Python Tutorial

Versión 3.13.1

Guido van Rossum and the Python development team

febrero 01, 2025

Python Software Foundation

Email: docs@[Link]
 Índice general

1 Abriendo el apetito 3

2 Usando el intérprete de Python 5

2.1 Invocar el inté rprete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.1 Paso de argumentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.2 Modo interactivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 El inté rprete y su entorno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.1 Codificació n del có digo fuente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

3 Una introducción informal a Python 9

3.1 Usando Python como una calculadora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.1.1 Nú meros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.1.2 Texto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.1.3 Listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2 Primeros pasos hacia la programació n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

4 Más herramientas para control de flujo 19

4.1 La sentencia if . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2 La sentencia for . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.3 La funció n range() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.4 break and continue Statements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.5 else Clauses on Loops . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.6 La sentencia pass . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.7 La sentencia match . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.8 Definir funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.9 Má s sobre definició n de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.9.1 Argumentos con valores por omisió n . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.9.2 Palabras claves como argumentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.9.3 Pará metros especiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.9.4 Listas de argumentos arbitrarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.9.5 Desempaquetando una lista de argumentos . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.9.6 Expresiones lambda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.9.7 Cadenas de texto de documentació n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.9.8 Anotació n de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.10 Intermezzo: Estilo de programació n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

5 Estructuras de datos 37
5.1 Má s sobre listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.1.1 Usar listas como pilas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.1.2 Usar listas como colas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.1.3 Comprensió n de listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

i
 5.1.4 Listas por comprensió n anidadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.2 La instrucció n del . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.3 Tuplas y secuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.4 Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.5 Diccionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.6 Té cnicas de iteració n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.7 Má s acerca de condiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.8 Comparando secuencias y otros tipos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

6 Módulos 49
6.1 Má s sobre los mó dulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.1.1 Ejecutar mó dulos como scripts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.1.2 El camino de bú squeda de los mó dulos . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.1.3 Archivos «compilados» de Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6.2 Mó dulos está ndar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6.3 La funció n dir() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.4 Paquetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
6.4.1 Importar * desde un paquete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6.4.2 Referencias internas en paquetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6.4.3 Paquetes en mú ltiples 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 mé todo 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 Mé todos 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 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
8.9 Lanzando y gestionando mú ltiples excepciones no relacionadas . . . . . . . . . . . . . . . . . . . 74
8.10 Enriqueciendo excepciones con notas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

9 Clases 79
9.1 Unas palabras sobre nombres y objetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
9.2 Ámbitos y espacios de nombres en Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
9.2.1 Ejemplo de á mbitos y espacios de nombre . . . . . . . . . . . . . . . . . . . . . . . . . 81
9.3 Un primer vistazo a las clases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
9.3.1 Sintaxis de definició n de clases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
9.3.2 Objetos clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
9.3.3 Objetos instancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
9.3.4 Objetos mé todo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
9.3.5 Variables de clase y de instancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
9.4 Algunas observaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
9.5 Herencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
9.5.1 Herencia mú ltiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
9.6 Variables privadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
9.7 Detalles y Cuestiones Varias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
9.8 Iteradores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

ii
 9.9 Generadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
9.10 Expresiones generadoras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91

10 Breve recorrido por la Biblioteca Estándar 93

10.1 Interfaz del sistema operativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
10.2 Comodines de archivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
10.3 Argumentos de Líneas de Comandos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
10.4 Redirigir la salida de error y finalizació n del programa . . . . . . . . . . . . . . . . . . . . . . . . 94
10.5 Coincidencia de patrones de cadena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
10.6 Matemá ticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
10.7 Acceso a Internet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
10.8 Fechas y tiempos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
10.9 Compresió n de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
10.10 Medició n de rendimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
10.11 Control de calidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
10.12 Pilas incluidas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98

11 Pequeño paseo por la Biblioteca Estándar— Parte II 99

11.1 Formato de salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
11.2 Plantillas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
11.3 Trabajar con registros estructurados conteniendo datos binarios . . . . . . . . . . . . . . . . . . . 101
11.4 Multi-hilos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
11.5 Registrando . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
11.6 Referencias dé biles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
11.7 Herramientas para trabajar con listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
11.8 Decimal Floating-Point Arithmetic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104

12 Entornos virtuales y paquetes 107

12.1 Introducció n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
12.2 Creando entornos virtuales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
12.3 Manejando paquetes con pip . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

13 ¿Y ahora qué? 111

14 Edición de entrada interactiva y sustitución de historial 113

14.1 Autocompletado con tab e historial de edició n . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
14.2 Alternativas al inté rprete interactivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113

15 Floating-Point Arithmetic: Issues and Limitations 115

15.1 Error de Representació n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

16 Apéndice 121
16.1 Modo interactivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
16.1.1 Manejo de errores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
16.1.2 Programas ejecutables de Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
16.1.3 El archivo de inicio interactivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
16.1.4 Los mó dulos de customizació n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122

A Glosario 125

B About this documentation 143

B.1 Contributors to the Python documentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143

C Historia y Licencia 145

C.1 Historia del software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
C.2 Té rminos y condiciones para acceder o usar Python . . . . . . . . . . . . . . . . . . . . . . . . . 146
C.2.1 PYTHON SOFTWARE FOUNDATION LICENSE VERSION 2 . . . . . . . . . . . . . 146
C.2.2 ACUERDO DE LICENCIA DE [Link] PARA PYTHON 2.0 . . . . . . . . . . 147
C.2.3 ACUERDO DE LICENCIA CNRI PARA PYTHON 1.6.1 . . . . . . . . . . . . . . . . 148
C.2.4 ACUERDO DE LICENCIA CWI PARA PYTHON 0.9.0 HASTA 1.2 . . . . . . . . . . 149

iii
 C.2.5 ZERO-CLAUSE BSD LICENSE FOR CODE IN THE PYTHON DOCUMENTATION . 149
C.3 Licencias y reconocimientos para software incorporado . . . . . . . . . . . . . . . . . . . . . . . 149
C.3.1 Mersenne Twister . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
C.3.2 Sockets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
C.3.3 Servicios de socket asincró nicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
C.3.4 Gestió n de cookies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
C.3.5 Seguimiento de ejecució n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
C.3.6 funciones UUencode y UUdecode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
C.3.7 Llamadas a procedimientos remotos XML . . . . . . . . . . . . . . . . . . . . . . . . . 153
C.3.8 test_epoll . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
C.3.9 Seleccionar kqueue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
C.3.10 SipHash24 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
C.3.11 strtod y dtoa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
C.3.12 OpenSSL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
C.3.13 expat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
C.3.14 libffi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
C.3.15 zlib . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
C.3.16 cfuhash . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
C.3.17 libmpdec . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
C.3.18 Conjunto de pruebas W3C C14N . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
C.3.19 mimalloc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
C.3.20 asyncio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
C.3.21 Global Unbounded Sequences (GUS) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163

D Derechos de autor 165

Índice 167

iv
 Python Tutorial, Versión 3.13.1

Python es un lenguaje de programació n potente y fá cil de aprender. Tiene estructuras de datos de alto nivel eficientes
y un simple pero efectivo sistema de programació n orientado a objetos. La elegante sintaxis de Python y su tipado
diná mico, junto a su naturaleza interpretada lo convierten en un lenguaje ideal para scripting y desarrollo rá pido de
aplicaciones en muchas á reas, para la mayoría de plataformas.
El inté rprete de Python y la extensa librería está ndar se encuentran disponibles libremente en có digo fuente y de forma
binaria para la mayoría de las plataformas desde la Web de Python, [Link] y se pueden distribuir
libremente. El mismo sitio tambié n contiene distribuciones y referencias a muchos mó dulos libres de Python de
terceros, programas, herramientas y documentació n adicional.
El inté rprete de Python es fá cilmente extensible con funciones y tipos de datos implementados en C o C++ (u otros
lenguajes que permitan ser llamados desde C). Python tambié n es apropiado como un lenguaje para extender apli-
caciones modificables.
Este tutorial introduce al lector informalmente a los conceptos bá sicos y las funcionalidades del lenguaje de progra-
mació n Python y a su sistema. Ayuda a tener un interprete de Python accesible para una experiencia prá ctica, todos
los ejemplos son auto-contenidos, permitiendo utilizar el tutorial sin conexió n.
Para una descripció n de los objetos está ndar y de los mó dulos, ver library-index. reference-index dó nde se ofrece
una definició n má s 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 má s
utilizadas. En vez de eso, pretende introducir muchas de las funcionalidades má s notables y brindar una idea clara
acerca del estilo y el tipo de lenguaje que es Python. Despué s de leerlo podrá s leer y escribir mó dulos y programas
en Python, y estará s listo para aprender má s acerca de las diversas librerías y mó dulos descritos en library-index.
Es interesante leer el Glosario.

Índice general 1
Python Tutorial, Versión 3.13.1

2 Índice general
 CAPÍTULO 1

Abriendo el apetito

Si trabajas mucho con ordenadores, en algú n momento encontrará s que hay alguna tarea que quieres automatizar.
Por ejemplo, quizá s quieres buscar y remplazar un texto en muchos ficheros o renombrar y reordenar un montó n
de imá genes de forma complicada. Quizá s lo que quieres es escribir una pequeñ a base de datos personalizada, una
interfaz grá fica o un juego simple.
Si eres un desarrollador profesional, quizá s quieres trabajar con varias librerías de C/C++/Java pero encuentras el
ciclo de escribir/compilar/probar/recompilar bastante lento. Quizá s está s escribiendo una serie de pruebas para é stas
librerías y te parece tedioso escribir el có digo de pruebas. O quizá s has escrito un programa que puede utilizar un
lenguaje como extensió n y no quieres diseñ ar e implementar un lenguaje entero para tu aplicació n.
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 má s fá cil de usar, está disponible en los sistemas operativos Windows,
macOS y Unix, y te ayudará a hacer el trabajo má s rá pidamente.
Python es fá cil de utilizar y es un verdadero lenguaje de programació n ofreciendo mucha má s estructura y soporte
para programas grandes que la que ofrecen scripts de shell o archivos por lotes. Por otro lado, Python tambié n ofrece
mayor comprobació n 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 má s generales, Python es aplicable a
má s 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 mó dulos que pueden reutilizarse en otros programas de Python. Tiene
una gran colecció n de mó dulos está ndar que puedes utilizar como la base de tus programas o como ejemplos para
empezar a aprender Python. Algunos de estos mó dulos proporcionan cosas como entrada/salida de ficheros, llamadas
a sistema, sockets e incluso interfaces a herramientas de interfaz grá fica 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 inté rprete 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 tambié n una calculadora de escritorio prá ctica.
Python permite escribir programas compactos y legibles. Los programas en Python son típicamente má s 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 instrucció n;
• la agrupació n de instrucciones se hace mediante indentació n en vez de llaves de apertura y cierre;

3
Python Tutorial, Versión 3.13.1

• no es necesario declarar variables ni argumentos.

Python es extensible: si ya sabes programar en C es fá cil añ adir nuevas funciones o mó dulos al inté rprete, ya sea para
realizar operaciones críticas a velocidad má xima, o para enlazar programas de Python con bibliotecas que tal vez
só lo esté n disponibles de forma binaria (por ejemplo bibliotecas grá ficas específicas de un fabricante). Una vez esté s
realmente entusiasmado, puedes enlazar el inté rprete Python en una aplicació n hecha en C y usarlo como lenguaje
de extensió n o de comando para esa aplicació n.
Por cierto, el lenguaje recibe su nombre del programa de televisió n de la BBC «Monty Python’s Flying Circus» y no
tiene nada que ver con reptiles. Hacer referencias sobre Monty Python en la documentació n no só lo esta permitido,
¡sino que tambié n está bien visto!
Ahora que está s emocionado con Python, querrá s verlo en má s detalle. Como la mejor forma de aprender un lenguaje
es usarlo, el tutorial te invita a que juegues con el inté rprete de Python a medida que vas leyendo.
En el pró ximo capítulo se explicará la mecá nica de uso del inté rprete. Esta es informació n bastante mundana, pero
es esencial para poder probar los ejemplos que aparecerá n má s adelante.
El resto del tutorial introduce varias características del lenguaje y el sistema Python a travé s de ejemplos, empezando
con expresiones, instrucciones y tipos de datos simples, pasando por funciones y mó dulos, 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

The Python interpreter is usually installed as /usr/local/bin/python3.13 on those machines where it is avai-
lable; putting /usr/local/bin in your Unix shell’s search path makes it possible to start it by typing the command:

python3.13

en el terminal1 . Ya que la elecció n del directorio dó nde vivirá el inté rprete es una opció n del proceso de instalació n,
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).

On Windows machines where you have installed Python from the Microsoft Store, the python3.13 command will
be available. If you have the [Link] launcher installed, you can use the py command. See setting-envvars for other
ways to launch Python.
Se puede salir del inté rprete con estado de salida cero ingresando el cará cter de fin de archivo (Control-D en Unix,
Control-Z en Windows). Si eso no funciona, puedes salir del inté rprete escribiendo el comando: quit().

Las características para edició n de líneas del inté rprete incluyen edició n interactiva, sustitució n de historial y comple-
tado de có digo en sistemas que soportan la biblioteca GNU Readline . Quizá s la forma má s rá pida para comprobar si
las características de edició n se encuentran disponibles es presionar Control-P en el primer prompt de Python que
aparezca. Si se escucha un sonido, tienes edició n de línea de comandos; ver Apé ndice Edición de entrada interactiva
y sustitución de historial para una introducció n a las teclas. Si parece que no ocurre nada, o si se muestra ^P, estas
características no está n disponibles; solo vas a poder usar la tecla de retroceso (backspace) para borrar los caracteres
de la línea actual.
El inté rprete funciona de manera similar al shell de Unix: cuando se le llama con una entrada está ndar 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 está ndar, lee y ejecuta un script desde ese archivo.
Una segunda forma de iniciar el inté rprete es python -c comando [arg] ..., que ejecuta las sentencias en
comando, similar a la opció n de shell -c . Como las sentencias de Python a menudo contienen espacios u otros
caracteres que son especiales para el shell, generalmente se recomienda citar comando en su totalidad.
Algunos mó dulos de Python tambié n son ú tiles 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.
1 En Unix, el inté rprete 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 simultá neamente.

5
Python Tutorial, Versión 3.13.1

Cuando se usa un script, a veces es ú til 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 inté rprete, el nombre del script y los argumentos adicionales se convierten a una lista
de cadenas de texto asignada a la variable argv del mó dulo sys. Puedes acceder a esta lista haciendo import sys.
La longitud de la lista es al menos uno; cuando no se utiliza ningú n script o argumento, [Link][0] es una cadena
vacía. Cuando se pasa el nombre del script con '-' (lo que significa la entrada está ndar), [Link][0] vale '-'.
Cuando se usa -c comando, [Link][0] vale '-c'. Cuando se usa -m módulo, [Link][0] contiene el valor
del nombre completo del mó dulo. Las opciones encontradas despué s de -c comando o -m módulo no son consumidas
por el procesador de opciones de Python pero de todas formas se almacenan en [Link] para ser manejadas por
el comando o mó dulo.

2.1.2 Modo interactivo

Cuando se leen los comandos desde un terminal, se dice que el inté rprete 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 continuació n, aparece el prompt secundario, por defecto tres puntos (...). El inté rprete imprime un mensaje de
bienvenida que indica su nú mero de versió n y un aviso de copyright antes de imprimir el primer prompt primario:

$ python3.13
Python 3.13 (default, April 4 2023, 09:25:04)
[GCC 10.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>

Las líneas de continuació n son necesarias cuando se ingresa una construcció n 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 má s informació n 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 codificació n,
los caracteres de la mayoría de los idiomas del mundo se pueden usar simultá neamente en literales, identificadores
y comentarios, aunque la biblioteca está ndar solo usa caracteres ASCII para los identificadores, una convenció n que
debería seguir cualquier có digo que sea [Link] mostrar todos estos caracteres correctamente, tu editor debe
reconocer que el archivo es UTF-8, y debe usar una fuente que admita todos los caracteres del archivo.
Para declarar una codificació n que no sea la predeterminada, se debe agregar una línea de comentario especial como
la primera línea del archivo. La sintaxis es la siguiente:

# -*- coding: encoding -*-

donde encoding es uno de los codecs soportados por Python.

Por ejemplo, para declarar que se utilizará la codificació n de Windows-1252, la primera línea del archivo de có digo
fuente debe ser:

6 Capítulo 2. Usando el intérprete de Python

 Python Tutorial, Versión 3.13.1

# -*- coding: cp1252 -*-

Una excepció n a la regla de primera línea es cuando el có digo fuente comienza con una linea UNIX «shebang». En
ese caso, la declaració n de codificació n 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

Python Tutorial, Versión 3.13.1

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 despué s del prompt, cuando aparece; las líneas que no comienzan con un prompt son
emitidas desde el inté rprete. 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 cará cter numeral, #, y se extienden hasta el final visible de la línea. Un
comentario quizá s aparezca al comienzo de la línea o seguido de espacios en blanco o có digo, pero no dentro de una
cadena de caracteres. Un cará cter numeral dentro de una cadena de caracteres es só lo un cará cter numeral. Ya que
los comentarios son para aclarar có digo 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 inté rprete y espera el prompt primario, >>>. (No debería
tardar mucho.)

3.1.1 Números
El inté rprete funciona como una simple calculadora: puedes introducir una expresió n en é l y este escribirá los valores.
La sintaxis es sencilla: los operadores +, -, * y / se pueden usar para realizar operaciones aritmé ticas; los paré ntesis
(()) pueden ser usados para agrupar. Por ejemplo:

>>> 2 + 2
4
>>> 50 - 5*6
20
>>> (50 - 5*6) / 4
5.0
(continú e en la pró xima pá gina)

9
Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

>>> 8 / 5 # division always returns a floating-point number
1.6

Los nú meros 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 má s acerca de los tipos numé ricos má s adelante en el tutorial.
La divisió n (/) siempre retorna un nú mero decimal de punto flotante. Para hacer floor division y obtener un nú mero
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. Despué s, no se muestra ningú n 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 convertirá n los enteros a punto flotante:

>>> 4 * 3.75 - 1
14.0

En el modo interactivo, la ú ltima expresió n impresa se asigna a la variable _. Esto significa que cuando se está
utilizando Python como calculadora, es má s fá cil seguir calculando, por ejemplo:

>>> tax = 12.5 / 100

>>> price = 100.50
>>> price * tax
12.5625
>>> price + _
113.0625
(continú e en la pró xima pá gina)
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

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

>>> round(_, 2)
113.06

Esta variable debe ser tratada como de só lo lectura por el usuario. No le asignes explícitamente un valor; creará s una
variable local independiente con el mismo nombre enmascarando la variable con el comportamiento má gico.
Ademá s de int y float, Python admite otros tipos de nú meros, como Decimal y Fraction. Python tambié n
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 nú meros. 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 precedié ndola 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 inté rprete de Python, la definició n de cadena y la cadena de salida pueden verse diferentes. La funció n print()
produce una salida má s 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
(continú e en la pró xima pá gina)
2 A diferencia de otros lenguajes, caracteres especiales como \n tienen el mismo significado con simple('...') y dobles ("...") comillas.

La ú nica 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

Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

>>> 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 nú mero impar de
caracteres \; consultar en preguntas frequentes para obtener má s informació n y soluciones.
String literals can span multiple lines. One way is using triple-quotes: """...""" or '''...'''. End of lines are
automatically included in the string, but it’s possible to prevent this by adding a \ at the end of the line. In the following
example, the initial newline is not included:

>>> print("""\
... Usage: thingy [OPTIONS]
... -h Display this usage message
... -H hostname Hostname to connect to
... """)
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 má s cadenas literales (es decir, las encerradas entre comillas) una al lado de la otra se concatenan automá tica-
mente.

>>> 'Py' 'thon'

'Python'

Esta característica es particularmente ú til cuando quieres dividir cadenas largas:

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

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

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

>>> prefix = 'Py'

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

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

>>> prefix + 'thon'

'Python'

12 Capítulo 3. Una introducción informal a Python

 Python Tutorial, Versión 3.13.1

Las cadenas de texto se pueden indexar (subíndices), el primer cará cter de la cadena tiene el índice 0. No hay un tipo
de dato diferente para los caracteres; un cará cter 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 tambié n pueden ser nú meros negativos, para empezar a contar desde la derecha:

>>> word[-1] # last character

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

Nó tese que -0 es lo mismo que 0, los índice negativos comienzan desde -1.
Ademá s de los índices, las rebanadas (slicing) tambié n está n soportadas. Mientras que la indexació n 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 ú tiles; 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'

Nó tese có mo 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 có mo funcionan las rebanadas es pensar que los índices apuntan entre caracteres, con el borde
izquierdo del primer cará cter numerado 0. Luego, el punto derecho del ú ltimo cará cter 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 nú meros da la posició n 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.

3.1. Usando Python como una calculadora 13

Python Tutorial, Versión 3.13.1

Para índices no negativos, la longitud de la rebanada es la diferencia de los índices, si ambos está n dentro de los
límites. Por ejemplo, la longitud de word[1:3] es 2.
Intentar usar un índice que es muy grande resultará en un error:

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

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

Sin embargo, los índices de rebanadas fuera de rango se manejan satisfactoriamente cuando se usan para rebanar:

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

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

>>> word[0] = 'J'

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

Si necesitas una cadena diferente, deberías crear una nueva:

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

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

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

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

µ 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 mé todos para transformaciones bá sicas y bú squeda.
f-strings
Literales de cadena que tienen expresiones embebidas.
formatstrings
Aquí se da informació n sobre formateo de cadenas de texto con [Link]().
old-string-formatting
Aquí se describen con má s detalle las antiguas operaciones para formateo utilizadas cuando una cadena de
texto está a la izquierda del operador %.

14 Capítulo 3. Una introducción informal a Python

 Python Tutorial, Versión 3.13.1

3.1.3 Listas
Python tiene varios tipos de datos compuestos, utilizados para agrupar otros valores. El má s versá til 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 demá s 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]

Las listas tambié n admiten operaciones como concatenació n:

>>> 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 [Link]() method (we will see more about
methods later):

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

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

Simple assignment in Python never copies data. When you assign a list to a variable, the variable refers to the existing
list. Any changes you make to the list through one variable will be seen through all other variables that refer to it.:

>>> rgb = ["Red", "Green", "Blue"]

>>> rgba = rgb
>>> id(rgb) == id(rgba) # they reference the same object
True
>>> [Link]("Alph")
>>> rgb
["Red", "Green", "Blue", "Alph"]

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:

>>> correct_rgba = rgba[:]

>>> correct_rgba[-1] = "Alpha"
>>> correct_rgba
["Red", "Green", "Blue", "Alpha"]
(continú e en la pró xima pá gina)

3.1. Usando Python como una calculadora 15

Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

>>> rgba
["Red", "Green", "Blue", "Alph"]

Tambié n 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 funció n predefinida len() tambié n 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
(continú e en la pró xima pá gina)

16 Capítulo 3. Una introducción informal a Python

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

5
8

Este ejemplo introduce varias características nuevas.

• La primera línea contiene una asignación múltiple: las variables a y b obtienen simultá neamente los nuevos
valores 0 y 1. En la ú ltima 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
evalú an de izquierda a derecha.
• El bucle while se ejecuta mientras la condició n (aquí: a < 10) sea verdadera. En Python, como en C, cual-
quier valor entero que no sea cero es verdadero; cero es falso. La condició n tambié n 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 comparació n simple. Los operadores
de comparació n está ndar 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 indentació n es la forma que usa Python para agrupar declaraciones. En
el inté rprete interactivo debes teclear un tabulador o espacio(s) para cada línea indentada. En la prá ctica vas a
preparar entradas má s complicadas para Python con un editor de texto; todos los editores de texto modernos
tienen la facilidad de agregar la indentació n automá ticamente. Cuando se ingresa una instrucció n 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 ú ltima línea). Nota que cada línea de un bloque bá sico debe estar sangrada
de la misma forma.
• The print() function writes the value of the argument(s) it is given. It differs from just writing the expression
you want to write (as we did earlier in the calculator examples) in the way it handles multiple arguments,
floating-point quantities, and strings. Strings are printed without quotes, and a space is inserted between items,
so you can format things nicely, like this:

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

El pará metro 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

Python Tutorial, Versión 3.13.1

18 Capítulo 3. Una introducción informal a Python

 CAPÍTULO 4

Más herramientas para control de flujo

Ademá s de la sentencia while que acabamos de introducir, Python utiliza algunas má s que encontraremos en este
capítulo.

4.1 La sentencia if
Tal vez el tipo má s 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 má s bloques elif, y el bloque else es opcional. La palabra reservada elif es una abreviació n
de “else if”, y es ú til 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 ú til la sentencia match. Para má s detalles vé ase La sentencia match.

4.2 La sentencia for

La sentencia for en Python difiere un poco de lo que uno puede estar acostumbrado en lenguajes como C o Pascal. En
lugar de siempre iterar sobre una progresió n aritmé tica de nú meros (como en Pascal) o darle al usuario la posibilidad
de definir tanto el paso de la iteració n como la condició n 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:

19
Python Tutorial, Versión 3.13.1

>>> # Measure some strings:

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

Có digo que modifica una colecció n mientras se itera sobre la misma colecció n puede ser complejo de hacer bien. Sin
embargo, suele ser má s directo iterar sobre una copia de la colecció n o crear una nueva colecció n:

# Create a sample collection

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

# Strategy: Iterate over a copy

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

# Strategy: Create a new collection

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

4.3 La función range()

Si se necesita iterar sobre una secuencia de nú meros, es apropiado utilizar la funció n integrada range(), la cual
genera progresiones aritmé ticas:

>>> 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 nú mero, o especificar un
incremento diferente (incluso negativo; algunas veces se lo llama “paso”):

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

[5, 6, 7, 8, 9]

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

[0, 3, 6, 9]

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

[-10, -40, -70]

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

20 Capítulo 4. Más herramientas para control de flujo

 Python Tutorial, Versión 3.13.1

>>> 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 funció n enumerate(), ver Técnicas de iteración.
Algo extrañ o sucede si tan só lo 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 é l, 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 declaració n for es una de esas construcciones,
mientras que un ejemplo de funció n que toma un iterable es la funció n sum():

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

Má s adelante veremos otras funciones que aceptan iterables có mo argumentos o retornan iterables. En el capítulo
Estructuras de datos, discutiremos en má s detalle sobre la list().

4.4 break and continue Statements

The break statement breaks out of the innermost enclosing for or while loop:

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

... for x in range(2, n):
... if n % x == 0:
... print(f"{n} equals {x} * {n//x}")
... break
...
4 equals 2 * 2
6 equals 2 * 3
8 equals 2 * 4
9 equals 3 * 3

The continue statement continues with the next iteration of the loop:

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

... if num % 2 == 0:
... print(f"Found an even number {num}")
... continue
... print(f"Found an odd number {num}")
...
Found an even number 2
Found an odd number 3
Found an even number 4
Found an odd number 5
(continú e en la pró xima pá gina)

4.4. break and continue Statements 21

Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

Found an even number 6
Found an odd number 7
Found an even number 8
Found an odd number 9

4.5 else Clauses on Loops

In a for or while loop the break statement may be paired with an else clause. If the loop finishes without executing
the break, the else clause executes.
In a for loop, the else clause is executed after the loop finishes its final iteration, that is, if no break occurred.
En un bucle while, se ejecuta despué s de que la condició n del bucle se vuelva falsa.
In either kind of loop, the else clause is not executed if the loop was terminated by a break. Of course, other ways
of ending the loop early, such as a return or a raised exception, will also skip execution of the else clause.
Esto se ejemplifica en el siguiente bucle for, que busca nú meros primos:

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

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

(Yes, this is the correct code. Look closely: the else clause belongs to the for loop, not the if statement.)
One way to think of the else clause is to imagine it paired with the if inside the loop. As the loop executes, it will
run a sequence like if/if/if/else. The if is inside the loop, encountered a number of times. If the condition is ever
true, a break will happen. If the condition is never true, the else clause outside the loop will execute.
When used with a loop, the else clause has more in common with the else clause of a try statement than it does
with that of if statements: a try statement’s else clause runs when no exception occurs, and a loop’s else clause
runs when no break occurs. For more on the try statement and exceptions, see Gestionando excepciones.

4.6 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 acció n. Por ejemplo:

>>> while True:

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

Se usa normalmente para crear clases en su mínima expresió n:

22 Capítulo 4. Más herramientas para control de flujo

 Python Tutorial, Versión 3.13.1

>>> class MyEmptyClass:

... pass
...

Otro lugar donde se puede usar pass es como una marca de lugar para una funció n o un cuerpo condicional cuando
está s trabajando en có digo nuevo, lo cual te permite pensar a un nivel de abstracció n mayor. El pass se ignora
silenciosamente:

>>> def initlog(*args):

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

4.7 La sentencia match

Una sentencia match recibe una expresió n y compara su valor con patrones sucesivos dados en uno o má s bloques
case. Esto es similar a grandes rasgos con una sentencia switch en C, Java o JavaScript (y muchos otros lenguajes)
pero es má s similar a la comparació n de patrones en lenguajes como Rust o Haskell. Só lo se ejecuta el primer patró n
que coincide y tambié n es capaz de extraer componentes (elementos de una secuencia o atributos de un objeto) de
un valor y ponerlos en variables.
La forma má s simple compara un valor expuesto con uno o má s 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 ú ltimo 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 patró n usando | («o»):

case 401 | 403 | 404:

return "Not allowed"

Los patrones pueden tambié n 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 é ste caso con cuidado! El primer patró n tiene dos literales y puede considerarse una extensió n del pa-
tró n literal que se mostró anteriormente. Pero los siguientes dos patrones combinan un literal y una variable, y la

4.7. La sentencia match 23

Python Tutorial, Versión 3.13.1

variable liga uno de los elementos del sujeto (point). El cuarto patró n captura ambos elementos, lo que lo hace
conceptualmente similar a la asignació n que desempaqueta (x, y) = point.
Si está s usando clases para estructurar tus datos, puedes usar el nombre de la clase seguida de una lista de argumentos
similar a la de un constructor, pero con la capacidad de capturar atributos en variables:

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

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

Puedes usar argumentos posicionales en algunas clases incorporadas que proveen un orden para sus atributos (por ej.
dataclasses). Tambié n puedes definir una posició n 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 recomendació n para leer patrones es verlos como una forma extendida de lo que pondrías en el lado izquierdo
de una asignació n, para así entender cuá les variables tomarían qué valores. Só lo los nombres que aparecen por si
solos (có mo var arriba) son asignados por una sentencia match. Nunca se asigna a los nombres con puntos (como
[Link]), 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 tuvié ramos una lista corta de puntos, con
__match_args__ añ adido, 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 _:
(continú e en la pró xima pá gina)

24 Capítulo 4. Más herramientas para control de flujo

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

print("Something else")

Podemos añ adir una clausula if a un patró n, conocida como «guarda». Si la guarda es falsa, match pasa a intentar
el siguiente bloque case. Obsé rvese 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 mis-
mo sentido y realmente coinciden con cualquier secuencia arbitraria. Una excepció n 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) fun-
cionan de manera similar a las asignaciones con desempaquetado. El nombre luego de * tambié n puede ser _,
con lo cual (x, y, *_) coincide con cualquier secuencia de al menos dos elementos, sin ligar ninguno de
los demá s 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 ú nicas True, False y None se
comparan por identidad.
• En un patró n 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 [Link]:
print("I see red!")
case [Link]:
print("Grass is green")
case [Link]:
print("I'm feeling the blues :(")

Para una explicació n má s detallada y má s ejemplos, puede leerse PEP 636 que está escrita en un formato de tutorial.

4.7. La sentencia match 25

Python Tutorial, Versión 3.13.1

4.8 Definir funciones

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

>>> def fib(n): # write Fibonacci series less than n

... """Print a Fibonacci series less than 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 funció n y la lista de pará metros
formales entre paré ntesis. Las sentencias que forman el cuerpo de la funció n empiezan en la línea siguiente, y deben
estar con sangría.
La primera sentencia del cuerpo de la funció n puede ser opcionalmente una cadena de texto literal; esta es la cadena
de texto de documentació n de la funció n, o docstring. (Puedes encontrar má s acerca de docstrings en la secció n
Cadenas de texto de documentación.). Existen herramientas que usan las docstrings para producir documentació n
imprimible o disponible en línea, o para dejar que los usuarios busquen interactivamente a travé s del có digo; es una
buena prá ctica incluir docstrings en el có digo que escribes, así que acostú mbrate a hacerlo.
La ejecución de una funció n introduce una nueva tabla de símbolos usada para las variables locales de la funció n.
Má s precisamente, todas las asignaciones de variables en la funció n 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 funció n no se les puede asignar directamente un valor dentro
de una funció n (a menos que se las nombre en la sentencia global, o mediante la sentencia nonlocal para variables
de funciones que engloban la funció n local), aunque si pueden ser referenciadas.
Los pará metros reales (argumentos) para una llamada de funció n se introducen en la tabla de símbolos local de la
funció n llamada cuando é sta 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 funció n llama a otra funció n, o se llama a sí
misma de forma recursiva, se crea una nueva tabla de símbolos locales para esa llamada.
Una definició n de funció n asocia el nombre de la funció n con el objeto de funció n en la tabla de símbolos actual.
El inté rprete reconoce el objeto al que apunta ese nombre como una funció n definida por el usuario. Otros nombres
tambié n pueden apuntar a ese mismo objeto de funció n y tambié n se pueden usar para acceder a la funció n:

>>> 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 funció n, sino un procedimiento, porque no retorna un
valor. De hecho, té cnicamente hablando, los procedimientos sin return sí retornan un valor, aunque uno bastante
aburrido. Este valor se llama None (es un nombre predefinido). El inté rprete por lo general no escribe el valor None
si va a ser el ú nico valor escrito. Puede verlo si realmente lo desea utilizando print():

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

1 En realidad, llamadas por referencia de objeto sería una mejor descripció n, 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).

26 Capítulo 4. Más herramientas para control de flujo

 Python Tutorial, Versión 3.13.1

Es simple escribir una funció n que retorne una lista con los nú meros de la serie de Fibonacci en lugar de imprimirlos:

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

... """Return a list containing the Fibonacci series up to n."""
... result = []
... a, b = 0, 1
... while a < n:
... [Link](a) # see below
... a, b = b, a+b
... return result
...
>>> f100 = fib2(100) # call it
>>> f100 # write the result
[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89]

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

• La sentencia return retorna un valor en una funció n. return sin una expresió n como argumento retorna
None. Si se alcanza el final de una funció n, tambié n se retorna None.

• La sentencia [Link](a) llama a un método del objeto lista result. Un mé todo es una funció n que
“pertenece” a un objeto y se nombra [Link], dó nde obj es algú n objeto (puede ser una expresió n),
y methodname es el nombre del mé todo que está definido por el tipo del objeto. Distintos tipos definen distintos
mé todos. Mé todos de diferentes tipos pueden tener el mismo nombre sin causar ambigü edad. (Es posible definir
tus propios tipos de objetos y mé todos, usando clases, ver Clases). El mé todo append() mostrado en el ejemplo
está definido para objetos lista; añ ade un nuevo elemento al final de la lista. En este ejemplo es equivalente a
result = result + [a], pero má s eficiente.

4.9 Más sobre definición de funciones

Tambié n es posible definir funciones con un nú mero variable de argumentos. Hay tres formas que pueden ser com-
binadas.

4.9.1 Argumentos con valores por omisión

La forma má s ú til es especificar un valor por omisió n para uno o má s argumentos. Esto crea una funció n 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 funció n puede ser llamada de distintas maneras:

• pasando só lo 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 tambié n introduce la palabra reservada in, la cual prueba si una secuencia contiene o no un determinado
valor.

4.9. Más sobre definición de funciones 27

Python Tutorial, Versión 3.13.1

Los valores por omisió n son evaluados en el momento de la definició n de la funció n en el á mbito de la definició n,
entonces:

i = 5

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

i = 6
f()

imprimirá 5.
Advertencia importante: El valor por omisió n es evaluado solo una vez. Existe una diferencia cuando el valor por
omisió n es un objeto mutable como una lista, diccionario, o instancia de la mayoría de las clases. Por ejemplo, la
siguiente funció n acumula los argumentos que se le pasan en subsiguientes llamadas:

def f(a, L=[]):

[Link](a)
return L

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

Imprimirá

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

Si no se quiere que el valor por omisió n sea compartido entre subsiguientes llamadas, se pueden escribir la funció n
así:

def f(a, L=None):

if L is None:
L = []
[Link](a)
return L

4.9.2 Palabras claves como argumentos

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

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 funció n
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
(continú e en la pró xima pá gina)

28 Capítulo 4. Más herramientas para control de flujo

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

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 invá lidas:

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 funció n, los argumentos nombrados deben seguir a los argumentos posicionales. Cada uno de
los argumentos nombrados pasados deben coincidir con un argumento aceptado por la funció n (por ejemplo, actor
no es un argumento vá lido para la funció n parrot), y el orden de los mismos no es importante. Esto tambié n se aplica
a los argumentos obligatorios (por ejemplo, parrot(voltage=1000) tambié n es vá lido). Ningú n argumento puede
recibir má s de un valor al mismo tiempo. Aquí hay un ejemplo que falla debido a esta restricció n:

>>> def function(a):

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

Cuando un pará metro formal de la forma **nombre está presente al final, recibe un diccionario (ver typesmapping)
conteniendo todos los argumentos nombrados excepto aquellos correspondientes a un pará metro formal. Esto puede
ser combinado con un pará metro formal de la forma *nombre (descrito en la siguiente secció n) que recibe una tupla
conteniendo los argumentos posicionales ademá s de la lista de pará metros formales. (*nombre debe ocurrir antes de
**nombre). Por ejemplo, si definimos una funció n 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

4.9. Más sobre definición de funciones 29

Python Tutorial, Versión 3.13.1

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 funció n.

4.9.3 Parámetros especiales

Por defecto, los argumentos pueden enviarse a una funció n Python o bien por posició n o explícitamente por clave.
Para legibilidad y rendimiento tiene sentido restringir como se pueden enviar los argumentos, así un desarrollador
necesitará mirar solamente la definició n de la funció n para determinar si los argumentos se deben enviar por posició n,
por posició n o clave, o por clave.
La definició n de una funció n 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 pará metro segú n la forma en que
los argumentos deben enviarse a la funció n: solo por posició n (positional-only), por posició n o clave (positional-or-
keyword) y solo por clave (keyword-only). Pará metros por clave pueden tambié n denominarse pará metros por nombre
o nombrados.

Argumentos posicionales o de palabras claves

Si / y * no está n presentes en la definició n de la funció n, los pará metros pueden ser pasados a una funció n posicio-
nalmente o por palabra clave.

Parámetros únicamente posicionales

Mirando esto con un poco má s de detalle, es posible señ alar algunos pará metros como únicamente posicionales. En ese
caso el orden de los pará metros es importante, y los pará metros no pueden ser indicados utilizando palabras claves.
Pará metros ú nicamente posicionales son ubicados antes de una / (barra). La / es utilizada para separar ló gicamente
pará metros ú nicamente posicionales del resto. Si no existe una / en la definició n de la funció n, no existen pará metros
ú nicamente posicionales.
Los pará metros luego de una / pueden ser únicamente posicionales o unicamente de palabras claves.

Argumentos únicamente de palabras clave

Para señ alar pará metros como unicamente de palabras clave, indicando que los pará metros deben ser pasados con
una palabra clave, indiqué un * en la lista de argumentos antes del primer pará metro únicamente de palabras clave.

Ejemplos de Funciones
Considere el siguiente ejemplo de definiciones de funciones prestando especial atenció n 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)

30 Capítulo 4. Más herramientas para control de flujo

 Python Tutorial, Versión 3.13.1

La primer definició n de funció n, standard_arg, la forma mas familiar, no indica ninguna restricció n en las con-
diciones para llamarla y los pará metros deben ser pasados por posició n o utilizando palabras clave:

>>> standard_arg(2)
2

>>> standard_arg(arg=2)
2

La segunda funció n pos_only_arg está restringida a utilizar ú nicamente pará metros posicionales ya que existe una
/ en la definició n de la funció n:

>>> pos_only_arg(1)
1

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

The third function kwd_only_arg only allows keyword arguments as indicated by a * in the function definition:

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

>>> kwd_only_arg(arg=3)
3

La ú ltima utiliza las tres convenciones en una misma definició n de funció n:

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

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

1 2 3

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

1 2 3

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

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

Finalmente, considere esta definició n de funció n que contiene una colisió n potencial entre los pará metros 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
pará metro. Por ejemplo:

4.9. Más sobre definición de funciones 31

Python Tutorial, Versión 3.13.1

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

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

Pero utilizando / (pará metros ú nicamente posicionales), es posible ya que permite utilizar name como un pará metro
posicional y name como un pará metro de palabras clave:

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

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

En otras palabras, los nombres de pará metros ú nicamente posicionales pueden ser utilizados en **kwds sin ambi-
gü edad.

Resumen
El caso de uso determinará qué pará metros utilizar en una definició n de funció n:

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

A modo de guía:
• Utilice ú nicamente posicionales si quiere que el nombre del pará metro esté disponible para el usuario. Esto es
ú til cuando el nombre del pará metro no tiene un significado real, si se quiere imponer el orden de los pará metros
cuando una funció n es llamada o si necesita tomar algunos pará metros posicionales y palabras claves arbitrarias.
• Utilice pará metros ú nicamente de palabras clave cuando los nombres de los pará metros tienen un significado
y la definició n de la funció n será má s entendible usando nombres explícitos o cuando desea evitar que los
usuarios dependan de la posició n de los pará metros 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
pará metro se modifica en el futuro.

4.9.4 Listas de argumentos arbitrarios

Finalmente, la opció n menos frecuentemente usada es especificar que una funció n puede ser llamada con un nú mero
arbitrario de argumentos. Estos argumentos será n organizados en una tupla (ver Tuplas y secuencias). Antes del
nú mero variable de argumentos, cero o má s argumentos normales pueden estar presentes.:

def write_multiple_items(file, separator, *args):

[Link]([Link](args))

Normalmente estos argumentos variádicos será n los ú ltimos en la lista de pará metros formales, porque toman todo
el remanente de argumentos que se pasan a la funció n. Cualquier pará metro que suceda luego del *args será “só lo
de palabra clave”, o sea que só lo se pueden usar como argumentos nombrados y no como posicionales.

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

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

32 Capítulo 4. Más herramientas para control de flujo

 Python Tutorial, Versión 3.13.1

4.9.5 Desempaquetando una lista de argumentos

La situació n inversa ocurre cuando los argumentos ya está n en una lista o tupla pero necesitan ser desempaqueta-
dos para llamar a una funció n que requiere argumentos posicionales separados. Por ejemplo, la funció n predefinida
range() espera los pará metros inicio y fin. Si estos no está n disponibles en forma separada, se puede escribir la
llamada a la funció n 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 !

4.9.6 Expresiones lambda

Pequeñ as funciones anó nimas pueden ser creadas con la palabra reservada lambda. Esta funció n 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 funció n. Está n sintá cticamente restringidas a una sola expresió n. Semá nticamente,
son solo azú car sintá ctica para definiciones normales de funciones. Al igual que las funciones anidadas, las funciones
lambda pueden hacer referencia a variables desde el á mbito 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 expresió n lambda para retornar una funció n. Otro uso es para pasar pe-
queñ as funciones como argumentos

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

4.9.7 Cadenas de texto de documentación

Acá hay algunas convenciones sobre el contenido y formato de las cadenas de texto de documentació n.
La primera línea debe ser siempre un resumen corto y conciso del propó sito del objeto. Para ser breve, no se debe
mencionar explícitamente el nombre o tipo del objeto, ya que estos está n disponibles de otros modos (excepto si el
nombre es un verbo que describe el funcionamiento de la funció n). Esta línea debe empezar con una letra mayú scula
y terminar con un punto.

4.9. Más sobre definición de funciones 33

Python Tutorial, Versión 3.13.1

Si hay má s líneas en la cadena de texto de documentació n, la segunda línea debe estar en blanco, separando visual-
mente el resumen del resto de la descripció n. Las líneas siguientes deben ser uno o má s pá rrafos 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 documentació n tienen que quitarlo si así lo desean. Esto se hace mediante la siguiente convenció n. 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 documentació n. (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 expansió n 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.

4.9.8 Anotación de funciones

Las anotaciones de funciones son informació n completamente opcional sobre los tipos usadas en funciones definidas
por el usuario (ver PEP 3107 y PEP 484 para má s informació n).
Las anotaciones se almacenan en el atributo __annotations__ de la funció n como un diccionario y no tienen
efecto en ninguna otra parte de la funció n. Las anotaciones de los pará metros se definen luego de dos puntos despué s
del nombre del pará metro, seguido de una expresió n que evalú a al valor de la anotació n. Las anotaciones de retorno
son definidas por el literal ->, seguidas de una expresió n, entre la lista de pará metros y los dos puntos que marcan el
final de la declaració n 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'

4.10 Intermezzo: Estilo de programación

Ahora que está s a punto de escribir piezas de Python má s 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 fá ciles de leer que otros. Hacer que tu có digo sea má s fá cil de leer por otros es siempre una
buena idea, y adoptar un buen estilo de programació n ayuda tremendamente a lograrlo.
Para Python, PEP 8 se erigió como la guía de estilo a la que má s proyectos adhirieron; promueve un estilo de
programació n fá cil de leer y visualmente agradable. Todos los desarrolladores Python deben leerlo en algú n momento;
aquí está n extraídos los puntos má s importantes:

34 Capítulo 4. Más herramientas para control de flujo

 Python Tutorial, Versión 3.13.1

• Usar sangrías de 4 espacios, no tabuladores.

4 espacios son un buen compromiso entre una sangría pequeñ a (permite mayor nivel de sangrado)y una sangría
grande (má s fá cil de leer). Los tabuladores introducen confusió n y es mejor dejarlos de lado.
• Recortar las líneas para que no superen los 79 caracteres.
Esto ayuda a los usuarios con pantallas pequeñ as y hace posible tener varios archivos de có digo abiertos, uno
al lado del otro, en pantallas grandes.
• Usar líneas en blanco para separar funciones y clases, y bloques grandes de có digo 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 paré ntesis: a =
f(1, 2) + g(3, 4).

• Nombrar las clases y funciones consistentemente; la convenció n es usar NotacionCamello para clases y
minusculas_con_guiones_bajos para funciones y mé todos. Siempre usa self como el nombre para el
primer argumento en los mé todos (ver Un primer vistazo a las clases para má s informació n sobre clases y
mé todos).
• No uses codificaciones estrafalarias si esperas usar el có digo 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 pequeñ ísima chance
de que gente que hable otro idioma tenga que leer o mantener el có digo.

Notas al pie

4.10. Intermezzo: Estilo de programación 35

Python Tutorial, Versión 3.13.1

36 Capítulo 4. Más herramientas para control de flujo

 CAPÍTULO 5

Estructuras de datos

Este capítulo describe en má s detalle algunas cosas que ya has aprendido y agrega algunas cosas nuevas tambié n.

5.1 Más sobre listas

El tipo de dato lista tiene algunos mé todos má s. Aquí está n todos los mé todos de los objetos lista:
[Link](x)
Add an item to the end of the list. Similar to a[len(a):] = [x].
[Link](iterable)
Extend the list by appending all the items from the iterable. Similar to a[len(a):] = iterable.
[Link](i, x)
Inserta un ítem en una posició n dada. El primer argumento es el índice del ítem delante del cual se inser-
tará , por lo tanto [Link](0, x) inserta al principio de la lista y [Link](len(a), x) equivale a
[Link](x).

[Link](x)
Quita el primer ítem de la lista cuyo valor sea x. Lanza un ValueError si no existe tal ítem.
[Link]( i )[]
Remove the item at the given position in the list, and return it. If no index is specified, [Link]() removes and
returns the last item in the list. It raises an IndexError if the list is empty or the index is outside the list
range.
[Link]()
Remove all items from the list. Similar to del a[:].
[ [
[Link](x , start , end ]])
Retorna el índice basado en cero del primer elemento cuyo valor sea igual a x. Lanza una excepció n
ValueError si no existe tal elemento.
Los argumentos opcionales start y end son interpretados como la notació n de rebanadas y se usan para limitar
la bú squeda 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.
[Link](x)
Retorna el nú mero de veces que x aparece en la lista.

37
Python Tutorial, Versión 3.13.1

[Link](*, key=None, reverse=False)

Ordena los elementos de la lista in situ (los argumentos pueden ser usados para personalizar el orden de la lista,
ver sorted() para su explicació n).
[Link]()
Invierte los elementos de la lista in situ.
[Link]()
Return a shallow copy of the list. Similar to a[:].
Un ejemplo que usa la mayoría de los mé todos de la lista:

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

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

Quizá s hayas notado que mé todos como insert, remove o sort que ú nicamente modifican la lista no tienen
un valor de retorno impreso – retornan el valor por defecto None.1 Esto es un principio de diseñ o para todas las
estructuras de datos mutables en Python.
Another thing you might notice is that not all data can be sorted or compared. For instance, [None, 'hello', 10]
doesn’t sort because integers can’t be compared to strings and None can’t be compared to other types. Also, there are
some types that don’t have a defined ordering relation. For example, 3+4j < 5+7j isn’t a valid comparison.

5.1.1 Usar listas como pilas

The list methods make it very easy to use a list as a stack, where the last element added is the first element retrieved
(«last-in, first-out»). To add an item to the top of the stack, use append(). To retrieve an item from the top of the
stack, use pop() without an explicit index. For example:

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

>>> [Link](6)
>>> [Link](7)
>>> stack
[3, 4, 5, 6, 7]
>>> [Link]()
7
>>> stack
[3, 4, 5, 6]
>>> [Link]()
(continú e en la pró xima pá gina)
1 Otros lenguajes podrían retornar un objeto mutado, que permite encadenamiento de mé todos como
d->insert("a")->remove("b")->sort();.

38 Capítulo 5. Estructuras de datos

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

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

5.1.2 Usar listas como colas

Tambié n es posible usar una lista como una cola, donde el primer elemento añ adido es el primer elemento retirado
(«primero en entrar, primero en salir»); sin embargo, las listas no son eficientes para este propó sito. Agregar y sacar
del final de la lista es rá pido, 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 [Link] el cual fue diseñ ado para añ adir y quitar de ambas puntas
de forma rá pida. Por ejemplo:

>>> from collections import deque

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

5.1.3 Comprensión de listas

Las comprensiones de listas ofrecen una manera concisa de crear listas. Sus usos comunes son para hacer nuevas listas
donde cada elemento es el resultado de algunas operaciones aplicadas a cada miembro de otra secuencia o iterable, o
para crear un segmento de la secuencia de esos elementos para satisfacer una condició n determinada.
Por ejemplo, asumamos que queremos crear una lista de cuadrados, como:

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

Nó tese 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 ningú n 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 má s conciso y legible.

Una lista de comprensió n consiste de corchetes rodeando una expresió n seguida de la declaració n for y luego cero
o má s declaraciones for o if. El resultado será una nueva lista que sale de evaluar la expresió n en el contexto de los
for o if que le siguen. Por ejemplo, esta lista de comprensió n combina los elementos de dos listas si no son iguales:

5.1. Más sobre listas 39

Python Tutorial, Versión 3.13.1

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

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

y es equivalente a:

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

Nó tese como el orden de los for y if es el mismo en ambos pedacitos de có digo.
Si la expresió n es una tupla (como el (x, y) en el ejemplo anterior), debe estar entre paré ntesis.

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

>>> # create a new list with the values doubled
>>> [x*2 for x in vec]
[-8, -4, 0, 4, 8]
>>> # filter the list to exclude negative numbers
>>> [x for x in vec if x >= 0]
[0, 2, 4]
>>> # apply a function to all the elements
>>> [abs(x) for x in vec]
[4, 2, 0, 2, 4]
>>> # call a method on each element
>>> freshfruit = [' banana', ' loganberry ', 'passion fruit ']
>>> [[Link]() for weapon in freshfruit]
['banana', 'loganberry', 'passion fruit']
>>> # create a list of 2-tuples like (number, square)
>>> [(x, x**2) for x in range(6)]
[(0, 0), (1, 1), (2, 4), (3, 9), (4, 16), (5, 25)]
>>> # the tuple must be parenthesized, otherwise an error is raised
>>> [x, x**2 for x in range(6)]
File "<stdin>", line 1
[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 expresió n inicial de una comprensió n de listas puede ser cualquier expresió n arbitraria, incluyendo otra compren-
sió n de listas.
Considerá el siguiente ejemplo de una matriz de 3x4 implementada como una lista de tres listas de largo 4:

40 Capítulo 5. Estructuras de datos

 Python Tutorial, Versión 3.13.1

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

La siguiente comprensió n 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 secció n anterior, la lista de comprensió n anidada se evalú a en el contexto del for que lo sigue,
por lo que este ejemplo equivale a:

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

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

>>> transposed = []
>>> for i in range(4):
... # the following 3 lines implement the nested listcomp
... transposed_row = []
... for row in matrix:
... transposed_row.append(row[i])
... [Link](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 funció n 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

There is a way to remove an item from a list given its index instead of its value: the del statement. This differs from
the pop() method which returns a value. The del statement can also be used to remove slices from a list or clear
the entire list (which we did earlier by assignment of an empty list to the slice). For example:

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

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

5.2. La instrucción del 41

Python Tutorial, Versión 3.13.1

del puede usarse tambié n para eliminar variables:

>>> del a

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

5.3 Tuplas y secuencias

Vimos que las listas y cadenas tienen propiedades en comú n, 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 evolució n, otros datos
de tipo secuencia pueden agregarse. Existe otro dato de tipo secuencia está ndar: la tupla.
Una tupla está formada por un nú mero de valores separados por comas, por ejemplo:

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

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

Como puedes ver, en la salida las tuplas siempre se encierran entre paré ntesis para que las tuplas anidadas puedan
interpretarse correctamente; pueden ingresarse con o sin paré ntesis, aunque a menudo los paré ntesis son necesarios
de todas formas (si la tupla es parte de una expresió n má s 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 propó sitos. Las tuplas son immutable y normalmente contienen una secuencia heterogé nea de elementos
que son accedidos al desempaquetar (ver má s adelante en esta secció n) o indizar (o incluso acceder por atributo en
el caso de las namedtuples). Las listas son mutable, y sus elementos son normalmente homogé neos y se acceden
iterando a la lista.
Un problema particular es la construcció n 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 paré ntesis vacío; una tupla con un ítem
se construye poniendo una coma a continuació n del valor (no alcanza con encerrar un ú nico valor entre paré ntesis).
Feo, pero efectivo. Por ejemplo:

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

42 Capítulo 5. Estructuras de datos

 Python Tutorial, Versión 3.13.1

La declaració n t = 12345, 54321, 'hola!' es un ejemplo de empaquetado de tuplas: los valores 12345, 54321
y 'hola!' se empaquetan juntos en una tupla. La operació n inversa tambié n 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
tamañ o de la secuencia. Nó tese que la asignació n mú ltiple es en realidad só lo una combinació n de empaquetado de
tuplas y desempaquetado de secuencias.

5.4 Conjuntos
Python tambié n incluye un tipo de dato para conjuntos. Un conjunto es una colecció n no ordenada y sin elementos
repetidos. Los usos bá sicos de é stos incluyen verificació n de pertenencia y eliminació n de entradas duplicadas. Los
conjuntos tambié n soportan operaciones matemá ticas como la unió n, intersecció n, diferencia, y diferencia simé trica.
Las llaves o la funció n set() pueden usarse para crear conjuntos. Notá que para crear un conjunto vacío tené s que
usar set(), no {}; esto ú ltimo crea un diccionario vacío, una estructura de datos que discutiremos en la secció n
siguiente.
Una pequeñ a demostració n:

>>> 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 comprensió n de conjuntos está tambié n soportada:

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

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

5.5 Diccionarios
Another useful data type built into Python is the dictionary (see typesmapping). Dictionaries are sometimes found in
other languages as «associative memories» or «associative arrays». Unlike sequences, which are indexed by a range
of numbers, dictionaries are indexed by keys, which can be any immutable type; strings and numbers can always be
keys. Tuples can be used as keys if they contain only strings, numbers, or tuples; if a tuple contains any mutable object

5.4. Conjuntos 43
Python Tutorial, Versión 3.13.1

either directly or indirectly, it cannot be used as a key. You can’t use lists as keys, since lists can be modified in place
using index assignments, slice assignments, or methods like append() and extend().
Es mejor pensar en un diccionario como un conjunto de pares clave:valor con el requerimiento de que las claves
sean ú nicas (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 añ ade pares clave:valor iniciales al diccionario; esta es tambié n
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.
Tambié n es posible borrar un par clave:valor con del. Si usá s 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 inserció n (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 pequeñ o 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}

Ademá s, 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 má s fá cil 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 mé todo items().

44 Capítulo 5. Estructuras de datos

 Python Tutorial, Versión 3.13.1

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

>>> for k, v in [Link]():
... print(k, v)
...
gallahad the pure
robin the brave

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

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

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

Para iterar sobre dos o má s secuencias al mismo tiempo, los valores pueden emparejarse con la funció n 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
funció n 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 funció n 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 combinació n con set()
sobre una secuencia es una forma idiomá tica de recorrer elementos ú nicos de la secuencia ordenada.

5.6. Técnicas de iteración 45

Python Tutorial, Versión 3.13.1

>>> 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 má s simple y seguro crear
una nueva lista:

>>> import math

>>> raw_data = [56.2, float('NaN'), 51.7, 55.3, 52.5, float('NaN'), 47.8]
>>> filtered_data = []
>>> for value in raw_data:
... if not [Link](value):
... filtered_data.append(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 só lo comparaciones.
Los operadores de comparació n 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 comparació n
tienen la misma prioridad, que es menor que la de todos los operadores numé ricos.
Las comparaciones pueden encadenarse. Por ejemplo, a < b == c verifica si a es menor que b y ademá s si b es
igual a c.
Las comparaciones pueden combinarse mediante los operadores booleanos and y or, y el resultado de una compa-
ració n (o de cualquier otra expresió n booleana) puede negarse con not. Estos tienen prioridades menores que los
operadores de comparació n; 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 paré ntesis pueden usarse para expresar la composició n
deseada.
Los operadores booleanos and y or son los llamados operadores cortocircuito: sus argumentos se evalú an de izquierda
a derecha, y la evaluació n 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 evalú a la expresió n C. Cuando se usa como un valor general y
no como un booleano, el valor retornado de un operador cortocircuito es el ú ltimo argumento evaluado.
Es posible asignar el resultado de una comparació n u otra expresió n booleana a una variable. Por ejemplo,

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

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

Nó tese 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 expresió n
cuando se intentaba escribir ==.

46 Capítulo 5. Estructuras de datos

 Python Tutorial, Versión 3.13.1

5.8 Comparando secuencias y otros tipos

Las secuencias pueden compararse con otros objetos del mismo tipo de secuencia. La comparació n usa orden le-
xicográfico: primero se comparan los dos primeros ítems, si son diferentes esto ya determina el resultado de la
comparació n; 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 comparació n lexicográ fica 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 má s corta es la má s pequeñ a. El orden lexicográ fico de las ca-
denas de caracteres utiliza el punto de có digo Unicode para ordenar caracteres individuales. Algunos ejemplos de
comparació n 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 mé todos
de comparació n apropiados. Por ejemplo, los tipos de nú meros mezclados son comparados de acuerdo a su valor
numé rico, o sea 0 es igual a 0.0, etc. Si no es el caso, en lugar de proveer un ordenamiento arbitrario, el inté rprete
lanzará una excepció n TypeError.

Notas al pie

5.8. Comparando secuencias y otros tipos 47

Python Tutorial, Versión 3.13.1

48 Capítulo 5. Estructuras de datos

 CAPÍTULO 6

Módulos

Si sales del inté rprete de Python y vuelves a entrar, las definiciones que habías hecho (funciones y variables) se
pierden. Por lo tanto, si quieres escribir un programa má s o menos largo, es mejor que utilices un editor de texto para
preparar la entrada para el inté rprete y ejecutarlo con ese archivo como entrada. Esto se conoce como crear un script.
A medida que tu programa crezca, quizá s quieras separarlo en varios archivos para que el mantenimiento sea má s
sencillo. Quizá s tambié n quieras usar una funció n ú til que has escrito en distintos programas sin copiar su definició n
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 inté rprete. Este tipo de ficheros se llama módulo; las definiciones de un mó dulo pueden ser importadas
a otros mó dulos o al mó dulo principal (la colecció n de variables a las que tienes acceso en un script ejecutado en el
nivel superior y en el modo calculadora).
Un mó dulo es un fichero conteniendo definiciones y declaraciones de Python. El nombre de archivo es el nombre
del mó dulo con el sufijo .py agregado. Dentro de un mó dulo, el nombre del mismo mó dulo (como cadena) está
disponible en el valor de la variable global __name__. Por ejemplo, utiliza tu editor de texto favorito para crear un
archivo llamado [Link] en el directorio actual, con el siguiente contenido:

# Fibonacci numbers module

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

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

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

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

Ahora entra en el inté rprete de Python e importa este modulo con el siguiente comando:

>>> import fibo

49
Python Tutorial, Versión 3.13.1

Esto no añ ade los nombres de las funciones definidas en fibo directamente al actual namespace (ver Ámbitos y
espacios de nombres en Python para má s detalles); só lo añ ade el nombre del mó dulo fibo allí. Usando el nombre del
mó dulo puedes acceder a las funciones:

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

Si pretendes utilizar una funció n frecuentemente puedes asignarla a un nombre local:

>>> fib = [Link]

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

6.1 Más sobre los módulos

Un mó dulo puede contener tanto declaraciones ejecutables como definiciones de funciones. Estas declaraciones es-
tá n pensadas para inicializar el mó dulo. Se ejecutan ú nicamente la primera vez que el mó dulo se encuentra en una
declaració n import.1 (Tambié n se ejecutan si el archivo se ejecuta como script.)
Cada mó dulo tiene su propio espacio de nombres privado, que es utilizado como espacio de nombres global por todas
las funciones definidas en el mó dulo. De este modo, el autor de un mó dulo puede utilizar variables globales en el
mó dulo sin preocuparse por choques accidentales con las variables globales de un usuario. Por otro lado, si sabes
lo que está s haciendo puedes tocar las variables globales de un mó dulo con la misma notació n que se utiliza para
referirse a sus funciones, [Link].
Los mó dulos pueden importar otros mó dulos. Es costumbre pero no obligatorio ubicar todas las declaraciones
import al principio del mó dulo (o script, para el caso). Los nombres de los mó dulos importados, si se colocan
en el nivel superior de un mó dulo (fuera de cualquier funció n o clase), se añ aden al espacio de nombres global del
mó dulo.
Hay una variante de la declaració n import que importa los nombres de un mó dulo directamente al espacio de
nombres del mó dulo que hace la importació n. 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 mó dulo 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 mó dulo 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 guió n bajo (_). La mayoría de las veces los programa-
dores de Python no usan esto ya que introduce en el inté rprete un conjunto de nombres desconocido, posiblemente
escondiendo algunas de las definiciones previas.
Nó tese que en general la prá ctica de importar * de un mó dulo o paquete está muy mal vista, ya que frecuentemente
genera có digo poco legible. Sin embargo, está bien usarlo para ahorrar tecleo en sesiones interactivas.
Si el nombre del mó dulo es seguido por as, el nombre siguiendo as queda ligado directamente al mó dulo importado.
1 De hecho, las definiciones de funciones tambié n son «declaraciones» que se «ejecutan»; la ejecució n de una definició n de funció n a nivel de

mó dulo, añ ade el nombre de la funció n en el espacio de nombres global del mó dulo.

50 Capítulo 6. Módulos
 Python Tutorial, Versión 3.13.1

>>> import fibo as fib

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

Esto es bá sicamente importar el mó dulo de la misma forma que se haría con import fibo, con la ú nica diferencia
en que se encuentra accesible como fib.
Tambié n 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 mó dulo es importado solo una vez por sesió n del inté rprete. Por lo tanto, si cambias
tus mó dulos, debes reiniciar el interprete – ó , si es un solo mó dulo que quieres probar de forma interactiva, usa
[Link](), por ejemplo: import importlib; [Link](modulename).

6.1.1 Ejecutar módulos como scripts

Cuando ejecutes un mó dulo de Python con

python [Link] <arguments>

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

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

puedes hacer que el archivo sea utilizable tanto como script, como mó dulo importable, porque el có digo que analiza
la línea de ó rdenes só lo se ejecuta si el mó dulo es ejecutado como archivo principal:

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

Si el mó dulo se importa, ese có digo no se ejecuta:

>>> import fibo

>>>

Esto es frecuentemente usado para proveer al mó dulo una interfaz de usuario conveniente, o para fines de prueba
(ejecutar el mó dulo como un script que ejecuta un conjunto de pruebas).

6.1.2 El camino de búsqueda de los módulos

Cuando se importa un mó dulo llamado spam, el inté rprete busca primero por un mó dulo con ese nombre que esté
integrado en el inté rprete. Estos nombres de mó dulos está n listados en sys.builtin_module_names. Si no lo
encuentra, entonces busca un archivo llamado [Link] en una lista de directorios especificada por la variable sys.
path. [Link] se inicializa con las siguientes ubicaciones:

• El directorio que contiene el script de entrada (o el directorio actual cuando no se especifica archivo).
• PYTHONPATH (una lista de nombres de directorios, con la misma sintaxis que la variable de la terminal PATH).
• El valor predeterminado dependiente de la instalació n (por convenció n incluye un directorio site-packages,
manejado por el mó dulo site).

6.1. Más sobre los módulos 51

Python Tutorial, Versión 3.13.1

Má s detalles en sys-path-init.

® Nota

En los sistemas de archivo que soportan enlaces simbó licos, el directorio que contiene el script de entrada es
calculado luego de seguir el enlace simbó lico. En otras palabras, el directorio que contiene el enlace simbó lico
no es agregado al camino de bú squeda del mó dulo.

Luego de la inicializació n, los programas Python pueden modificar [Link]. El directorio que contiene el script
que se está ejecutando se ubica al principio de la bú squeda, adelante de la biblioteca está ndar. Esto significa que se
cargará n scripts en ese directorio en lugar de mó dulos de la biblioteca está ndar con el mismo nombre. Esto es un
error a menos que se esté reemplazando intencionalmente. Mirá la secció n Módulos estándar para má s informació n.

6.1.3 Archivos «compilados» de Python

Para acelerar la carga de mó dulos, Python cachea las versiones compiladas de cada mó dulo en el directorio
__pycache__ bajo el nombre [Link], dó nde la versió n codifica el formato del archivo compilado;
generalmente contiene el nú mero de versió n de Python. Por ejemplo, en CPython release 3.3 la versió n compilada
de [Link] sería cacheada como __pycache__/[Link]. Este convenció n de nombre permite
compilar mó dulos desde diferentes releases y versiones de Python para coexistir.
Python chequea la fecha de modificació n de la fuente contra la versió n compilada para ver si esta es obsoleta y
necesita ser recompilada. Esto es un proceso completamente automá tico. Tambié n, los mó dulos compilados son
independientes de la plataforma, así que la misma biblioteca puede ser compartida a travé s de sistemas con diferentes
arquitecturas.
Python no chequea el caché en dos circunstancias. Primero, siempre recompila y no graba el resultado del mó dulo
que es cargado directamente desde la línea de comando. Segundo, no chequea el caché si no hay mó dulo fuente. Para
soportar una distribució n sin fuente (solo compilada), el mó dulo compilado debe estar en el directorio origen, y no
debe haber un mó dulo fuente.
Algunos consejos para expertos:
• Puedes usar los modificadores -O o -OO en el comando de Python para reducir el tamañ o del mó dulo 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
opció n si conoces lo que está s haciendo. Los mó dulos «optimizados» tienen una etiqueta opt- y generalmente
son mas pequeñ os. Releases futuras pueden cambiar los efectos de la optimizació n.
• Un programa no se ejecuta mas rá pido cuando es leído de un archivo .pyc que cuando es leído de un archivo
.py; la ú nica cosa que es mas rá pida en los archivos .pyc es la velocidad con la cual son cargados.

• El mó dulo compileall puede crear archivos .pyc para todos los mó dulos 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 mó dulos está ndar, descrita en un documento separado, la Referencia de la Biblio-
teca de Python (de aquí en má s, «Referencia de la Biblioteca»). Algunos mó dulos se integran en el inté rprete; estos
proveen acceso a operaciones que no son parte del nú cleo del lenguaje pero que sin embargo está n integrados, tanto
por eficiencia como para proveer acceso a primitivas del sistema operativo, como llamadas al sistema. El conjunto
de tales mó dulos es una opció n de configuració n que tambié n depende de la plataforma subyacente. Por ejemplo,
el mó dulo winreg só lo se provee en sistemas Windows. Un mó dulo en particular merece algo de atenció n: sys, el
que está integrado en todos los inté rpretes de Python. Las variables sys.ps1 y sys.ps2 definen las cadenas usadas
como cursores primarios y secundarios:

>>> import sys

>>> sys.ps1
(continú e en la pró xima pá gina)

52 Capítulo 6. Módulos
 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

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

Estas dos variables está n solamente definidas si el inté rprete está en modo interactivo.
La variable [Link] es una lista de cadenas que determinan el camino de bú squeda del inté rprete para los mó dulos.
Se inicializa por omisió n a un camino tomado de la variable de entorno PYTHONPATH, o a un valor predefinido en el
inté rprete si PYTHONPATH no está configurada. Lo puedes modificar usando las operaciones está ndar de listas:

>>> import sys

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

6.3 La función dir()

La funció n integrada dir() se usa para encontrar qué nombres define un mó dulo. Retorna una lista ordenada de
cadenas:

>>> import fibo, sys

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

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

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

Nó tese que lista todos los tipos de nombres: variables, mó dulos, funciones, etc.

6.3. La función dir() 53

Python Tutorial, Versión 3.13.1

dir() no lista los nombres de las funciones y variables integradas. Si quieres una lista de esos, está n definidos en el
mó dulo está ndar builtins:

>>> import builtins

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

6.4 Paquetes
Los Paquetes son una forma de estructurar el espacio de nombres de mó dulos de Python usando «nombres de mó dulo
con puntos». Por ejemplo, el nombre del mó dulo A.B designa un submó dulo B en un paquete llamado A. Así como el
uso de mó dulos salva a los autores de diferentes mó dulos de tener que preocuparse por los nombres de las variables
globales de los demá s, el uso de nombres de mó dulo con puntos evita que los autores de paquetes multimó dulos,
como NumPy o Pillow, tengan que preocuparse por los nombres de los mó dulos de los demá s.
Supongamos que quieres designar una colecció n de mó dulos (un «paquete») para el manejo uniforme de archivos
y datos de sonidos. Hay diferentes formatos de archivos de sonido (normalmente reconocidos por su extensió n, por
ejemplo: .wav, .aiff, .au), por lo que tienes que crear y mantener una colecció n siempre creciente de mó dulos
para la conversió n entre los distintos formatos de archivos. Hay muchas operaciones diferentes que quizá s quieras
ejecutar en los datos de sonido (como mezclarlos, añ adir eco, aplicar una funció n ecualizadora, crear un efecto esté reo
artificial), por lo que ademá s estará s escribiendo una lista sin fin de mó dulos para realizar estas operaciones. Aquí
hay una posible estructura para tu paquete (expresados en té rminos de un sistema jerá rquico de archivos):

sound/ Top-level package

__init__.py Initialize the sound package
formats/ Subpackage for file format conversions
__init__.py
[Link]
[Link]
(continú e en la pró xima pá gina)

54 Capítulo 6. Módulos
 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

[Link]
[Link]
[Link]
[Link]
...
effects/ Subpackage for sound effects
__init__.py
[Link]
[Link]
[Link]
...
filters/ Subpackage for filters
__init__.py
[Link]
[Link]
[Link]
...

Al importar el paquete, Python busca a travé s de los directorios en [Link], 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 mó dulos individuales del mismo, por ejemplo:

import [Link]

Esto carga el submó dulo [Link]. Debe hacerse referencia al mismo con el nombre completo.

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

Otra alternativa para importar el submó dulo es:

from [Link] import echo

Esto tambié n carga el submó dulo echo, y lo deja disponible sin su prefijo de paquete, por lo que puede usarse así:

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

Otra variació n má s es importar la funció n o variable deseadas directamente:

from [Link] import echofilter

De nuevo, esto carga el submó dulo echo, pero deja directamente disponible a la funció n echofilter():

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

Nó tese que al usar from package import item, el ítem puede ser tanto un submó dulo (o subpaquete) del paque-
te, o algú n otro nombre definido en el paquete, como una funció n, clase, o variable. La declaració n import primero
verifica si el ítem está definido en el paquete; si no, asume que es un mó dulo y trata de cargarlo. Si no lo puede
encontrar, se genera una excepció n ImportError.
Por otro lado, cuando se usa la sintaxis como import [Link], cada ítem excepto el ú ltimo
debe ser un paquete; el mismo puede ser un mó dulo o un paquete pero no puede ser una clase, funció n o variable
definida en el ítem previo.

6.4. Paquetes 55
Python Tutorial, Versión 3.13.1

6.4.1 Importar * desde un paquete

Ahora, ¿qué sucede cuando el usuario escribe from [Link] import *? Idealmente, uno esperaría que
esto de alguna manera vaya al sistema de archivos, encuentre cuales submó dulos está n presentes en el paquete, y los
importe a todos. Esto puede tardar mucho y el importar sub-mó dulos puede tener efectos secundarios no deseados
que só lo deberían ocurrir cuando se importe explícitamente el sub-mó dulo.
La ú nica solució n es que el autor del paquete provea un índice explícito del paquete. La declaració n import usa
la siguiente convenció n: si el có digo del __init__.py de un paquete define una lista llamada __all__, se toma
como la lista de los nombres de mó dulos 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 versió n 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 có digo:

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

Esto significaría que from [Link] import * importaría esos tres submó dulos del paquete sound.
effects.
Ten en cuenta que los submó dulos pueden quedar ocultos por nombres definidos localmente. Por ejemplo, si agregaste
una funció n llamada reverse al archivo sound/effects/__init__.py, from [Link] import *
solo importaría los dos submó dulos echo y surround, pero no el submó dulo reverse porque queda oculto por la
funció n reverse definida localmente:

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

def reverse(msg: str): # <-- this name shadows the '[Link]' submodule
return msg[::-1] # in the case of a 'from [Link] import *'

Si no se define __all__, la declaració n from [Link] import * no importa todos los submó dulos del
paquete [Link] al espacio de nombres actual; só lo se asegura que se haya importado el paquete sound.
effects (posiblemente ejecutando algú n có digo de inicializació n que haya en __init__.py) y luego importa
aquellos nombres que esté n definidos en el paquete. Esto incluye cualquier nombre definido (y submó dulos explí-
citamente cargados) por __init__.py. Tambié n incluye cualquier submó dulo del paquete que pudiera haber sido
explícitamente cargado por declaraciones import previas. Considere este có digo:

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

En este ejemplo, los mó dulos echo y surround se importan en el espacio de nombre actual porque está n definidos
en el paquete [Link] cuando se ejecuta la declaració n from...import. (Esto tambié n funciona cuando
se define __all__).
A pesar de que ciertos mó dulos está n diseñ ados para exportar solo nombres que siguen ciertos patrones cuando uses
import *, tambié n se considera una mala prá ctica en có digo de producció n.

Recuerda, ¡no hay nada malo al usar from package import specific_submodule! De hecho, esta es la no-
tació n recomendada a menos que el mó dulo que importamos necesite usar submó dulos 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 submó dulos de paquetes hermanos. Por ejemplo, si el mó dulo [Link] necesita
usar el mó dulo echo en el paquete [Link], puede hacer from [Link] import echo.

56 Capítulo 6. Módulos
 Python Tutorial, Versión 3.13.1

Tambié n 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

Nó tese que los imports relativos se basan en el nombre del mó dulo actual. Ya que el nombre del mó dulo principal es
siempre "__main__", los mó dulos pensados para usarse como mó dulo principal de una aplicació n Python siempre
deberían usar import absolutos.

6.4.3 Paquetes en múltiples directorios

Packages support one more special attribute, __path__. This is initialized to be a sequence of strings containing the
name of the directory holding the package’s __init__.py before the code in that file is executed. This variable can
be modified; doing so affects future searches for modules and subpackages contained in the package.
Aunque esta característica no se necesita frecuentemente, puede usarse para extender el conjunto de mó dulos que se
encuentran en el paquete.

Notas al pie

6.4. Paquetes 57
Python Tutorial, Versión 3.13.1

58 Capítulo 6. Módulos
 CAPÍTULO 7

Entrada y salida

Hay diferentes mé todos 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 funció n print(). (Una
tercera manera es usando el mé todo write() de los objetos tipo archivo; el archivo de salida está ndar puede refe-
renciarse como [Link]. Mirá la Referencia de la Biblioteca para má s informació n sobre esto).
A menudo se querrá tener má s 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 expresió n 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'

• The [Link]() method of strings requires more manual effort. You’ll still use { and } to mark where a
variable will be substituted and can provide detailed formatting directives, but you’ll also need to provide the
information to be formatted. In the following code block there are two examples of how to format variables:

>>> yes_votes = 42_572_654

>>> total_votes = 85_705_149
>>> percentage = yes_votes / total_votes
>>> '{:-9} YES votes {:2.2%}'.format(yes_votes, percentage)
' 42572654 YES votes 49.67%'

Notice how the yes_votes are padded with spaces and a negative sign only for negative numbers. The exam-
ple also prints percentage multiplied by 100, with 2 decimal places and followed by a percent sign (see
formatspec for details).
• Por ú ltimo, puede realizar todo el control de cadenas usted mismo mediante operaciones de concatenació n y
segmentació n de cadenas para crear cualquier diseñ o que se pueda imaginar. El tipo de cadena tiene algunos
mé todos que realizan operaciones ú tiles para rellenar cadenas a un ancho de columna determinado.

59
Python Tutorial, Versión 3.13.1

Cuando no necesita una salida elegante, pero solo desea una visualizació n rá pida de algunas variables con fines de
depuració n, puede convertir cualquier valor en una cadena con las funciones repr() o str().
La funció n str() retorna representaciones de los valores que son bastante legibles por humanos, mientras que
repr() genera representaciones que pueden ser leídas por el inté rprete (o forzarían un SyntaxError si no hay
sintaxis equivalente). Para objetos que no tienen una representació n en particular para consumo humano, str() re-
tornará el mismo valor que repr(). Muchos valores, como nú meros o estructuras como listas y diccionarios, tienen
la misma representació n usando cualquiera de las dos funciones. Las cadenas, en particular, tienen dos representa-
ciones 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 mó dulo string contiene una clase Template que ofrece otra forma de sustituir valores en cadenas, utilizando
marcadores de posició n 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 (tambié n llamados f-strings para abreviar) le permiten incluir el valor de las expre-
siones de Python dentro de una cadena prefijando la cadena con f o F y escribiendo expresiones como {expresion}.
La expresió n puede ir seguida de un especificador de formato opcional . Esto permite un mayor control sobre có mo
se formatea el valor. En el ejemplo siguiente se redondea pi a tres lugares despué s del decimal:

>>> import math

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

Pasar un entero despué s de ':' hará que ese campo sea un nú mero mínimo de caracteres de ancho. Esto es ú til para
hacer que las columnas se alineen.

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

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

60 Capítulo 7. Entrada y salida

 Python Tutorial, Versión 3.13.1

Se pueden utilizar otros modificadores para convertir el valor antes de formatearlo. '!a' se aplica ascii(), '!s'
se aplica str(), y '!r' se aplica repr():

>>> animals = 'eels'

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

El especificador = puede utilizarse para expandir una expresió n al texto de la expresió n, un signo igual y, a continua-
ció n, la representació n de la expresió n evaluada:

>>> bugs = 'roaches'

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

Vé ase expresiones auto-documentadas para má s informació n 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 bá sico del mé todo [Link]() es como esto:

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

We are the knights who say "Ni!"

Las llaves y caracteres dentro de las mismas (llamados campos de formato) son reemplazadas con los objetos pasados
en el mé todo [Link](). Un nú mero en las llaves se refiere a la posició n del objeto pasado en el mé todo 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 mé todo [Link](), sus valores se referencian usando el nombre del
argumento.

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

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

Se pueden combinar arbitrariamente argumentos posicionales y nombrados:

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

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

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 formateará n por nombre en lugar de por posició n. Esto se puede hacer simplemente
pasando el diccionario y usando corchetes '[]' para acceder a las claves.

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

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

7.1. Formateo elegante de la salida 61

Python Tutorial, Versión 3.13.1

Esto se podría hacer, tambié n, pasando el diccionario table como argumentos por palabra clave con la notació n
“**”.

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

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

This is particularly useful in combination with the built-in function vars(), which returns a dictionary containing
all local variables:

>>> table = {k: str(v) for k, v in vars().items()}

>>> message = " ".join([f'{k}: ' + '{' + k +'};' for k in [Link]()])
>>> print([Link](**table))
__name__: __main__; __doc__: None; __package__: None; __loader__: ...

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 descripció n del formateo de cadenas con [Link](), 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

(Nó tese que el espacio existente entre cada columna es añ adido debido a como funciona print(): siempre añ ade
espacios entre sus argumentos.)
El mé todo [Link]() de los objetos cadena justifica a la derecha en un campo de anchura predeterminada
rellenando con espacios a la izquierda. Mé todos similares a este son [Link]() y [Link](). Estos mé todos
no escriben nada, simplemente retornan una nueva cadena. Si la cadena de entrada es demasiado larga no la truncará n

62 Capítulo 7. Entrada y salida

 Python Tutorial, Versión 3.13.1

sino que la retornará n sin cambios; esto desordenará la disposició n de la columna que es, normalmente, mejor que
la alternativa, la cual podría falsear un valor. (Si realmente deseas truncar siempre puedes añ adir una operació n de
rebanado, como en [Link](n)[:n].)
Hay otro mé todo, [Link](), el cual rellena una cadena numé rica a la izquierda con ceros. Entiende signos
positivos y negativos:

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

7.1.4 Viejo formateo de cadenas

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

>>> import math

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

Podé s encontrar má s informació n en la secció n old-string-formatting.

7.2 Leyendo y escribiendo archivos

La funció n 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 añ ade automá ticamente 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
está n codificadas en una codificación específica. Si no se especifica codificación, el valor por defecto depende de la
plataforma (vé ase open()). Dado que UTF-8 es el está ndar moderno de facto, se recomienda encoding="utf-8"
a menos que sepa que necesita usar una codificació n diferente. Añ adiendo '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 automá tico está bien para archivos de texto, pero corrompería
datos binarios como los de archivos JPEG o EXE. Asegú rese de usar modo binario cuando lea y escriba tales archivos.
Es una buena prá ctica usar la declaració n 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 excepció n. Tambié n es mucho
má s corto que escribir los equivalentes bloques try-finally

>>> with open('workfile', encoding="utf-8") as f:

... read_data = [Link]()

(continú e en la pró xima pá gina)

7.2. Leyendo y escribiendo archivos 63

Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

>>> # We can check that the file has been automatically closed.
>>> [Link]
True

Si no está utilizando la palabra clave with, entonces debe llamar a [Link]() para cerrar el archivo y liberar
inmediatamente los recursos del sistema utilizados por é l.

Á Advertencia

Llamar a [Link]() sin usar la palabra clave with o sin llamar a [Link]() podría dar como resultado
que los argumentos de [Link]() no se escriban completamente en disco, incluso si el programa se termina
correctamente.

Despué s de que un objeto de archivo es cerrado, ya sea por with o llamando a [Link](), intentar volver a utilizarlo
fallará automá ticamente:

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

7.2.1 Métodos de los objetos Archivo

El resto de los ejemplos en esta secció n asumirá n que ya se creó un objeto archivo llamado f.
Para leer el contenido de una archivo utiliza [Link](size), el cual lee alguna cantidad de datos y los retorna como
una cadena (en modo texto) o un objeto de bytes (en modo binario). size es un argumento numé rico 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 má quina. De otra manera, son leídos y retornados como má ximo size caracteres
(en modo texto) o size bytes (en modo binario). Si se alcanzó el fin del archivo, [Link]() retornará una cadena vacía
('').

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

[Link]() lee una sola linea del archivo; el cará cter de fin de linea (\n) se deja al final de la cadena, y só lo se
omite en la ú ltima linea del archivo si el mismo no termina en un fin de linea. Esto hace que el valor de retorno no sea
ambiguo; si [Link]() retorna una cadena vacía, es que se alcanzó el fin del archivo, mientras que una linea en
blanco es representada por '\n', una cadena conteniendo só lo un ú nico fin de linea.

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

Para leer líneas de un archivo, puedes iterar sobre el objeto archivo. Esto es eficiente en memoria, rá pido, y conduce
a un có digo má s simple:

>>> for line in f:

... print(line, end='')
...
(continú e en la pró xima pá gina)

64 Capítulo 7. Entrada y salida

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

This is the first line of the file.
Second line of the file

Si queré s leer todas las líneas de un archivo en una lista tambié n podé s usar list(f) o [Link]().
[Link](cadena) escribe el contenido de la cadena al archivo, retornando la cantidad de caracteres escritos.

>>> [Link]('This is a test\n')

15

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

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

>>> s = str(value) # convert the tuple to string
>>> [Link](s)
18

[Link]() retorna un entero que indica la posició n actual en el archivo representada como nú mero de bytes desde
el comienzo del archivo en modo binario y un nú mero opaco en modo texto.
Para cambiar la posició n del objeto archivo, utiliza [Link](offset, whence). La posició n es calculada agregando
el offset a un punto de referencia; el punto de referencia se selecciona del argumento whence. Un valor whence de 0
mide desde el comienzo del archivo, 1 usa la posició n actual del archivo, y 2 usa el fin del archivo como punto de
referencia. whence puede omitirse, el valor por defecto es 0, usando el comienzo del archivo como punto de referencia.

>>> f = open('workfile', 'rb+')

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

En los archivos de texto (aquellos que se abrieron sin una b en el modo), se permiten solamente desplazamientos con
seek relativos al comienzo (con la excepció n de ir justo al final con seek(0, 2)) y los ú nicos valores de despla-
zamiento vá lidos son aquellos retornados por [Link](), o cero. Cualquier otro valor de desplazamiento produce un
comportamiento indefinido.
Los objetos archivo tienen algunos mé todos má s, como isatty() y truncate() que son usados menos frecuen-
temente; 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 fá cilmente escribirse y leerse de un archivo. Los nú meros toman algo má s de esfuerzo, ya que el
mé todo read() só lo retorna cadenas, que tendrá n que ser pasadas a una funció n como int(), que toma una cadena
como '123' y retorna su valor numé rico 123. Sin embargo, cuando queré s guardar tipos de datos má s complejos
como listas, diccionarios, o instancias de clases, las cosas se ponen má s complicadas.
En lugar de tener a los usuarios constantemente escribiendo y debugueando có digo para guardar tipos de datos
complicados, Python te permite usar el popular formato intercambiable de datos llamado JSON (JavaScript Ob-
ject Notation). El mó dulo está ndar 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-
presentació n de cadena de caracteres es llamado deserialización. Entre serializació n y deserializació n, la cadena de
caracteres representando el objeto quizá s haya sido guardado en un archivo o datos, o enviado a una má quina distante
por una conexió n de red.

7.2. Leyendo y escribiendo archivos 65

Python Tutorial, Versión 3.13.1

® Nota

El formato JSON es comú nmente usado por aplicaciones modernas para permitir el intercambio de datos. Muchos
programadores ya está n familiarizados con é l, lo cual lo convierte en una buena opció n para la interoperabilidad.

Si tienes un objeto x, puedes ver su representació n JSON con una simple línea de có digo:

>>> import json

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

Otra variante de la funció n dumps(), llamada dump(), simplemente serializa el objeto a un archivo de texto. Así
que, si f es un objeto archivo de texto abierto para escritura, podemos hacer:

[Link](x, f)

Para decodificar un objeto nuevamente, si f es un objeto binary file o text file que fue abierto para lectura:

x = [Link](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 té cnica de serializació n puede manejar listas y diccionarios, pero serializar instancias de clases arbitrarias
en JSON requiere un poco de esfuerzo extra. La referencia del mó dulo json contiene una explicació n de esto.

µ Ver también

pickle - El mó dulo pickle

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

66 Capítulo 7. Entrada y salida

 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, tambié n conocidos como errores de interpretació n, son quizá s el tipo de queja má s comú n
que tené s cuando todavía está s aprendiendo Python:

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

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

The parser repeats the offending line and displays little arrows pointing at the token in the line where the error was
detected. The error may be caused by the absence of a token before the indicated token. In the example, the error is
detected at the function print(), since a colon (':') is missing before it. File name and line number are printed so
you know where to look in case the input came from a script.

8.2 Excepciones
Incluso si una declaració n o expresió n es sintá cticamente correcta, puede generar un error cuando se intenta ejecu-
tar. Los errores detectados durante la ejecució n se llaman excepciones, y no son incondicionalmente fatales: pronto
aprenderá s a gestionarlos en programas Python. Sin embargo, la mayoría de las excepciones no son gestionadas por
el có digo, y resultan en mensajes de error como los mostrados aquí:

>>> 10 * (1/0)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
10 * (1/0)
~^~
ZeroDivisionError: division by zero
>>> 4 + spam*3
Traceback (most recent call last):
(continú e en la pró xima pá gina)

67
Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

File "<stdin>", line 1, in <module>
4 + spam*3
^^^^
NameError: name 'spam' is not defined
>>> '2' + 2
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
'2' + 2
~~~~^~~
TypeError: can only concatenate str (not "int") to str

La ú ltima línea de los mensajes de error indica qué ha sucedido. Hay excepciones de diferentes tipos, y el tipo se
imprime como parte del mensaje: los tipos en el ejemplo son: ZeroDivisionError, NameError y TypeError. La
cadena mostrada como tipo de la excepció n es el nombre de la excepció n predefinida que ha ocurrido. Esto es vá lido
para todas las excepciones predefinidas del inté rprete, pero no tiene por que ser así para excepciones definidas por el
usuario (aunque es una convenció n ú til). Los nombres de las excepciones está ndar son identificadores incorporados
al inté rprete (no son palabras clave reservadas).
El resto de la línea provee informació n basado en el tipo de la excepció n y qué la causó .
La parte anterior del mensaje de error muestra el contexto donde ocurrió la excepció n, 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 está ndar.
bltin-exceptions lista las excepciones predefinidas y sus significados.

8.3 Gestionando excepciones

Es posible escribir programas que gestionen determinadas excepciones. Vé ase el siguiente ejemplo, que le pide al
usuario una entrada hasta que ingrese un entero vá lido, pero permite al usuario interrumpir el programa (usando
Control-C o lo que soporte el sistema operativo); nó tese que una interrupció n generada por el usuario es señ alizada
generando la excepció n 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 clá usula try (la(s) linea(s) entre las palabras reservadas try y la except).
• Si no ocurre ninguna excepció n, la clá usula except se omite y la ejecució n de la clá usula try finaliza.
• Si ocurre una excepció n durante la ejecució n de la clá usula try, se omite el resto de la clá usula. Luego, si su
tipo coincide con la excepció n nombrada despué s de la palabra clave except, se ejecuta la cláusula except, y
luego la ejecució n continú a despué s 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 declaració n try puede tener má s de una cláusula except, para especificar gestores para diferentes excepciones.
Como má ximo, se ejecutará un gestor. Los gestores solo manejan las excepciones que ocurren en la cláusula try
correspondiente, no en otros gestores de la misma declaració n try. Una cláusula except puede nombrar mú ltiples
excepciones como una tupla entre paré ntesis, por ejemplo:

68 Capítulo 8. Errores y excepciones

 Python Tutorial, Versión 3.13.1

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

... pass

A class in an except clause matches exceptions which are instances of the class itself or one of its derived classes
(but not the other way around — an except clause listing a derived class does not match instances of its base classes).
For example, the following code will print B, C, D in that order:

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")

Nó tese 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 excepció n, puede tener un valor asociado, tambié n conocido como el argumento de la excepció n.
La presencia y el tipo de argumento depende del tipo de excepció n.
La cláusula except puede especificar una variable despué s del nombre de la excepció n. La variable está ligada a la ins-
tancia de la excepció n, que normalmente tiene un atributo args que almacena los argumentos. Por conveniencia, los
tipos de excepció n incorporados definen __str__() para imprimir todos los argumentos sin acceder explícitamente
a .args.

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

La salida __str__() de la excepció n se imprime como la ú ltima parte (“detalle”) del mensaje para las excepciones
no gestionadas.
BaseException es la clase base comú n 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,

8.3. Gestionando excepciones 69

Python Tutorial, Versión 3.13.1

porque se utilizan para indicar que el programa debe terminar. Entre ellas se incluyen SystemExit, que es lanzada
por [Link]() 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 prá ctica ser lo
má s específico posible con los tipos de excepciones que pretendemos manejar, y permitir que cualquier excepció n
inesperada se propague.
El patró n má s comú n para gestionar Exception es imprimir o registrar la excepció n y luego volver a re-lanzarla
(permitiendo a un llamador manejar la excepció n tambié n):

import sys

try:
f = open('[Link]')
s = [Link]()
i = int([Link]())
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 declaració n try … except tiene una cláusula else opcional, que, cuando está presente, debe seguir todas las
cláusulas except. Es ú til para el có digo que debe ejecutarse si la cláusula try no lanza una excepció n. Por ejemplo:

for arg in [Link][1:]:

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

El uso de la clá usula else es mejor que agregar có digo adicional en la clá usula try porque evita capturar acciden-
talmente una excepció n que no fue generada por el có digo que está protegido por la declaració n try … except.
Los gestores de excepciones no só lo gestionan excepciones que ocurren inmediatamente en la cláusula try, sino
tambié n 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 declaració n raise permite al programador forzar a que ocurra una excepció n específica. Por ejemplo:

70 Capítulo 8. Errores y excepciones

 Python Tutorial, Versión 3.13.1

>>> raise NameError('HiThere')

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

El ú nico argumento de raise indica la excepció n a lanzar. Debe ser una instancia de excepció n o una clase de
excepció n (una clase que derive de BaseException, como Exception o una de sus subclases). Si se pasa una
clase de excepció n, se instanciará implícitamente llamando a su constructor sin argumentos:

raise ValueError # shorthand for 'raise ValueError()'

Si es necesario determinar si una excepció n fue lanzada pero sin intenció n de gestionarla, una versió n simplificada
de la instrucció n raise te permite relanzarla:

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

8.5 Encadenamiento de excepciones

Si se produce una excepció n no gestionada dentro de una secció n except, se le adjuntará la excepció n que se está
gestionando y se incluirá en el mensaje de error:

>>> try:
... open("[Link]")
... except OSError:
... raise RuntimeError("unable to handle error")
...
Traceback (most recent call last):
File "<stdin>", line 2, in <module>
open("[Link]")
~~~~^^^^^^^^^^^^^^^^^^^
FileNotFoundError: [Errno 2] No such file or directory: '[Link]'

During handling of the above exception, another exception occurred:

Traceback (most recent call last):

File "<stdin>", line 4, in <module>
raise RuntimeError("unable to handle error")
RuntimeError: unable to handle error

Para indicar que una excepció n es consecuencia directa de otra, la sentencia raise permite una clá usula opcional
from:

# exc must be exception instance or None.

raise RuntimeError from exc

Esto puede resultar ú til cuando está transformando excepciones. Por ejemplo:

8.5. Encadenamiento de excepciones 71

Python Tutorial, Versión 3.13.1

>>> def func():

... raise ConnectionError
...
>>> try:
... func()
... except ConnectionError as exc:
... raise RuntimeError('Failed to open database') from exc
...
Traceback (most recent call last):
File "<stdin>", line 2, in <module>
func()
~~~~^^
File "<stdin>", line 2, in func
ConnectionError

The above exception was the direct cause of the following exception:

Traceback (most recent call last):

File "<stdin>", line 4, in <module>
raise RuntimeError('Failed to open database') from exc
RuntimeError: Failed to open database

Tambié n permite deshabilitar el encadenamiento automá tico de excepciones utilizando el modismo from None:

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

Para obtener má s informació n sobre la mecá nica del encadenamiento, consulte bltin-exceptions.

8.6 Excepciones definidas por el usuario

Los programas pueden nombrar sus propias excepciones creando una nueva clase excepció n (mirá Clases para má s
informació n sobre las clases de Python). Las excepciones, típicamente, deberá n derivar de la clase Exception,
directa o indirectamente.
Las clases de Excepció n pueden ser definidas de la misma forma que cualquier otra clase, pero es habitual mantenerlas
lo má s simples posible, a menudo ofreciendo solo un nú mero de atributos con informació n sobre el error que leerá n
los gestores de la excepció n.
La mayoría de las excepciones se definen con nombres acabados en «Error», de manera similar a la nomenclatura de
las excepciones está ndar.
Muchos mó dulos está ndar definen sus propias excepciones para reportar errores que pueden ocurrir en funciones
propias.

8.7 Definiendo acciones de limpieza

La declaració n try tiene otra clá usula opcional cuyo propó sito es definir acciones de limpieza que será n ejecutadas
bajo ciertas circunstancias. Por ejemplo:

72 Capítulo 8. Errores y excepciones

 Python Tutorial, Versión 3.13.1

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

Si una clá usula finally está presente, el bloque finally se ejecutará al final antes de que todo el bloque try se
complete. La clá usula finally se ejecuta independientemente de que la clá usula try produzca o no una excepció n.
Los siguientes puntos explican casos má s complejos en los que se produce una excepció n:
• Si ocurre una excepció n durante la ejecució n de la clá usula try, la excepció n podría ser gestionada por una
clá usula except. Si la excepció n no es gestionada por una clá usula except, la excepció n es relanzada despué s
de que se ejecute el bloque de la clá usula finally.
• Podría aparecer una excepció n durante la ejecució n de una clá usula except o else. De nuevo, la excepció n
será relanzada despué s de que el bloque de la clá usula finally se ejecute.
• Si la clá usula finally ejecuta una declaració n break, continue o return, las excepciones no se vuelven
a lanzar.
• Si el bloque try llega a una sentencia break, continue o return, la clá usula finally se ejecutará justo
antes de la ejecució n de dicha sentencia.
• Si una clá usula finally incluye una sentencia return, el valor retornado será el de la clá usula finally, no
la del de la sentencia return de la clá usula try.
Por ejemplo:

>>> def bool_return():

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

Un ejemplo má s complicado:

>>> def divide(x, y):

... try:
... result = x / y
... except ZeroDivisionError:
... print("division by zero!")
... else:
... print("result is", result)
... finally:
... print("executing finally clause")
...
>>> divide(2, 1)
result is 2.0
executing finally clause
>>> divide(2, 0)
division by zero!
executing finally clause
(continú e en la pró xima pá gina)

8.7. Definiendo acciones de limpieza 73

Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

>>> divide("2", "1")
executing finally clause
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
divide("2", "1")
~~~~~~^^^^^^^^^^
File "<stdin>", line 3, in divide
result = x / y
~~^~~
TypeError: unsupported operand type(s) for /: 'str' and 'str'

Como se puede ver, la clá usula finally siempre se ejecuta. La excepció n TypeError lanzada al dividir dos cadenas
de texto no es gestionado por la clá usula except y por lo tanto es relanzada luego de que se ejecuta la clá usula
finally.

En aplicaciones reales, la clá usula finally es ú til 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 está ndar para llevar a cabo cuando el objeto ya no necesario, indepen-
dientemente de que las operaciones sobre el objeto hayan sido exitosas o no. Vé ase el siguiente ejemplo, que intenta
abrir un archivo e imprimir su contenido en la pantalla.

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

print(line, end="")

El problema con este có digo 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
má s grandes. La declaració n with permite que los objetos como archivos sean usados de una forma que asegure que
siempre se los libera rá pido y en forma correcta.:

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

Una vez que la declaració n se ejecuta, el fichero f siempre se cierra, incluso si aparece algú n error durante el proce-
sado de las líneas. Los objetos que, como los ficheros, posean acciones predefinidas de limpieza lo indicará n en su
documentació n.

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 tambié n hay otros
casos de uso en los que es deseable continuar la ejecució n y recoger mú ltiples errores en lugar de lanzar la primera
excepció n.
El incorporado ExceptionGroup envuelve una lista de instancias de excepció n para que puedan ser lanzadas juntas.
Es una excepció n en sí misma, por lo que puede capturarse como cualquier otra excepció n.

>>> def f():

... excs = [OSError('error 1'), SystemError('error 2')]
... raise ExceptionGroup('there were problems', excs)
...
>>> f()
(continú e en la pró xima pá gina)

74 Capítulo 8. Errores y excepciones

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

+ Exception Group Traceback (most recent call last):
| File "<stdin>", line 1, in <module>
| f()
| ~^^
| File "<stdin>", line 3, in f
| raise ExceptionGroup('there were problems', excs)
| ExceptionGroup: there were problems (2 sub-exceptions)
+-+---------------- 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 só lo las excepciones del grupo que coin-
cidan con un determinado tipo. En el siguiente ejemplo, que muestra un grupo de excepciones anidado, cada clá usula
except* extrae del grupo las excepciones de un tipo determinado, mientras que deja que el resto de excepciones se
propaguen a otras clá usulas 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
+ Exception Group Traceback (most recent call last):
| File "<stdin>", line 2, in <module>
| f()
| ~^^
| File "<stdin>", line 2, in f
| raise ExceptionGroup(
(continú e en la pró xima pá gina)

8.9. Lanzando y gestionando múltiples excepciones no relacionadas 75

Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

| ...<12 lines>...
| )
| ExceptionGroup: group1 (1 sub-exception)
+-+---------------- 1 ----------------
| ExceptionGroup: group2 (1 sub-exception)
+-+---------------- 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 prá ctica las excepciones serían típicamente las que ya han sido planteadas y capturadas por el programa,
siguiendo el siguiente patró n:
>>> excs = []
... for test in tests:
... try:
... [Link]()
... except Exception as e:
... [Link](e)
...
>>> if excs:
... raise ExceptionGroup("Test Failures", excs)
...

8.10 Enriqueciendo excepciones con notas

Cuando se crea una excepció n para ser lanzada, normalmente se inicializa con informació n que describe el error que
se ha producido. Hay casos en los que es ú til añ adir informació n despué s de que la excepció n haya sido capturada.
Para este propó sito, las excepciones tienen un mé todo add_note(note) que acepta una cadena y la añ ade a la lista
de notas de la excepció n. La representació n está ndar del rastreo incluye todas las notas, en el orden en que fueron
añ adidas, despué s de la excepció n.
>>> try:
... raise TypeError('bad type')
... except Exception as e:
... e.add_note('Add some information')
... e.add_note('Add some more information')
... raise
...
Traceback (most recent call last):
File "<stdin>", line 2, in <module>
raise TypeError('bad type')
TypeError: bad type
Add some information
Add some more information
>>>

Por ejemplo, al recopilar excepciones en un grupo de excepciones, es posible que queramos añ adir informació n de
contexto para los errores individuales. A continuació n, cada excepció n del grupo tiene una nota que indica cuá ndo se
ha producido ese error.

>>> def f():

... raise OSError('operation failed')
...
>>> excs = []
(continú e en la pró xima pá gina)

76 Capítulo 8. Errores y excepciones

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

>>> for i in range(3):
... try:
... f()
... except Exception as e:
... e.add_note(f'Happened in Iteration {i+1}')
... [Link](e)
...
>>> raise ExceptionGroup('We have some problems', excs)
+ Exception Group Traceback (most recent call last):
| File "<stdin>", line 1, in <module>
| raise ExceptionGroup('We have some problems', excs)
| ExceptionGroup: We have some problems (3 sub-exceptions)
+-+---------------- 1 ----------------
| Traceback (most recent call last):
| File "<stdin>", line 3, in <module>
| f()
| ~^^
| File "<stdin>", line 2, in f
| raise OSError('operation failed')
| OSError: operation failed
| Happened in Iteration 1
+---------------- 2 ----------------
| Traceback (most recent call last):
| File "<stdin>", line 3, in <module>
| f()
| ~^^
| File "<stdin>", line 2, in f
| raise OSError('operation failed')
| OSError: operation failed
| Happened in Iteration 2
+---------------- 3 ----------------
| Traceback (most recent call last):
| File "<stdin>", line 3, in <module>
| f()
| ~^^
| File "<stdin>", line 2, in f
| raise OSError('operation failed')
| OSError: operation failed
| Happened in Iteration 3
+------------------------------------
>>>

8.10. Enriqueciendo excepciones con notas 77

Python Tutorial, Versión 3.13.1

78 Capítulo 8. Errores y excepciones

 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 tambié n pueden tener mé todos (definidos por su clase) para modificar
su estado.
Comparado con otros lenguajes de programació n, el mecanismo de clases de Python agrega clases con un mínimo de
nuevas sintaxis y semá nticas. 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 Programació n Orientada a Objetos: el mecanismo de la
herencia de clases permite mú ltiples clases base, una clase derivada puede sobre escribir cualquier mé todo de su(s)
clase(s) base, y un mé todo puede llamar al mé todo de la clase base con el mismo nombre. Los objetos pueden tener
una cantidad arbitraria de datos de cualquier tipo. Igual que con los mó dulos, las clases participan de la naturaleza
diná mica de Python: se crean en tiempo de ejecució n, y pueden modificarse luego de la creació n.
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 mé todos: la funció n mé todo 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 semá ntica 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. Tambié n, como en C++
pero a diferencia de Modula-3, la mayoría de los operadores integrados con sintaxis especial (operadores aritmé ticos,
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 té rminos de Smalltalk y
C++. Usaría té rminos de Modula-3, ya que su semá ntica orientada a objetos es má s cercana a Python que C++, pero
no espero que muchos lectores hayan escuchado hablar de é l.)

9.1 Unas palabras sobre nombres y objetos

Los objetos tienen individualidad, y mú ltiples nombres (en muchos á mbitos) 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 bá sicos inmutables (nú meros, cadenas, tuplas). Sin embargo,
el aliasing, o renombrado, tiene un efecto posiblemente sorpresivo sobre la semá ntica de có digo 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 implementació n solamente pasa el puntero; y si una funció n 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.

79
Python Tutorial, Versión 3.13.1

9.2 Ámbitos y espacios de nombres en Python

Antes de ver clases, primero debo decirte algo acerca de las reglas de á mbito de Python. Las definiciones de clases
hacen unos lindos trucos con los espacios de nombres, y necesitá s saber có mo funcionan los alcances y espacios
de nombres para entender por completo có mo es la cosa. De paso, los conocimientos en este tema son ú tiles para
cualquier programador Python avanzado.
Comencemos con unas definiciones.
Un espacio de nombres es una relació n de nombres a objetos. Muchos espacios de nombres está n implementados en
este momento como diccionarios de Python, pero eso no se nota para nada (excepto por el desempeñ o), y puede
cambiar en el futuro. Como ejemplos de espacios de nombres tené s: el conjunto de nombres incluidos (conteniendo
funciones como abs(), y los nombres de excepciones integradas); los nombres globales en un mó dulo; y los nombres
locales en la invocació n a una funció n. Lo que es importante saber de los espacios de nombres es que no hay relació n
en absoluto entre los nombres de espacios de nombres distintos; por ejemplo, dos mó dulos diferentes pueden tener
definidos los dos una funció n maximizar sin confusió n; los usuarios de los mó dulos deben usar el nombre del mó dulo
como prefijo.
Por cierto, yo uso la palabra atributo para cualquier cosa despué s de un punto; por ejemplo, en la expresió n [Link],
real es un atributo del objeto z. Estrictamente hablando, las referencias a nombres en mó dulos son referencias a
atributos: en la expresió n [Link], modulo es un objeto mó dulo y funcion es un atributo de é ste. En
este caso hay una relació n directa entre los atributos del mó dulo y los nombres globales definidos en el mó dulo: ¡está n
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 mó dulo son modificables: puedes escribir modname.the_answer = 42. Los atributos modifica-
bles tambié n se pueden eliminar con la declaració n 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 inté rprete, y nunca se borra. El espacio de nombres
global de un mó dulo se crea cuando se lee la definició n de un mó dulo; normalmente, los espacios de nombres de
mó dulos tambié n duran hasta que el inté rprete finaliza. Las instrucciones ejecutadas en el nivel de llamadas superior
del inté rprete, ya sea desde un script o interactivamente, se consideran parte del mó dulo llamado __main__, por lo
tanto tienen su propio espacio de nombres global. (Los nombres incluidos en realidad tambié n viven en un mó dulo;
este se llama builtins.)
El espacio de nombres local a una funció n se crea cuando la funció n es llamada, y se elimina cuando la funció n
retorna o lanza una excepció n que no se maneje dentro de la funció n. (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 regió n 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 está tica, se utilizan de forma diná mica. En cualquier momento durante
la ejecució n, hay 3 o 4 á mbitos anidados cuyos espacios de nombres son directamente accesibles:
• el alcance má s interno, que es inspeccionado primero, contiene los nombres locales
• los alcances de cualquier funció n que encierra a otra, son inspeccionados a partir del alcance má s cercano,
contienen nombres no locales, pero tambié n no globales
• el penú ltimo alcance contiene nombres globales del mó dulo actual
• el alcance má s externo (el ú ltimo 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 á mbito
penú ltimo que contiene los nombres globales del mó dulo. Para volver a enlazar variables encontradas fuera del á mbito
má s interno, se puede utilizar la declaració n nonlocal; si no se declara nonlocal, esas variables será n de só lo lectura
1 Except for one thing. Module objects have a secret read-only attribute called __dict__ which returns the dictionary used to implement

the module’s namespace; the name __dict__ is an attribute but not a global name. Obviously, using this violates the abstraction of namespace
implementation, and should be restricted to things like post-mortem debuggers.

80 Capítulo 9. Clases
 Python Tutorial, Versión 3.13.1

(un intento de escribir en una variable de este tipo simplemente creará una nueva variable local en el á mbito má s
interno, dejando sin cambios la variable con el mismo nombre en el á mbito externo).
Habitualmente, el á mbito local referencia los nombres locales de la funció n actual. Fuera de una funció n, el á mbito
local referencia al mismo espacio de nombres que el á mbito global: el espacio de nombres del mó dulo. Las definiciones
de clases crean un espacio de nombres má s en el á mbito local.
Es importante notar que los alcances se determinan textualmente: el á mbito global de una funció n definida en un
mó dulo es el espacio de nombres de ese mó dulo, no importa desde dó nde o con qué alias se llame a la funció n. Por
otro lado, la bú squeda de nombres se hace diná micamente, en tiempo de ejecució n; sin embargo, la definició n del
lenguaje está evolucionando a hacer resolució n de nombres está ticamente, en tiempo de «compilació n», ¡así que no
te confíes de la resolució n de nombres diná mica! (De hecho, las variables locales ya se determinan está ticamente.)
Una peculiaridad especial de Python es que, si no hay una declaració n global o nonlocal en efecto, las asignaciones
a nombres siempre van al á mbito interno. Las asignaciones no copian datos, solamente asocian nombres a objetos.
Lo mismo cuando se borra: la declaració n del x quita la asociació n de x del espacio de nombres referenciado por
el á mbito local. De hecho, todas las operaciones que introducen nuevos nombres usan el á mbito local: en particular,
las instrucciones import y las definiciones de funciones asocian el mó dulo o nombre de la funció n al espacio de
nombres en el á mbito local.
La declaració n global puede usarse para indicar que ciertas variables viven en el á mbito global y deberían reasig-
narse allí; la declaració n nonlocal indica que ciertas variables viven en un á mbito 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 á mbitos y espacios de nombres, y có mo las decla-
raciones global y nonlocal afectan la asignació n 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 có digo 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 asignació n local (que es el comportamiento normal) no cambió la vinculació n de spam de scope_test. La
asignació n nonlocal cambió la vinculació n de spam de scope_test, y la asignació n global cambió la vinculació n a

9.2. Ámbitos y espacios de nombres en Python 81

Python Tutorial, Versión 3.13.1

nivel de mó dulo.

Tambié n podé s ver que no había vinculació n para spam antes de la asignació n 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 semá ntica nueva.

9.3.1 Sintaxis de definición de clases

La forma má s sencilla de definició n 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 definició n de clase dentro de una rama de un if, o dentro de una
funció n.)
En la prá ctica, las declaraciones dentro de una clase son definiciones de funciones, pero otras declaraciones son
permitidas, y a veces resultan ú tiles; veremos esto má s adelante. Las definiciones de funciones dentro de una clase
normalmente tienen una lista de argumentos peculiar, dictada por las convenciones de invocació n de mé todos; a esto
tambié n lo veremos má s adelante.
Cuando se ingresa una definició n de clase, se crea un nuevo espacio de nombres, el cual se usa como á mbito 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 definició n de clase se finaliza normalmente (al llegar al final) se crea un objeto clase. Bá sicamente, este
objeto envuelve los contenidos del espacio de nombres creado por la definició n de la clase; aprenderemos má s acerca
de los objetos clase en la secció n siguiente. El á mbito local original (el que tenía efecto justo antes de que ingrese
la definició n 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 definició n (ClassName en el ejemplo).

9.3.2 Objetos clase

Los objetos clase soportan dos tipos de operaciones: hacer referencia a atributos e instanciació n.
Para hacer referencia a atributos se usa la sintaxis está ndar de todas las referencias a atributos en Python: objeto.
nombre. Los nombres de atributo vá lidos son todos los nombres que estaban en el espacio de nombres de la clase
cuando é sta se creó . Por lo tanto, si la definició n de la clase es así:

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

def f(self):
return 'hello world'

then MyClass.i and MyClass.f are valid attribute references, returning an integer and a function object, respec-
tively. Class attributes can also be assigned to, so you can change the value of MyClass.i by assignment. __doc__
is also a valid attribute, returning the docstring belonging to the class: "A simple example class".
La instanciación de clases usa la notació n de funciones. Hacé de cuenta que el objeto de clase es una funció n sin
pará metros que retorna una nueva instancia de la clase. Por ejemplo (para la clase de má s arriba):

82 Capítulo 9. Clases
 Python Tutorial, Versión 3.13.1

x = MyClass()

crea una nueva instancia de la clase y asigna este objeto a la variable local x.
La operació n de instanciació n («llamar» a un objeto clase) crea un objeto vacío. Muchas clases necesitan crear
objetos con instancias en un estado inicial particular. Por lo tanto una clase puede definir un mé todo especial llamado
__init__(), de esta forma:

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

Cuando una clase define un mé todo __init__(), la instanciació n de la clase automá ticamente invoca a
__init__() para la instancia recié n creada. Entonces, en este ejemplo, una instancia nueva e inicializada se puede
obtener haciendo:

x = MyClass()

Por supuesto, el mé todo __init__() puede tener argumentos para mayor flexibilidad. En ese caso, los argumentos
que se pasen al operador de instanciació n de la clase van a parar al mé todo __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 ú nica operació n que es entendida por los objetos instancia
es la referencia de atributos. Hay dos tipos de nombres de atributos vá lidos, atributos de datos y mé todos.
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 má s arriba, el siguiente pedazo de có digo
va a imprimir el valor 16, sin dejar ningú n rastro:

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

The other kind of instance attribute reference is a method. A method is a function that «belongs to» an object.
Los nombres vá lidos de mé todos de un objeto instancia dependen de su clase. Por definició n, todos los atributos de
clase que son objetos funciones definen mé todos correspondientes de sus instancias. Entonces, en nuestro ejemplo, x.
f es una referencia a un mé todo vá lido, dado que MyClass.f es una funció n, 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 funció n.

9.3.4 Objetos método

Generalmente, un mé todo es llamado luego de ser vinculado:

x.f()

En el ejemplo MyClass, esto retorna la cadena 'hello world'. Pero no es necesario llamar al mé todo justo en
ese momento: x.f es un objeto mé todo, y puede ser guardado y llamado má s tarde. Por ejemplo:

9.3. Un primer vistazo a las clases 83

Python Tutorial, Versión 3.13.1

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

continuará imprimiendo hello world hasta el fin de los días.

¿Qué sucede exactamente cuando un mé todo es llamado? Debé s haber notado que x.f() fue llamado má s arriba
sin ningú n argumento, a pesar de que la definició n de funció n de f() especificaba un argumento. ¿Qué pasó con ese
argumento? Seguramente Python lanza una excepció n cuando una funció n que requiere un argumento es llamada sin
ninguno, aú n si el argumento no es utilizado…
De hecho, tal vez hayas adivinado la respuesta: lo que tienen de especial los mé todos es que el objeto es pasa-
do como el primer argumento de la funció n. En nuestro ejemplo, la llamada x.f() es exactamente equivalente a
MyClass.f(x). En general, llamar a un mé todo con una lista de n argumentos es equivalente a llamar a la fun-
ció n correspondiente con una lista de argumentos que es creada insertando el objeto del mé todo antes del primer
argumento.
In general, methods work as follows. When a non-data attribute of an instance is referenced, the instance’s class is
searched. If the name denotes a valid class attribute that is a function object, references to both the instance object
and the function object are packed into a method object. When the method object is called with an argument list, a
new argument list is constructed from the instance object and the argument list, and the function object is called with
this new argument list.

9.3.5 Variables de clase y de instancia

En general, las variables de instancia son para datos ú nicos de cada instancia y las variables de clase son para atributos
y mé todos compartidos por todas las instancias de la clase:

class Dog:

kind = 'canine' # class variable shared by all instances

def __init__(self, name):

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

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

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

class Dog:

tricks = [] # mistaken use of a class variable

def __init__(self, name):

[Link] = name

def add_trick(self, trick):

[Link](trick)
(continú e en la pró xima pá gina)

84 Capítulo 9. Clases
 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

>>> d = Dog('Fido')
>>> e = Dog('Buddy')
>>> d.add_trick('roll over')
>>> e.add_trick('play dead')
>>> [Link] # unexpectedly shared by all dogs
['roll over', 'play dead']

El diseñ o correcto de esta clase sería usando una variable de instancia:

class Dog:

def __init__(self, name):

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

def add_trick(self, trick):

[Link](trick)

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

9.4 Algunas observaciones

Si el mismo nombre de atributo aparece tanto en la instancia como en la clase, la bú squeda del atributo prioriza la
instancia:

>>> class Warehouse:

... purpose = 'storage'
... region = 'west'
...
>>> w1 = Warehouse()
>>> print([Link], [Link])
storage west
>>> w2 = Warehouse()
>>> [Link] = 'east'
>>> print([Link], [Link])
storage east

A los atributos de datos los pueden hacer referencia tanto los mé todos 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 convenció n. (Por otro lado, la implementació n
de Python, escrita en C, puede ocultar por completo detalles de implementació n y el control de acceso a un objeto si
es necesario; esto se puede usar en extensiones a Python escritas en C.)
Los clientes deben usar los atributos de datos con cuidado; é stos pueden romper invariantes que mantienen los mé -
todos si pisan los atributos de datos. Observá que los clientes pueden añ adir sus propios atributos de datos a una
instancia sin afectar la validez de sus mé todos, siempre y cuando se eviten conflictos de nombres; de nuevo, una
convenció n de nombres puede ahorrar un montó n de dolores de cabeza.
No hay un atajo para hacer referencia a atributos de datos (¡u otros mé todos!) desde dentro de un mé todo. A mi

9.4. Algunas observaciones 85

Python Tutorial, Versión 3.13.1

parecer, esto en realidad aumenta la legibilidad de los mé todos: no existe posibilidad alguna de confundir variables
locales con variables de instancia cuando repasamos un mé todo.
A menudo, el primer argumento de un mé todo se llama self (uno mismo). Esto no es nada má s que una convenció n:
el nombre self no significa nada en especial para Python. Observá que, sin embargo, si no seguís la convenció n tu
có digo 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 convenció n.
Cualquier objeto funció n que es un atributo de clase define un mé todo para instancias de esa clase. No es necesario
que el la definició n de la funció n esté textualmente dentro de la definició n de la clase: asignando un objeto funció n a
una variable local en la clase tambié n 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 funció n, y consecuentemente son todos
mé todos de las instancias de C — h siendo exactamente equivalente a g. Fijate que esta prá ctica normalmente só lo
sirve para confundir al que lea un programa.
Los mé todos pueden llamar a otros mé todos de la instancia usando el argumento self:

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

def add(self, x):

[Link](x)

def addtwice(self, x):

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

Los mé todos pueden hacer referencia a nombres globales de la misma manera que lo hacen las funciones comunes.
El á mbito global asociado a un mé todo es el mó dulo que contiene su definició n. (Una clase nunca se usa como un
á mbito global). Si bien es raro encontrar una buena razó n para usar datos globales en un mé todo, hay muchos usos
legítimos del á mbito global: por lo menos, las funciones y mó dulos importados en el á mbito global pueden usarse
por los mé todos, al igual que las funciones y clases definidas en é l. Habitualmente, la clase que contiene el mé todo
está definida en este á mbito global, y en la siguiente secció n veremos algunas buenas razones por las que un mé todo
querría hacer referencia a su propia clase.
Todo valor es un objeto, y por lo tanto tiene una clase (tambié n 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 definició n de clase derivada se ve así:

class DerivedClassName(BaseClassName):
<statement-1>
(continú e en la pró xima pá gina)

86 Capítulo 9. Clases
 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

.
.
.
<statement-N>

El nombre BaseClassName debe estar definido en un á mbito que contenga a la definició n de la clase derivada. En el
lugar del nombre de la clase base se permiten otras expresiones arbitrarias. Esto puede ser ú til, por ejemplo, cuando
la clase base está definida en otro mó dulo:

class DerivedClassName([Link]):

La ejecució n de una definició n 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 bú squeda continú a 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 instanciació n de clases derivadas: DerivedClassName() crea una nueva instancia de
la clase. Las referencias a mé todos 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 mé todo es vá lida si se entrega un objeto
funció n.
Las clases derivadas pueden redefinir mé todos de su clase base. Como los mé todos no tienen privilegios especiales
cuando llaman a otros mé todos del mismo objeto, un mé todo de la clase base que llame a otro mé todo definido en
la misma clase base puede terminar llamando a un mé todo de la clase derivada que lo haya redefinido. (Para los
programadores de C++: en Python todos los mé todos son en efecto virtuales.)
Un mé todo redefinido en una clase derivada puede de hecho querer extender en vez de simplemente reemplazar
al mé todo de la clase base con el mismo nombre. Hay una manera simple de llamar al mé todo de la clase base
directamente: simplemente llamá s a [Link](self, arguments). En ocasiones esto es
ú til para los clientes tambié n. (Observá que esto só lo funciona si la clase base es accesible como BaseClassName
en el á mbito global).
Python tiene dos funciones integradas que funcionan con herencia:
• Usar isinstance() para verificar el tipo de una instancia: isinstance(obj, int) será True só lo 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 tambié n soporta una forma de herencia mú ltiple. Una definició n de clase con mú ltiples clases base se ve así:

class DerivedClassName(Base1, Base2, Base3):

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

Para la mayoría de los propó sitos, en los casos má s simples, podé s pensar en la bú squeda de los atributos heredados
de una clase padre como una bú squeda en profundidad, de izquierda a derecha, sin repetir la misma clase cuando
está dos veces en la jerarquía. Por lo tanto, si un atributo no se encuentra en DerivedClassName, se busca en
Base1, luego (recursivamente) en las clases base de Base1, y solo si no se encuentra allí se lo busca en Base2, y así
sucesivamente.
En realidad es un poco má s complejo que eso; el orden de resolució n de mé todos cambia diná micamente para soportar
las llamadas cooperativas a super(). Este enfoque es conocido en otros lenguajes con herencia mú ltiple como

9.5. Herencia 87
Python Tutorial, Versión 3.13.1

«llá mese al siguiente mé todo» y es má s poderoso que la llamada al superior que se encuentra en lenguajes con só lo
herencia simple.
Dynamic ordering is necessary because all cases of multiple inheritance exhibit one or more diamond relationships
(where at least one of the parent classes can be accessed through multiple paths from the bottommost class). For
example, all classes inherit from object, so any case of multiple inheritance provides more than one path to reach
object. To keep the base classes from being accessed more than once, the dynamic algorithm linearizes the search
order in a way that preserves the left-to-right ordering specified in each class, that calls each parent only once, and
that is monotonic (meaning that a class can be subclassed without affecting the precedence order of its parents).
Taken together, these properties make it possible to design reliable and extensible classes with multiple inheritance.
For more detail, see python_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 convenció n que se sigue en la mayoría del có digo Python: un nombre prefijado con
un guió n bajo (por ejemplo, _spam) debería tratarse como una parte no pú blica de la API (má s allá de que sea una
funció n, un mé todo, o un dato). Debería considerarse un detalle de implementació n y que está sujeto a cambios sin
aviso.
Ya que hay un caso de uso vá lido para los identificadores privados de clase (a saber: colisió n 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 guió n bajo al final) es textualmente reemplazado
por _nombredeclase__spam, donde nombredeclase es el nombre de clase actual al que se le sacan guiones ba-
jos del comienzo (si los tuviera). Se modifica el nombre del identificador sin importar su posició n sintá ctica, siempre
y cuando ocurra dentro de la definició n de una clase.

µ Ver también

The private name mangling specifications for details and special cases.

La modificació n de nombres es ú til para dejar que las subclases sobreescriban los mé todos sin romper las llamadas a
los mé todos 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 modificació n de nombres está n diseñ adas principalmente para evitar accidentes; es

88 Capítulo 9. Clases
 Python Tutorial, Versión 3.13.1

posible acceder o modificar una variable que es considerada como privada. Esto hasta puede resultar ú til en circuns-
tancias especiales, tales como en el depurador.
Notar que el có digo 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 có digo que es
compilado en conjunto. La misma restricció n aplica a getattr(), setattr() y delattr(), así como cuando se
referencia a __dict__ directamente.

9.7 Detalles y Cuestiones Varias

A veces es ú til 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 idiomá tico es utilizar dataclasses con este propó sito:

from dataclasses import dataclass

@dataclass
class Employee:
name: str
dept: str
salary: int

>>> john = Employee('john', 'computer lab', 1000)

>>> [Link]
'computer lab'
>>> [Link]
1000

Un fragmento de có digo en Python que espera un tipo de dato abstracto en particular a menudo puede recibir una
clase que emule los mé todos de ese tipo de dato en su lugar. Por ejemplo, si tienes una funció n que formatea algunos
datos de un objeto de archivo, puedes definir una clase con los mé todos read() y readline() que obtienen los
datos de un bú fer 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("[Link]"):
print(line, end='')

Este estilo de acceso es limpio, conciso y conveniente. El uso de iteradores está impregnado y unifica a Python.
En bambalinas, la sentencia for llama a iter() en el objeto contenedor. La funció n retorna un objeto iterador
que define el mé todo __next__() que accede elementos en el contenedor de a uno por vez. Cuando no hay má s
elementos, __next__() lanza una excepció n StopIteration que le avisa al bucle del for que hay que terminar.
Podé s llamar al mé todo __next__() usando la funció n integrada next(); este ejemplo muestra como funciona
todo esto:

9.7. Detalles y Cuestiones Varias 89

Python Tutorial, Versión 3.13.1

>>> s = 'abc'
>>> it = iter(s)
>>> it
<str_iterator object at 0x10c90e650>
>>> next(it)
'a'
>>> next(it)
'b'
>>> next(it)
'c'
>>> next(it)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
next(it)
StopIteration

Habiendo visto la mecá nica del protocolo de iteració n, es fá cil agregar comportamiento de iterador a tus clases.
Definí un mé todo __iter__() que retorne un objeto con un mé todo __next__(). Si la clase define __next__(),
entonces alcanza con que __iter__() retorne self:

class Reverse:
"""Iterator for looping over a sequence backwards."""
def __init__(self, data):
[Link] = data
[Link] = len(data)

def __iter__(self):
return self

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

>>> rev = Reverse('spam')

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

9.9 Generadores
Generators son una herramienta simple y poderosa para crear iteradores. Está n 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 instrucció n se ejecutó por ú ltima vez). Un ejemplo
muestra que los generadores pueden ser trivialmente fá ciles de crear:

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

90 Capítulo 9. Clases
 Python Tutorial, Versión 3.13.1

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

... print(char)
...
f
l
o
g

Todo lo que puede ser hecho con generadores tambié n puede ser hecho con iteradores basados en clases, como se
describe en la secció n anterior. Lo que hace que los generadores sean tan compactos es que los mé todos __iter__()
y __next__() son creados automá ticamente.
Otra característica clave es que las variables locales y el estado de la ejecució n son guardados automá ticamente entre
llamadas. Esto hace que la funció n sea má s fá cil de escribir y quede mucho má s claro que hacerlo usando variables
de instancia tales como [Link] y [Link].
Ademá s de la creació n automá tica de mé todos y el guardar el estado del programa, cuando los generadores terminan
automá ticamente lanzan StopIteration. Combinadas, estas características facilitan la creació n de iteradores, y
hacen que no sea má s esfuerzo que escribir una funció n 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 paré ntesis en lugar de corchetes. Estas expresiones está n hechas para situaciones
donde el generador es utilizado de inmediato por la funció n que lo encierra. Las expresiones generadoras son má s
compactas pero menos versá tiles que las definiciones completas de generadores y tienden a ser má s amigables con la
memoria que sus comprensiones de listas equivalentes.
Ejemplos:

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

285

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

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

>>> unique_words = set(word for line in page for word in [Link]())

>>> valedictorian = max(([Link], [Link]) for student in graduates)

>>> data = 'golf'

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

Notas al pie

9.10. Expresiones generadoras 91

Python Tutorial, Versión 3.13.1

92 Capítulo 9. Clases
 CAPÍTULO 10

Breve recorrido por la Biblioteca Estándar

10.1 Interfaz del sistema operativo

El mó dulo os proporciona docenas de funciones para interactuar con el sistema operativo:

>>> import os
>>> [Link]() # Return the current working directory
'C:\\Python313'
>>> [Link]('/server/accesslogs') # Change current working directory
>>> [Link]('mkdir today') # Run the command mkdir in the system shell
0

Asegú rate de utilizar el estilo import os en lugar de from os import *. Esto evitará que [Link]() oculte la
funció n integrada open(), que funciona de manera muy diferente.
Las funciones integradas dir() y help() son ú tiles como ayudas interactivas para trabajar con mó dulos 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 administració n de archivos y directorios, el mó dulo shutil proporciona una interfaz en un
nivel superior que es má s fá cil de usar:

>>> import shutil

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

93
Python Tutorial, Versión 3.13.1

10.2 Comodines de archivos

El mó dulo glob proporciona una funció n para hacer listas de archivos a partir de bú squedas con comodines en
directorios:

>>> import glob

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

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 mó dulo sys como una lista. Por ejemplo, consideremos el siguiente archivo :file: “[Link]”:

# File [Link]
import sys
print([Link])

Este es el resultado de ejecutar python [Link] one two three en la línea de comandos:

['[Link]', 'one', 'two', 'three']

El modulo argparse provee un mecanismo má s sofisticado para procesar argumentos recibidos vía línea de coman-
dos. El siguiente script extrae uno o má s nombres de archivos y un nú mero opcional de líneas para mostrar:

import argparse

parser = [Link](
prog='top',
description='Show top lines from each file')
parser.add_argument('filenames', nargs='+')
parser.add_argument('-l', '--lines', type=int, default=10)
args = parser.parse_args()
print(args)

Cuando se ejecuta en la línea de comandos con python [Link] --lines=5 [Link] [Link], el script
establece [Link] a 5 y [Link] a ['[Link]', '[Link]'].

10.4 Redirigir la salida de error y finalización del programa

El mó dulo sys tambié n tiene sus atributos para stdin, stdout, y stderr. Este ú ltimo es ú til para emitir mensajes de
alerta y error para que se vean incluso cuando se haya redirigido stdout:

>>> [Link]('Warning, log file not found starting a new one\n')

Warning, log file not found starting a new one

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

10.5 Coincidencia de patrones de cadena

El mó dulo re provee herramientas de expresiones regulares para un procesamiento avanzado de cadenas. Para ma-
nipulació n y coincidencias complejas, las expresiones regulares ofrecen soluciones concisas y optimizadas:

>>> import re
>>> [Link](r'\bf[a-z]*', 'which foot or hand fell fastest')
['foot', 'fell', 'fastest']
(continú e en la pró xima pá gina)

94 Capítulo 10. Breve recorrido por la Biblioteca Estándar

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

>>> [Link](r'(\b[a-z]+) \1', r'\1', 'cat in the the hat')
'cat in the hat'

Cuando só lo se necesitan funciones sencillas, se prefieren los mé todos de cadenas porque son má s fá ciles de leer y
depurar:

>>> 'tea for too'.replace('too', 'two')

'tea for two'

10.6 Matemáticas
The math module gives access to the underlying C library functions for floating-point math:

>>> import math

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

El mó dulo random provee herramientas para realizar selecciones aleatorias:

>>> import random

>>> [Link](['apple', 'pear', 'banana'])
'apple'
>>> [Link](range(100), 10) # sampling without replacement
[30, 83, 16, 4, 8, 81, 41, 50, 18, 33]
>>> [Link]() # random float from the interval [0.0, 1.0)
0.17970987693706186
>>> [Link](6) # random integer chosen from range(6)
4

El mó dulo statistics calcula propiedades de estadística bá sica (la media, mediana, varianza, etc) de datos numé -
ricos:

>>> import statistics

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

El proyecto SciPy <[Link] tiene muchos otros mó dulos para cá lculos numé ricos.

10.7 Acceso a Internet

Hay varios mó dulos para acceder a Internet y procesar sus protocolos. Dos de los má s simples son [Link]
para traer data de URLs y smtplib para enviar correos:

>>> from [Link] import urlopen

>>> with urlopen('[Link] as response:
... for line in response:
... line = [Link]() # Convert bytes to a str
... if [Link]('datetime'):
(continú e en la pró xima pá gina)

10.6. Matemáticas 95
Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

... print([Link]()) # Remove trailing newline
...
datetime: 2022-01-01T01:36:47.689215+00:00

>>> import smtplib

>>> server = [Link]('localhost')
>>> [Link]('soothsayer@[Link]', 'jcaesar@[Link]',
... """To: jcaesar@[Link]
... From: soothsayer@[Link]
...
... Beware the Ides of March.
... """)
>>> [Link]()

(Nota que el segundo ejemplo necesita un servidor de correo corriendo en la má quina local)

10.8 Fechas y tiempos

El mó dulo datetime ofrece clases para gestionar fechas y tiempos tanto de manera simple como compleja. Aunque
soporta aritmé tica sobre fechas y tiempos, la aplicació n se centra en la extracció n eficiente de elementos para el
formateo y la manipulació n de los datos de salida. El mó dulo tambié n admite objetos que tienen en cuenta la zona
horaria.

>>> # dates are easily constructed and formatted

>>> from datetime import date
>>> now = [Link]()
>>> now
[Link](2003, 12, 2)
>>> [Link]("%m-%d-%y. %d %b %Y is a %A on the %d day of %B.")
'12-02-03. 02 Dec 2003 is a Tuesday on the 02 day of December.'

>>> # dates support calendar arithmetic

>>> birthday = date(1964, 7, 31)
>>> age = now - birthday
>>> [Link]
14368

10.9 Compresión de datos

Los mó dulos admiten directamente los formatos má s comunes de archivo y compresió n 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 = [Link](s)
>>> len(t)
37
>>> [Link](t)
b'witch which has which witches wrist watch'
>>> zlib.crc32(s)
226805979

96 Capítulo 10. Breve recorrido por la Biblioteca Estándar

 Python Tutorial, Versión 3.13.1

10.10 Medición de rendimiento

Algunos usuarios de Python desarrollan un profundo interé s en conocer el rendimiento relativo de las diferentes
soluciones al mismo problema. Python provee una herramienta de medició n 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 solució n tradicional para intercambiar argumentos. El mó dulo timeit muestra rá pidamente 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 medició n del mó dulo timeit, los mó dulos profile y pstats proveen herra-
mientas para identificar secciones críticas de tiempo en bloques de có digo má s grandes.

10.11 Control de calidad

Una forma para desarrollar software de alta calidad consiste en escribir pruebas para cada funció n mientras se desa-
rrolla y correr esas pruebas frecuentemente durante el proceso de desarrollo.
El mó dulo doctest provee una herramienta para revisar un mó dulo y validar las pruebas integradas en las cadenas
de documentació n (o docstring) del programa. La construcció n de las pruebas es tan sencillo como cortar y pegar
una ejecució n típica junto con sus resultados en los docstrings. Esto mejora la documentació n al proveer al usuario
un ejemplo y permite que el mó dulo doctest se asegure que el có digo permanece fiel a la documentació n:

def average(values):
"""Computes the arithmetic mean of a list of numbers.

>>> print(average([20, 30, 70]))

40.0
"""
return sum(values) / len(values)

import doctest
[Link]() # automatically validate the embedded tests

El mó dulo unittest no es tan sencillo como el mó dulo doctest, pero permite mantener un conjunto má s completo
de pruebas en un archivo independiente:

import unittest

class TestStatisticalFunctions([Link]):

def test_average(self):
[Link](average([20, 30, 70]), 40.0)
[Link](round(average([1, 5, 7]), 1), 4.3)
with [Link](ZeroDivisionError):
average([])
with [Link](TypeError):
average(20, 30, 70)

[Link]() # Calling from the command line invokes all tests

10.10. Medición de rendimiento 97

Python Tutorial, Versión 3.13.1

10.12 Pilas incluidas

Python tiene una filosofía de «pilas incluidas». Esto se ve mejor en las capacidades robustas y sofisticadas de sus
paquetes má s grandes. Por ejemplo:
• Los mó dulos [Link] y [Link] convierten la implementació n de llamadas a procedimien-
tos remotos en una tarea casi trivial. A pesar de los nombres de los mó dulos, no se necesita ningú n conocimiento
o manejo directo de XML.
• El paquete email es una biblioteca para administrar mensajes de correo electró nico, 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 electró nico tiene un conjunto de herramientas completo para crear o
decodificar estructuras de mensajes complejas (incluidos los archivos adjuntos) y para implementar protocolos
de codificació n y encabezado de Internet.
• El paquete json proporciona un só lido soporte para analizar este popular formato de intercambio de datos.
El mó dulo csv permite la lectura y escritura directa de archivos en formato de valor separado por comas,
comú nmente compatible con bases de datos y hojas de cá lculo. El procesamiento XML es compatible con los
paquetes [Link], [Link] y [Link]. Juntos, estos mó dulos y paquetes simplifican en
gran medida el intercambio de datos entre aplicaciones de Python y otras herramientas.
• El mó dulo 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
está ndar.
• La internacionalizació n es compatible con una serie de mó dulos, incluyendo gettext, locale, y el paquete
codecs.

98 Capítulo 10. Breve recorrido por la Biblioteca Estándar

 CAPÍTULO 11

Pequeño paseo por la Biblioteca Estándar— Parte II

Este segundo paseo cubre mó dulos má s avanzados que facilitan necesidades de programació n complejas. Estos mó -
dulos raramente se usan en scripts cortos.

11.1 Formato de salida

El mó dulo reprlib provee una versió n de repr() ajustada para mostrar contenedores grandes o profundamente
anidados, en forma abreviada:

>>> import reprlib

>>> [Link](set('supercalifragilisticexpialidocious'))
"{'a', 'c', 'd', 'e', 'f', 'g', ...}"

El mó dulo pprint ofrece un control má s 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 inté rprete. Cuando el resultado ocupa
má s de una línea, el generador de «impresiones lindas» agrega saltos de línea y sangrías para mostrar la estructura
de los datos má s claramente:

>>> import pprint

>>> t = [[[['black', 'cyan'], 'white', ['green', 'red']], [['magenta',
... 'yellow'], 'blue']]]
...
>>> [Link](t, width=30)
[[[['black', 'cyan'],
'white',
['green', 'red']],
[['magenta', 'yellow'],
'blue']]]

El mó dulo textwrap formatea pá rrafos 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."""
...
(continú e en la pró xima pá gina)

99
Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

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

El mó dulo locale accede a una base de datos de formatos específicos a una cultura. El atributo grouping de la
funció n format permite una forma directa de formatear nú meros con separadores de grupo:

>>> import locale

>>> [Link](locale.LC_ALL, 'English_United States.1252')
'English_United States.1252'
>>> conv = [Link]() # get a mapping of conventions
>>> x = 1234567.8
>>> 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 mó dulo string incluye una clase versá til Template (plantilla) con una sintaxis simplificada apta para ser edi-
tada por usuarios finales. Esto permite que los usuarios personalicen sus aplicaciones sin necesidad de modificar la
aplicació n en sí.
El formato usa marcadores cuyos nombres se forman con $ seguido de identificadores Python vá lidos (caracteres
alfanumé ricos y guió n de subrayado). Si se los encierra entre llaves, pueden seguir má s caracteres alfanumé ricos sin
necesidad de dejar espacios en blanco. $$ genera un $:

>>> from string import Template

>>> t = Template('${village}folk send $$10 to $cause.')
>>> [Link](village='Nottingham', cause='the ditch fund')
'Nottinghamfolk send $10 to the ditch fund.'

El mé todo substitute() lanza KeyError cuando no se suministra ningú n 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 mé todo safe_substitute() puede ser má s apropiado: deja los marcadores inalterados cuando
falten datos:

>>> t = Template('Return the $item to $owner.')

>>> d = dict(item='unladen swallow')
>>> [Link](d)
Traceback (most recent call last):
...
KeyError: 'owner'
>>> t.safe_substitute(d)
'Return the unladen swallow to $owner.'

Las subclases de Template pueden especificar un delimitador propio. Por ejemplo, una utilidad de renombrado por
lotes para una galería de fotos puede escoger usar signos de porcentaje para los marcadores tales como la fecha actual,
el nú mero de secuencia de la imagen, o el formato de archivo:

>>> import time, [Link]

>>> photofiles = ['img_1074.jpg', 'img_1076.jpg', 'img_1077.jpg']
>>> class BatchRename(Template):
(continú e en la pró xima pá gina)

100 Capítulo 11. Pequeño paseo por la Biblioteca Estándar— Parte II

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

... delimiter = '%'
...
>>> fmt = input('Enter rename style (%d-date %n-seqnum %f-format): ')
Enter rename style (%d-date %n-seqnum %f-format): Ashley_%n%f

>>> t = BatchRename(fmt)
>>> date = [Link]('%d%b%y')
>>> for i, filename in enumerate(photofiles):
... base, ext = [Link](filename)
... newname = [Link](d=date, n=i, f=ext)
... print('{0} --> {1}'.format(filename, newname))

img_1074.jpg --> Ashley_0.jpg

img_1076.jpg --> Ashley_1.jpg
img_1077.jpg --> Ashley_2.jpg

Las plantillas tambié n pueden ser usadas para separar la ló gica del programa de los detalles de mú ltiples 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 bina-

rios
El mó dulo struct provee las funciones pack() y unpack() para trabajar con formatos de registros binarios de
longitud variable. El siguiente ejemplo muestra có mo recorrer la informació n de encabezado en un archivo ZIP sin
usar el mó dulo zipfile. Los có digos "H" e "I" representan nú meros sin signo de dos y cuatro bytes respectiva-
mente. El "<" indica que son de tamañ o está ndar y los bytes tienen ordenamiento little-endian:

import struct

with open('[Link]', 'rb') as f:

data = [Link]()

start = 0
for i in range(3): # show the first 3 file headers
start += 14
fields = [Link]('<IIIHH', data[start:start+16])
crc32, comp_size, uncomp_size, filenamesize, extra_size = fields

start += 16
filename = data[start:start+filenamesize]
start += filenamesize
extra = data[start:start+extra_size]
print(filename, hex(crc32), comp_size, uncomp_size)

start += extra_size + comp_size # skip to the next header

11.4 Multi-hilos
La té cnica de multi-hilos (o multi-threading) permite desacoplar tareas que no tienen dependencia secuencial. Los
hilos se pueden usar para mejorar el grado de reacció n 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 cá lculos en
otro hilo.
El có digo siguiente muestra có mo el mó dulo de alto nivel threading puede ejecutar tareas en segundo plano mien-

11.3. Trabajar con registros estructurados conteniendo datos binarios 101

Python Tutorial, Versión 3.13.1

tras el programa principal continú a su ejecució n:

import threading, zipfile

class AsyncZip([Link]):
def __init__(self, infile, outfile):
[Link].__init__(self)
[Link] = infile
[Link] = outfile

def run(self):
f = [Link]([Link], 'w', zipfile.ZIP_DEFLATED)
[Link]([Link])
[Link]()
print('Finished background zip of:', [Link])

background = AsyncZip('[Link]', '[Link]')

[Link]()
print('The main program continues to run in foreground.')

[Link]() # Wait for the background task to finish

print('Main program waited until background was done.')

El desafío principal de las aplicaciones multi-hilo es la coordinació n entre los hilos que comparten datos u otros
recursos. A ese fin, el mó dulo threading provee una serie de primitivas de sincronizació n que incluyen bloqueos,
eventos, variables de condició n, y semá foros.
Aú n cuando esas herramientas son poderosas, pequeñ os errores de diseñ o pueden resultar en problemas difíciles
de reproducir. La forma preferida de coordinar tareas es concentrar todos los accesos a un recurso en un ú nico
hilo y despué s usar el mó dulo queue para alimentar dicho hilo con pedidos desde otros hilos. Las aplicaciones que
usan objetos Queue para comunicació n y coordinació n entre hilos son má s fá ciles de diseñ ar, má s legibles, y má s
confiables.

11.5 Registrando
El mó dulo logging ofrece un sistema de registros (logs) completo y flexible. En su forma má s simple, los mensajes
de registro se envían a un archivo o a [Link]:

import logging
[Link]('Debugging information')
[Link]('Informational message')
[Link]('Warning:config file %s not found', '[Link]')
[Link]('Error occurred')
[Link]('Critical error -- shutting down')

Ésta es la salida obtenida:

WARNING:root:Warning:config file [Link] not found

ERROR:root:Error occurred
CRITICAL:root:Critical error -- shutting down

De forma predeterminada, los mensajes de depuració n e informativos se suprimen, y la salida se envía al error está n-
dar. Otras opciones de salida incluyen mensajes de enrutamiento a travé s de correo electró nico, datagramas, sockets,
o un servidor HTTP. Nuevos filtros pueden seleccionar diferentes rutas basadas en la prioridad del mensaje: DEBUG,
INFO, WARNING, ERROR, y CRITICAL (Depuració n, Informativo, Atenció n, Error y Crítico respectivamente)

El sistema de registro puede configurarse directamente desde Python o puede cargarse la configuració n desde un
archivo modificable por el usuario para personalizar el registro sin alterar la aplicació n.

102 Capítulo 11. Pequeño paseo por la Biblioteca Estándar— Parte II

 Python Tutorial, Versión 3.13.1

11.6 Referencias débiles

Python realiza administració n de memoria automá tica (cuenta de referencias para la mayoría de los objetos, y garbage
collection para eliminar ciclos). La memoria se libera poco despué s de que la ú ltima 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 só lo mientras esté n siendo utilizados por otra cosa. Desafortunadamente, el só lo hecho de controlarlos crea
una referencia que los convierte en permanentes. El mó dulo weakref provee herramientas para controlar objetos sin
crear una referencia. Cuando el objeto no se necesita mas, es removido automá ticamente de una tabla de referencias
dé biles y se dispara una callback para objetos weakref. Comú nmente las aplicaciones incluyen cacheo de objetos que
son costosos de crear:
>>> import weakref, gc
>>> class A:
... def __init__(self, value):
... [Link] = value
... def __repr__(self):
... return str([Link])
...
>>> a = A(10) # create a reference
>>> d = [Link]()
>>> d['primary'] = a # does not create a reference
>>> d['primary'] # fetch the object if it is still alive
10
>>> del a # remove the one reference
>>> [Link]() # run garbage collection right away
0
>>> d['primary'] # entry was automatically removed
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
d['primary'] # entry was automatically removed
File "C:/python313/lib/[Link]", line 46, in __getitem__
o = [Link][key]()
KeyError: 'primary'

11.7 Herramientas para trabajar con listas

Muchas necesidades de estructuras de datos pueden ser satisfechas con el tipo integrado lista. Sin embargo, a veces
se hacen necesarias implementaciones alternativas con rendimientos distintos.
The array module provides an array object that is like a list that stores only homogeneous data and stores it more
compactly. The following example shows an array of numbers stored as two byte unsigned binary numbers (typecode
"H") rather than the usual 16 bytes per entry for regular lists of Python int objects:

>>> from array import array

>>> a = array('H', [4000, 10, 700, 22222])
>>> sum(a)
26932
>>> a[1:3]
array('H', [10, 700])

The collections module provides a deque object that is like a list with faster appends and pops from the left
side but slower lookups in the middle. These objects are well suited for implementing queues and breadth first tree
searches:

>>> from collections import deque

>>> d = deque(["task1", "task2", "task3"])
(continú e en la pró xima pá gina)

11.6. Referencias débiles 103

Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

>>> [Link]("task4")
>>> print("Handling", [Link]())
Handling task1

unsearched = deque([starting_node])
def breadth_first_search(unsearched):
node = [Link]()
for m in gen_moves(node):
if is_goal(m):
return m
[Link](m)

Ademá s de las implementaciones alternativas de listas, la biblioteca ofrece otras herramientas como el mó dulo
bisect con funciones para manipular listas ordenadas:

>>> import bisect

>>> scores = [(100, 'perl'), (200, 'tcl'), (400, 'lua'), (500, 'python')]
>>> [Link](scores, (300, 'ruby'))
>>> scores
[(100, 'perl'), (200, 'tcl'), (300, 'ruby'), (400, 'lua'), (500, 'python')]

El mó dulo heapq provee funciones para implementar pilas (heaps) basados en listas comunes. El menor valor in-
gresado se mantiene en la posició n cero. Esto es ú til para aplicaciones que acceden a menudo al elemento má s 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 Decimal Floating-Point Arithmetic

The decimal module offers a Decimal datatype for decimal floating-point arithmetic. Compared to the built-in
float implementation of binary floating point, the class is especially helpful for

• aplicaciones financieras y otros usos que requieren representació n decimal exacta,

• control sobre la precisió n,
• control sobre el redondeo para cumplir requisitos legales,
• seguimiento de dígitos decimales significativos, o
• aplicaciones donde el usuario espera que los resultados coincidan con cá lculos hecho a mano.
Por ejemplo, calcular un impuesto del 5% de una tarifa telefó nica 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
má s pró ximo:

>>> 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 automá ticamente cuatro cifras significativas a partir
de los multiplicandos con dos cifras significativas. Decimal reproduce la matemá tica como se la hace a mano, y

104 Capítulo 11. Pequeño paseo por la Biblioteca Estándar— Parte II

 Python Tutorial, Versión 3.13.1

evita problemas que pueden surgir cuando el punto flotante binario no puede representar exactamente cantidades
decimales.
La representació n exacta permite a la clase Decimal hacer cá lculos de modulo y pruebas de igualdad que son inade-
cuadas 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 mó dulo decimal provee aritmé tica con tanta precisió n como haga falta:

>>> getcontext().prec = 36
>>> Decimal(1) / Decimal(7)
Decimal('0.142857142857142857142857142857142857')

11.8. Decimal Floating-Point Arithmetic 105

Python Tutorial, Versión 3.13.1

106 Capítulo 11. Pequeño paseo por la Biblioteca Estándar— Parte II

 CAPÍTULO 12

Entornos virtuales y paquetes

12.1 Introducción
Las aplicaciones en Python usualmente hacen uso de paquetes y mó dulos que no forman parte de la librería está ndar.
Las aplicaciones a veces necesitan una versió n específica de una librería, debido a que dicha aplicació n requiere que
un bug particular haya sido solucionado o bien la aplicació n ha sido escrita usando una versió n obsoleta de la interfaz
de la librería.
Esto significa que tal vez no sea posible para una instalació n de Python cumplir los requerimientos de todas las
aplicaciones. Si la aplicació n A necesita la versió n 1.0 de un mó dulo particular y la aplicació n B necesita la versió n
2.0, entonces los requerimientos entran en conflicto e instalar la versió n 1.0 o 2.0 dejará una de las aplicaciones sin
funcionar.
La solució n a este problema es crear un entorno virtual, un directorio que contiene una instalació n de Python de una
versió n en particular, ademá s de unos cuantos paquetes adicionales.
Diferentes aplicaciones pueden entonces usar entornos virtuales diferentes. Para resolver el ejemplo de requerimientos
en conflicto citado anteriormente, la aplicació n A puede tener su propio entorno virtual con la versió n 1.0 instalada
mientras que la aplicació n B tiene otro entorno virtual con la versió n 2.0. Si la aplicació n B requiere que actualizar
la librería a la versió n 3.0, é sto no afectará el entorno virtual de la aplicació n A.

12.2 Creando entornos virtuales

The module used to create and manage virtual environments is called venv. venv will install the Python version
from which the command was run (as reported by the --version option). For instance, executing the command
with python3.12 will install version 3.12.
Para crear un entorno virtual, decide en que carpeta quieres crearlo y ejecuta el mó dulo venv como script con la ruta
a la carpeta:

python -m venv tutorial-env

Esto creará el directorio tutorial-env si no existe, y tambié n creará directorios dentro de é l que contienen una
copia del inté rprete de Python y varios archivos de soporte.
Una ruta comú n 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 cuá l es el motivo de su existencia.
Tambié n permite que no haya conflicto con los ficheros de definició n de variables de entorno .env que algunas
herramientas soportan.

107
Python Tutorial, Versión 3.13.1

Una vez creado el entorno virtual, podrá s 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 [Link] que deberá usar en su lugar.)

Activar el entorno virtual cambiará el prompt de tu consola para mostrar que entorno virtual está usando, y modificará
el entorno para que al ejecutar python sea con esa versió n e instalació n en particular. Por ejemplo:

$ source ~/envs/tutorial-env/bin/activate
(tutorial-env) $ python
Python 3.5.1 (default, May 6 2016, 10:59:36)
...
>>> import sys
>>> [Link]
['', '/usr/local/lib/[Link]', ...,
'~/envs/tutorial-env/lib/python3.5/site-packages']
>>>

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 é l en su navegador web.
pip tiene varios subcomandos: «install», «uninstall», «freeze», etc. (Consulte la guía installing-index para obtener la
documentació n completa de pip).
Se puede instalar la ú ltima versió n de un paquete especificando el nombre del paquete:

(tutorial-env) $ python -m pip install novas

Collecting novas
Downloading [Link] (136kB)
Installing collected packages: novas
Running [Link] install for novas
Successfully installed novas-[Link]

Tambié n se puede instalar una versió n específica de un paquete ingresando el nombre del paquete seguido de == y el
nú mero de versió n:

(tutorial-env) $ python -m pip install requests==2.6.0

Collecting requests==2.6.0
Using cached [Link]
Installing collected packages: requests
Successfully installed requests-2.6.0

108 Capítulo 12. Entornos virtuales y paquetes

 Python Tutorial, Versión 3.13.1

Si se ejecuta de nuevo el comando, pip detectará que la versió n ya está instalada y no hará nada. Se puede ingresar
un nú mero de versió n diferente para instalarlo, o se puede ejecutar pip install --upgrade para actualizar el
paquete a la ú ltima versió n:

(tutorial-env) $ python -m pip install --upgrade requests

Collecting requests
Installing collected packages: requests
Found existing installation: requests 2.6.0
Uninstalling requests-2.6.0:
Successfully uninstalled requests-2.6.0
Successfully installed requests-2.7.0

pip -m pip uninstall seguido de uno o varios nombres de paquetes eliminará los paquetes del entorno virtual.

python -m pip show mostrará informació n 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: [Link]
Author: Kenneth Reitz
Author-email: me@[Link]
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 ([Link])
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 convenció n comú n es poner esta lista en un archivo [Link]:

(tutorial-env) $ python -m pip freeze > [Link]

(tutorial-env) $ cat [Link]
novas==[Link]
numpy==1.9.2
requests==2.7.0

El archivo [Link] puede ser agregado al controlador de versiones y distribuido como parte de la
aplicació n. Los usuarios pueden entonces instalar todos los paquetes necesarios con install -r:

(tutorial-env) $ python -m pip install -r [Link]

Collecting novas==[Link] (from -r [Link] (line 1))
...
Collecting numpy==1.9.2 (from -r [Link] (line 2))
...
Collecting requests==2.7.0 (from -r [Link] (line 3))
...
Installing collected packages: novas, numpy, requests
(continú e en la pró xima pá gina)

12.3. Manejando paquetes con pip 109

Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

Running [Link] install for novas
Successfully installed novas-[Link] numpy-1.9.2 requests-2.7.0

pip tiene muchas má s opciones. Consulte la guía installing-index para obtener documentació n 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.

110 Capítulo 12. Entornos virtuales y paquetes

 CAPÍTULO 13

¿Y ahora qué?

Leer este tutorial probablemente reforzó tu interé s por usar Python, deberías estar ansioso por aplicar Python a la
resolució n de tus problemas reales. ¿A dó nde deberías ir para aprender má s?
Este tutorial forma parte del conjunto de documentació n de Python. Algunos otros documentos que encontrará s en
este conjunto son:
• library-index:
Deberías navegar a travé s de este manual, que da una completa (aunque breve) referencia sobre los tipos,
funciones y mó dulos en la librería está ndar. La distribució n está ndar de Python incluye mucho má s có digo
adicional. Hay mó dulos para leer buzones Unix, recuperar documentos vía HTTP, generar nú meros aleatorios,
analizar opciones de línea de comandos, escribir programas CGI, comprimir datos y muchas má s tareas. Echar
una ojeada a la Librería de Referencia te dará una idea de lo que está disponible.
• installing-index explica como instalar mó dulos adicionales escritos por otros usuarios de Python.
• reference-index: Una explicació n detallada de la sintaxis y la semá ntica de Python. Es una lectura pesada, pero
es muy ú til como guía complete del lenguaje.
Má s recursos sobre Python:
• [Link] El mayor sitio web de Python. Contiene có digo, documentació n, y enlaces a pá ginas
web relacionadas con Python.
• [Link] Acceso rá pido a la documentació n de Python.
• [Link] El Python Package Index, apodado previamente la Tienda de Queso1 , es un índice de mó dulos
de Python creados por usuarios que está n disponibles para su descarga. Cuando empiezas a distribuir có digo,
lo puedes registrar allí para que otros lo encuentren.
• [Link] El Python Cookbook es una gran colecció n de ejemplos
de có digo, mó dulos grandes y scripts ú tiles. Las contribuciones má s notables tambié n está n recogidas en un
libro titulado Python Cookbook (O’Reilly & Associates, ISBN 0-596-00797-3.)
• [Link] recoge enlaces a vídeos relacionados con Python provenientes de conferencias y
reuniones de grupos de usuarios.
• [Link] El proyecto de Python científico incluye mó dulos para el cá lculo rá pido de operaciones y
manipulaciones sobre arrays ademá s de muchos paquetes para cosas como Álgebra Lineal, Transformadas de
1 La tienda de queso, Cheese Shop, es un chiste de Monty Python: un cliente entra a una tienda de queso pero para cualquier queso que pide,
el vendedor le dice que no lo tienen.

111
Python Tutorial, Versión 3.13.1

Fourier, solucionadores de sistemas no-lineales, distribuciones de nú meros aleatorios, aná lisis estadísticos y
otras herramientas.
Para preguntas relacionadas con Python y reportes de problemas puedes escribir al grupo de noticias [Link].
python, o enviarlas a la lista de correo que hay en python-list@[Link]. El grupo de noticias y la lista de correo
está n conectados, por lo que los mensajes enviados a uno será n 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 mó dulos. Los archivos de la lista de correos está n disponibles en [Link]
[Link]/pipermail/.
Antes de escribir, asegú rate de haber revisado la lista de Frequently Asked Questions (tambié n llamado el FAQ).
Muchas veces responde las preguntas que se hacen una y otra vez, y quizá s contenga la solució n a tu problema.

Notas al pie

112 Capítulo 13. ¿Y ahora qué?

 CAPÍTULO 14

Edición de entrada interactiva y sustitución de historial

Algunas versiones del inté rprete de Python permiten editar la línea de entrada actual, y sustituir en base al historial, de
forma similar a las capacidades del inté rprete de comandos Korn y el GNU bash. Esto se implementa con la biblioteca
GNU Readline, que soporta varios estilos de edició n. Esta biblioteca tiene su propia documentació n la cuá l no vamos
a duplicar aquí.

14.1 Autocompletado con tab e historial de edición

El autocompletado de variables y nombres de mó dulos es automatically enabled al iniciar el inté rprete, por lo tanto
la tecla Tab invoca la funció n de autocompletado; é sta mira en los nombres de sentencia, las variables locales y los
nombres de mó dulos disponibles. Para expresiones con puntos como string.a, va a evaluar la expresió n hasta el '.
' final y entonces sugerir autocompletado para los atributos del objeto resultante. Nota que esto quizá s ejecute có digo
de aplicaciones definidas si un objeto con un mé todo __getattr__() es parte de la expresió n. La configuració n
por omisió n tambié n guarda tu historial en un archivo llamado .python_history en tu directorio de usuario. El
historial estará disponible durante la pró xima sesió n interactiva del inté rprete.

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-
nuació n (el parser sabe si se requiere un sangrado a continuació n). El mecanismo de completado podría usar la tabla
de símbolos del inté rprete. Un comando para verificar (o incluso sugerir) coincidencia de paré ntesis, comillas, etc.
tambié n sería ú til.
Un inté rprete interactivo mejorado alternativo que está dando vueltas desde hace rato es IPython, que ofrece com-
pletado por tab, exploració n de objetos, y administració n avanzada del historial. Tambié n puede ser configurado en
profundidad, e integrarse en otras aplicaciones. Otro entorno interactivo mejorado similar es bpython.

113
Python Tutorial, Versión 3.13.1

114 Capítulo 14. Edición de entrada interactiva y sustitución de historial

 CAPÍTULO 15

Floating-Point Arithmetic: Issues and Limitations

Los nú meros de punto flotante se representan en el hardware de computadoras como fracciones en base 2 (binarias).
Por ejemplo, la fracció n decimal 0.625 tiene un valor de 6/10 + 2/100 + 5/1000, y de la misma manera, la fracció n
binaria 0.101 tiene un valor de 1/2 + 0/4 + 1/8. Estas dos fracciones tienen valores idé nticos; la ú nica diferencia real
radica en que la primera se escribe en notació n 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 nú meros de punto flotante decimal que ingresá s en la computadora son
só lo aproximados por los nú meros de punto flotante binario que realmente se guardan en la má quina.
El problema es má s fá cil de entender primero en base 10. Considerá la fracció n 1/3. Podé s aproximarla como una
fracció n 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-
mació n 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 fracció n en base 2. En base 2, 1/10 es la siguiente fracció n que se repite infinitamente:

0.0001100110011001100110011001100110011001100110011...

Frená en cualquier nú mero finito de bits, y tendrá s una aproximació n. En la mayoría de las má quinas hoy en día, los
float se aproximan usando una fracció n binaria con el numerador usando los primeros 53 bits con el bit má s signifi-
cativos y el denominador como una potencia de dos. En el caso de 1/10, la fracció n 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 aproximació n por la forma en que se muestran los valores.
Python solamente muestra una aproximació n decimal al valor verdadero decimal de la aproximació n binaria alma-
cenada por la má quina. En la mayoría de las má quinas, si Python fuera a imprimir el verdadero valor decimal de la
aproximació n binaria almacenada para 0.1, debería mostrar:

115
Python Tutorial, Versión 3.13.1

>>> 0.1
0.1000000000000000055511151231257827021181583404541015625

Esos son má s dígitos que lo que la mayoría de la gente encuentra ú til, por lo que Python mantiene manejable la
cantidad de dígitos al mostrar un valor redondeado en su lugar:

>>> 1 / 10
0.1

Só lo recordá que, a pesar de que el valor mostrado resulta ser exactamente 1/10, el valor almacenado realmente es la
fracció n binaria má s cercana posible.
Interesantemente, hay varios nú meros decimales que comparten la misma fracció n bi-
naria má s aproximada. Por ejemplo, los nú meros 0.1, 0.10000000000000001 y 0.
1000000000000000055511151231257827021181583404541015625 son todos aproximados por
3602879701896397 / 2 ** 55. Ya que todos estos valores decimales comparten la misma aproximació n, se
podría mostrar cualquiera de ellos para preservar el invariante eval(repr(x)) == x.
Histó ricamente, el prompt de Python y la funció n 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
má s corta de ellos y mostrar 0.1.
Note that this is in the very nature of binary floating point: this is not a bug in Python, and it is not a bug in your
code either. You’ll see the same kind of thing in all languages that support your hardware’s floating-point arithmetic
(although some languages may not display the difference by default, or in all output modes).
Para una salida má s elegante, quizá s quieras usar el formateo de cadenas de texto para generar un nú mero limitado
de dígitos significativos:

>>> format([Link], '.12g') # give 12 significant digits

'3.14159265359'

>>> format([Link], '.2f') # give 2 digits after the point

'3.14'

>>> repr([Link])
'3.141592653589793'

Es importante darse cuenta que esto es, realmente, una ilusió n: está s simplemente redondeando al mostrar el valor
verdadero de la má quina.
Una ilusió n puede generar otra. Por ejemplo, ya que 0.1 no es exactamente 1/10, sumar tres veces 0.1 podría tambié n
no generar exactamente 0.3:

>>> 0.1 + 0.1 + 0.1 == 0.3

False

Tambié n, ya que 0.1 no puede acercarse má s al valor exacto de 1/10 y 0.3 no puede acercarse má s al valor exacto de
3/10, redondear primero con la funció n round() no puede ayudar:

>>> round(0.1, 1) + round(0.1, 1) + round(0.1, 1) == round(0.3, 1)

False

Aunque los nú meros no pueden acercarse má s a sus valores exactos previstos, la funció n [Link]() puede
ser ú til para comparar valores inexactos:

>>> [Link](0.1 + 0.1 + 0.1, 0.3)

True

Alternatively, the round() function can be used to compare rough approximations:

116 Capítulo 15. Floating-Point Arithmetic: Issues and Limitations

 Python Tutorial, Versión 3.13.1

>>> round([Link], ndigits=2) == round(22 / 7, ndigits=2)

True

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.
As that says near the end, «there are no easy answers.» Still, don’t be unduly wary of floating point! The errors in
Python float operations are inherited from the floating-point hardware, and on most machines are on the order of no
more than 1 part in 2**53 per operation. That’s more than adequate for most tasks, but you do need to keep in mind
that it’s not decimal arithmetic and that every float operation can suffer a new rounding error.
A pesar de que existen casos patoló gicos, para la mayoría de usos casuales de la aritmé tica de punto flotante al final
verá s el resultado que esperá s si simplemente redondeá s lo que mostrá s de tus resultados finales al nú mero de dígitos
decimales que esperá s. str() es normalmente suficiente, y para un control má s fino mirá los pará metros del mé todo
de formateo [Link]() en string-formatting.
Para los casos de uso que necesitan una representació n decimal exacta, probá el mó dulo decimal, que implementa
aritmé tica decimal ú til para aplicaciones de contabilidad y de alta precisió n.
El mó dulo fractions soporta otra forma de aritmé tica exacta, ya que implementa aritmé tica basada en nú meros
racionales (por lo que nú meros 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 matemá ticas y estadísticas proporcionados por el proyecto SciPy. Ver <[Link]
org>.
Python provee herramientas que pueden ayudar en esas raras ocasiones cuando realmente querés saber el valor exac-
to de un punto flotante. El mé todo float.as_integer_ratio() expresa el valor del punto flotante como una
fracció n:

>>> x = 3.14159
>>> x.as_integer_ratio()
(3537115888337719, 1125899906842624)

Ya que la fracció n es exacta, se puede usar para recrear sin pé rdidas el valor original:

>>> x == 3537115888337719 / 1125899906842624

True

El mé todo [Link]() expresa un punto flotante en hexadecimal (base 16), nuevamente retornando el valor exacto
almacenado por tu computadora:

>>> [Link]()
'0x1.921f9f01b866ep+1'

Esta representació n hexadecimal precisa se puede usar para reconstruir el valor exacto del punto flotante:

>>> x == [Link]('0x1.921f9f01b866ep+1')
True

Ya que la representació n es exacta, es ú til para portar valores a travé s 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 ú til es la funció n sum() que ayuda a mitigar la pé rdida de precisió n durante la suma. Utiliza
precisió n extendida para pasos de redondeo intermedios a medida que se agregan valores a un total en ejecució n.
Esto puede marcar la diferencia en la precisió n general para que los errores no se acumulen hasta el punto en que
afecten el total final:

117
Python Tutorial, Versión 3.13.1

>>> 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

The [Link]() goes further and tracks all of the «lost digits» as values are added onto a running total so that
the result has only a single rounding. This is slower than sum() but will be more accurate in uncommon cases where
large magnitude inputs mostly cancel each other out leaving a final sum near zero:

>>> 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
>>> [Link](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 secció n explica el ejemplo «0.1» en detalle, y muestra como en la mayoría de los casos vos mismo podé s realizar
un aná lisis exacto como este. Se asume un conocimiento bá sico de la representació n 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 razó n principal de por qué Python (o Perl, C,
C++, Java, Fortran, y tantos otros) frecuentemente no mostrará n el nú mero decimal exacto que esperá s.
¿Por qué sucede esto? 1/10 no es exactamente representable como una fracció n binaria. Desde al menos el añ o
2000, casi todas las má quinas utilizan la aritmé tica de punto flotante binaria IEEE 754, y casi todas las plataformas
asignan los nú meros de punto flotante de Python a valores binarios de 64 bits de precisió n «doble» de IEEE 754. Los
valores binarios de IEEE 754 de 64 bits contienen 53 bits de precisió n, por lo que en la entrada, la computadora se
esfuerza por convertir 0.1 en la fracció n má s cercana de la forma J/2**N donde J es un nú mero 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 ú nico 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

118 Capítulo 15. Floating-Point Arithmetic: Issues and Limitations

 Python Tutorial, Versión 3.13.1

Ya que el resto es má s que la mitad de 10, la mejor aproximació n se obtiene redondeá ndolo:

>>> q+1
7205759403792794

Por lo tanto la mejor aproximació n a 1/10 en doble precisió n IEEE 754 es:

7205759403792794 / 2 ** 56

El dividir tanto el numerador como el denominador reduce la fracció n a:

3602879701896397 / 2 ** 55

Notá que como lo redondeamos, esto es un poquito má s grande que 1/10; si no lo hubié ramos 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 fracció n exacta de arriba, la mejor aproximació n al flotante
doble IEEE 754 que puede obtener:

>>> 0.1 * 2 ** 55
3602879701896397.0

Si multiplicamos esa fracció n 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 mó dulos fractions y decimal hacen fá cil estos cá lculos:

>>> 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 119

Python Tutorial, Versión 3.13.1

120 Capítulo 15. Floating-Point Arithmetic: Issues and Limitations

 CAPÍTULO 16

Apéndice

16.1 Modo interactivo

There are two variants of the interactive REPL. The classic basic interpreter is supported on all platforms with minimal
line control capabilities.
On Windows, or Unix-like systems with curses support, a new interactive shell is used by default. This one supports
color, multiline editing, history browsing, and paste mode. To disable color, see using-on-controlling-color for details.
Function keys provide some additional functionality. F1 enters the interactive help browser pydoc. F2 allows for
browsing command-line history with neither output nor the »> and … prompts. F3 enters «paste mode», which
makes pasting larger blocks of code easier. Press F3 to return to the regular prompt.
When using the new interactive shell, exit the shell by typing exit or quit. Adding call parentheses after those
commands is not required.
If the new interactive shell is not desired, it can be disabled via the PYTHON_BASIC_REPL environment variable.

16.1.1 Manejo de errores

When an error occurs, the interpreter prints an error message and a stack trace. In interactive mode, it then returns
to the primary prompt; when input came from a file, it exits with a nonzero exit status after printing the stack trace.
(Exceptions handled by an except clause in a try statement are not errors in this context.) Some errors are uncon-
ditionally fatal and cause an exit with a nonzero exit status; this applies to internal inconsistencies and some cases of
running out of memory. All error messages are written to the standard error stream; normal output from executed
commands is written to standard output.
Al ingresar el cará cter de interrupció n (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 interrupció n mientras un comando se está n ejecutando
lanza la excepció n 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 inté rprete de comandos, poniendo la linea:

#!/usr/bin/env python3

1 Un problema con el paquete GNU Readline puede prevenir esto.

121
Python Tutorial, Versión 3.13.1

…al principio del script y dá ndole al archivo permisos de ejecució n (asumiendo que el inté rprete está n 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 cará cter numeral '#' se usa
en Python para comenzar un comentario.
Se le puede dar permisos de ejecució n al script usando el comando chmod.

$ chmod +x [Link]

En sistemas Windows, no existe la noció n de «modo ejecutable». El instalador de Python asocia automá ticamente la
extensió n .py con [Link] para que al hacerle doble clic a un archivo Python se corra el script. La extensió n
tambié n 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 ú til que algunos comandos está ndar se ejecuten cada vez que el
inté rprete 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 inté rpretes de comandos
de Unix.
Este archivo es solo leído en las sesiones interactivas del inté rprete, 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 sesió n
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 sesió n interactiva. En este archivo tambié n
puedes cambiar los prompts sys.ps1 y sys.ps2.
Si quieres leer un archivo de inicio adicional desde el directorio actual, puedes programarlo en el archivo de
inicio global usando algo como if [Link]('.[Link]'): exec(open('.[Link]').
read()). Si quieres usar el archivo de inicio en un script, tienes que hacer lo siguiente de forma explícita en el
script:

import os
filename = [Link]('PYTHONSTARTUP')
if filename and [Link](filename):
with open(filename) as fobj:
startup_file = [Link]()
exec(startup_file)

16.1.4 Los módulos de customización

Python provee dos formas para customizarlo: sitecustomize y usercustomize. Para ver có mo funciona, necesitas pri-
mero encontrar dó nde está tu directorio para tu usuario de paquetes del sistema. Inicia Python y ejecuta el siguiente
có digo:

>>> import site

>>> [Link]()
'/home/user/.local/lib/python3.x/site-packages'

Ahora puedes crear un archivo llamado [Link] en ese directorio y poner lo que quieras en é l. Eso
afectará cada ejecució n de Python, a menos que se inicie con la opció n -s para deshabilitar esta importació n auto-
má tica.
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 má s detalles, mira la documen-
tació n del mó dulo site.

122 Capítulo 16. Apéndice

 Python Tutorial, Versión 3.13.1

Notas al pie

16.1. Modo interactivo 123

Python Tutorial, Versión 3.13.1

124 Capítulo 16. Apéndice

 APÉNDICE A

Glosario

>>>
The default Python prompt of the interactive shell. Often seen for code examples which can be executed inter-
actively in the interpreter.
...
Puede referirse a:
• The default Python prompt of the interactive shell when entering the code for an indented code block,
when within a pair of matching left and right delimiters (parentheses, square brackets, curly braces or
triple quotes), or after specifying a decorator.
• La constante incorporada Ellipsis.
clase base abstracta
Las clases base abstractas (ABC, por sus siglas en inglé s Abstract Base Class) complementan al duck-typing
brindando un forma de definir interfaces con té cnicas como hasattr() que serían confusas o sutilmente
erró neas (por ejemplo con magic methods). Las ABC introduce subclases virtuales, las cuales son clases que
no heredan desde una clase pero aú n así son reconocidas por isinstance() y issubclass(); vea la do-
cumentació n del mó dulo abc. Python viene con muchas ABC incorporadas para las estructuras de datos( en
el mó dulo [Link]), nú meros (en el mó dulo numbers ) , flujos de datos (en el mó dulo io ) ,
buscadores y cargadores de importaciones (en el mó dulo [Link] ) . Puede crear sus propios ABCs
con el mó dulo abc.
anotación
Una etiqueta asociada a una variable, atributo de clase, pará metro de funció n o valor de retorno, usado por
convenció n como un type hint.
Las anotaciones de variables no pueden ser accedidas en tiempo de ejecució n, pero las anotaciones de varia-
bles globales, atributos de clase, y funciones son almacenadas en el atributo especial __annotations__ de
mó dulos, clases y funciones, respectivamente.
Consulte variable annotation, function annotation, PEP 484 y PEP 526, que describen esta funcionalidad.
Consulte tambié n annotations-howto para conocer las mejores prá cticas sobre có mo trabajar con anotaciones.
argumento
Un valor pasado a una function (o method) cuando se llama a la funció n. Hay dos clases de argumentos:
• argumento nombrado: es un argumento precedido por un identificador (por ejemplo, nombre=) en una
llamada a una funció n o pasado como valor en un diccionario precedido por **. Por ejemplo 3 y 5 son
argumentos nombrados en las llamadas a complex():

125
Python Tutorial, Versión 3.13.1

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 funció n. Vea en la secció n calls las
reglas que rigen estas asignaciones. Sintá cticamente, cualquier expresió n puede ser usada para representar un
argumento; el valor evaluado es asignado a la variable local.
Vea tambié n el parameter en el glosario, la pregunta frecuente la diferencia entre argumentos y pará metros, y
PEP 362.
administrador asincrónico de contexto
Un objeto que controla el entorno visible en un sentencia async with al definir los mé todos __aenter__()
y __aexit__(). Introducido por PEP 492.
generador asincrónico
Una funció n que retorna un asynchronous generator iterator. Es similar a una funció n corrutina 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 funció n generadora asincró nica, pero puede referirse a un iterador generador
asincrónico en ciertos contextos. En aquellos casos en los que el significado no está claro, usar los té rminos
completos evita la ambigü edad.
Una funció n generadora asincró nica puede contener expresiones await así como sentencias async for, y
async with.
iterador generador asincrónico
Un objeto creado por una funció n asynchronous generator.
Este es un asynchronous iterator el cual cuando es llamado usa el mé todo __anext__() retornando un objeto
a la espera (awaitable) el cual ejecutará el cuerpo de la funció n generadora asincró nica hasta la siguiente
expresió n yield.
Each yield temporarily suspends processing, remembering the execution state (including local variables and
pending try-statements). When the asynchronous generator iterator effectively resumes with another awaitable
returned by __anext__(), it picks up where it left off. See PEP 492 and PEP 525.
iterable asincrónico
Un objeto, que puede ser usado en una sentencia async for. Debe retornar un asynchronous iterator de su
mé todo __aiter__(). Introducido por PEP 492.
iterador asincrónico
Un objeto que implementa los mé todos __aiter__() y __anext__(). __anext__() debe retornar un
objeto awaitable. async for resuelve los esperables retornados por un mé todo de iterador asincró nico
__anext__() hasta que lanza una excepció n StopAsyncIteration. Introducido por PEP 492.

atributo
Un valor asociado a un objeto al que se suele hacer referencia por su nombre utilizando expresiones punteadas.
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 expresió n con
puntos, y en su lugar deberá ser recuperado con getattr().
a la espera
Un objeto que puede utilizarse en una expresió n await. Puede ser una corutina o un objeto con un mé todo
__await__(). Vé ase tambié n PEP 492.

126 Apéndice A. Glosario

 Python Tutorial, Versión 3.13.1

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+'), [Link], [Link], and instances of [Link] and
[Link].

Vea tambié n 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 có digo usando el
objeto no posee la referencia. Se convierte en un puntero colgante si se destruye el objeto. Por ejemplo, una
recolecció n de basura puede eliminar el ú ltimo 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 ú ltimo uso de la referencia prestada. La funció n
Py_NewRef() se puede utilizar para crear una nueva referencia fuerte.

objetos tipo binarios

Un objeto que soporta bufferobjects y puede exportar un bú fer C-contiguous. Esto incluye todas los objetos
bytes, bytearray, y [Link], así como muchos objetos comunes memoryview. Los objetos tipo
binarios pueden ser usados para varias operaciones que usan datos binarios; é stas incluyen compresió n, salvar
a archivos binarios, y enviarlos a travé s de un socket.
Algunas operaciones necesitan que los datos binarios sean mutables. La documentació n frecuentemente se
refiere a é stos como «objetos tipo binario de lectura y escritura». Ejemplos de objetos de bú fer mutables
incluyen a bytearray y memoryview de la bytearray. Otras operaciones que requieren datos binarios
almacenados en objetos inmutables («objetos tipo binario de só lo lectura»); ejemplos de é stos incluyen bytes
y memoryview del objeto bytes.
bytecode
El có digo fuente Python es compilado en bytecode, la representació n interna de un programa python en el
inté rprete CPython. El bytecode tambié n es guardado en caché en los archivos .pyc de tal forma que ejecutar
el mismo archivo es má s fá cil la segunda vez (la recompilació n desde el có digo fuente a bytecode puede ser
evitada). Este «lenguaje intermedio» deberá corren en una virtual machine que ejecute el có digo de má quina
correspondiente a cada bytecode. Note que los bytecodes no tienen como requisito trabajar en las diversas
má quina virtuales de Python, ni de ser estable entre versiones Python.
Una lista de las instrucciones en bytecode está disponible en la documentació n de el mó dulo dis.
callable
Un callable es un objeto que puede ser llamado, posiblemente con un conjunto de argumentos (vé ase argument),
con la siguiente sintaxis:

callable(argument1, argument2, argumentN)

Una function, y por extensió n un method, es un callable. Una instancia de una clase que implementa el mé todo
__call__() tambié n es un callable.

retrollamada
Una funció n de subrutina que se pasa como un argumento para ejecutarse en algú n momento en el futuro.
clase
Una plantilla para crear objetos definidos por el usuario. Las definiciones de clase normalmente contienen
definiciones de mé todos que operan una instancia de la clase.
variable de clase
Una variable definida en una clase y prevista para ser modificada só lo a nivel de clase (es decir, no en una
instancia de la clase).
closure variable
A free variable referenced from a nested scope that is defined in an outer scope rather than being resolved at

127
Python Tutorial, Versión 3.13.1

runtime from the globals or builtin namespaces. May be explicitly defined with the nonlocal keyword to
allow write access, or implicitly defined if the variable is only being read.
For example, in the inner function in the following code, both x and print are free variables, but only x is
a closure variable:

def outer():
x = 0
def inner():
nonlocal x
x += 1
print(x)
return inner

Due to the codeobject.co_freevars attribute (which, despite its name, only includes the names of closure
variables rather than listing all referenced free variables), the more general free variable term is sometimes used
even when the intended meaning is to refer specifically to closure variables.
número complejo
Una extensió n del sistema familiar de nú mero reales en el cual los nú meros son expresados como la suma
de una parte real y una parte imaginaria. Los nú meros imaginarios son mú ltiplos de la unidad imaginaria
(la raíz cuadrada de -1), usualmente escrita como i en matemá ticas o j en ingeniería. Python tiene soporte
incorporado para nú meros complejos, los cuales son escritos con la notació n mencionada al final.; la parte
imaginaria es escrita con un sufijo j, por ejemplo, 3+1j. Para tener acceso a los equivalentes complejos del
mó dulo math module, use cmath. El uso de nú meros complejos es matemá tica bastante avanzada. Si no le
parecen necesarios, puede ignorarlos sin inconvenientes.
context
This term has different meanings depending on where and how it is used. Some common meanings:
• The temporary state or environment established by a context manager via a with statement.
• The collection of keyvalue bindings associated with a particular [Link] object and
accessed via ContextVar objects. Also see context variable.
• A [Link] object. Also see current context.
context management protocol
The __enter__() and __exit__() methods called by the with statement. See PEP 343.
administrador de contextos
An object which implements the context management protocol and controls the environment seen in a with
statement. See PEP 343.
variable de contexto
A variable whose value depends on which context is the current context. Values are accessed via
[Link] objects. Context variables are primarily used to isolate state between concu-
rrent asynchronous tasks.
contiguo
Un bú fer es considerado contiguo con precisió n si es C-contiguo o Fortran contiguo. Los bú feres cero dimensio-
nales 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 ú ltimo índice varía má s velozmente en el orden de las direcciones de memoria. Sin embargo, en arreglos
Fortran contiguos, el primer índice vería má s rá pidamente.
corrutina
Las corrutinas son una forma má s 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 ademá s PEP 492.
función corrutina
Un funció n que retorna un objeto coroutine . Una funció n corrutina puede ser definida con la sentencia async

128 Apéndice A. Glosario

 Python Tutorial, Versión 3.13.1

def, y puede contener las palabras claves await, async for, y async with. Las mismas son introducidas
en PEP 492.
CPython
La implementació n canó nica del lenguaje de programació n Python, como se distribuye en [Link]. El
té rmino «CPython» es usado cuando es necesario distinguir esta implementació n de otras como Jython o
IronPython.
current context
The context ([Link] object) that is currently used by ContextVar objects to access (get
or set) the values of context variables. Each thread has its own current context. Frameworks for executing
asynchronous tasks (see asyncio) associate each task with a context which becomes the current context
whenever the task starts or resumes execution.
decorador
Una funció n que retorna otra funció n, usualmente aplicada como una funció n de transformació n empleando la
sintaxis @envoltorio. Ejemplos comunes de decoradores son classmethod() y staticmethod().
La sintaxis del decorador es meramente azú car sintá ctico, las definiciones de las siguientes dos funciones son
semá nticamente equivalentes:

def f(arg):
...
f = staticmethod(f)

@staticmethod
def f(arg):
...

El mismo concepto existe para clases, pero son menos usadas. Vea la documentació n 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 má s informació n sobre los mé todos de los descriptores, consulte descriptors o Guía prá ctica 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 retornar 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 mé todos [Link](), [Link](), y [Link]() son llamados
vistas de diccionarios. Proveen una vista diná mica de las entradas de un diccionario, lo que significa que cuando
el diccionario cambia, la vista refleja é stos cambios. Para forzar a la vista de diccionario a convertirse en una
lista completa, use list(dictview). Vea dict-views.
docstring
A string literal which appears as the first expression in a class, function or module. While ignored when the
suite is executed, it is recognized by the compiler and put into the __doc__ attribute of the enclosing class,
function or module. Since it is available via introspection, it is the canonical place for documentation of the
object.

129
Python Tutorial, Versión 3.13.1

tipado de pato
Un estilo de programació n que no revisa el tipo del objeto para determinar si tiene la interfaz correcta; en
vez de ello, el mé todo 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 có digo bien
diseñ ado pues tener mayor flexibilidad permitiendo la sustitució n polimó rfica. 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 inglé s Easier to ask for forgiveness than permission, es má s fá cil pedir perdó n que pedir permiso. Este estilo
de codificació n comú n en Python asume la existencia de claves o atributos vá lidos y atrapa las excepciones
si esta suposició n resulta falsa. Este estilo rá pido y limpio está caracterizado por muchas sentencias try y
except. Esta té cnica contrasta con estilo LBYL usual en otros lenguajes como C.

expresión
Una construcció n sintá ctica que puede ser evaluada, hasta dar un valor. En otras palabras, una expresió n es
una acumulació n de elementos de expresió n 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. Tambié n hay statements que no pueden ser usadas como expresiones, como la while.
Las asignaciones tambié n son sentencias, no expresiones.
módulo de extensión
Un mó dulo escrito en C o C++, usando la API para C de Python para interactuar con el nú cleo y el có digo 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 tambié n PEP 498.
objeto archivo
An object exposing a file-oriented API (with methods such as read() or write()) to an underlying 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 bú fer archivos binarios y archivos
de texto. Sus interfaces son definidas en el mó dulo io. La forma canó nica de crear objetos archivo es usando
la funció n open().
objetos tipo archivo
Un sinó nimo de file object.
codificación del sistema de archivos y manejador de errores
Controlador de errores y codificació n utilizado por Python para decodificar bytes del sistema operativo y co-
dificar Unicode en el sistema operativo.
La codificació n del sistema de archivos debe garantizar la decodificació n exitosa de todos los bytes por debajo
de 128. Si la codificació n del sistema de archivos no proporciona esta garantía, las funciones de API pueden
lanzar UnicodeError.
Las funciones [Link]() y [Link]() se pueden
utilizar para obtener la codificació n 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 Python mediante la
funció n PyConfig_Read(): consulte los miembros filesystem_encoding y filesystem_errors de
PyConfig.

Vea tambié n locale encoding.

buscador
Un objeto que trata de encontrar el loader para el mó dulo que está siendo importado.
There are two types of finder: meta path finders for use with sys.meta_path, and path entry finders for use
with sys.path_hooks.
See finders-and-loaders and importlib for much more detail.

130 Apéndice A. Glosario

 Python Tutorial, Versión 3.13.1

división entera a la baja

Una divisió n matemá tica que se redondea hacia el entero menor má s cercano. El operador de la divisió n entera
a la baja es //. Por ejemplo, la expresió n 11 // 4 evalú a 2 a diferencia del 2.75 retornado por la verdadera
divisió n de nú meros flotantes. Note que (-11) // 4 es -3 porque es -2.75 redondeado para abajo. Ver
PEP 238.
free threading
A threading model where multiple threads can run Python bytecode simultaneously within the same interpreter.
This is in contrast to the global interpreter lock which allows only one thread to execute Python bytecode at a
time. See PEP 703.
free variable
Formally, as defined in the language execution model, a free variable is any variable used in a namespace which
is not a local variable in that namespace. See closure variable for an example. Pragmatically, due to the name of
the codeobject.co_freevars attribute, the term is also sometimes used as a synonym for closure variable.
función
Una serie de sentencias que retornan un valor al que las llama. Tambié n se le puede pasar cero o má s argumentos
los cuales pueden ser usados en la ejecució n de la misma. Vea tambié n parameter, method, y la secció n function.
anotación de función
Una annotation del pará metro de una funció n o un valor de retorno.
Las anotaciones de funciones son usadas frecuentemente para indicadores de tipo, por ejemplo, se espera que
una funció n tome dos argumentos de clase int y tambié n 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 secció n function.

Consulte variable annotation y PEP 484, que describen esta funcionalidad. Consulte tambié n annotations-
howto para conocer las mejores prá cticas sobre có mo trabajar con anotaciones.
__future__
Un future statement, from __future__ import <feature>, indica al compilador que compile el mó du-
lo actual utilizando una sintaxis o semá ntica que se convertirá en está ndar en una versió n futura de Python. El
mó dulo __future__ documenta los posibles valores de feature. Al importar este mó dulo y evaluar sus varia-
bles, puede ver cuá ndo se agregó por primera vez una nueva característica al lenguaje y cuá ndo 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 recolecció n 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 mó dulo gc .
generador
Una funció n que retorna un generator iterator. Luce como una funció n normal excepto que contiene la expresió n
yield para producir series de valores utilizables en un bucle for o que pueden ser obtenidas una por una con
la funció n next().
Usualmente se refiere a una funció n 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 té rminos completos evita la ambigü edad.
iterador generador
Un objeto creado por una funció n generator.
Each yield temporarily suspends processing, remembering the execution state (including local variables and
pending try-statements). When the generator iterator resumes, it picks up where it left off (in contrast to fun-
ctions which start fresh on every invocation).

131
Python Tutorial, Versión 3.13.1

expresión generadora
An expression that returns an iterator. It looks like a normal expression followed by a for clause defining a
loop variable, range, and an optional if clause. The combined expression generates values for an enclosing
function:

>>> sum(i*i for i in range(10)) # sum of squares 0, 1, 4, ... 81

285

función genérica
Una funció n compuesta de muchas funciones que implementan la misma operació n para diferentes tipos. Qué
implementació n deberá ser usada durante la llamada a la misma es determinado por el algoritmo de despacho.
Vea tambié n la entrada de glosario single dispatch, el decorador [Link](), 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 má s detalles, vé ase generic alias types, PEP 483, PEP 484, PEP 585, y el mó dulo typing.
GIL
Vea global interpreter lock.
bloqueo global del intérprete
Mecanismo empleado por el inté rprete CPython para asegurar que só lo un hilo ejecute el bytecode Python por
vez. Esto simplifica la implementació n de CPython haciendo que el modelo de objetos (incluyendo algunos
críticos como dict) está n implícitamente a salvo de acceso concurrente. Bloqueando el inté rprete completo
se simplifica hacerlo multi-hilos, a costa de mucho del paralelismo ofrecido por las má quinas con mú ltiples
procesadores.
Sin embargo, algunos mó dulos de extensió n, tanto está ndar como de terceros, está n diseñ ados para liberar el
GIL cuando se realizan tareas computacionalmente intensivas como la compresió n o el hashing. Ademá s, el
GIL siempre es liberado cuando se hace entrada/salida.
As of Python 3.13, the GIL can be disabled using the --disable-gil build configuration. After building
Python with this option, code must be run with -X gil=0 or after setting the PYTHON_GIL=0 environment
variable. This feature enables improved performance for multi-threaded applications and makes it easier to use
multi-core CPUs efficiently. For more details, see PEP 703.
hash-based pyc
Un archivo cache de bytecode que usa el hash en vez de usar el tiempo de la ú ltima modificació n 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 é stas
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 funció n id().
IDLE
Un Entorno Integrado de Desarrollo y Aprendizaje para Python. idle es un editor bá sico y un entorno de
inté rprete que se incluye con la distribució n está ndar de Python.
immortal
Immortal objects are a CPython implementation detail introduced in PEP 683.

132 Apéndice A. Glosario

 Python Tutorial, Versión 3.13.1

If an object is immortal, its reference count is never modified, and therefore it is never deallocated while the
interpreter is running. For example, True and None are immortal in CPython.
inmutable
Un objeto con un valor fijo. Los objetos inmutables son nú meros, 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 mó dulos.
Durante la importació n, é sta lista de localizaciones usualmente viene de [Link], pero para los subpaquetes
tambié n puede incluir al atributo __path__ del paquete padre.
importar
El proceso mediante el cual el có digo Python dentro de un mó dulo se hace alcanzable desde otro có digo Python
en otro mó dulo.
importador
Un objeto que buscan y lee un mó dulo; un objeto que es tanto finder como loader.
interactivo
Python has an interactive interpreter which means you can enter statements and expressions at the interpreter
prompt, immediately execute them and see their results. Just launch python with no arguments (possibly by
selecting it from your computer’s main menu). It is a very powerful way to test out new ideas or inspect modules
and packages (remember help(x)). For more on interactive mode, see Modo interactivo.
interpretado
Python es un lenguaje interpretado, a diferencia de uno compilado, a pesar de que la distinció n puede ser difusa
debido al compilador a bytecode. Esto significa que los archivos fuente pueden ser corridos directamente,
sin crear explícitamente un ejecutable que es corrido luego. Los lenguajes interpretados típicamente tienen
ciclos de desarrollo y depuració n má s cortos que los compilados, sin embargo sus programas suelen correr má s
lentamente. Vea tambié n interactive.
apagado del intérprete
Cuando se le solicita apagarse, el inté rprete Python ingresa a un fase especial en la cual gradualmente libera to-
dos los recursos reservados, como mó dulos y varias estructuras internas críticas. Tambié n hace varias llamadas
al recolector de basura. Esto puede disparar la ejecució n de có digo de destructores definidos por el usuario o
weakref callbacks. El có digo ejecutado durante la fase de apagado puede encontrar varias excepciones debido
a que los recursos que necesita pueden no funcionar má s (ejemplos comunes son los mó dulos de bibliotecas o
los artefactos de advertencias warnings machinery)
La principal razó n para el apagado del inté rpreter es que el mó dulo __main__ o el script que estaba corriendo
termine su ejecució n.
iterable
An object capable of returning its members one at a time. Examples of iterables include all sequence types (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.
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 further 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 iteration passes. A

133
Python Tutorial, Versión 3.13.1

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 má s informació n en typeiter.
Detalles de implementación de CPython: CPython does not consistently apply the requirement that an itera-
tor define __iter__(). And also please note that the free-threading CPython does not guarantee the thread-
safety of iterator operations.
función clave
Una funció n clave o una funció n de colació n es un invocable que retorna un valor usado para el ordenamiento o
clasificació n. Por ejemplo, [Link]() 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(), [Link](), [Link](), heapq.
nsmallest(), [Link](), y [Link]().

Hay varias formas de crear una funció n clave. Por ejemplo, el mé todo [Link]() puede servir como
funció n clave para ordenamientos que no distingan mayú sculas de minú sculas. Como alternativa, una fun-
ció n clave puede ser realizada con una expresió n lambda como lambda r: (r[0], r[2]). Ademá s,
[Link](), [Link]() y [Link]() son tres cons-
tructores de funciones clave. Consulte Sorting HOW TO para ver ejemplos de có mo crear y utilizar funciones
clave.
argumento nombrado
Vea argument.
lambda
Una funció n anó nima de una línea consistente en un sola expression que es evaluada cuando la funció n es
llamada. La sintaxis para crear una funció n lambda es lambda [parameters]: expression
LBYL
Del inglé s Look before you leap, «mira antes de saltar». Es un estilo de codificació n que prueba explícitamente
las condiciones previas antes de hacer llamadas o bú squedas. Este estilo contrasta con la manera EAFP y está
caracterizado por la presencia de muchas sentencias if.
En entornos multi-hilos, el mé todo LBYL tiene el riesgo de introducir condiciones de carrera entre los hilos
que está n «mirando» y los que está n «saltando». Por ejemplo, el có digo, if key in mapping: return
mapping[key] puede fallar si otro hilo remueve key de mapping despué s del test, pero antes de retornar el
valor. Este problema puede ser resuelto usando bloqueos o empleando el mé todo EAFP.
lista
A built-in Python sequence. Despite its name it is more akin to an array in other languages than to a linked list
since access to elements is O(1).
comprensión de listas
Una forma compacta de procesar todos o parte de los elementos en una secuencia y retornar una lista co-
mo resultado. result = ['{:#04x}'.format(x) for x in range(256) if x % 2 == 0] gene-
ra una lista de cadenas conteniendo nú meros hexadecimales (0x..) entre 0 y 255. La clá usula if es opcional.
Si es omitida, todos los elementos en range(256) son procesados.
cargador
An object that loads a module. It must define the exec_module() and create_module() methods to im-
plement the Loader interface. A loader is typically returned by a finder. See also:
• finders-and-loaders
• [Link]
• PEP 302
codificación de la configuración regional
En Unix, es la codificació n de la configuració n regional LC_CTYPE. Se puede configurar con locale.
setlocale(locale.LC_CTYPE, new_locale).

134 Apéndice A. Glosario

 Python Tutorial, Versión 3.13.1

En Windows, es la pá gina de có digos ANSI (por ejemplo, "cp1252").

En Android y VxWorks, Python utiliza "utf-8" como codificació n regional.
[Link]() can be used to get the locale encoding.

Vea tambié n filesystem encoding and error handler.

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 mé todos especificados
en la [Link] o [Link] abstract base classes. Por
ejemplo, dict, [Link], [Link] y [Link].
meta buscadores de ruta
Un finder retornado por una bú squeda de sys.meta_path. Los meta buscadores de ruta está n relacionados
a buscadores de entradas de rutas, pero son algo diferente.
Vea en [Link] los mé todos 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 mayoría
de los objetos de un lenguaje de programació n orientado a objetos provienen de una implementació n por
defecto. Lo que hace a Python especial que es posible crear metaclases a medida. La mayoría de los usuario
nunca necesitará n 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
creació n de objetos, implementar singletons, y muchas otras tareas.
Má s informació n hallará en metaclasses.
método
Una funció n que es definida dentro del cuerpo de una clase. Si es llamada como un atributo de una instancia de
otra clase, el mé todo tomará el objeto instanciado como su primer argument (el cual es usualmente denominado
self). Vea function y nested scope.
orden de resolución de métodos
Method Resolution Order is the order in which base classes are searched for a member during lookup. See
python_2.3_mro for details of the algorithm used by the Python interpreter since the 2.3 release.
módulo
Un objeto que sirve como unidad de organizació n del có digo Python. Los mó dulos tienen espacios de nombres
conteniendo objetos Python arbitrarios. Los mó dulos son cargados en Python por el proceso de importing.
Vea tambié n package.
especificador de módulo
Un espacio de nombres que contiene la informació n relacionada a la importació n usada al leer un mó dulo. Una
instancia de [Link].
See also module-specs.
MRO
Vea method resolution order.
mutable
Los objetos mutables pueden cambiar su valor pero mantener su id(). Vea tambié n immutable.
tupla nombrada
La denominació n «tupla nombrada» se aplica a cualquier tipo o clase que hereda de una tupla y cuyos elementos
indexables son tambié n accesibles usando atributos nombrados. Este tipo o clase puede tener ademá s otras
capacidades.
Varios tipos incorporados son tuplas nombradas, incluyendo los valores retornados por [Link]()
y [Link](). Otro ejemplo es sys.float_info:

135
Python Tutorial, Versión 3.13.1

>>> 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

Some named tuples are built-in types (such as the above examples). Alternatively, a named tuple can be created
from a regular class definition that inherits from tuple and that defines named fields. Such a class can be written
by hand, or it can be created by inheriting [Link], or with the factory function collections.
namedtuple(). The latter techniques also add some extra methods that may not be found in hand-written or
built-in named tuples.
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
mé todos). Los espacios de nombres soportan modularidad previniendo conflictos de nombramiento. Por ejem-
plo, las funciones [Link] y [Link]() se distinguen por su espacio de nombres. Los espacios de
nombres tambié n ayuda a la legibilidad y mantenibilidad dejando claro qué mó dulo implementa una funció n.
Por ejemplo, escribiendo [Link]() o [Link]() queda claro que é stas funciones está n
implementadas en los mó dulos random y itertools, respectivamente.
paquete de espacios de nombres
Un PEP 420 package que sirve só lo para contener subpaquetes. Los paquetes de espacios de nombres pueden
no tener representació n física, y específicamente se diferencian de los regular package porque no tienen un
archivo __init__.py.
Vea tambié n module.
alcances anidados
La habilidad de referirse a una variable dentro de una definició n encerrada. Por ejemplo, una funció n definida
dentro de otra funció n puede referir a variables en la funció n externa. Note que los alcances anidados por
defecto só lo funcionan para referencia y no para asignació n. Las variables locales leen y escriben só lo en
el alcance má s 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 (mé todos). Tambié n es la má s bá sica
clase base para cualquier new-style class.
optimized scope
A scope where target local variable names are reliably known to the compiler when the code is compiled,
allowing optimization of read and write access to these names. The local namespaces for functions, generators,
coroutines, comprehensions, and generator expressions are optimized in this fashion. Note: most interpreter
optimizations are applied to all scopes, only those relying on a known set of local and nonlocal variable names
are restricted to optimized scopes.
paquete
Un module Python que puede contener submó dulos o recursivamente, subpaquetes. Té cnicamente, un paquete
es un mó dulo Python con un atributo __path__.
Vea tambié n regular package y namespace package.
parámetro
Una entidad nombrada en una definició n de una function (o mé todo) que especifica un argument (o en algunos
casos, varios argumentos) que la funció n puede aceptar. Existen cinco tipos de argumentos:

136 Apéndice A. Glosario

 Python Tutorial, Versión 3.13.1

• posicional o nombrado: especifica un argumento que puede ser pasado tanto como posicional o como
nombrado. Este es el tipo por defecto de pará metro, como foo y bar en el siguiente ejemplo:

def func(foo, bar=None): ...

• sólo posicional: especifica un argumento que puede ser pasado só lo por posició n. Los pará metros só lo
posicionales pueden ser definidos incluyendo un cará cter / en la lista de pará metros de la funció n despué s
de ellos, como posonly1 y posonly2 en el ejemplo que sigue:

def func(posonly1, posonly2, /, positional_or_keyword): ...

• sólo nombrado: especifica un argumento que só lo puede ser pasado por nombre. Los pará metros só lo por
nombre pueden ser definidos incluyendo un pará metro posicional de una sola variable o un simple *`
antes de ellos en la lista de pará metros en la definició n de la funció n, 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 (ademá s de cualquier argumento posicional aceptado por otros pará metros). Este pará metro puede
ser definido anteponiendo al nombre del pará metro *, como a args en el siguiente ejemplo:

def func(*args, **kwargs): ...

• variable nombrado: especifica que arbitrariamente muchos argumentos nombrados pueden ser brindados
(ademá s de cualquier argumento nombrado ya aceptado por cualquier otro pará metro). Este pará metro
puede ser definido anteponiendo al nombre del pará metro con **, como kwargs en el ejemplo precedente.
Los pará metros puede especificar tanto argumentos opcionales como requeridos, así como valores por defecto
para algunos argumentos opcionales.
Vea tambié n el glosario de argument, la pregunta respondida en la diferencia entre argumentos y pará metros,
la clase [Link], la secció n function , y PEP 362.
entrada de ruta
Una ubicació n ú nica en el import path que el path based finder consulta para encontrar los mó dulos 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 có mo
localizar mó dulos dada una path entry.
Vea en [Link] los mé todos que los buscadores de entradas de ruta implemen-
tan.
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 [Link]. Un objeto que
soporta el protocolo [Link] puede ser convertido a ruta del sistema de archivo de clase str o bytes
usando la funció n [Link](); [Link]() [Link]() pueden emplearse para garantizar que
retorne respectivamente str o bytes. Introducido por PEP 519.
PEP
Propuesta de mejora de Python, del inglé s Python Enhancement Proposal. Un PEP es un documento de diseñ o
que brinda informació n a la comunidad Python, o describe una nueva capacidad para Python, sus procesos o
entorno. Los PEPs deberían dar una especificació n té cnica concisa y una fundamentació n para las capacidades
propuestas.

137
Python Tutorial, Versión 3.13.1

Los PEPs tienen como propó sito ser los mecanismos primarios para proponer nuevas y mayores capacidad,
para recoger la opinió n de la comunidad sobre un tema, y para documentar las decisiones de diseñ o 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 ú nico 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 atrá s
de la biblioteca está ndar. Aunque no se esperan cambios fundamentales en dichas interfaces, como está n mar-
cadas como provisionales, los cambios incompatibles hacia atrá s (incluso remover la misma interfaz) podrían
ocurrir si los desarrolladores principales lo estiman. Estos cambios no se hacen gratuitamente – solo ocurrirá n
si fallas fundamentales y serias son descubiertas que no fueron vistas antes de la inclusió n de la API.
Incluso para APIs provisorias, los cambios incompatibles hacia atrá s son vistos como una «solució n de ú ltimo
recurso» - se intentará todo para encontrar una solució n compatible hacia atrá s para los problemas identificados.
Este proceso permite que la biblioteca está ndar continú e evolucionando con el tiempo, sin bloquearse por
errores de diseñ o problemá ticos por períodos extensos de tiempo. Vea PEP 411 para má s detalles.
paquete provisorio
Vea provisional API.
Python 3000
Apodo para la fecha de lanzamiento de Python 3.x (acuñ ada en un tiempo cuando llegar a la versió n 3 era algo
distante en el futuro.) Tambié n se lo abrevió como Py3k.
Pythónico
Una idea o pieza de có digo que sigue ajustadamente la convenciones idiomá ticas comunes del lenguaje Python,
en vez de implementar có digo usando conceptos comunes a otros lenguajes. Por ejemplo, una convenció n
comú n en Python es hacer bucles sobre todos los elementos de un iterable con la sentencia for. Muchos otros
lenguajes no tienen este tipo de construcció n, así que los que no está n familiarizados con Python podrían usar
contadores numé ricos:

for i in range(len(food)):
print(food[i])

En contraste, un mé todo Pythó nico má s limpio:

for piece in food:

print(piece)

nombre calificado
Un nombre con puntos mostrando la ruta desde el alcance global del mó dulo a la clase, funció n o mé todo
definido en dicho mó dulo, como se define en PEP 3155. Para las funciones o clases de má s 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__
(continú e en la pró xima pá gina)

138 Apéndice A. Glosario

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

'C.D'
>>> [Link].__qualname__
'[Link]'

Cuando es usado para referirse a los mó dulos, nombre completamente calificado significa la ruta con puntos
completo al mó dulo, incluyendo cualquier paquete padre, por ejemplo, [Link]:

>>> import [Link]

>>> [Link].__name__
'[Link]'

contador de referencias
The number of references to an object. When the reference count of an object drops to zero, it is deallocated.
Some objects are immortal and have reference counts that are never modified, and therefore the objects are
never deallocated. Reference counting is generally not visible to Python code, but it is a key element of the
CPython implementation. Programmers can call the [Link]() function to return the reference
count for a particular object.
paquete regular
Un package tradicional, como aquellos con un directorio conteniendo el archivo __init__.py.
Vea tambié n namespace package.
REPL
An acronym for the «read–eval–print loop», another name for the interactive interpreter shell.
__slots__
Es una declaració n 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 té cnica 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__() special
method and defines a __len__() method that returns the length of the sequence. Some built-in sequence
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 hashable keys rather
than integers.
The [Link] abstract base class defines a much richer interface that goes beyond just
__getitem__() and __len__(), adding count(), index(), __contains__(), and __reversed__().
Types that implement this expanded interface can be registered explicitly using register(). For more do-
cumentation on sequence methods generally, see Common Sequence Operations.
comprensión de conjuntos
Una forma compacta de procesar todos o parte de los elementos en un iterable y retornar 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 implementació n es elegida a partir del tipo de un só lo
argumento.
rebanada
Un objeto que contiene una porció n de una sequence. Una rebanada es creada usando la notació n de suscripto,
[] con dos puntos entre los nú meros cuando se ponen varios, como en nombre_variable[1:3:5]. La
notació n con corchete (suscrito) usa internamente objetos slice.
soft deprecated
A soft deprecated API should not be used in new code, but it is safe for already existing code to use it. The
API remains documented and tested, but will not be enhanced further.
Soft deprecation, unlike normal deprecation, does not plan on removing the API and will not emit warnings.

139
Python Tutorial, Versión 3.13.1

See PEP 387: Soft Deprecation.

método especial
Un mé todo que es llamado implícitamente por Python cuando ejecuta ciertas operaciones en un tipo, como la
adició n. Estos mé todos tienen nombres que comienzan y terminan con doble barra baja. Los mé todos especiales
está n documentados en specialnames.
sentencia
Una sentencia es parte de un conjunto (un «bloque» de có digo). 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 có digo 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 funció n Py_NewRef() se puede utilizar para crear una referencia fuerte a un objeto. Por lo general, se
debe llamar a la funció n Py_DECREF() en la referencia fuerte antes de salir del alcance de la referencia fuerte,
para evitar filtrar una referencia.
Consulte tambié n borrowed reference.
codificación de texto
Una cadena de caracteres en Python es una secuencia de puntos de có digo 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 serializació n de una cadena de caracteres en una secuencia de bytes se conoce como «codificació n», y la
recreació n de la cadena de caracteres a partir de la secuencia de bytes se conoce como «decodificació n».
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 tambié n accede a
un flujo de datos binario y maneja automá ticamente el text encoding. Ejemplos de archivos de texto que son
abiertos en modo texto ('r' o 'w'), [Link], [Link], y las instancias de [Link].
Vea tambié n 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 (“). Aunque no brindan nin-
guna funcionalidad que no está disponible usando cadenas con comillas simple, son ú tiles por varias razones.
Permiten incluir comillas simples o dobles sin escapar dentro de las cadenas y pueden abarcar mú ltiples líneas
sin el uso de caracteres de continuació n, hacié ndolas particularmente ú tiles para escribir docstrings.
tipo
The type of a Python object determines what kind of object it is; every object has a type. An object’s type is
accessible as its __class__ attribute or can be retrieved with type(obj).
alias de tipos
Un sinó nimo para un tipo, creado al asignar un tipo a un identificador.
Los alias de tipos son ú tiles 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 má s legible así:

140 Apéndice A. Glosario

 Python Tutorial, Versión 3.13.1

Color = tuple[int, int, int]

def remove_gray_shades(colors: list[Color]) -> list[Color]:

pass

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
funció n 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 convenció n de Unix para fin de línea '\n', la convenció n de Windows '\r\n', y la vieja convenció n
de Macintosh '\r'. Vea PEP 278 y PEP 3116, ademá s de [Link]() 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 asignació n 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 anotació n de variables está explicada en la secció n annassign.

Consulte function annotation, PEP 484 y PEP 526, que describen esta funcionalidad. Consulte tambié n
annotations-howto para conocer las mejores prá cticas sobre có mo trabajar con anotaciones.
entorno virtual
Un entorno cooperativamente aislado de ejecució n que permite a los usuarios de Python y a las aplicaciones
instalar y actualizar paquetes de distribució n de Python sin interferir con el comportamiento de otras aplica-
ciones de Python en el mismo sistema.
Vea tambié n venv.
máquina virtual
Una computadora definida enteramente por software. La má quina virtual de Python ejecuta el bytecode gene-
rado por el compilador de bytecode.
Zen de Python
Un listado de los principios de diseñ o y la filosofía de Python que son ú tiles para entender y usar el lenguaje.
El listado puede encontrarse ingresando «import this» en la consola interactiva.

141
Python Tutorial, Versión 3.13.1

142 Apéndice A. Glosario

 APÉNDICE B

About this documentation

Python’s documentation is generated from reStructuredText sources using Sphinx, a documentation generator origi-
nally created for Python and now maintained as an independent project.
El desarrollo de la documentació n y su cadena de herramientas es un esfuerzo enteramente voluntario, al igual que
Python. Si tu quieres contribuir, por favor revisa la pá gina reporting-bugs para má s informació n de có mo hacerlo.
Los nuevos voluntarios son siempre bienvenidos!
Agradecemos a:
• Fred L. Drake, Jr., the creator of the original Python documentation toolset and author of much of the content;
• el proyecto Docutils para creació n de reStructuredText y la suite Docutils;
• Fredrik Lundh por su proyecto Referencia Alternativa de Python del que Sphinx obtuvo muchas buenas ideas.

B.1 Contributors to the Python documentation

Muchas personas han contribuido para el lenguaje de Python, la librería está ndar de Python, y la documentació n de
Python. Revisa Misc/ACKS la distribució n de Python para una lista parcial de contribuidores.
Es solamente con la aportació n y contribuciones de la comunidad de Python que Python tiene tan fantá stica docu-
mentació n – Muchas gracias!

143
Python Tutorial, Versión 3.13.1

144 Apéndice B. About this documentation

 APÉNDICE C

Historia y Licencia

C.1 Historia del software

Python was created in the early 1990s by Guido van Rossum at Stichting Mathematisch Centrum (CWI, see https:
//[Link]) in the Netherlands as a successor of a language called ABC. Guido remains Python’s principal author,
although it includes many contributions from others.
In 1995, Guido continued his work on Python at the Corporation for National Research Initiatives (CNRI, see https:
//[Link]) in Reston, Virginia where he released several versions of the software.
In May 2000, Guido and the Python core development team moved to [Link] to form the BeOpen PythonLabs
team. In October of the same year, the PythonLabs team moved to Digital Creations, which became Zope Corpo-
ration. In 2001, the Python Software Foundation (PSF, see [Link] was formed, a non-profit
organization created specifically to own Python-related Intellectual Property. Zope Corporation was a sponsoring
member of the PSF.
All Python releases are Open Source (see [Link] for the Open Source Definition). Historically, most,
but not all, Python releases have also been GPL-compatible; the table below summarizes the various releases.

Lanzamiento Derivado de Año Dueño/a GPL-compatible? (1)

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 [Link] no
1.6.1 1.6 2001 CNRI yes (2)
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

(1) GPL-compatible doesn’t mean that we’re distributing Python under the GPL. All Python licenses, unlike the
GPL, let you distribute a modified version without making your changes open source. The GPL-compatible

145
Python Tutorial, Versión 3.13.1

licenses make it possible to combine Python with other software that is released under the GPL; the others
don’t.
(2) According to Richard Stallman, 1.6.1 is not GPL-compatible, because its license has a choice of law clause.
According to CNRI, however, Stallman’s lawyer has told CNRI’s lawyer that 1.6.1 is «not incompatible»
with the GPL.

Gracias a los muchos voluntarios externos que han trabajado bajo la direcció n de Guido para hacer posibles estos
lanzamientos.

C.2 Términos y condiciones para acceder o usar Python

Python software and documentation are licensed under the Python Software Foundation License Version 2.
Starting with Python 3.8.6, examples, recipes, and other code in the documentation are dual licensed under the PSF
License Version 2 and the Zero-Clause BSD license.
Parte del software incorporado en Python está bajo diferentes licencias. Las licencias se enumeran con el có digo
correspondiente a esa licencia. Consulte Licencias y reconocimientos para software incorporado para obtener una
lista incompleta de estas licencias.

C.2.1 PYTHON SOFTWARE FOUNDATION LICENSE VERSION 2

1. This LICENSE AGREEMENT is between the Python Software Foundation ("PSF"), and
the Individual or Organization ("Licensee") accessing and otherwise using this
software ("Python") 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 alone or in any derivative
version, provided, however, that PSF's License Agreement and PSF's notice of
copyright, i.e., "Copyright © 2001-2024 Python Software Foundation; All Rights
Reserved" are retained in Python 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 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.

4. PSF is making Python 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
USE OF PYTHON WILL NOT INFRINGE ANY THIRD PARTY RIGHTS.

5. PSF SHALL NOT BE LIABLE TO LICENSEE OR ANY OTHER USERS OF PYTHON

FOR ANY INCIDENTAL, SPECIAL, OR CONSEQUENTIAL DAMAGES OR LOSS AS A RESULT OF
MODIFYING, DISTRIBUTING, OR OTHERWISE USING PYTHON, 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

(continú e en la pró xima pá gina)

146 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

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, Licensee agrees

to be bound by the terms and conditions of this License Agreement.

C.2.2 ACUERDO DE LICENCIA DE [Link] PARA PYTHON 2.0

ACUERDO DE LICENCIA DE CÓDIGO ABIERTO DE BEOPEN PYTHON VERSIÓN 1

1. This LICENSE AGREEMENT is between [Link] ("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

its terms and conditions.

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
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
[Link] 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. Términos y condiciones para acceder o usar Python 147

Python Tutorial, Versión 3.13.1

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: [Link]

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

its terms and conditions.

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.

(continú e en la pró xima pá gina)

148 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

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 ZERO-CLAUSE BSD LICENSE FOR CODE IN THE PYTHON DOCUMENTA-

TION
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.3 Licencias y reconocimientos para software incorporado

Esta secció n es una lista incompleta, pero creciente, de licencias y reconocimientos para software de terceros incor-
porado en la distribució n de Python.

C.3.1 Mersenne Twister

La extensió n C _random subyacente al mó dulo random incluye có digo basado en una descarga de [Link]
[Link]/~m-mat/MT/MT2002/[Link]. Los siguientes son los comentarios textuales
del có digo 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)

(continú e en la pró xima pá gina)

C.3. Licencias y reconocimientos para software incorporado 149

Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

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.

[Link]
email: m-mat @ [Link] (remove space)

C.3.2 Sockets
El mó dulo socket usa las funciones, getaddrinfo(), y getnameinfo(), que está n codificadas en archivos fuente
separados del Proyecto WIDE, [Link] /.

Copyright (C) 1995, 1996, 1997, and 1998 WIDE Project.

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. 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.
(continú e en la pró xima pá gina)

150 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

THIS SOFTWARE IS PROVIDED BY THE PROJECT 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 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 mó dulos [Link] y [Link] 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.3.4 Gestión de cookies

El mó dulo [Link] contiene el siguiente aviso:
Copyright 2000 by Timothy O'Malley <timo@[Link]>

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

(continú e en la pró xima pá gina)

C.3. Licencias y reconocimientos para software incorporado 151

Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

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 mó dulo 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
[Link]
[Link]

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

The uu codec contains the following notice:

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
(continú e en la pró xima pá gina)

152 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

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 mó dulo [Link] 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 mó dulo 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:

(continú e en la pró xima pá gina)

C.3. Licencias y reconocimientos para software incorporado 153

Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

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 mó dulo select contiene el siguiente aviso para la interfaz kqueue:
Copyright (c) 2000 Doug White, 2006 James Knight, 2007 Christian Heimes
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.

THIS SOFTWARE IS PROVIDED BY THE AUTHOR 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 AUTHOR 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.3.10 SipHash24
El archivo Python/pyhash.c contiene la implementació n de Marek Majkowski del algoritmo SipHash24 de Dan
Bernstein. Contiene la siguiente nota:
<MIT License>
Copyright (c) 2013 Marek Majkowski <marek@[Link]>

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.
(continú e en la pró xima pá gina)

154 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

</MIT License>

Original location:
[Link]

Solution inspired by code from:

Samuel Neves (supercop/crypto_auth/siphash24/little)
djb (supercop/crypto_auth/siphash24/little2)
Jean-Philippe Aumasson ([Link]

C.3.11 strtod y dtoa

El archivo Python/dtoa.c, que proporciona las funciones de C dtoa y strtod para la conversió n de dobles C hacia
y desde cadenas de caracteres, se deriva del archivo del mismo nombre por David M. Gay, actualmente disponible
en [Link] 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
The modules hashlib, posix and ssl use the OpenSSL library for added performance if made available by the
operating system. Additionally, the Windows and macOS installers for Python may include a copy of the OpenSSL
libraries, so we include a copy of the OpenSSL license here. For the OpenSSL 3.0 release, and later releases derived
from that, the Apache License v2 applies:

Apache License
Version 2.0, January 2004
[Link]

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.
(continú e en la pró xima pá gina)

C.3. Licencias y reconocimientos para software incorporado 155

Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

"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,
(continú e en la pró xima pá gina)

156 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

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
(continú e en la pró xima pá gina)

C.3. Licencias y reconocimientos para software incorporado 157

Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

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

158 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.13.1

C.3.13 expat
La extensió n pyexpat se construye usando una copia incluida de las fuentes de expatriados a menos que la cons-
trucció n esté configurada --with-system-expat:

Copyright (c) 1998, 1999, 2000 Thai Open Source Software Center Ltd
and Clark Cooper

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.3.14 libffi
La extensió n C _ctypes subyacente al mó dulo ctypes se construye usando una copia incluida de las fuentes de
libffi a menos que la construcció n esté configurada --with-system-libffi:

Copyright (c) 1996-2008 Red Hat, Inc and others.

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. Licencias y reconocimientos para software incorporado 159

Python Tutorial, Versión 3.13.1

C.3.15 zlib
La extensió n zlib se crea utilizando una copia incluida de las fuentes de zlib si la versió n de zlib encontrada en el
sistema es demasiado antigua para ser utilizada para la compilació n:

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

jloup@[Link] madler@[Link]

C.3.16 cfuhash
La implementació n de la tabla hash utilizada por tracemalloc se basa en el proyecto cfuhash:

Copyright (c) 2005 Don Owens

All rights reserved.

This code is released under the BSD license:

Redistribution and use in source and binary forms, with or without

modification, are permitted provided that the following conditions
are met:

* Redistributions of source code must retain the above copyright

notice, this list of conditions and the following disclaimer.

* 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.

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,
(continú e en la pró xima pá gina)

160 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

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 mó dulo decimal se construye usando una copia incluida de la biblioteca
libmpdec a menos que la construcció n esté configurada --with-system-libmpdec:
Copyright (c) 2008-2020 Stefan Krah. 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.

THIS SOFTWARE IS PROVIDED BY THE AUTHOR 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 AUTHOR 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.3.18 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 [Link] y se distribuye bajo la licencia BSD de 3 clá usulas:

Copyright (c) 2013 W3C(R) (MIT, ERCIM, Keio, Beihang),

All Rights Reserved.

Redistribution and use in source and binary forms, with or without

modification, are permitted provided that the following conditions
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
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 W3C nor the names of its contributors may be
(continú e en la pró xima pá gina)

C.3. Licencias y reconocimientos para software incorporado 161

Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

used to endorse or promote products derived from this work 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.

C.3.19 mimalloc
MIT License:
Copyright (c) 2018-2021 Microsoft Corporation, Daan Leijen

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.3.20 asyncio
Parts of the asyncio module are incorporated from uvloop 0.16, which is distributed under the MIT license:

Copyright (c) 2015-2021 MagicStack Inc. [Link]

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.

(continú e en la pró xima pá gina)

162 Apéndice C. Historia y Licencia

 Python Tutorial, Versión 3.13.1

(proviene de la pá gina anterior)

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.3.21 Global Unbounded Sequences (GUS)

The file Python/qsbr.c is adapted from FreeBSD’s «Global Unbounded Sequences» safe memory reclamation
scheme in subr_smr.c. The file is distributed under the 2-Clause BSD License:

Copyright (c) 2019,2020 Jeffrey Roberson <jeff@[Link]>

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 unmodified, 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.

THIS SOFTWARE IS PROVIDED BY THE AUTHOR ``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 AUTHOR 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. Licencias y reconocimientos para software incorporado 163

Python Tutorial, Versión 3.13.1

164 Apéndice C. Historia y Licencia

 APÉNDICE D

Derechos de autor

Python y esta documentació n es:

Copyright © 2001-2024 Python Software Foundation. All rights reserved.
Derechos de autor © 2000 [Link]. 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 informació n completa sobre licencias y permisos.

165
Python Tutorial, Versión 3.13.1

166 Apéndice D. Derechos de autor

 Índice

No alfabético bloqueo global del intérprete, 132

..., 125 builtins
# (hash) module, 53
comentario, 9 buscador, 130
* (asterisco) buscador basado en ruta, 137
in function calls, 32 buscador de entradas de ruta, 137
** bytecode, 127
in function calls, 33
: (dos puntos) C
function annotations, 34 cadena con triple comilla, 140
-> callable, 127
function annotations, 34 cargador, 134
>>>, 125 C-contiguous, 128
__all__, 56 clase, 127
__future__, 131 clase base abstracta, 125
__slots__, 139 clase de nuevo estilo, 136
closure variable, 127
A codificación de la configuración
a la espera, 126 regional, 134
administrador asincrónico de contexto, 126 codificación de texto, 140
administrador de contextos, 128 codificación del sistema de archivos y
alcances anidados, 136 manejador de errores, 130
alias de tipos, 140 coding
alteración style, 34
nombre, 88 comprensión de conjuntos, 139
annotations comprensión de diccionarios, 129
function, 34 comprensión de listas, 134
anotación, 125 contador de referencias, 139
anotación de función, 131 context, 128
anotación de variable, 141 context management protocol, 128
apagado del intérprete, 133 contiguo, 128
API provisional, 138 corrutina, 128
archivo binario, 127 CPython, 129
archivo de texto, 140 current context, 129
argumento, 125
argumento nombrado, 134 D
argumento posicional, 138 decorador, 129
atributo, 126 descriptor, 129
ayuda despacho único, 139
función incorporada, 93 diccionario, 129
división entera a la baja, 131
B docstring, 129
BDFL, 127 docstrings, 26, 33
documentation strings, 26, 33

167
Python Tutorial, Versión 3.13.1

E J
EAFP, 130 json
entorno virtual, 141 módulo, 65
entrada de ruta, 137
espacio de nombres, 136 L
especificador de módulo, 135 lambda, 134
expresión, 130 LBYL, 134
expresión generadora, 131, 132 lista, 134

F M
f-string, 130 magic
file método, 135
object, 63 mapeado, 135
for máquina virtual, 141
statement, 19 meta buscadores de ruta, 135
formatted string literal, 60 metaclase, 135
Fortran contiguous, 128 método, 135
free threading, 131 magic, 135
free variable, 131 objeto, 83
fstring, 60 special, 140
f-string, 60 método especial, 140
función, 131 método mágico, 135
función clave, 134 module
función corrutina, 128 builtins, 53
función genérica, 132 search path, 51
función incorporada sys, 52
ayuda, 93 módulo, 135
open, 63 json, 65
function módulo de extensión, 130
annotations, 34 MRO, 135
mutable, 135
G
gancho a entrada de ruta, 137
N
generador, 131 nombre
generador asincrónico, 126 alteración, 88
GIL, 132 nombre calificado, 138
número complejo, 128
H
hash-based pyc, 132
O
hashable, 132 object
file, 63
I objeto, 136
IDLE, 132 método, 83
immortal, 132 objeto archivo, 130
importador, 133 objeto tipo ruta, 137
importar, 133 objetos tipo archivo, 130
indicador de tipo, 141 objetos tipo binarios, 127
inmutable, 133 open
interactivo, 133 función incorporada, 63
interpolated string literal, 60 optimized scope, 136
interpretado, 133 orden de resolución de métodos, 135
iterable, 133
iterable asincrónico, 126
P
iterador, 133 paquete, 136
iterador asincrónico, 126 paquete de espacios de nombres, 136
iterador generador, 131 paquete provisorio, 138
iterador generador asincrónico, 126 paquete regular, 139
parámetro, 136

168 Índice
 Python Tutorial, Versión 3.13.1

path método, 140

module search, 51 statement
PATH, 51, 122 for, 19
PEP, 137 static type checker, 140
porción, 138 string
Python 3000, 138 formatted literal, 60
Python Enhancement Proposals interpolated literal, 60
PEP 1, 138 strings, documentation, 26, 33
PEP 8, 34 style
PEP 238, 131 coding, 34
PEP 278, 141 sys
PEP 302, 134 module, 52
PEP 343, 128
PEP 362, 126, 137 T
PEP 411, 138 tipado de pato, 130
PEP 420, 136, 138 tipo, 140
PEP 443, 132 tipos genéricos, 132
PEP 483, 132 tupla nombrada, 135
PEP 484, 34, 125, 131, 132, 141
PEP 492, 126, 128, 129 U
PEP 498, 130 usercustomize, 122
PEP 519, 137
PEP 525, 126 V
PEP 526, 125, 141 variable de clase, 127
PEP 585, 132 variable de contexto, 128
PEP 636, 25 variables de entorno
PEP 683, 132 PATH, 51, 122
PEP 703, 131, 132 PYTHON_BASIC_REPL, 121
PEP 3107, 34 PYTHON_GIL, 132
PEP 3116, 141 PYTHONPATH, 51, 53
PEP 3147, 52 PYTHONSTARTUP, 122
PEP 3155, 138 vista de diccionario, 129
PYTHON_BASIC_REPL, 121
PYTHON_GIL, 132 Z
Pythónico, 138
Zen de Python, 141
PYTHONPATH, 51, 53
PYTHONSTARTUP, 122

R
rebanada, 139
recolección de basura, 131
referencia fuerte, 140
referencia prestada, 127
REPL, 139
retrollamada, 127
RFC
RFC 2822, 98
ruta de importación, 133

S
saltos de líneas universales, 141
search
path, module, 51
secuencia, 139
sentencia, 140
sitecustomize, 122
soft deprecated, 139
special

Índice 169