-
bres conteniendo objetos Python arbitrarios. Los módulos son cargados en Python por el proceso de importing.
Vea también package.
especificador de módulo Un espacio de nombres que contiene la información relacionada a la importación usada al
leer un módulo. Una instancia de importlib.machinery.ModuleSpec.
MRO Vea method resolution order.
mutable Los objetos mutables pueden cambiar su valor pero mantener su id(). Vea también immutable.
tupla nombrada La denominación «tupla nombrada» se aplica a cualquier tipo o clase que hereda de una tupla y
cuyos elementos indexables son también accesibles usando atributos nombrados. Este tipo o clase puede tener
además otras capacidades.
Varios tipos incorporados son tuplas nombradas, incluyendo los valores retornados por time.localtime()
y os.stat(). Otro ejemplo es sys.float_info:
>>> sys.float_info[1] # indexed access

1024
>>> sys.float_info.max_exp # named field access
1024
>>> isinstance(sys.float_info, tuple) # kind of tuple
True
Algunas tuplas nombradas con tipos incorporados (como en los ejemplo precedentes). También puede ser crea-
da con una definición regular de clase que hereda de la clase tuple y que define campos nombrados. Una clase
129
como esta puede ser hechas personalizadamente o puede ser creada con la función factoría collections.
namedtuple(). Esta última técnica automáticamente brinda métodos adicionales que pueden no estar pre-
sentes en las tuplas nombradas personalizadas o incorporadas.
espacio de nombres El lugar donde la variable es almacenada. Los espacios de nombres son implementados como
diccionarios. Hay espacio de nombre local, global, e incorporado así como espacios de nombres anidados en
objetos (en métodos). Los espacios de nombres soportan modularidad previniendo conflictos de nombramiento.
Por ejemplo, las funciones builtins.open y os.open() se distinguen por su espacio de nombres. Los
espacios de nombres también ayuda a la legibilidad y mantenibilidad dejando claro qué módulo implementa
una función. Por ejemplo, escribiendo random.seed() o itertools.islice() queda claro que éstas
funciones están implementadas en los módulos random y itertools, respectivamente.
paquete de espacios de nombres Un PEP 420 package que sirve sólo para contener subpaquetes. Los paquetes de
espacios de nombres pueden no tener representación física, y específicamente se diferencian de los regular
package porque no tienen un archivo __init__.py.
Vea también module.
alcances anidados La habilidad de referirse a una variable dentro de una definición encerrada. Por ejemplo, una
función definida dentro de otra función puede referir a variables en la función externa. Note que los alcances
anidados por defecto sólo funcionan para referencia y no para asignación. Las variables locales leen y escriben
sólo en el alcance más interno. De manera semejante, las variables globales pueden leer y escribir en el espacio
de nombres global. Con nonlocal se puede escribir en alcances exteriores.
clase de nuevo estilo Old name for the flavor of classes now used for all class objects. In earlier Python versions,
only new-style classes could use Python’s newer, versatile features like __slots__, descriptors, properties,
__getattribute__(), class methods, and static methods.
objeto Cualquier dato con estado (atributo o valor) y comportamiento definido (métodos). También es la más básica
clase base para cualquier new-style class.
paquete Un module Python que puede contener submódulos o recursivamente, subpaquetes. Técnicamente, un pa-
quete es un módulo Python con un atributo __path__.
Vea también regular package y namespace package.
parámetro Una entidad nombrada en una definición de una function (o método) que especifica un argument (o en
algunos casos, varios argumentos) que la función puede aceptar. Existen cinco tipos de argumentos:
• posicional o nombrado: especifica un argumento que puede ser pasado tanto como posicional o como
nombrado. Este es el tipo por defecto de parámetro, como foo y bar en el siguiente ejemplo:
def func(foo, bar=None): ...
• sólo posicional: especifica un argumento que puede ser pasado sólo por posición. Los parámetros sólo
posicionales pueden ser definidos incluyendo un carácter / en la lista de parámetros de la función después
de ellos, como posonly1 y posonly2 en el ejemplo que sigue:
def func(posonly1, posonly2, /, positional_or_keyword): ...
• sólo nombrado: especifica un argumento que sólo puede ser pasado por nombre. Los parámetros sólo por
nombre pueden ser definidos incluyendo un parámetro posicional de una sola variable o un simple *`
antes de ellos en la lista de parámetros en la definición de la función, como kw_only1 y kw_only2 en el
ejemplo siguiente:
def func(arg, *, kw_only1, kw_only2): ...
• variable posicional: especifica una secuencia arbitraria de argumentos posicionales que pueden ser brin-
dados (además de cualquier argumento posicional aceptado por otros parámetros). Este parámetro puede
ser definido anteponiendo al nombre del parámetro *, como a args en el siguiente ejemplo:
def func(*args, **kwargs): ...

• variable nombrado: especifica que arbitrariamente muchos argumentos nombrados pueden ser brindados
(además de cualquier argumento nombrado ya aceptado por cualquier otro parámetro). Este parámetro
puede ser definido anteponiendo al nombre del parámetro con **, como kwargs en el ejemplo precedente.
Los parámetros puede especificar tanto argumentos opcionales como requeridos, así como valores por defecto
para algunos argumentos opcionales.
Vea también el glosario de argument, la pregunta respondida en la diferencia entre argumentos y parámetros,
la clase inspect.Parameter, la sección function , y PEP 362.
entrada de ruta Una ubicación única en el import path que el path based finder consulta para encontrar los módulos
a importar.
buscador de entradas de ruta Un finder retornado por un invocable en sys.path_hooks (esto es, un path entry
hook) que sabe cómo localizar módulos dada una path entry.
Vea en importlib.abc.PathEntryFinder los métodos que los buscadores de entradas de ruta im-
plementan.
gancho a entrada de ruta A callable on the sys.path_hooks list which returns a path entry finder if it knows
how to find modules on a specific path entry.
buscador basado en ruta Uno de los meta buscadores de ruta por defecto que busca un import path para los mó-
dulos.
objeto tipo ruta Un objeto que representa una ruta del sistema de archivos. Un objeto tipo ruta puede ser tanto una
str como un bytes representando una ruta, o un objeto que implementa el protocolo os.PathLike. Un
objeto que soporta el protocolo os.PathLike puede ser convertido a ruta del sistema de archivo de clase
str o bytes usando la función os.fspath(); os.fsdecode() os.fsencode() pueden emplearse
para garantizar que retorne respectivamente str o bytes. Introducido por PEP 519.
PEP Propuesta de mejora de Python, del inglés Python Enhancement Proposal. Un PEP es un documento de diseño
que brinda información a la comunidad Python, o describe una nueva capacidad para Python, sus procesos o
entorno. Los PEPs deberían dar una especificación técnica concisa y una fundamentación para las capacidades
propuestas.
Los PEPs tienen como propósito ser los mecanismos primarios para proponer nuevas y mayores capacidad,
para recoger la opinión de la comunidad sobre un tema, y para documentar las decisiones de diseño que se han
hecho en Python. El autor del PEP es el responsable de lograr consenso con la comunidad y documentar las
opiniones disidentes.
Vea PEP 1.
porción Un conjunto de archivos en un único directorio (posiblemente guardo en un archivo comprimido zip) que
contribuye a un espacio de nombres de paquete, como está definido en PEP 420.
argumento posicional Vea argument.
API provisional Una API provisoria es aquella que deliberadamente fue excluida de las garantías de compatibilidad
hacia atrás de la biblioteca estándar. Aunque no se esperan cambios fundamentales en dichas interfaces, como
están marcadas como provisionales, los cambios incompatibles hacia atrás (incluso remover la misma interfaz)
podrían ocurrir si los desarrolladores principales lo estiman. Estos cambios no se hacen gratuitamente – solo
ocurrirán si fallas fundamentales y serias son descubiertas que no fueron vistas antes de la inclusión de la API.
Incluso para APIs provisorias, los cambios incompatibles hacia atrás son vistos como una «solución de último
recurso» - se intentará todo para encontrar una solución compatible hacia atrás para los problemas identificados.
Este proceso permite que la biblioteca estándar continúe evolucionando con el tiempo, sin bloquearse por
errores de diseño problemáticos por períodos extensos de tiempo. Vea PEP 411 para más detalles.
paquete provisorio Vea provisional API.
Python 3000 Apodo para la fecha de lanzamiento de Python 3.x (acuñada en un tiempo cuando llegar a la versión
3 era algo distante en el futuro.) También se lo abrevió como Py3k.
Pythónico Una idea o pieza de código que sigue ajustadamente la convenciones idiomáticas comunes del lenguaje
Python, en vez de implementar código usando conceptos comunes a otros lenguajes. Por ejemplo, una conven-
ción común en Python es hacer bucles sobre todos los elementos de un iterable con la sentencia for. Muchos
131
otros lenguajes no tienen este tipo de construcción, así que los que no están familiarizados con Python podrían
usar contadores numéricos:
for i in range(len(food)):
print(food[i])
En contraste, un método Pythónico más limpio:
for piece in food:

print(piece)
nombre calificado Un nombre con puntos mostrando la ruta desde el alcance global del módulo a la clase, función o
método definido en dicho módulo, como se define en PEP 3155. Para las funciones o clases de más alto nivel,
el nombre calificado es el igual al nombre del objeto:
>>> class C:
... class D:
... def meth(self):
... pass
...
>>> C.__qualname__
'C'
>>> C.D.__qualname__
'C.D'
>>> C.D.meth.__qualname__
'C.D.meth'
Cuando es usado para referirse a los módulos, nombre completamente calificado significa la ruta con puntos
completo al módulo, incluyendo cualquier paquete padre, por ejemplo, email.mime.text:
>>> import email.mime.text

>>> email.mime.text.__name__
'email.mime.text'
contador de referencias El número de referencias a un objeto. Cuando el contador de referencias de un objeto cae
hasta cero, éste se desaloja. Algunos objetos son «inmortales» y tienen recuentos de referencias que nunca se
modifican, y por lo tanto los objetos nunca son desalojan. El conteo de referencias generalmente no es visible
para el código Python, pero es un elemento clave de la implementación de CPython. Los programadores pueden
llamar a la función sys.getrefcount() para obtener el número de referencias de un objeto concreto.
paquete regular Un package tradicional, como aquellos con un directorio conteniendo el archivo __init__.py.
Vea también namespace package.
__slots__ Es una declaración dentro de una clase que ahorra memoria predeclarando espacio para las atributos de la
instancia y eliminando diccionarios de la instancia. Aunque es popular, esta técnica es algo dificultosa de lograr
correctamente y es mejor reservarla para los casos raros en los que existen grandes cantidades de instancias en
aplicaciones con uso crítico de memoria.
secuencia An iterable which supports efficient element access using integer indices via the __getitem__() spe-
cial method and defines a __len__() method that returns the length of the sequence. Some built-in se-
quence types are list, str, tuple, and bytes. Note that dict also supports __getitem__() and
__len__(), but is considered a mapping rather than a sequence because the lookups use arbitrary immutable
keys rather than integers.
The collections.abc.Sequence abstract base class defines a much richer interface that goes be-
yond just __getitem__() and __len__(), adding count(), index(), __contains__(), and
__reversed__(). Types that implement this expanded interface can be registered explicitly using
register().
comprensión de conjuntos Una forma compacta de procesar todos o parte de los elementos en un iterable y retor-
nar un conjunto con los resultados. results = {c for c in 'abracadabra' if c not in
'abc'} genera el conjunto de cadenas {'r', 'd'}. Ver comprehensions.

despacho único Una forma de despacho de una generic function donde la implementación es elegida a partir del tipo
de un sólo argumento.
rebanada Un objeto que contiene una porción de una sequence. Una rebanada es creada usando la no-
tación de suscripto, [] con dos puntos entre los números cuando se ponen varios, como en
nombre_variable[1:3:5]. La notación con corchete (suscrito) usa internamente objetos slice.
método especial Un método que es llamado implícitamente por Python cuando ejecuta ciertas operaciones en un
tipo, como la adición. Estos métodos tienen nombres que comienzan y terminan con doble barra baja. Los
métodos especiales están documentados en specialnames.
sentencia Una sentencia es parte de un conjunto (un «bloque» de código). Una sentencia tanto es una expression
como alguna de las varias sintaxis usando una palabra clave, como if, while o for.
static type checker An external tool that reads Python code and analyzes it, looking for issues such as incorrect
types. See also type hints and the typing module.
referencia fuerte En la API de C de Python, una referencia fuerte es una referencia a un objeto que es propiedad del
código que mantiene la referencia. La referencia fuerte se toma llamando a Py_INCREF() cuando se crea la
referencia y se libera con Py_DECREF() cuando se elimina la referencia.
La función Py_NewRef() se puede utilizar para crear una referencia fuerte a un objeto. Por lo general, se
debe llamar a la función Py_DECREF() en la referencia fuerte antes de salir del alcance de la referencia
fuerte, para evitar filtrar una referencia.
Consulte también borrowed reference.
codificación de texto Una cadena de caracteres en Python es una secuencia de puntos de código Unicode (en el
rango U+0000–U+10FFFF). Para almacenar o transferir una cadena de caracteres, es necesario serializarla
como una secuencia de bytes.
La serialización de una cadena de caracteres en una secuencia de bytes se conoce como «codificación», y la
recreación de la cadena de caracteres a partir de la secuencia de bytes se conoce como «decodificación».
Existe una gran variedad de serializaciones de texto codecs, que se denominan colectivamente «codificaciones
de texto».
archivo de texto Un file object capaz de leer y escribir objetos str. Frecuentemente, un archivo de texto también
accede a un flujo de datos binario y maneja automáticamente el text encoding. Ejemplos de archivos de texto que
son abiertos en modo texto ('r' o 'w'), sys.stdin, sys.stdout, y las instancias de io.StringIO.
Vea también binary file por objeto de archivos capaces de leer y escribir objeto tipo binario.
cadena con triple comilla Una cadena que está enmarcada por tres instancias de comillas (») o apostrofes (“). Aun-
que no brindan ninguna funcionalidad que no está disponible usando cadenas con comillas simple, son útiles
por varias razones. Permiten incluir comillas simples o dobles sin escapar dentro de las cadenas y pueden abar-
car múltiples líneas sin el uso de caracteres de continuación, haciéndolas particularmente útiles para escribir
docstrings.
tipo El tipo de un objeto Python determina qué tipo de objeto es; cada objeto tiene un tipo. El tipo de un objeto
puede ser accedido por su atributo __class__ o puede ser conseguido usando type(obj).
alias de tipos Un sinónimo para un tipo, creado al asignar un tipo a un identificador.
Los alias de tipos son útiles para simplificar los indicadores de tipo. Por ejemplo:
def remove_gray_shades(
colors: list[tuple[int, int, int]]) -> list[tuple[int, int, int]]:
pass
podría ser más legible así:
Color = tuple[int, int, int]
def remove_gray_shades(colors: list[Color]) -> list[Color]:

pass
133
Vea typing y PEP 484, que describen esta funcionalidad.

indicador de tipo Una annotation que especifica el tipo esperado para una variable, un atributo de clase, un pará-
metro para una función o un valor de retorno.
Type hints are optional and are not enforced by Python but they are useful to static type checkers. They can also
aid IDEs with code completion and refactoring.
Los indicadores de tipo de las variables globales, atributos de clase, y funciones, no de variables locales, pueden
ser accedidos usando typing.get_type_hints().
Vea typing y PEP 484, que describen esta funcionalidad.
saltos de líneas universales Una manera de interpretar flujos de texto en la cual son reconocidos como finales
de línea todas siguientes formas: la convención de Unix para fin de línea '\n', la convención de Win-
dows '\r\n', y la vieja convención de Macintosh '\r'. Vea PEP 278 y PEP 3116, además de bytes.
splitlines() para usos adicionales.
anotación de variable Una annotation de una variable o un atributo de clase.
Cuando se anota una variable o un atributo de clase, la asignación es opcional:
class C:
field: 'annotation'
Las anotaciones de variables son frecuentemente usadas para type hints: por ejemplo, se espera que esta variable
tenga valores de clase int:
count: int = 0
La sintaxis de la anotación de variables está explicada en la sección annassign.

Consulte function annotation, PEP 484 y PEP 526, que describen esta funcionalidad. Consulte también
annotations-howto para conocer las mejores prácticas sobre cómo trabajar con anotaciones.
entorno virtual Un entorno cooperativamente aislado de ejecución que permite a los usuarios de Python y a las
aplicaciones instalar y actualizar paquetes de distribución de Python sin interferir con el comportamiento de
otras aplicaciones de Python en el mismo sistema.
Vea también venv.
máquina virtual Una computadora definida enteramente por software. La máquina virtual de Python ejecuta el
bytecode generado por el compilador de bytecode.
Zen de Python Un listado de los principios de diseño y la filosofía de Python que son útiles para entender y usar el
lenguaje. El listado puede encontrarse ingresando «import this» en la consola interactiva.

APÉNDICE B
Acerca de estos documentos
Estos documentos son generados por reStructuredText desarrollado por Sphinx, un procesador de documentos espe-
cíficamente escrito para la documentación de Python.
El desarrollo de la documentación y su cadena de herramientas es un esfuerzo enteramente voluntario, al igual que
Python. Si tu quieres contribuir, por favor revisa la página reporting-bugs para más información de cómo hacerlo.
Los nuevos voluntarios son siempre bienvenidos!
Agradecemos a:
• Fred L. Drake, Jr., el creador original de la documentación del conjunto de herramientas de Python y escritor
de gran parte del contenido;
• el proyecto Docutils para creación de reStructuredText y la suite Docutils;
• Fredrik Lundh por su proyecto Referencia Alternativa de Python del que Sphinx obtuvo muchas buenas ideas.
B.1 Contribuidores de la documentación de Python
Muchas personas han contribuido para el lenguaje de Python, la librería estándar de Python, y la documentación de
Python. Revisa Misc/ACKS la distribución de Python para una lista parcial de contribuidores.
Es solamente con la aportación y contribuciones de la comunidad de Python que Python tiene tan fantástica docu-
mentación – Muchas gracias!
135
136 Apéndice B. Acerca de estos documentos

APÉNDICE C
Historia y Licencia
C.1 Historia del software
Python fue creado a principios de la década de 1990 por Guido van Rossum en Stichting Mathematisch Centrum
(CWI, ver https://www.cwi.nl/) en los Países Bajos como sucesor de un idioma llamado ABC. Guido sigue siendo el
autor principal de Python, aunque incluye muchas contribuciones de otros.
En 1995, Guido continuó su trabajo en Python en la Corporation for National Research Initiatives (CNRI, consulte
https://www.cnri.reston.va.us/) en Reston, Virginia, donde lanzó varias versiones del software.
En mayo de 2000, Guido y el equipo de desarrollo central de Python se trasladaron a BeOpen.com para formar el
equipo de BeOpen PythonLabs. En octubre del mismo año, el equipo de PythonLabs se trasladó a Digital Creations
(ahora Zope Corporation; consulte https://www.zope.org/). En 2001, se formó la Python Software Foundation (PSF,
consulte https://www.python.org/psf/), una organización sin fines de lucro creada específicamente para poseer la
propiedad intelectual relacionada con Python. Zope Corporation es miembro patrocinador del PSF.
Todas las versiones de Python son de código abierto (consulte https://opensource.org/ para conocer la definición de
código abierto). Históricamente, la mayoría de las versiones de Python, pero no todas, también han sido compatibles
con GPL; la siguiente tabla resume las distintas versiones.
Lanzamiento Derivado de Año Dueño/a ¿compatible con GPL?

0.9.0 hasta 1.2 n/a 1991-1995 CWI sí
1.3 hasta 1.5.2 1.2 1995-1999 CNRI sí
1.6 1.5.2 2000 CNRI no
2.0 1.6 2000 BeOpen.com no
1.6.1 1.6 2001 CNRI no
2.1 2.0+1.6.1 2001 PSF no
2.0.1 2.0+1.6.1 2001 PSF sí
2.1.1 2.1+2.0.1 2001 PSF sí
2.1.2 2.1.1 2002 PSF sí
2.1.3 2.1.2 2002 PSF sí
2.2 y superior 2.1.1 2001-ahora PSF sí
Nota: Compatible con GPL no significa que estemos distribuyendo Python bajo la GPL. Todas las licencias de
Python, a diferencia de la GPL, le permiten distribuir una versión modificada sin que los cambios sean de código
137
abierto. Las licencias compatibles con GPL permiten combinar Python con otro software que se publica bajo la GPL;
los otros no lo hacen.
Gracias a los muchos voluntarios externos que han trabajado bajo la dirección de Guido para hacer posibles estos
lanzamientos.
C.2 Términos y condiciones para acceder o usar Python
El software y la documentación de Python están sujetos a Acuerdo de licencia de PSF.

A partir de Python 3.8.6, los ejemplos, recetas y otros códigos de la documentación tienen licencia doble según el
Acuerdo de licencia de PSF y la Licencia BSD de cláusula cero.
Parte del software incorporado en Python está bajo diferentes licencias. Las licencias se enumeran con el código
correspondiente a esa licencia. Consulte Licencias y reconocimientos para software incorporado para obtener una lista
incompleta de estas licencias.
C.2.1 ACUERDO DE LICENCIA DE PSF PARA PYTHON | lanzamiento |
1. This LICENSE AGREEMENT is between the Python Software Foundation␣

,→("PSF"), and
the Individual or Organization ("Licensee") accessing and otherwise␣

,→using Python
3.12.1 software in source or binary form and its associated␣

,→documentation.
2. Subject to the terms and conditions of this License Agreement, PSF␣

,→hereby
grants Licensee a nonexclusive, royalty-free, world-wide license to␣

,→reproduce,
analyze, test, perform and/or display publicly, prepare derivative␣

,→works,
distribute, and otherwise use Python 3.12.1 alone or in any derivative

version, provided, however, that PSF's License Agreement and PSF's␣
,→notice of
copyright, i.e., "Copyright © 2001-2023 Python Software Foundation; All␣

,→Rights
Reserved" are retained in Python 3.12.1 alone or in any derivative␣

,→version
prepared by Licensee.
3. In the event Licensee prepares a derivative work that is based on or

incorporates Python 3.12.1 or any part thereof, and wants to make the
derivative work available to others as provided herein, then Licensee␣
,→hereby
agrees to include in any such work a brief summary of the changes made␣
,→to Python
3.12.1.
4. PSF is making Python 3.12.1 available to Licensee on an "AS IS" basis.

PSF MAKES NO REPRESENTATIONS OR WARRANTIES, EXPRESS OR IMPLIED. BY WAY␣
,→OF
EXAMPLE, BUT NOT LIMITATION, PSF MAKES NO AND DISCLAIMS ANY␣

,→REPRESENTATION OR
WARRANTY OF MERCHANTABILITY OR FITNESS FOR ANY PARTICULAR PURPOSE OR␣

,→THAT THE
138 Apéndice C. Historia y Licencia

USE OF PYTHON 3.12.1 WILL NOT INFRINGE ANY THIRD PARTY RIGHTS.
5. PSF SHALL NOT BE LIABLE TO LICENSEE OR ANY OTHER USERS OF PYTHON 3.12.1
FOR ANY INCIDENTAL, SPECIAL, OR CONSEQUENTIAL DAMAGES OR LOSS AS A␣
,→RESULT OF
MODIFYING, DISTRIBUTING, OR OTHERWISE USING PYTHON 3.12.1, OR ANY␣

,→DERIVATIVE
THEREOF, EVEN IF ADVISED OF THE POSSIBILITY THEREOF.
6. This License Agreement will automatically terminate upon a material␣

,→breach of
its terms and conditions.
7. Nothing in this License Agreement shall be deemed to create any␣

,→relationship
of agency, partnership, or joint venture between PSF and Licensee. ␣

,→This License
Agreement does not grant permission to use PSF trademarks or trade name␣
,→in a
trademark sense to endorse or promote products or services of Licensee,␣

,→or any
third party.
8. By copying, installing or otherwise using Python 3.12.1, Licensee agrees

to be bound by the terms and conditions of this License Agreement.
C.2.2 ACUERDO DE LICENCIA DE BEOPEN.COM PARA PYTHON 2.0
ACUERDO DE LICENCIA DE CÓDIGO ABIERTO DE BEOPEN PYTHON VERSIÓN 1

1. This LICENSE AGREEMENT is between BeOpen.com ("BeOpen"), having an office at
160 Saratoga Avenue, Santa Clara, CA 95051, and the Individual or Organization
("Licensee") accessing and otherwise using this software in source or binary
form and its associated documentation ("the Software").
2. Subject to the terms and conditions of this BeOpen Python License Agreement,
BeOpen hereby grants Licensee a non-exclusive, royalty-free, world-wide license
to reproduce, analyze, test, perform and/or display publicly, prepare derivative
works, distribute, and otherwise use the Software alone or in any derivative
version, provided, however, that the BeOpen Python License is retained in the
Software, alone or in any derivative version prepared by Licensee.
3. BeOpen is making the Software available to Licensee on an "AS IS" basis.

BEOPEN MAKES NO REPRESENTATIONS OR WARRANTIES, EXPRESS OR IMPLIED. BY WAY OF
EXAMPLE, BUT NOT LIMITATION, BEOPEN MAKES NO AND DISCLAIMS ANY REPRESENTATION OR
WARRANTY OF MERCHANTABILITY OR FITNESS FOR ANY PARTICULAR PURPOSE OR THAT THE
USE OF THE SOFTWARE WILL NOT INFRINGE ANY THIRD PARTY RIGHTS.
4. BEOPEN SHALL NOT BE LIABLE TO LICENSEE OR ANY OTHER USERS OF THE SOFTWARE FOR
ANY INCIDENTAL, SPECIAL, OR CONSEQUENTIAL DAMAGES OR LOSS AS A RESULT OF USING,
MODIFYING OR DISTRIBUTING THE SOFTWARE, OR ANY DERIVATIVE THEREOF, EVEN IF
ADVISED OF THE POSSIBILITY THEREOF.
5. This License Agreement will automatically terminate upon a material breach of

6. This License Agreement shall be governed by and interpreted in all respects

by the law of the State of California, excluding conflict of law provisions.
Nothing in this License Agreement shall be deemed to create any relationship of
C.2. Términos y condiciones para acceder o usar Python 139


agency, partnership, or joint venture between BeOpen and Licensee. This License
Agreement does not grant permission to use BeOpen trademarks or trade names in a
trademark sense to endorse or promote products or services of Licensee, or any
third party. As an exception, the "BeOpen Python" logos available at
http://www.pythonlabs.com/logos.html may be used according to the permissions
granted on that web page.
7. By copying, installing or otherwise using the software, Licensee agrees to be

bound by the terms and conditions of this License Agreement.
C.2.3 ACUERDO DE LICENCIA CNRI PARA PYTHON 1.6.1
1. This LICENSE AGREEMENT is between the Corporation for National Research

Initiatives, having an office at 1895 Preston White Drive, Reston, VA 20191
("CNRI"), and the Individual or Organization ("Licensee") accessing and
otherwise using Python 1.6.1 software in source or binary form and its
associated documentation.
2. Subject to the terms and conditions of this License Agreement, CNRI hereby
grants Licensee a nonexclusive, royalty-free, world-wide license to reproduce,
analyze, test, perform and/or display publicly, prepare derivative works,
distribute, and otherwise use Python 1.6.1 alone or in any derivative version,
provided, however, that CNRI's License Agreement and CNRI's notice of copyright,
i.e., "Copyright © 1995-2001 Corporation for National Research Initiatives; All
Rights Reserved" are retained in Python 1.6.1 alone or in any derivative version
prepared by Licensee. Alternately, in lieu of CNRI's License Agreement,
Licensee may substitute the following text (omitting the quotes): "Python 1.6.1
is made available subject to the terms and conditions in CNRI's License
Agreement. This Agreement together with Python 1.6.1 may be located on the
internet using the following unique, persistent identifier (known as a handle):
1895.22/1013. This Agreement may also be obtained from a proxy server on the
internet using the following URL: http://hdl.handle.net/1895.22/1013."
3. In the event Licensee prepares a derivative work that is based on or

incorporates Python 1.6.1 or any part thereof, and wants to make the derivative
work available to others as provided herein, then Licensee hereby agrees to
include in any such work a brief summary of the changes made to Python 1.6.1.
4. CNRI is making Python 1.6.1 available to Licensee on an "AS IS" basis. CNRI
MAKES NO REPRESENTATIONS OR WARRANTIES, EXPRESS OR IMPLIED. BY WAY OF EXAMPLE,
BUT NOT LIMITATION, CNRI MAKES NO AND DISCLAIMS ANY REPRESENTATION OR WARRANTY
OF MERCHANTABILITY OR FITNESS FOR ANY PARTICULAR PURPOSE OR THAT THE USE OF
PYTHON 1.6.1 WILL NOT INFRINGE ANY THIRD PARTY RIGHTS.
5. CNRI SHALL NOT BE LIABLE TO LICENSEE OR ANY OTHER USERS OF PYTHON 1.6.1 FOR
ANY INCIDENTAL, SPECIAL, OR CONSEQUENTIAL DAMAGES OR LOSS AS A RESULT OF
MODIFYING, DISTRIBUTING, OR OTHERWISE USING PYTHON 1.6.1, OR ANY DERIVATIVE
THEREOF, EVEN IF ADVISED OF THE POSSIBILITY THEREOF.
6. This License Agreement will automatically terminate upon a material breach of

7. This License Agreement shall be governed by the federal intellectual property

law of the United States, including without limitation the federal copyright
law, and, to the extent such U.S. federal law does not apply, by the law of the
Commonwealth of Virginia, excluding Virginia's conflict of law provisions.
Notwithstanding the foregoing, with regard to derivative works based on Python
1.6.1 that incorporate non-separable material that was previously distributed
under the GNU General Public License (GPL), the law of the Commonwealth of


Virginia shall govern this License Agreement only as to issues arising under or
with respect to Paragraphs 4, 5, and 7 of this License Agreement. Nothing in
this License Agreement shall be deemed to create any relationship of agency,
partnership, or joint venture between CNRI and Licensee. This License Agreement
does not grant permission to use CNRI trademarks or trade name in a trademark
sense to endorse or promote products or services of Licensee, or any third
party.
8. By clicking on the "ACCEPT" button where indicated, or by copying, installing

or otherwise using Python 1.6.1, Licensee agrees to be bound by the terms and
conditions of this License Agreement.
C.2.4 ACUERDO DE LICENCIA CWI PARA PYTHON 0.9.0 HASTA 1.2
Copyright © 1991 - 1995, Stichting Mathematisch Centrum Amsterdam, The

Netherlands. All rights reserved.
Permission to use, copy, modify, and distribute this software and its
documentation for any purpose and without fee is hereby granted, provided that
the above copyright notice appear in all copies and that both that copyright
notice and this permission notice appear in supporting documentation, and that
the name of Stichting Mathematisch Centrum or CWI not be used in advertising or
publicity pertaining to distribution of the software without specific, written
prior permission.
STICHTING MATHEMATISCH CENTRUM DISCLAIMS ALL WARRANTIES WITH REGARD TO THIS

SOFTWARE, INCLUDING ALL IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS, IN NO
EVENT SHALL STICHTING MATHEMATISCH CENTRUM BE LIABLE FOR ANY SPECIAL, INDIRECT
OR CONSEQUENTIAL DAMAGES OR ANY DAMAGES WHATSOEVER RESULTING FROM LOSS OF USE,
DATA OR PROFITS, WHETHER IN AN ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS
ACTION, ARISING OUT OF OR IN CONNECTION WITH THE USE OR PERFORMANCE OF THIS
SOFTWARE.
C.2.5 LICENCIA BSD DE CLÁUSULA CERO PARA CÓDIGO EN EL PYTHON |

lanzamiento | DOCUMENTACIÓN
Permission to use, copy, modify, and/or distribute this software for any
purpose with or without fee is hereby granted.
THE SOFTWARE IS PROVIDED "AS IS" AND THE AUTHOR DISCLAIMS ALL WARRANTIES WITH
REGARD TO THIS SOFTWARE INCLUDING ALL IMPLIED WARRANTIES OF MERCHANTABILITY
AND FITNESS. IN NO EVENT SHALL THE AUTHOR BE LIABLE FOR ANY SPECIAL, DIRECT,
INDIRECT, OR CONSEQUENTIAL DAMAGES OR ANY DAMAGES WHATSOEVER RESULTING FROM
LOSS OF USE, DATA OR PROFITS, WHETHER IN AN ACTION OF CONTRACT, NEGLIGENCE OR
OTHER TORTIOUS ACTION, ARISING OUT OF OR IN CONNECTION WITH THE USE OR
PERFORMANCE OF THIS SOFTWARE.
C.2. Términos y condiciones para acceder o usar Python 141

C.3 Licencias y reconocimientos para software incorporado
Esta sección es una lista incompleta, pero creciente, de licencias y reconocimientos para software de terceros incor-
porado en la distribución de Python.
C.3.1 Mersenne Twister
La extensión C _random subyacente al módulo random incluye código basado en una descarga de http://www.
math.sci.hiroshima-u.ac.jp/~m-mat/MT/MT2002/emt19937ar.html. Los siguientes son los comentarios textuales
del código original:
A C-program for MT19937, with initialization improved 2002/1/26.

Coded by Takuji Nishimura and Makoto Matsumoto.
Before using, initialize the state by using init_genrand(seed)

or init_by_array(init_key, key_length).
Copyright (C) 1997 - 2002, Makoto Matsumoto and Takuji Nishimura,

All rights reserved.
Redistribution and use in source and binary forms, with or without

modification, are permitted provided that the following conditions
are met:
1. Redistributions of source code must retain the above copyright

notice, this list of conditions and the following disclaimer.
2. Redistributions in binary form must reproduce the above copyright

notice, this list of conditions and the following disclaimer in the
documentation and/or other materials provided with the distribution.
3. The names of its contributors may not be used to endorse or promote

products derived from this software without specific prior written
permission.
THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS

"AS IS" AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT
LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR
A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT OWNER OR
CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL,
EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO,
PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR
PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF
LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING
NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF THIS
SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.
Any feedback is very welcome.

http://www.math.sci.hiroshima-u.ac.jp/~m-mat/MT/emt.html
email: m-mat @ math.sci.hiroshima-u.ac.jp (remove space)

C.3.2 Sockets
El módulo socket usa las funciones, getaddrinfo(), y getnameinfo(), que están codificadas en archivos
fuente separados del Proyecto WIDE, http://www.wide.ad.jp /.
Copyright (C) 1995, 1996, 1997, and 1998 WIDE Project.


are met:
3. Neither the name of the project nor the names of its contributors
may be used to endorse or promote products derived from this software
without specific prior written permission.
THIS SOFTWARE IS PROVIDED BY THE PROJECT AND CONTRIBUTORS `ÀS IS'' AND
ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE
ARE DISCLAIMED. IN NO EVENT SHALL THE PROJECT OR CONTRIBUTORS BE LIABLE
FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL
DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS
OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION)
HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT
LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY
OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF
SUCH DAMAGE.
C.3.3 Servicios de socket asincrónicos
Los módulos test.support.asynchat y test.support.asyncore contienen el siguiente aviso:
Copyright 1996 by Sam Rushing
All Rights Reserved
Permission to use, copy, modify, and distribute this software and

its documentation for any purpose and without fee is hereby
granted, provided that the above copyright notice appear in all
copies and that both that copyright notice and this permission
notice appear in supporting documentation, and that the name of Sam
Rushing not be used in advertising or publicity pertaining to
distribution of the software without specific, written prior
permission.
SAM RUSHING DISCLAIMS ALL WARRANTIES WITH REGARD TO THIS SOFTWARE,

INCLUDING ALL IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS, IN
NO EVENT SHALL SAM RUSHING BE LIABLE FOR ANY SPECIAL, INDIRECT OR
CONSEQUENTIAL DAMAGES OR ANY DAMAGES WHATSOEVER RESULTING FROM LOSS
OF USE, DATA OR PROFITS, WHETHER IN AN ACTION OF CONTRACT,
NEGLIGENCE OR OTHER TORTIOUS ACTION, ARISING OUT OF OR IN
CONNECTION WITH THE USE OR PERFORMANCE OF THIS SOFTWARE.
C.3. Licencias y reconocimientos para software incorporado 143

C.3.4 Gestión de cookies
El módulo http.cookies contiene el siguiente aviso:
Copyright 2000 by Timothy O'Malley <[email protected]>
All Rights Reserved
Permission to use, copy, modify, and distribute this software

and its documentation for any purpose and without fee is hereby
granted, provided that the above copyright notice appear in all
copies and that both that copyright notice and this permission
notice appear in supporting documentation, and that the name of
Timothy O'Malley not be used in advertising or publicity
pertaining to distribution of the software without specific, written
prior permission.
Timothy O'Malley DISCLAIMS ALL WARRANTIES WITH REGARD TO THIS

SOFTWARE, INCLUDING ALL IMPLIED WARRANTIES OF MERCHANTABILITY
AND FITNESS, IN NO EVENT SHALL Timothy O'Malley BE LIABLE FOR
ANY SPECIAL, INDIRECT OR CONSEQUENTIAL DAMAGES OR ANY DAMAGES
WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS,
WHETHER IN AN ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS
ACTION, ARISING OUT OF OR IN CONNECTION WITH THE USE OR
PERFORMANCE OF THIS SOFTWARE.
C.3.5 Seguimiento de ejecución
El módulo trace contiene el siguiente aviso:
portions copyright 2001, Autonomous Zones Industries, Inc., all rights...

err... reserved and offered to the public under the terms of the
Python 2.2 license.
Author: Zooko O'Whielacronx
http://zooko.com/
mailto:[email protected]
Copyright 2000, Mojam Media, Inc., all rights reserved.

Author: Skip Montanaro
Copyright 1999, Bioreason, Inc., all rights reserved.

Author: Andrew Dalke
Copyright 1995-1997, Automatrix, Inc., all rights reserved.

Author: Skip Montanaro
Copyright 1991-1995, Stichting Mathematisch Centrum, all rights reserved.
Permission to use, copy, modify, and distribute this Python software and
its associated documentation for any purpose without fee is hereby
granted, provided that the above copyright notice appears in all copies,
and that both that copyright notice and this permission notice appear in
supporting documentation, and that the name of neither Automatrix,
Bioreason or Mojam Media be used in advertising or publicity pertaining to
distribution of the software without specific, written prior permission.

C.3.6 funciones UUencode y UUdecode
El módulo uu contiene el siguiente aviso:
Copyright 1994 by Lance Ellinghouse

Cathedral City, California Republic, United States of America.
All Rights Reserved
Permission to use, copy, modify, and distribute this software and its
documentation for any purpose and without fee is hereby granted,
provided that the above copyright notice appear in all copies and that
both that copyright notice and this permission notice appear in
supporting documentation, and that the name of Lance Ellinghouse
not be used in advertising or publicity pertaining to distribution
of the software without specific, written prior permission.
LANCE ELLINGHOUSE DISCLAIMS ALL WARRANTIES WITH REGARD TO
THIS SOFTWARE, INCLUDING ALL IMPLIED WARRANTIES OF MERCHANTABILITY AND
FITNESS, IN NO EVENT SHALL LANCE ELLINGHOUSE CENTRUM BE LIABLE
FOR ANY SPECIAL, INDIRECT OR CONSEQUENTIAL DAMAGES OR ANY DAMAGES
WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS, WHETHER IN AN
ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS ACTION, ARISING OUT
OF OR IN CONNECTION WITH THE USE OR PERFORMANCE OF THIS SOFTWARE.
Modified by Jack Jansen, CWI, July 1995:

- Use binascii module to do the actual line-by-line conversion
between ascii and binary. This results in a 1000-fold speedup. The C
version is still 5 times faster, though.
- Arguments more compliant with Python standard
C.3.7 Llamadas a procedimientos remotos XML
El módulo xmlrpc.client contiene el siguiente aviso:
The XML-RPC client interface is
Copyright (c) 1999-2002 by Secret Labs AB

Copyright (c) 1999-2002 by Fredrik Lundh
By obtaining, using, and/or copying this software and/or its

associated documentation, you agree that you have read, understood,
and will comply with the following terms and conditions:
Permission to use, copy, modify, and distribute this software and

its associated documentation for any purpose and without fee is
hereby granted, provided that the above copyright notice appears in
all copies, and that both that copyright notice and this permission
notice appear in supporting documentation, and that the name of
Secret Labs AB or the author not be used in advertising or publicity
pertaining to distribution of the software without specific, written
prior permission.
SECRET LABS AB AND THE AUTHOR DISCLAIMS ALL WARRANTIES WITH REGARD
TO THIS SOFTWARE, INCLUDING ALL IMPLIED WARRANTIES OF MERCHANT-
ABILITY AND FITNESS. IN NO EVENT SHALL SECRET LABS AB OR THE AUTHOR
BE LIABLE FOR ANY SPECIAL, INDIRECT OR CONSEQUENTIAL DAMAGES OR ANY
DAMAGES WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS,
WHETHER IN AN ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS
ACTION, ARISING OUT OF OR IN CONNECTION WITH THE USE OR PERFORMANCE
OF THIS SOFTWARE.

C.3.8 test_epoll
El módulo test.test_epoll contiene el siguiente aviso:
Copyright (c) 2001-2006 Twisted Matrix Laboratories.
Permission is hereby granted, free of charge, to any person obtaining

a copy of this software and associated documentation files (the
"Software"), to deal in the Software without restriction, including
without limitation the rights to use, copy, modify, merge, publish,
distribute, sublicense, and/or sell copies of the Software, and to
permit persons to whom the Software is furnished to do so, subject to
the following conditions:
The above copyright notice and this permission notice shall be

included in all copies or substantial portions of the Software.
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND,

EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF
MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND
NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE
LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION
OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION
WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.
C.3.9 Seleccionar kqueue
El módulo select contiene el siguiente aviso para la interfaz kqueue:
Copyright (c) 2000 Doug White, 2006 James Knight, 2007 Christian Heimes

are met:
THIS SOFTWARE IS PROVIDED BY THE AUTHOR AND CONTRIBUTORS `ÀS IS'' AND
ARE DISCLAIMED. IN NO EVENT SHALL THE AUTHOR OR CONTRIBUTORS BE LIABLE
SUCH DAMAGE.

C.3.10 SipHash24
El archivo Python/pyhash.c contiene la implementación de Marek Majkowski del algoritmo SipHash24 de Dan
Bernstein. Contiene la siguiente nota:
<MIT License>
Copyright (c) 2013 Marek Majkowski <[email protected]>
Permission is hereby granted, free of charge, to any person obtaining a copy

of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:
The above copyright notice and this permission notice shall be included in
all copies or substantial portions of the Software.
</MIT License>
Original location:
https://github.com/majek/csiphash/
Solution inspired by code from:

Samuel Neves (supercop/crypto_auth/siphash24/little)
djb (supercop/crypto_auth/siphash24/little2)
Jean-Philippe Aumasson (https://131002.net/siphash/siphash24.c)
C.3.11 strtod y dtoa
El archivo Python/dtoa.c, que proporciona las funciones de C dtoa y strtod para la conversión de dobles C hacia
y desde cadenas de caracteres, se deriva del archivo del mismo nombre por David M. Gay, actualmente disponible
en https://web.archive.org/web/20220517033456/http://www.netlib.org/fp/dtoa.c. El archivo original, recuperado el
16 de marzo de 2009, contiene el siguiente aviso de licencia y derechos de autor:
/****************************************************************
*
* The author of this software is David M. Gay.
*
* Copyright (c) 1991, 2000, 2001 by Lucent Technologies.
*
* Permission to use, copy, modify, and distribute this software for any
* purpose without fee is hereby granted, provided that this entire notice
* is included in all copies of any software which is or includes a copy
* or modification of this software and in all copies of the supporting
* documentation for such software.
*
* THIS SOFTWARE IS BEING PROVIDED "AS IS", WITHOUT ANY EXPRESS OR IMPLIED
* WARRANTY. IN PARTICULAR, NEITHER THE AUTHOR NOR LUCENT MAKES ANY
* REPRESENTATION OR WARRANTY OF ANY KIND CONCERNING THE MERCHANTABILITY
* OF THIS SOFTWARE OR ITS FITNESS FOR ANY PARTICULAR PURPOSE.
*
***************************************************************/

C.3.12 OpenSSL
Los módulos hashlib, posix, ssl, crypt utilizan la biblioteca OpenSSL para un rendimiento adicional si el
sistema operativo la pone a disposición. Además, los instaladores de Windows y macOS para Python pueden incluir
una copia de las bibliotecas de OpenSSL, por lo que incluimos una copia de la licencia de OpenSSL aquí. Para la
version OpenSSL 3.0, y versiones posteriores derivadas, se aplica la Apache License v2:
Apache License
Version 2.0, January 2004
https://www.apache.org/licenses/
TERMS AND CONDITIONS FOR USE, REPRODUCTION, AND DISTRIBUTION
1. Definitions.
"License" shall mean the terms and conditions for use, reproduction,
and distribution as defined by Sections 1 through 9 of this document.
"Licensor" shall mean the copyright owner or entity authorized by

the copyright owner that is granting the License.
"Legal Entity" shall mean the union of the acting entity and all
other entities that control, are controlled by, or are under common
control with that entity. For the purposes of this definition,
"control" means (i) the power, direct or indirect, to cause the
direction or management of such entity, whether by contract or
otherwise, or (ii) ownership of fifty percent (50%) or more of the
outstanding shares, or (iii) beneficial ownership of such entity.
"You" (or "Your") shall mean an individual or Legal Entity

exercising permissions granted by this License.
"Source" form shall mean the preferred form for making modifications,
including but not limited to software source code, documentation
source, and configuration files.
"Object" form shall mean any form resulting from mechanical

transformation or translation of a Source form, including but
not limited to compiled object code, generated documentation,
and conversions to other media types.
"Work" shall mean the work of authorship, whether in Source or

Object form, made available under the License, as indicated by a
copyright notice that is included in or attached to the work
(an example is provided in the Appendix below).
"Derivative Works" shall mean any work, whether in Source or Object

form, that is based on (or derived from) the Work and for which the
editorial revisions, annotations, elaborations, or other modifications
represent, as a whole, an original work of authorship. For the purposes
of this License, Derivative Works shall not include works that remain
separable from, or merely link (or bind by name) to the interfaces of,
the Work and Derivative Works thereof.
"Contribution" shall mean any work of authorship, including

the original version of the Work and any modifications or additions
to that Work or Derivative Works thereof, that is intentionally
submitted to Licensor for inclusion in the Work by the copyright owner
or by an individual or Legal Entity authorized to submit on behalf of
the copyright owner. For the purposes of this definition, "submitted"
means any form of electronic, verbal, or written communication sent
to the Licensor or its representatives, including but not limited to


communication on electronic mailing lists, source code control systems,
and issue tracking systems that are managed by, or on behalf of, the
Licensor for the purpose of discussing and improving the Work, but
excluding communication that is conspicuously marked or otherwise
designated in writing by the copyright owner as "Not a Contribution."
"Contributor" shall mean Licensor and any individual or Legal Entity

on behalf of whom a Contribution has been received by Licensor and
subsequently incorporated within the Work.
2. Grant of Copyright License. Subject to the terms and conditions of

this License, each Contributor hereby grants to You a perpetual,
worldwide, non-exclusive, no-charge, royalty-free, irrevocable
copyright license to reproduce, prepare Derivative Works of,
publicly display, publicly perform, sublicense, and distribute the
Work and such Derivative Works in Source or Object form.
3. Grant of Patent License. Subject to the terms and conditions of

this License, each Contributor hereby grants to You a perpetual,
worldwide, non-exclusive, no-charge, royalty-free, irrevocable
(except as stated in this section) patent license to make, have made,
use, offer to sell, sell, import, and otherwise transfer the Work,
where such license applies only to those patent claims licensable
by such Contributor that are necessarily infringed by their
Contribution(s) alone or by combination of their Contribution(s)
with the Work to which such Contribution(s) was submitted. If You
institute patent litigation against any entity (including a
cross-claim or counterclaim in a lawsuit) alleging that the Work
or a Contribution incorporated within the Work constitutes direct
or contributory patent infringement, then any patent licenses
granted to You under this License for that Work shall terminate
as of the date such litigation is filed.
4. Redistribution. You may reproduce and distribute copies of the

Work or Derivative Works thereof in any medium, with or without
modifications, and in Source or Object form, provided that You
meet the following conditions:
(a) You must give any other recipients of the Work or

Derivative Works a copy of this License; and
(b) You must cause any modified files to carry prominent notices
stating that You changed the files; and
(c) You must retain, in the Source form of any Derivative Works
that You distribute, all copyright, patent, trademark, and
attribution notices from the Source form of the Work,
excluding those notices that do not pertain to any part of
the Derivative Works; and
(d) If the Work includes a "NOTICE" text file as part of its

distribution, then any Derivative Works that You distribute must
include a readable copy of the attribution notices contained
within such NOTICE file, excluding those notices that do not
pertain to any part of the Derivative Works, in at least one
of the following places: within a NOTICE text file distributed
as part of the Derivative Works; within the Source form or
documentation, if provided along with the Derivative Works; or,
within a display generated by the Derivative Works, if and
wherever such third-party notices normally appear. The contents
of the NOTICE file are for informational purposes only and


do not modify the License. You may add Your own attribution
notices within Derivative Works that You distribute, alongside
or as an addendum to the NOTICE text from the Work, provided
that such additional attribution notices cannot be construed
as modifying the License.
You may add Your own copyright statement to Your modifications and
may provide additional or different license terms and conditions
for use, reproduction, or distribution of Your modifications, or
for any such Derivative Works as a whole, provided Your use,
reproduction, and distribution of the Work otherwise complies with
the conditions stated in this License.
5. Submission of Contributions. Unless You explicitly state otherwise,

any Contribution intentionally submitted for inclusion in the Work
by You to the Licensor shall be under the terms and conditions of
this License, without any additional terms or conditions.
Notwithstanding the above, nothing herein shall supersede or modify
the terms of any separate license agreement you may have executed
with Licensor regarding such Contributions.
6. Trademarks. This License does not grant permission to use the trade
names, trademarks, service marks, or product names of the Licensor,
except as required for reasonable and customary use in describing the
origin of the Work and reproducing the content of the NOTICE file.
7. Disclaimer of Warranty. Unless required by applicable law or

agreed to in writing, Licensor provides the Work (and each
Contributor provides its Contributions) on an "AS IS" BASIS,
WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or
implied, including, without limitation, any warranties or conditions
of TITLE, NON-INFRINGEMENT, MERCHANTABILITY, or FITNESS FOR A
PARTICULAR PURPOSE. You are solely responsible for determining the
appropriateness of using or redistributing the Work and assume any
risks associated with Your exercise of permissions under this License.
8. Limitation of Liability. In no event and under no legal theory,

whether in tort (including negligence), contract, or otherwise,
unless required by applicable law (such as deliberate and grossly
negligent acts) or agreed to in writing, shall any Contributor be
liable to You for damages, including any direct, indirect, special,
incidental, or consequential damages of any character arising as a
result of this License or out of the use or inability to use the
Work (including but not limited to damages for loss of goodwill,
work stoppage, computer failure or malfunction, or any and all
other commercial damages or losses), even if such Contributor
has been advised of the possibility of such damages.
9. Accepting Warranty or Additional Liability. While redistributing

the Work or Derivative Works thereof, You may choose to offer,
and charge a fee for, acceptance of support, warranty, indemnity,
or other liability obligations and/or rights consistent with this
License. However, in accepting such obligations, You may act only
on Your own behalf and on Your sole responsibility, not on behalf
of any other Contributor, and only if You agree to indemnify,
defend, and hold each Contributor harmless for any liability
incurred by, or claims asserted against, such Contributor by reason
of your accepting any such warranty or additional liability.
END OF TERMS AND CONDITIONS

C.3.13 expat
La extensión pyexpat se construye usando una copia incluida de las fuentes de expatriados a menos que la cons-
trucción esté configurada --with-system-expat:
Copyright (c) 1998, 1999, 2000 Thai Open Source Software Center Ltd
and Clark Cooper

"Software"), to deal in the Software without restriction, including
The above copyright notice and this permission notice shall be included
in all copies or substantial portions of the Software.
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND,

MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT.
IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY
CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT,
TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE
SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.
C.3.14 libffi
La extensión C _ctypes subyacente al módulo ctypes se construye usando una copia incluida de las fuentes de
libffi a menos que la construcción esté configurada --with-system-libffi:
Copyright (c) 1996-2008 Red Hat, Inc and others.

``Software''), to deal in the Software without restriction, including
The above copyright notice and this permission notice shall be included
in all copies or substantial portions of the Software.
THE SOFTWARE IS PROVIDED `ÀS IS'', WITHOUT WARRANTY OF ANY KIND,

MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND
NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT
HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY,
WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER
DEALINGS IN THE SOFTWARE.

C.3.15 zlib
La extensión zlib se crea utilizando una copia incluida de las fuentes de zlib si la versión de zlib encontrada en el
sistema es demasiado antigua para ser utilizada para la compilación:
Copyright (C) 1995-2011 Jean-loup Gailly and Mark Adler
This software is provided 'as-is', without any express or implied

warranty. In no event will the authors be held liable for any damages
arising from the use of this software.
Permission is granted to anyone to use this software for any purpose,

including commercial applications, and to alter it and redistribute it
freely, subject to the following restrictions:
1. The origin of this software must not be misrepresented; you must not
claim that you wrote the original software. If you use this software
in a product, an acknowledgment in the product documentation would be
appreciated but is not required.
2. Altered source versions must be plainly marked as such, and must not be
misrepresented as being the original software.
3. This notice may not be removed or altered from any source distribution.
Jean-loup Gailly Mark Adler

[email protected] [email protected]
C.3.16 cfuhash
La implementación de la tabla hash utilizada por tracemalloc se basa en el proyecto cfuhash:
Copyright (c) 2005 Don Owens

This code is released under the BSD license:

are met:
* Redistributions of source code must retain the above copyright

* Redistributions in binary form must reproduce the above

copyright notice, this list of conditions and the following
disclaimer in the documentation and/or other materials provided
with the distribution.
* Neither the name of the author nor the names of its

contributors may be used to endorse or promote products derived
from this software without specific prior written permission.

LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS
FOR A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL THE
COPYRIGHT OWNER OR CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT,
INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES
(INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR


SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION)
HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT,
STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE)
ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED
OF THE POSSIBILITY OF SUCH DAMAGE.
C.3.17 libmpdec
La extension C _decimal subyacente al módulo decimal se construye usando una copia incluida de la biblioteca
libmpdec a menos que la construcción esté configurada --with-system-libmpdec:
Copyright (c) 2008-2020 Stefan Krah. All rights reserved.

are met:


THIS SOFTWARE IS PROVIDED BY THE AUTHOR AND CONTRIBUTORS "AS IS" AND
ARE DISCLAIMED. IN NO EVENT SHALL THE AUTHOR OR CONTRIBUTORS BE LIABLE
SUCH DAMAGE.
C.3.18 Conjunto de pruebas W3C C14N
El conjunto de pruebas C14N 2.0 en el paquete test (Lib/test/xmltestdata/c14n-20/) se recuperó

del sitio web de W3C en https://www.w3.org/TR/xml-c14n2-testcases/ y se distribuye bajo la licencia BSD de 3
cláusulas:
Copyright (c) 2013 W3C(R) (MIT, ERCIM, Keio, Beihang),

All Rights Reserved.

are met:
* Redistributions of works must retain the original copyright notice,

this list of conditions and the following disclaimer.
* Redistributions in binary form must reproduce the original copyright
* Neither the name of the W3C nor the names of its contributors may be
used to endorse or promote products derived from this work without
specific prior written permission.


LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR
A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT
OWNER OR CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL,
SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT
LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE,
DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY
THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT
(INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE
OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.
C.3.19 Audioop
El módulo audioop usa la base de código en el archivo g771.c del proyecto SoX:
Programming the AdLib/Sound Blaster

FM Music Chips
Version 2.0 (24 Feb 1992)
Copyright (c) 1991, 1992 by Jeffrey S. Lee
[email protected]
Warranty and Copyright Policy
This document is provided on an "as-is" basis, and its author makes
no warranty or representation, express or implied, with respect to
its quality performance or fitness for a particular purpose. In no
event will the author of this document be liable for direct, indirect,
special, incidental, or consequential damages arising out of the use
or inability to use the information contained within. Use of this
document is at your own risk.
This file may be used and copied freely so long as the applicable
copyright notices are retained, and no modifications are made to the
text of the document. No money shall be charged for its distribution
beyond reasonable shipping, handling and duplication costs, nor shall
proprietary changes be made to this document so that it cannot be
distributed freely. This document may not be included in published
material or commercial packages without the written consent of its
author.

APÉNDICE D
Derechos de autor
Python y esta documentación es:

Derechos de autor © 2001-2023 Python Software Foundation. Todos los derechos reservados.
Derechos de autor © 2000 BeOpen.com. Todos los derechos reservados.
Derechos de autor © 1995-2000 Corporation for National Research Initiatives. Todos los derechos reservados.
Derechos de autor © 1991-1995 Stichting Mathematisch Centrum. Todos los derechos reservados.
Consulte Historia y Licencia para obtener información completa sobre licencias y permisos.
155
156 Apéndice D. Derechos de autor

Índice
No alfabético B
..., 121 BDFL, 122
# (hash) bloqueo global del intérprete, 126
comentario, 9 builtins
* (asterisco) module, 53
in function calls, 32 buscador, 125
** buscador basado en ruta, 131
in function calls, 32 buscador de entradas de ruta, 131
2to3, 121 bytecode, 123
: (dos puntos)
function annotations, 34 C
-> cadena con triple comilla, 133
function annotations, 34 callable, 123
>>>, 121 cargador, 129
__all__, 56 C-contiguous, 124
__future__, 126 clase, 123
__slots__, 132 clase base abstracta, 121
clase de nuevo estilo, 130
A codificación de la configuración
a la espera, 122 regional, 128
administrador asincrónico de codificación de texto, 133
contexto, 122 codificación del sistema de archivos
administrador de contextos, 123 y manejador de errores, 125
alcances anidados, 130 coding
alias de tipos, 133 style, 34
alteración comprensión de conjuntos, 132
nombre, 86 comprensión de diccionarios, 124
annotations comprensión de listas, 128
function, 34 contador de referencias, 132
anotación, 121 contiguo, 124
anotación de función, 125 corrutina, 124
anotación de variable, 134 CPython, 124
apagado del intérprete, 127
API provisional, 131 D
archivo binario, 122 decorador, 124
archivo de texto, 133 descriptor, 124
argumento, 121 despacho único, 133
argumento nombrado, 128 diccionario, 124
argumento posicional, 131 división entera, 125
atributo, 122 docstring, 124
ayuda docstrings, 25, 33
función incorporada, 91 documentation strings, 25, 33
157
E LBYL, 128
EAFP, 125 lista, 128
entorno virtual, 134
entrada de ruta, 131
M
espacio de nombres, 130 magic
especificador de módulo, 129 método, 129
expresión, 125 mapeado, 129
expresión generadora, 126 máquina virtual, 134
meta buscadores de ruta, 129
F metaclase, 129
f-string, 125 método, 129
file magic, 129
object, 63 objeto, 81
for special, 133
statement, 20 método especial, 133
Fortran contiguous, 124 método mágico, 129
función, 125 module
función clave, 128 builtins, 53
función corrutina, 124 search path, 51
función genérica, 126 sys, 52
función incorporada módulo, 129
ayuda, 91 json, 65
open, 63 módulo de extensión, 125
function MRO, 129
annotations, 34 mutable, 129
G N
nombre
gancho a entrada de ruta, 131
alteración, 86
generador, 126
nombre calificado, 132
generador asincrónico, 122
número complejo, 123
GIL, 126
H O
hash-based pyc, 127 object
hashable, 127 file, 63
objeto, 130
I método, 81
objeto archivo, 125
IDLE, 127
objeto tipo ruta, 131
importador, 127
objetos tipo archivo, 125
importar, 127
objetos tipo binarios, 123
indicador de tipo, 134
open
inmutable, 127
función incorporada, 63
interactivo, 127
orden de resolución de métodos, 129
interpretado, 127
iterable, 127 P
iterable asincrónico, 122
iterador, 128 paquete, 130
iterador asincrónico, 122 paquete de espacios de nombres, 130
iterador generador, 126 paquete provisorio, 131
iterador generador asincrónico, 122 paquete regular, 132
parámetro, 130
J path
module search, 51
json
PATH, 51, 119
módulo, 65
PEP, 131
L porción, 131
Python 3000, 131
lambda, 128 Python Enhancement Proposals
158 Índice
PEP 1, 131 tipo, 133

PEP 8, 34 tipos genéricos, 126
PEP 238, 125 tupla nombrada, 129
PEP 278, 134
PEP 302, 125, 129 U
PEP 343, 123 usercustomize, 120
PEP 362, 122, 131
PEP 411, 131 V
PEP 420, 125, 130, 131 variable de clase, 123
PEP 443, 126 variable de contexto, 123
PEP 451, 125 variables de entorno
PEP 483, 126 PATH, 51, 119
PEP 484, 34, 121, 126, 134 PYTHONPATH, 51, 53
PEP 492, 122, 124 PYTHONSTARTUP, 120
PEP 498, 125 vista de diccionario, 124
PEP 519, 131
PEP 525, 122 Z
PEP 526, 121, 134 Zen de Python, 134
PEP 585, 126
PEP 636, 25
PEP 3107, 34
PEP 3116, 134
PEP 3147, 52
PEP 3155, 132
Pythónico, 131
PYTHONPATH, 51, 53
PYTHONSTARTUP, 120
R
rebanada, 133
recolección de basura, 126
referencia fuerte, 133
referencia prestada, 123
retrollamada, 123
RFC
RFC 2822, 96
ruta de importación, 127
S
saltos de líneas universales, 134
search
path, module, 51
secuencia, 132
sentencia, 133
sitecustomize, 120
special
método, 133
statement
for, 20
static type checker, 133
strings, documentation, 25, 33
style
coding, 34
sys
module, 52
T
tipado de pato, 124
Índice 159

Tutorial

Cargado por

Copyright:

Formatos disponibles

Tutorial

Cargado por

Información del documento

Descripción original:

Título original

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

Cargado por

Copyright:

Formatos disponibles

Python Tutorial

Guido van Rossum and the Python development team

enero 10, 2024

Python Software Foundation

2 Usando el intérprete de Python 5

3 Una introducción informal a Python 9

4 Más herramientas para control de flujo 19

10 Breve recorrido por la Biblioteca Estándar 91

11 Pequeño paseo por la Biblioteca Estándar— Parte II 97

12 Entornos virtuales y paquetes 105

13 ¿Y ahora qué? 109

14 Edición de entrada interactiva y sustitución de historial 111

15 Aritmética de Punto Flotante: Problemas y Limitaciones 113

B Acerca de estos documentos 135

C Historia y Licencia 137

D Derechos de autor 155

• no es necesario declarar variables ni argumentos.

4 Capítulo 1. Abriendo el apetito

Usando el intérprete de Python

2.1 Invocar el intérprete

El intérprete de Python generalmente se instala como /usr/local/bin/python3.12 en aquellas máquinas

un ejecutable de Python 2.x instalado simultáneamente.

2.1.1 Paso de argumentos

2.1.2 Modo interactivo

>>> the_world_is_flat = True

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

2.2 El intérprete y su entorno

2.2.1 Codificación del código fuente

6 Capítulo 2. Usando el intérprete de Python

# -*- coding: encoding -*-

donde encoding es uno de los codecs soportados por Python.

# -*- coding: cp1252 -*-

2.2. El intérprete y su entorno 7

8 Capítulo 2. Usando el intérprete de Python

Una introducción informal a Python

# this is the first comment

3.1 Usando Python como una calculadora

(proviene de la página anterior)

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

Con Python, es posible usar el operador ** para calcular potencias1 :

>>> n # try to access an undefined variable

>>> tax = 12.5 / 100

esto y obtener 9, puedes usar (-3)**2.

10 Capítulo 3. Una introducción informal a Python

>>> 'spam eggs' # single quotes

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

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

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

3.1. Usando Python como una calculadora 11

Usage: thingy [OPTIONS]

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

>>> 'Py' 'thon'

Esta característica es particularmente útil cuando quieres dividir cadenas largas:

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

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

>>> prefix = 'Py'

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

>>> prefix + 'thon'

# -- coding: encoding --

# -- coding: cp1252 --