Diccionario Python
El ABC de Python, para que lo tengas siempre a mano cuando programás con este lenguaje.
| Entornos para realizar desarrollos en Python: | Locales: Visual Studio Code, PyCharm, Jupiter OnLine: Replit |
| Definición de variables: | Usamos variables cuando queremos guardar valores únicos En Excel (para comparar con algo que seguramente ya conocés) a una variable la llamamos celda, por ejemplo, A1 Variables “string” o de texto, por ejemplo –> nombre=”Julián” Variables numéricas, por ejemplo –> edad=18 Variables “booleanas”, por ejemplo –> argentino=True/False |
| Print: | Imprime un mensaje en pantalla –> print(“Hola”) –> print(“Hola, ” + nombre + “, ¿cómo estás?) |
| Input | Recibe datos ingresados por el usuario –> nombre = input(“Hola! ¿cuál es tu nombre?: “) Todo lo que se recibe por input() se almacena en formato texto |
| Int y Str | La función Int convierte un texto en número (por ejemplo, al recibir un input) La función Str convierte un número en texto (por ejemplo, si lo querés imprimir) –> edad = int(input(“Hola! ¿qué edad tenés?: “)) –> año = 2024- edad –> print(“Naciste en el año ” + str(año)) |
| Importar módulos | Los módulos son “cajas de herramientas” que podemos importar en nuestro proyecto para disponer de funciones adicionales. –> import [módulo] as [abreviatura] –> from [módulo] import [función] |
| Módulo datetime | Incluye funciones para manejar fechas –> import datetime –> dt = datetime.datetime.now() –> print(dt) # Fecha y hora actual –> print(dt.year) # Año –> print(dt.month) # Mes –> print(dt.day) # Día |
| Módulo urllib.request | Incluye funciones para manejar URLs –> import urllib.request |
| Módulo random | Incluye funciones para manejar número aleatorios –> import random as rd –> print(rd.randrange(0,10)) # Imprime un número aleatorio entre 0 y 10 |
| Módulo time | Incluye funciones para manejar pausas en el programa –> import time –> time.sleep(2) # Genera una pausa de dos segundos |
| Módulo tkinter | Incluye funciones para manejar ventanas tipo Windows –> import tkinter |
| Blackbox | Busca módulos para Python: https://www.useblackbox.io |
| Funciones | Las funciones permiten automatizar tareas repetitivas. Se definen así: –> def duplicar(numero): –> doble=numero*2 –> return doble Y se llaman así: –> duplicado = duplicar(numero) |
| Condicionales | Los condicionales realizan comparaciones y realizan diferentes acciones en función del resultado de la comparación (verdadero / falso) –> if edad > 18: –> print(“Podés manejar”) –> elif edad == 17: –> print(“Tenés que espera un año”) –> else: –> print(“Tenés que esperar más de un año”) |
| Bucles while | Ejecuta un código varias veces hasta que se cumple una condición establecida –> vidas = 5 –> while vidas > 0: –> vidas = vidas – 1 –> print(“Te quedaste sin vidas”) Un bucle infinito se produce cuando la condición nunca se ejecuta. Una variable “contador” dentro de un blucle permite contar las iteraciones. |
| Definición de listas | Usamos listas cuando queremos guardar un conjunto de valores relacionados En Excel, por ejemplo, una lista variable sería un rango de celdas horizontal o vertical –> frutas = [“Frutilla”, “Ananá”, “Sandia”] –> puntajes=[1, 2, 3, 4, 5] –> notas = [] # Define una lista vacía –> print(notas) # Imprime la lista –> print(notas[0]) # Imprime un elemento de la lista, en este caso el de índice “0” –> notas2 = notas[0:2] # Genera una sublista, esto se llama “slicing” (“recorte”) –> minimo = min(notas) # No devuelve el elemento más chico de la lista –> maximo = max(notas) # No devuelve el elemento más grande de la lista –> cantidad=len(puntajes) # Nos da la cantidad de elementos de la lista –> suma = sum(notas) # Calcula la suma de los elementos de la lista –> notas.sort() # Ordena la lista de menor a mayor –> notas.reverse() # Invierte el orden de los elementos de la lista –> cantidad10 = notas.count(10) # Cantidad de elementos iguales al pedido. –> haymanzana = “manzana” in frutas # Dice si un elemento existe o no en la lista –> notas.append(8) # Agrega un elemento a la lista –> notas.remove(8) # Elimina el primer elemento de la lista igual al pedido |
| Bucle FOR..in | El bucle FOR permite recorrer todos los elementos de una lista: –> for i in lista: –> print(i) |
| Más funciones | .isdigit .lower .upper from translate import Translator print(Translator(“es”).translate(“Hello”)) |
| Diccionarios | Un diccionario es una lista cuyos elementos se etiquetan, en lugar de numerarse. Volviendo a Excel, por ejemplo, un diccionario sería una fila de “títulos” con una fila de “datos” –> persona1={ –> “nombre”:”Julián”, –> “apellido”:”Vega”, –> “edad”:25 –> } # Imprime la etiqueta “apellido” del diccionario “persona1” –> print(persona1[“apellido”]) # Modifica el valor de la etiqueta “nacionalidad” del diccionario “persona1” –> persona1[“nacionalidad”]=”Argentina” |
| Diccionarios con listas | –> persona1[“poderes”]=[“fuerza”, “velocidad”, “salto”, “regeneración”]
–> print(super1[“poderes”]) –> print(super1[“poderes”][1]) |
| Listas de diccionarios | Volviendo al ejemplo del Excel, una lista de diccionarios es una tabla completa, con filas y columnas –> artistas = [] –> artista = { –> “nombreArtistico” : “Lali”, –> “nombre” : “Mariana Esposito”, –> “edad” : 31, –> “nacionalidad” : “Argentina” –> } –> artistas.append(artista) |
| Bucle FOR..in en listas de diccionarios | –> for artista in artistas: –> print(artista[“nombreArtistico”]) |
| DataFrames con Pandas | Un DataFrame es una estructura similar a una tabla o planilla de cálculo, con datos organizados en filas y columnas. Pandas es un módulo de Python que facilita el trabajo con DataFrames –> import pandas as pd # importa el módulo Pandas –> df = pd.read_csv(“peliculas.csv”) # lee el archivo csv y lo carga en la variable df –> print(“df”) # imprime df |
| Métodos para analizar un DataFrame | # Imprime las primeras diez filas de un DataFrame print(df.head(10)) # Imprime las últimas tres filas print(df.tail(3)) # Imprime una muestra aleatoria de diez filas print(df.sample(10)) # Imprime la cantidad de datos (o celdas) del DataFrame print( df.size) # Imprime la cantidad de filas y columnas del DataFrame print(df.shape) # Imprime los nombres de las columnas del DataFrame print(df.columns) # Imprime el indice general del dataframe print(df.index) # Imprime el tipo de datos de las columnas del DataFrame (“object” significa “string”) print(df.dtypes) # Imprime una información general del DatFrame print(df.info()) # Ordena el DataFrame alfabéticamente según el nombre de la columna que se le indique como argumento print(df.sort_values(“TITULO”)) |
| Funciones de agregación | Las funciones de agregación permiten realizar cálculos estadísticos sobre un DataFrame. # Imprime el mínimo valor de una columna del DataFrame print(df[“NUMERO”].min()) # Imprime el máximo valor de una columna del DataFrame print(df[“NUMERO”].max()) # Imprime el valor promedio de una columna del DataFrame print(df[“NUMERO”].mean()) # Imprime la suma de valores de una columna del DataFrame print(df[“NUMERO”].sum()) # Imprime la cantidad de valores no vacíos de una columna del DataFrame print(df[“NUMERO”].count()) # Imprime una lista de valores diferentes de una columna del DataFrame print(df[“ANTIGUEDAD”].unique()) # Imprime la cantidad de valores diferentes de una columna del DataFrame print(df[“ANTIGUEDAD”].nunique()) # Imprime una tabla con los valores diferentes de una columna del DataFrame y cuantas veces aparece cada uno print(df[“BARRIO”].value_counts()) |
| Gestión de columnas en un DataFrame | # Crear una columna df[“PAIS”] = “Argentina” # Asignar un valor determinado a una columna en todas las filas df[“PAIS”] = “Argentina” # Eliminar una columna df = df.drop(“PAIS”, axis=1) |
| Operaciones aritméticas | # Crea una nueva columna con el resultado de la multiplicación de otras dos. df[“PRECIO”] = df [“PRECIO_M2”] * df[“SUPERFICIE”] # Crea una nueva columna concatenando valores de otras dos df[“DOMICILIO”] = df[“CALLE”] + ” ” + df[“NUMERO”].astype(str) |
| Filtros | Un filtro o máscara permite extraer sólo algunas filas del DataFrame, específicamente aquellas que cumplen la condición indicada. # Crea un filtro filtro = df[“BARRIO”] == “Palermo” # Genera un nuevo DataFrame que contiene sólo la información filtrada dfPalermo = df[filtro] # Imprime el nuevo DataFrame print(dfPalermo) |
| Concatenación de filtros | filtro1 = df[“BARRIO”] == “Palermo” filtro2 = df[“TERRAZA”] == “BALCON” filtro3 = df[“BAULERA”] == “SI” # Imprime las filas cumplen la condición 1 y 2 print(df[filtro1 & filtro2]) # Imprime las filas cumplen la condición 1 o la condición 2 print(df[filtro1 | filtro2]) # Imprime las filas que cumplen la condición 1, y la 2 o la 3 #print(df[filtro1 & (filtro2 | filtro3)]) |
| Gráficos con Maplotlib | Maplotlib es un módulo de Python que permite hacer gráficos tipo excel # Importa el módulo import matplotlib.pyplot as plt # Dibuja un gráfico circular con los datos de una columna cantidadHabitantes.plot.pie() # Dibuja un gráfico de barras con los datos de una columna cantidadHabitantes.plot.bar() |
















