Nociones básicas de Python

Ejecución

En este seminario utilizaremos, entre otros recursos, códigos de programación escritos en Python. Existen dos grandes versiones de Python: Python 2 y Python 3. Nosotros usaremos esta última. Más específicamente, usaremos Python 3.8.10.

Existen distintas formas de ejecutar código escrito en Python. Una de ellas es en notebooks, como esta que están leyendo. Las notebooks son un entorno computacional interactivo que permiten escribir y ejecutar código de Python, entre otros lenguajes, y combinarlo con fragmentos de texto plano o, incluso, con imágenes.

Dos de las interfaces más utilizadas para abrir notebooks son Jupyter Notebook y Jupyter Lab. En la máquina virtual que les brindamos, tienen instalada la primera y, al final de esta clase, instalaremos la segunda.

Si no están usando la VM, pueden consultar la sección de Recursos requeridos para una breve explicación de cómo instalar ambas opciones.

Para ejecutarl Jupyter Notebook simplmente deben abrir una consola o terminal (ctrl+alt+t) y allí escribir jupyer notebook. Eso les abrirá una pestaña en su navegador por defecto y podrán ver las carpetas y archivos en su computadora. Si lo que desean es ejecutar Juyter Lab, deben hacer lo mismo pero escribir jupyter lab y se les abrirá una pestaña similar en el navegador.

También es posible ejecutar Python directamente en la consola. Aquí lo que se hace es invocar lo que se llama un intérprete, un programa que lee y ejecuta código escitro en determinado lenguaje. Para esto, una vez abierta la consola, deben escribir "python" y apretar enter. Hecho esto, podrán leer algo como lo siguiente:

Python 3.8.10 (default, Mar 27 2022, 23:42:37) 
[GCC 9.4.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>

Allí se les indica que el intérprete se inició con éxito y que están utilizando la versión 3.8.10. Luego del indicador >>> pueden escribir sus comandos para ser ejecutados.

En caso de necesitar escribir comentarios al código (muy útiles para poder entenderlo más fácilmente), se puede utilizar el numeral (#). El intérprete (ya sea en consola, ya en un entorno interactivo como una notebook) ignorará las líneas que comiencen con ese símbolo.

Operaciones aritméticas

En tanto lenguaje, Python tiene elementos que cumplen funciones específicas. Entre ellos, podemos mencionar los números enteros ($\mathbf{Z}$) y racionales ($\mathbf{Q}$) y las operaciones aritméticas como suma, resta y multiplicación entre otras.

1 + 10    # suma

3 - 2     # resta

2 / 0.5   # división (es lo mismo que escribir 2 / .5)

4.0

3 * 4    # multiplicación

100 % 4     # resto de división (0 si la división no tiene resto,
            # 1 si sí lo tiene)

100 % 33

3 ** 2    # potenciación

Variables

Los valores son representaciones de objetos que pueden ser manipulados por un programa de computación. Cada valor tiene un tipo determinado (ahondaremos en esto en el siguiente apartado). Los números utilizados anteriormente (enteros o racionales) son ejemplos de valores.

Estos valores pueden usarse directamente, como hicimos al ejecutar cuentas como 1+10, donde 1 es el objeto entero 1 en sí mismo y lo mismo sucede con 10, o bien pueden almacenarse en variables. Una variable es un nombre que refiere a cierto valor. Para asignar un valor en particular a determinada variable se utiliza el signo =. Esto se conoce como asignación o sentencia de asignación

mensaje = 'hola mundo'
mensaje

'hola mundo'

Una vez que asignamos un valor a nuestra variable, podemos usarla en lugar del valor que contiene. Y también podemos reasignarle otro valor.

mensaje = 'el mensaje anterior cambió'
mensaje

'el mensaje anterior cambió'

Si queremos usar una variable que no ha sido definida anteriormente, Python nos dirá que no la conoce:

variable

---------------------------------------------------------------------------

NameError                                 Traceback (most recent call last)

Input In [10], in <module>
----> 1 variable


NameError: name 'variable' is not defined

Vale aclarar que el lenguaje de programación no requiere que el nombre de la variable tenga alguna relación con el valor al que refiere (nada nos impide que una variable llamada númerocontenga un mensaje, por ejemplo). Sin embargo, es una buena práctica poner nombres descriptivos a las variables de modo que el código sea fácil de leer para un humano.

No obstante sí existen algunas reglas que se deben seguir a la hora de definir variables:

el nombre de la variable puede ser tan largo como se desee y contener tanto letras como números, pero no puede empezar con un número
es posible usar tanto mayúsculas como minúsculas, pero por convención en Python se usan solo minúsculas para los nombres de variables (notar que, si bien es posible usar ambas tipografías, no es indistinto: si nombramos una variable con mayúsculas, Python no la reconocerá si lueg la invocamos con su nombre en minúsculas)
cuando el nombre de una variable tiene varias palabras, es posible usar guines bajos para delimitarlas, por ejemplo: mi_primera_variable
si nombramos a una variable de una forma no permitida, Python nos devolverá un error

1ravariable = 'hola'

  Input In [11]
    1ravariable = 'hola'
     ^
SyntaxError: invalid syntax

variable1 = 'hola'
variable1

'hola'

otra_variable = 1
otra_variable

v@riable = 'variable'

  Input In [14]
    v@riable = 'variable'
    ^
SyntaxError: cannot assign to operator

Por último, existen una serie de keywords reservadas en Python para controlar la estructura de los programas escritos en este lenguaje. Estas no pueden ser utilizadas como nombres de variables. Un ejemplo es la palabra class:

class = 'ilegal assigment'

  Input In [15]
    class = 'ilegal assigment'
          ^
SyntaxError: invalid syntax

La lista de keywords reservadas es la siguiente:

False	for	if	break	try	assert	import	and	in	class	nonlocal
True	while	elif	raise	except	yield	from	or	not	def	global
None	continue	else	pass	return	finally	as	is	with	lambda	del

Tipos de objetos

Los valores pueden ser de distinto tipo: un (número) entero, un (número con punto) flotante, una cadena (de letras), etc. Cada uno de estos tipos de valores admite ciertas operaciones que veremos a continuación.

Para conocer qué tipo de objeto es determinado valor, podemos usar la función type(). Esta puede ser aplicada sobre el valor mismo o sobre una variables que contiene a un valor.

Enteros y números de punto flotante

El tipo de objeto int permite representar los números enteros ($\mathbf{Z}$) en python.

num = 35
type(num)

int

Esto solo vale para valores que efetivamente son un número, no así para los que están dentro de un texto o cadena.

num_string = '35'
type(num_string)

str

Sin embargo, si el texto contiene solamente un número, es posible convertirlo a entero utilizando la función int().

num_int = int(num_string)
type(num_int)

int

Por otro lado, si lo que queremos es representar un número racional ($\mathbf{Q}$), debemos usar el tipo de objeto float.

rac = 3.6
type(rac)

float

Y aquí sucede lo mismo con el número en formato texto o cadena, solo que debemos utilizar la función float() para la conversión.

rac_str = '4.0'
type(rac_str)

str

rac_float = float(rac_str)
type(rac_float)

float

También es posible convertir un número de entero a float y viceversa. En el primer caso perderemos los decimales y en el segundo, se agregará el punto flotante y un cero luego.

rac

3.6

int(rac)

num_int

float(num_int)

35.0

Booleanos

Los booleanos son un tipo de valor que nos indica si algo es cierto o falso.

True

True

False

False

type(True)

bool

Podemos obtener este tipo de valores como resultado de expresiones booleanas:

3 > 1       # mayor (para mayor o igual usar: >=)

True

10 <= 90    # menor o igual (para menor usar <)

True

0 >= 9

False

3 == (6/2)  # igualdad

True

Operadores relacionales

x != y      # x es distinta de y
x > y       # x es más grande que y
x < y       # x es más chica que y
x >= y      # x es es más grande o igual que y
x <= y      # x es más chica o igual que y

Operadores lógicos

x and y     # CONJUNCIÓN: True si tanto x como y son verdaderas
x or y      # DISYUNCIÓN INCLUSIVA: True si x es verdadera y/o y lo es
not x       # NEGACIÓN: True si x es falsa

x = 3 > 2
x

True

y = type(3) == int
y

True

z = len([]) == 4
z

False

x and y

True

x and z

False

x or y

True

y or z

True

z or z

False

not x

False

not z

True

Listas

Una lista es una secuencia de valores ordenados, donde los valores pueden ser de cualquier tipo. Estos valores suelen ser llamados elementos o items de la lista.

Para definir las listas usamos corchetes ([]).

lista = [3, 10, 'hola']
lista

[3, 10, 'hola']

type(lista)

list

También es posible crear listas vacías.

lista_vacia = []     # esto es lo mismo que lista_vacia = list()
lista_vacia

[]

Una lista puede asimismo contener otra lista.

lista_con_listas = [1,2,3, ['soy','una','lista'], ['otra','lista']]
lista_con_listas

[1, 2, 3, ['soy', 'una', 'lista'], ['otra', 'lista']]

Para conocer la longitud de una lista, puedo utilizar la función len().

len(lista)

len(lista_vacia)

len(lista_con_listas)

Además, como es una secuencia ordenada, puedo ver qué elemento se encuentra en cada posición de la lista. Basta indicar la posición cuyo elemento quiero averiguar entre corchetes. Sí es importante notar que la primera posición se indica con 0 y no con 1.

lista[0]    # me permite acceder al primer elemento

lista_con_listas[1]    # me permite acceder al segundo elemento

lista_con_listas[-1]    # me permite acceder al último elemento

['otra', 'lista']

Y, del mismo modo, si yo ya sé que un elemento se encuentra en una lista, puedo averiguar cuál es su posición utilizando el método index(). Si el elemento en cuestión aparece más de una vez en la lista (nada impide que esto suceda), este método solo nos indicará la primera posición en la cual podemos encontrarlo.

lista.index('hola')

lista_con_elementos_repetidos = [1,2,3,2,4,2]
lista_con_elementos_repetidos.index(2)

Del mismo modo que seleccionamos elementos en posiciones específicas, podemos seleccionar una porción (o slice, en inglés) de la lista. Para eso debemos indicar entre paréntesis la posición de inicio y la de finalización de la porción que deseamos (la posición de inicio será incluida en el la porción pero la de finalización será excluida).

lista_con_elementos_repetidos[2:4]

[3, 2]

lista[1:]     # toma desde la segunda posición hasta el final

[10, 'hola']

lista[:2]     # toma desde el inicio hasta el tercer elemento (excl)

[3, 10]

Algo a destacar es que, si intentamos buscar qué elemento se encuentra en una posición que no existe en la lista (porque es más corta), Python nos devolverá un error.

lista[4]

---------------------------------------------------------------------------

IndexError                                Traceback (most recent call last)

Input In [58], in <module>
----> 1 lista[4]


IndexError: list index out of range

Operaciones con listas

El operador + permite concatenar listas.

a = [1,3,5,7]
b = [2,4,6,8]
a+b

[1, 3, 5, 7, 2, 4, 6, 8]

Dada una lista y un entero, el operador * repite los elementos de la lista tantas veces como indique el entero.

c = ['a','b','c']
c * 3

['a', 'b', 'c', 'a', 'b', 'c', 'a', 'b', 'c']

d = [1]
d * 5

[1, 1, 1, 1, 1]

Métodos de las listas

En tanto objetos, las listas tienen métodos específicos que nos permiten manipularlas.

El método append() posibilita agregar un elemento a una lista.

lista_a_modificar = []

lista_a_modificar.append('primer elemento')

lista_a_modificar

['primer elemento']

El método extend() permite agregar los elementos de una lista a otra.

nuevos_elementos = ['segundo elemento', 'tercer elemento']

lista_a_modificar.extend(nuevos_elementos)

lista_a_modificar

['primer elemento', 'segundo elemento', 'tercer elemento']

Dicho método no modifica sin embrgo la lista cuyos elementos fueron agregados.

nuevos_elementos

['segundo elemento', 'tercer elemento']

El método sort() ordena los elementos de una lista. Si sus elementos son números, los ordena en forma creciente. Si son letras o cadenas, en orden alfabético.

lista_a_ordenar = [10,4,2,9,3]

lista_a_ordenar.sort()

lista_a_ordenar

[2, 3, 4, 9, 10]

Con los métodos pop() y remove() podemos quitar elementos de una lista. El primer método toma la posición del elemento que se quiere quitar y, el segundo, el elemento en sí.

lista_con_elementos_a_quitar = ['h','o','l','a','!']
lista_con_elementos_a_quitar

['h', 'o', 'l', 'a', '!']

lista_con_elementos_a_quitar.pop(2)

'l'

lista_con_elementos_a_quitar

['h', 'o', 'a', '!']

lista_con_elementos_a_quitar.remove('a')

lista_con_elementos_a_quitar

['h', 'o', '!']

Si lo que se desea es eliminar elementos de varias posiciones contiguas a la vez, se puede usar del.

lista_con_elementos_a_quitar = ['h','o','l','a','!']
lista_con_elementos_a_quitar

['h', 'o', 'l', 'a', '!']

del lista_con_elementos_a_quitar[2:4]

lista_con_elementos_a_quitar

['h', 'o', '!']

Mutabilidad de las listas

A diferencia de otros tipos de objetos, las listas son mutables. Esto significa que métodos como los antes vistos los pueden modificar y que también es posible reasignar elementos a sus posiciones recurriendo a slices.

lista = ['esto', 'es', 'python']

lista[1:2] = ['una','lista','de']

lista

['esto', 'una', 'lista', 'de', 'python']

lista[2] = 'notebook'

lista

['esto', 'una', 'notebook', 'de', 'python']

Tuplas

Las tuplas son secuencias de valores muy similares a las listas, su gran diferencia es que son inmutables. Podemos definir una tupla con paréntesis (()) o simplemente ordenando sus elementos y separándolos por una coma.

tupla_1 = 'h','o','l','a'
tupla_1

('h', 'o', 'l', 'a')

tupla_2 = ('m','u','n','d','o')
tupla_2

('m', 'u', 'n', 'd', 'o')

También, si ya contamos con una lista o conjunto al que queremos convertir en tupla, podemos utilizar la función tuple().

lista = [1,2,3]
tupla = tuple(lista)
tupla

(1, 2, 3)

O podemos genrar una tupla vacía:

tuple()

()

type(tupla)

tuple

Del mismo modo que accedíamos a elementos de una lista encerrando la posición (o posiciones) entre corchetes, podemos hacerlo con las tuplas:

tupla_1[2]

'l'

tupla_1[1:3]

('o', 'l')

Pero, al no ser mutables, no podemos cambiar los elementos que contiene:

tupla

(1, 2, 3)

tupla[0] = 3

---------------------------------------------------------------------------

TypeError                                 Traceback (most recent call last)

Input In [93], in <module>
----> 1 tupla[0] = 3


TypeError: 'tuple' object does not support item assignment

Sin embargo, podemos generar una nueva tupla y asignársela a la variable que ya existía:

tupla = (3,) + tupla[1:]
tupla

(3, 2, 3)

Conjuntos

Como vimos en la sección teórica, los conjuntos son una colección de objetos o elementos.

Para instanciar un conjunto en Python, podemos:

encerrar los elementos que queremos ubicar dentro del conjunto entre corchetes
armar una lista o tupla y utilizarla como valor para la función set()

lista = [1,2,3,4]
conjunto = set(lista)
conjunto

{1, 2, 3, 4}

type(conjunto)

set

Tal y como habíamos visto: los conjuntos no tienen orden ni elementos repetidos.

conjunto = {3, 'foo', (1, 2, 3), 3.14159, 3}
conjunto

{(1, 2, 3), 3, 3.14159, 'foo'}

Si lo que queremos es generar un conjunto vacío, podemos hacer lo mismo pero utilizar una lista vacía o, lo que es más sencillo y prolijo, usar la función set() sin ningún valor.

conjunto_vacio = set()
conjunto_vacio

set()

Al igual que las listas, puedo contar cuántos elementos tiene un conjunto con la función len().

len(conjunto)

len(conjunto_vacio)

Relaciones entre conjuntos

La función subset() nos permite evaluar si un conjunto es subconjunto de otro.

a = {'a','b','c'}
b = {'a','b','c','g','h','z'}

a.issubset(b)

True

a.issubset(a)

True

También podemos evaluar si un conjunto contiene a otro:

b.issuperset(a)

True

b.issuperset(b)

True

a.issuperset(b)

False

Si lo que queremos es ver si un subconjunto es subconjunto propio, debemos usar el operador > y colocar a izquierda el conjunto que queremos evaluar si es subconjutno propio del que ubiquemos a derecha (también podemos usar < e invertir las posiciones).

a < b

True

a < a

False

Con in podemos evaluar la pertenencia ($\in$) de un elemento es miembro de un conjunto (esto también funciona con listas).

'c' in a

True

'z' in a

False

Operacines entre conjuntos

x = {'m','n','o'}

y = {'m','w','z'}

x.union(y)            # elementos que están en x o en y

{'m', 'n', 'o', 'w', 'z'}

x.intersection(y)     # elementos que están en x y en y

{'m'}

x.difference(y)       # elementos que están en x pero no en y (x-y)

{'n', 'o'}

y.difference(x)       # elementos que están en y pero no en x (y-x)

{'w', 'z'}

from itertools import product  # vamos a volver a esto en un rato

list(product(x,y))             # con product puedo ver el producto cartesiano

[('o', 'z'),
 ('o', 'w'),
 ('o', 'm'),
 ('n', 'z'),
 ('n', 'w'),
 ('n', 'm'),
 ('m', 'z'),
 ('m', 'w'),
 ('m', 'm')]

list(product(y,x))

[('z', 'o'),
 ('z', 'n'),
 ('z', 'm'),
 ('w', 'o'),
 ('w', 'n'),
 ('w', 'm'),
 ('m', 'o'),
 ('m', 'n'),
 ('m', 'm')]

Diccionarios

Los diccionarios son una suerte de colección sin orden, cuyos índices son llamados keys y los valores en esos índices, values. Es decir, así como en una lista podíamos acceder a los distintos elementos recurriendo a las posiciones (números enteros), para los diccionarios usamos keys. ¿Y qué tipo de objeto puede ser una key? ¡Muchos! Enteros, flotantes, cadenas, por nombrar algunos. Una restricción importante es que, para que estos elementos puedan funcionar como índices, cada key debe ser única. No puedo tener dos keys iguales. Y cada key está asociada a un único valor (value), que puede ser desde un entero, hasta una lista o una tupla, pero a un único valor.

Para crear un diccionario podemos usar tanto la función dict() como las llaves.

diccionario_1 = dict()
diccionario_1

{}

diccionario_2 = dict([('a',1),('b',2),('c',3)])
diccionario_2

{'a': 1, 'b': 2, 'c': 3}

diccionario_3 = {
    100:[1,0,0],
    101:[1,0,1],
    102:[1,0,2]
}
diccionario_3

{100: [1, 0, 0], 101: [1, 0, 1], 102: [1, 0, 2]}

Dado que no tienen orden, no podemos acceder a sus valores indicando una posición, pero sí usando las keys:

diccionario_2[0]

---------------------------------------------------------------------------

KeyError                                  Traceback (most recent call last)

Input In [122], in <module>
----> 1 diccionario_2[0]


KeyError: 0

diccionario_2['a']

Si el diccionario no tiene la key indicada, python nos devolerá un error.

diccionario_2['z']

---------------------------------------------------------------------------

KeyError                                  Traceback (most recent call last)

Input In [124], in <module>
----> 1 diccionario_2['z']


KeyError: 'z'

También podemos agregar nuevos pares key-value:

diccionario_2['z'] = 'elemento nuevo'
diccionario_2

{'a': 1, 'b': 2, 'c': 3, 'z': 'elemento nuevo'}

Si no conocemos cuáles son las keys de un dicionario, podemos usar el método keys() para acceder a esta información. Los metodos values() e items() nos dirán los valores y los pares key-value respectivamente.

diccionario_3.keys()

dict_keys([100, 101, 102])

diccionario_3.values()

dict_values([[1, 0, 0], [1, 0, 1], [1, 0, 2]])

diccionario_3.items()

dict_items([(100, [1, 0, 0]), (101, [1, 0, 1]), (102, [1, 0, 2])])

Cadenas

Las cadenas o strings son secuencias ordenadas de caracteres. Un número, una letra, un signo de puntuación o un espacio pueden ser un caracter. Para definir una cadena debemos encerrar los caracteres entre comillas.

cadena_1 = "hola mundo!!"
cadena_1

'hola mundo!!'

cadena_2 = 'hola mundo con comillas simples'
cadena_2

'hola mundo con comillas simples'

También es posible usar la función str() y convertir otro tipo de valor en una cadena.

numero = 2
numero_str = str(numero)
numero_str

'2'

type(numero_str)

str

type(numero)

int

De la misma forma que sucedía con las listas, al ser secuencias ordenadas, podemos acceder a los distintos caracteres de una cadena utilizando sus posiciones:

lorem_ipsum = '''Lorem ipsum dolor sit amet, consectetur adipiscing elit,
sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.
Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut
aliquip ex ea commodo consequat.
Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu
fugiat nulla pariatur.
Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia
deserunt mollit anim id est laborum.'''
lorem_ipsum

'Lorem ipsum dolor sit amet, consectetur adipiscing elit,\nsed do eiusmod tempor incididunt ut labore et dolore magna aliqua.\nUt enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut\naliquip ex ea commodo consequat.\nDuis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu\nfugiat nulla pariatur.\nExcepteur sint occaecat cupidatat non proident, sunt in culpa qui officia\ndeserunt mollit anim id est laborum.'

lorem_ipsum[3]

'e'

lorem_ipsum[0:20]

'Lorem ipsum dolor si'

lorem_ipsum[-8:]

'laborum.'

La función print() nos permite imprimir una cadena interpretando los caracteres en ella. El salto de línea, por ejemplo está representado por el caracter \n, Si usamos print(), en lugar de ver dicho caracter, veremos el salto de línea.

print(lorem_ipsum)

Lorem ipsum dolor sit amet, consectetur adipiscing elit,
sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.
Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut
aliquip ex ea commodo consequat.
Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu
fugiat nulla pariatur.
Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia
deserunt mollit anim id est laborum.

Las cadenas no son objetos mutables, por lo cual, al igual que lo que sucedía con las tuplas, no podemos modificar sus elementos (con las listas, sí podíamos). De todos modos, sí podemos asignar una nueva cadena a una variable ya existente.

cadena_1

'hola mundo!!'

cadena_1[0] = 'H'

---------------------------------------------------------------------------

TypeError                                 Traceback (most recent call last)

Input In [140], in <module>
----> 1 cadena_1[0] = 'H'


TypeError: 'str' object does not support item assignment

cadena_1 = '¡¡' + cadena_1 + '!!'
cadena_1

'¡¡hola mundo!!!!'

A continuación, listamos algunas operaciones útiles que se pueden realizar sobre las cadenas:

cadena_1.upper()    # pasa la cadena a mayúscula
                    # (no modifica la variable)

'¡¡HOLA MUNDO!!!!'

cadena_1

'¡¡hola mundo!!!!'

cadena_1_upper = cadena_1.upper() # pasa la cadena a minúscula
                                  # (no modifica la variable)
cadena_1_upper.lower()

'¡¡hola mundo!!!!'

cadena_2.capitalize()   # pasa la primera letra a mayúscula
                        #(no modifica la variable)

'Hola mundo con comillas simples'

cadena_2.title()    # pasa la primera letra de cada palabra
                    # a mayúscula (no modifica la variable)

'Hola Mundo Con Comillas Simples'

cadena_2.split()    # convierte la cadena en una lista
                    # separando los caracteres por espacios

['hola', 'mundo', 'con', 'comillas', 'simples']

cadena_4 = "esta|es|otra|cadena"
cadena_4.split()

['esta|es|otra|cadena']

cadena_4.split('|') # convierte la cadena en una lista
                    # separando los caracteres por pleca

['esta', 'es', 'otra', 'cadena']

Funciones

Dentro del contexto de programación, una función es una secuencia de procedimientos que ejecutan determinado cómputo.

type('hola')

str

type() es una función que toma un argumento y devuelve una cadena que indica a qué tipo de objeto de Python pertence ese argumento. Este valor que devuelve la función se llama valor de retorno.

Para definir una función en Python, usamor la sentencia defy a continuación escribimos el nombre la función y su definición:

def saludar(nombre):
    saludo = 'Hola, '+nombre
    return saludo

saludar('Don Pepito')

'Hola, Don Pepito'

Dentro de una función, los valores se asignan a variables llamadas parámetro. La función saludar(), por ejemplo, toma un argumento, y asigna ese argumento al parámetro nombre. Cuando se utilice ese parámetro dentro de la función, hará referencia al valor que se le asignó.

Algunas funciones tienen valores de retorno y otras no. Las primeras son llamadas funciones fructíferas (fruitful functions) y las segunas, nulas (void functions). Estas últimas devuelven un valor especial conocido como None.

def imprimir_saludo(nombre):
    saludo = 'Hola, '+nombre
    print(saludo)

imprimir_saludo('Don José')

Hola, Don José

valor_1 = saludar('Don Pepito')
valor_2 = imprimir_saludo('Don José')

Hola, Don José

valor_1

'Hola, Don Pepito'

valor_2

print(valor_2)

None

Librerías

Si bien podemos definir todas las funciones que necesitemos, al ser un lenguaje de código abierto, Python cuenta con muchas funciones ya implementadas por la comunidad que contribuye a su desarrollo. En muchos casos, estas funciones se encuentran en módulos o librerías.

Un módulo consiste en uno o más archivos que contienen una serie de funciones relacionadas. Para poder usar un módulo, debemos importarlo usando la sentencia import.

import os         # importa el módulo os

os.listdir('.')   # utiliza la función listdir (de os)
                  # para listar los archivos y carpetas
                  # en este directorio

['intro-python.md',
 '.ipynb_checkpoints',
 'index.md',
 'python-images',
 'git-basics.md',
 'handout.pdf',
 'intro-python.ipynb',
 'git-basics-images',
 'git-cheat-sheet.pdf']

from os import listdir

listdir('.')

['intro-python.md',
 '.ipynb_checkpoints',
 'index.md',
 'python-images',
 'git-basics.md',
 'handout.pdf',
 'intro-python.ipynb',
 'git-basics-images',
 'git-cheat-sheet.pdf']

#import antigravity

Mientras que algunas librerías ya vienen instaladas con Python por defecto, otras deben ser instaladas en caso de necesitarlas. Para ello, podemos correr el siguiente comando desde la consola:

pip3 install <librería>

O también podemos instalarla desde Jupyter anteponiendo un signo de exclamación cerrado (!).

! pip install art

Collecting art
  Using cached art-5.5-py2.py3-none-any.whl (583 kB)
Installing collected packages: art
Successfully installed art-5.5

from art import *    # importa todo desde art

print(art('happy'))

 ۜ\(סּںסּَ` )/ۜ

Para instalar jupyter lab, de hecho, podemos hacerlo del mismo modo:

! pip install jupyter lab

Requirement already satisfied: jupyter in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (1.0.0)
Collecting lab
  Using cached lab-7.0-py2.py3-none-any.whl (91 kB)
Requirement already satisfied: ipykernel in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from jupyter) (6.9.1)
Requirement already satisfied: nbconvert in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from jupyter) (6.4.2)
Requirement already satisfied: qtconsole in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from jupyter) (5.2.2)
Requirement already satisfied: notebook in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from jupyter) (6.4.8)
Requirement already satisfied: jupyter-console in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from jupyter) (6.4.3)
Requirement already satisfied: ipywidgets in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from jupyter) (7.7.0)
Requirement already satisfied: matplotlib in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from lab) (3.5.1)
Collecting txt2tags>=3.6
  Using cached txt2tags-3.7-py2.py3-none-any.whl (51 kB)
Collecting simplejson
  Using cached simplejson-3.17.6-cp38-cp38-manylinux_2_5_x86_64.manylinux1_x86_64.manylinux_2_12_x86_64.manylinux2010_x86_64.whl (139 kB)
Requirement already satisfied: matplotlib-inline<0.2.0,>=0.1.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipykernel->jupyter) (0.1.3)
Requirement already satisfied: ipython>=7.23.1 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipykernel->jupyter) (8.0.1)
Requirement already satisfied: debugpy<2.0,>=1.0.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipykernel->jupyter) (1.5.1)
Requirement already satisfied: nest-asyncio in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipykernel->jupyter) (1.5.4)
Requirement already satisfied: tornado<7.0,>=4.2 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipykernel->jupyter) (6.1)
Requirement already satisfied: traitlets<6.0,>=5.1.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipykernel->jupyter) (5.1.1)
Requirement already satisfied: jupyter-client<8.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipykernel->jupyter) (7.1.2)
Requirement already satisfied: jupyterlab-widgets>=1.0.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipywidgets->jupyter) (1.1.0)
Requirement already satisfied: ipython-genutils~=0.2.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipywidgets->jupyter) (0.2.0)
Requirement already satisfied: nbformat>=4.2.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipywidgets->jupyter) (5.1.3)
Requirement already satisfied: widgetsnbextension~=3.6.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipywidgets->jupyter) (3.6.0)
Requirement already satisfied: prompt-toolkit!=3.0.0,!=3.0.1,<3.1.0,>=2.0.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from jupyter-console->jupyter) (3.0.28)
Requirement already satisfied: pygments in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from jupyter-console->jupyter) (2.11.2)
Requirement already satisfied: packaging>=20.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from matplotlib->lab) (21.3)
Requirement already satisfied: cycler>=0.10 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from matplotlib->lab) (0.11.0)
Requirement already satisfied: numpy>=1.17 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from matplotlib->lab) (1.22.2)
Requirement already satisfied: python-dateutil>=2.7 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from matplotlib->lab) (2.8.2)
Requirement already satisfied: kiwisolver>=1.0.1 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from matplotlib->lab) (1.4.0)
Requirement already satisfied: fonttools>=4.22.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from matplotlib->lab) (4.30.0)
Requirement already satisfied: pillow>=6.2.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from matplotlib->lab) (9.0.1)
Requirement already satisfied: pyparsing>=2.2.1 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from matplotlib->lab) (3.0.7)
Requirement already satisfied: jinja2>=2.4 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from nbconvert->jupyter) (3.0.3)
Requirement already satisfied: entrypoints>=0.2.2 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from nbconvert->jupyter) (0.4)
Requirement already satisfied: jupyterlab-pygments in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from nbconvert->jupyter) (0.1.2)
Requirement already satisfied: mistune<2,>=0.8.1 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from nbconvert->jupyter) (0.8.4)
Requirement already satisfied: jupyter-core in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from nbconvert->jupyter) (4.9.2)
Requirement already satisfied: pandocfilters>=1.4.1 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from nbconvert->jupyter) (1.5.0)
Requirement already satisfied: nbclient<0.6.0,>=0.5.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from nbconvert->jupyter) (0.5.11)
Requirement already satisfied: testpath in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from nbconvert->jupyter) (0.6.0)
Requirement already satisfied: defusedxml in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from nbconvert->jupyter) (0.7.1)
Requirement already satisfied: bleach in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from nbconvert->jupyter) (4.1.0)
Requirement already satisfied: argon2-cffi in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from notebook->jupyter) (21.3.0)
Requirement already satisfied: Send2Trash>=1.8.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from notebook->jupyter) (1.8.0)
Requirement already satisfied: prometheus-client in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from notebook->jupyter) (0.13.1)
Requirement already satisfied: pyzmq>=17 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from notebook->jupyter) (22.3.0)
Requirement already satisfied: terminado>=0.8.3 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from notebook->jupyter) (0.13.1)
Requirement already satisfied: qtpy in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from qtconsole->jupyter) (2.0.1)
Requirement already satisfied: black in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipython>=7.23.1->ipykernel->jupyter) (22.1.0)
Requirement already satisfied: setuptools>=18.5 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipython>=7.23.1->ipykernel->jupyter) (47.1.0)
Requirement already satisfied: pickleshare in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipython>=7.23.1->ipykernel->jupyter) (0.7.5)
Requirement already satisfied: pexpect>4.3 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipython>=7.23.1->ipykernel->jupyter) (4.8.0)
Requirement already satisfied: jedi>=0.16 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipython>=7.23.1->ipykernel->jupyter) (0.18.1)
Requirement already satisfied: backcall in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipython>=7.23.1->ipykernel->jupyter) (0.2.0)
Requirement already satisfied: stack-data in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipython>=7.23.1->ipykernel->jupyter) (0.2.0)
Requirement already satisfied: decorator in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from ipython>=7.23.1->ipykernel->jupyter) (5.1.1)
Requirement already satisfied: MarkupSafe>=2.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from jinja2>=2.4->nbconvert->jupyter) (2.1.0)
Requirement already satisfied: jsonschema!=2.5.0,>=2.4 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from nbformat>=4.2.0->ipywidgets->jupyter) (4.4.0)
Requirement already satisfied: wcwidth in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from prompt-toolkit!=3.0.0,!=3.0.1,<3.1.0,>=2.0.0->jupyter-console->jupyter) (0.2.5)
Requirement already satisfied: six>=1.5 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from python-dateutil>=2.7->matplotlib->lab) (1.16.0)
Requirement already satisfied: ptyprocess in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from terminado>=0.8.3->notebook->jupyter) (0.7.0)
Requirement already satisfied: argon2-cffi-bindings in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from argon2-cffi->notebook->jupyter) (21.2.0)
Requirement already satisfied: webencodings in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from bleach->nbconvert->jupyter) (0.5.1)
Requirement already satisfied: parso<0.9.0,>=0.8.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from jedi>=0.16->ipython>=7.23.1->ipykernel->jupyter) (0.8.3)
Requirement already satisfied: importlib-resources>=1.4.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from jsonschema!=2.5.0,>=2.4->nbformat>=4.2.0->ipywidgets->jupyter) (5.4.0)
Requirement already satisfied: attrs>=17.4.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from jsonschema!=2.5.0,>=2.4->nbformat>=4.2.0->ipywidgets->jupyter) (21.4.0)
Requirement already satisfied: pyrsistent!=0.17.0,!=0.17.1,!=0.17.2,>=0.14.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from jsonschema!=2.5.0,>=2.4->nbformat>=4.2.0->ipywidgets->jupyter) (0.18.1)
Requirement already satisfied: cffi>=1.0.1 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from argon2-cffi-bindings->argon2-cffi->notebook->jupyter) (1.15.0)
Requirement already satisfied: platformdirs>=2 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from black->ipython>=7.23.1->ipykernel->jupyter) (2.5.1)
Requirement already satisfied: tomli>=1.1.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from black->ipython>=7.23.1->ipykernel->jupyter) (2.0.1)
Requirement already satisfied: pathspec>=0.9.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from black->ipython>=7.23.1->ipykernel->jupyter) (0.9.0)
Requirement already satisfied: typing-extensions>=3.10.0.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from black->ipython>=7.23.1->ipykernel->jupyter) (4.1.1)
Requirement already satisfied: click>=8.0.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from black->ipython>=7.23.1->ipykernel->jupyter) (8.0.4)
Requirement already satisfied: mypy-extensions>=0.4.3 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from black->ipython>=7.23.1->ipykernel->jupyter) (0.4.3)
Requirement already satisfied: executing in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from stack-data->ipython>=7.23.1->ipykernel->jupyter) (0.8.2)
Requirement already satisfied: asttokens in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from stack-data->ipython>=7.23.1->ipykernel->jupyter) (2.0.5)
Requirement already satisfied: pure-eval in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from stack-data->ipython>=7.23.1->ipykernel->jupyter) (0.2.2)
Requirement already satisfied: pycparser in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from cffi>=1.0.1->argon2-cffi-bindings->argon2-cffi->notebook->jupyter) (2.21)
Requirement already satisfied: zipp>=3.1.0 in /home/maca/personal/kaggle-NBME/venv/lib/python3.8/site-packages (from importlib-resources>=1.4.0->jsonschema!=2.5.0,>=2.4->nbformat>=4.2.0->ipywidgets->jupyter) (3.7.0)
Installing collected packages: txt2tags, simplejson, lab
Successfully installed lab-7.0 simplejson-3.17.6 txt2tags-3.7

Ejercicios

Definir una variable llamada laborales y asignarle los cinco días hábiles de la semana. Generar una nueva variable llamada finde y asignarle los días del fin de semana. A partir de ambas variables, generar una nueva llamada semana que contenga la lista de todos los días. Las anteriores variables deben permanecer sin modificaciones.
Definir una función llamda working_days que tome el nombre de un día de la semana y devuelva un valor booleano que indique si es un día laborable. Por ejemplo, al tomar "lunes" debe devolver "True".
(Ejercicio tomado de Downey et. al, 2012) Escribir una función llamada middle que tome una lista y devuelva una nueva lista que contenga todos sus elementos menos el primero y el último. Por ejemplo:
```
>>> t = [1,2,3,4]
>>> middle(t)
[2,3]
```
(Ejercicio tomado de Downey et. al, 2012) Escribir una función llamada chop que tome una lista y la modifique. La función debe quitar el primero y el último elemento de la lista y devolver None. Por ejemplo:
```
>>> t = [1, 2, 3, 4]
>>> chop(t)
>>> t
[2, 3]
```
(Ejercicio tomado de Downey et. al, 2012) Escribir una función llamada has_duplicates que tome una lista y devuelva Truesi la lista tiene elementos repetidos. Esta función no debe modificar la lista original.

Referencias

Downey, A., Brooks Jr, F. P., Peek, J., Todino, G., Strang, J., Robbins, A., & Rosenblatt, B. (2012). Think python. 2.0. Green Tea Press Supplemental Material:.

{% include additional_content.html %}

{% include copybutton.html %}

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

intro-python.md

intro-python.md

Nociones básicas de Python

Ejecución

Operaciones aritméticas

Variables

Tipos de objetos

Enteros y números de punto flotante

Booleanos

Operadores relacionales

Operadores lógicos

Listas

Operaciones con listas

Métodos de las listas

Mutabilidad de las listas

Tuplas

Conjuntos

Relaciones entre conjuntos

Operacines entre conjuntos

Diccionarios

Cadenas

Funciones

Librerías

Ejercicios

Files

intro-python.md

Latest commit

History

intro-python.md

File metadata and controls

Nociones básicas de Python

Ejecución

Operaciones aritméticas

Variables

Tipos de objetos

Enteros y números de punto flotante

Booleanos

Operadores relacionales

Operadores lógicos

Listas

Operaciones con listas

Métodos de las listas

Mutabilidad de las listas

Tuplas

Conjuntos

Relaciones entre conjuntos

Operacines entre conjuntos

Diccionarios

Cadenas

Funciones

Librerías

Ejercicios