Sesion 1 : Introducción a python para Economistas (EPC - 2020)

Introducción a python para Economistas Abraham Zamudio Edúcate Perú Consultores
2020 Abraham Zamudio 1 / 182

Sección 0 : Fundamentos de Programación y Lenguajes de programación
: Una visión practica Abraham Zamudio 2 / 182

Introducción : Fundamentos de programación Concepción del curso Una parte
cada vez mayor de la actividad humana ahora tiene lugar en entornos digitales en línea. Sin embargo, los investigadores sociales están predominantemente capacitados para investigar e interpretar un mundo pre-digital. En este curso, formaremos investigadores sociales que deben comprometerse cada vez más con el desarrollo de software para comprender la sociedad contemporánea (y futura). Como un paso en esta dirección y como parte de una iniciativa para desarrollar una comunidad que practique la programación en la investigación social, desarrollaremos el presente curso Introducción a python para Economistas Abraham Zamudio 3 / 182

Introducción : Fundamentos de programación Herramientas y lenguajes de programación
al 2020 La ubicuidad de los sistemas digitales signiﬁca que áreas cada vez más grandes de actividad humana generan datos transaccionales que facilitan formas poderosas e innovadoras para describir, analizar y explicar la vida social. Incluso si gran parte de estos datos permanecen bloqueados detrás de la conﬁdencialidad comercial, ya no es posible imaginar que las ciencias sociales puedan seguir siendo las mismas. Sin embargo, el compromiso con estas oportunidades ha sido desigual en las ciencias sociales. Es simplista y peligroso enmarcar la programación como una panacea para las ciencias sociales. Pero, fuera de los libros, la construcción de herramientas con lenguajes programación ya es una herramienta vital para responder a las preocupaciones emergentes en ciencias sociales. Abraham Zamudio 4 / 182

al 2020 Los científicos sociales, y de hecho, la mayoría de los científicos de datos, pasan la mayor parte de su tiempo tratando de comprender los datos para ejecutar análisis estadísticos. Esto hace que la forma en que la mayoría de los científicos sociales usan Python sea fundamentalmente diferente de cómo la usan la mayoría de los desarrolladores de software. Abraham Zamudio 5 / 182

al 2020 Los científicos sociales están interesados principalmente en escribir programas relativamente simples (scripts) que ejecutan una serie de comandos (recodificar variables, combinar conjuntos de datos, analizar documentos de texto, etc.) para organizar sus datos en una forma que puedan analizar. Y debido a que generalmente escriben sus scripts para una aplicación específica, generalmente no se centran en escribir código con muchas abstracciones.En otras palabras, los científicos sociales tienden a estar principalmente interesados en aprender a usar las herramientas existentes de manera efectiva, no a desarrollar nuevas. Abraham Zamudio 6 / 182

al 2020 Los cientíﬁcos sociales que aprenden Python tienden a tener prioridades diferentes en términos de desarrollo de habilidades que los Desarrolladores de software. Sin embargo, la mayoría de los tutoriales en línea fueron escritos para desarrolladores o estudiantes de ciencias de la computación, por lo que uno de los objetivos de este curso es proporcionar a los cientíﬁcos sociales alguna orientación sobre las habilidades que deben priorizar en su formación inicial. Abraham Zamudio 7 / 182

al 2020 En forma primaria podemos mencionar , 1. Tipos de datos: números enteros, números punto ﬂotante, cadenas de caracteres , datos booleanos, listas, diccionarios y conjuntos (las tuplas son algo opcionales). 2. Escritura de bucles y deﬁnición de funciones. 3. Comprensión de los tipos mutables e inmutables. 4. Métodos para manipular cadenas de caracteres. 5. Administración de los módulos de python y el uso de estos módulos. 6. Lectura e interpretación de errores. Abraham Zamudio 8 / 182

Introducción : Fundamentos de programación ¿ Quienes usan python en
economía ? (a) Paul Romer (b) Thomas Sargent (c) John Stachurski Figure: Economistas que usan python Abraham Zamudio 9 / 182

Introducción : Fundamentos de programación ¿ Quienes usan python en
economía ? ... Abraham Zamudio 10 / 182

Sección 1 : Introducción al mundo de Python Abraham Zamudio
11 / 182

Introducción : El poder de python en Ciencias sociales Ecosistema
Figure: Python en Ciencias Sociales Algunas referencias: Python: An Ecosystem for Scientiﬁc Computing [2011] Code and Data for the Social Sciences: A Practitioner’s Guide PYTHON IN 2020 Abraham Zamudio 12 / 182

de Python para investigación y desarrollo Necesidad : Idea general de un algoritmo 1. Obtener datos (por simulación, por experimentos, por encuestas ,de manera automatizada , de sensores , etc) 2. Manipular y procesar la data (Los puntos de partida son : álgebra lineal, cálculo diferencial , cálculo integral, estadística descriptiva.) 3. Visualizar resultados, de comprensión rápida, pero también con gráﬁcos de alta calidad , para informes o publicaciones. (pares ordenados, rectas, planos ,curvas, superﬁcies, etc .) Abraham Zamudio 13 / 182

de Python para investigación y desarrollo Fortalezas de python Baterías incluidas : Gran colección de bloques (como ladrillos para construis una casa) ya existentes de métodos numéricos clásicos, herramientas para gráﬁcar o procesar datos. No necesitaras programar el trazado de una función, o como calcular una transformada de fourier o algún método de pronostico que exista en la literatura clásica. No reinventes la rueda Freely Available Software for Linear Algebra (September 2018) Abraham Zamudio 14 / 182

de Python para investigación y desarrollo Fortalezas de python Fácil de aprender : A la mayoría de los profesionales no se les paga como programadores, ni se les a entrenado para eso en la universidad/instituto, hoy en día tener habilidades de desarrollo de software es tan común y bien visto que marca una diferencia al momento de postular a algún puesto de trabajo. Recopilacion de libros sobre algoritmos Abraham Zamudio 15 / 182

de Python para investigación y desarrollo Fortalezas de python Comunicación fácil : Para mantener el código vivo dentro de un laboratorio de investigación, una compañía o alguna dependencia del estado , debe ser tan legible como un libro por parte de los que colaboradores, estudiantes o quizás clientes. La sintaxis de python es simple, evitando símbolos extraños o largas especiﬁcaciones de rutina que desviarían al lector de la comprensión matemática o cientíﬁca del código. Abraham Zamudio 16 / 182

de Python para investigación y desarrollo Fortalezas de python Código eficiente : Los módulos numéricos de python son computacionalmente eficientes. Pero no esta demás decir que un código rápido se vuelve inútil si se dedica demasiado tiempo en escribirlo. Python apunta a tiempos de desarrollo y tiempos de ejecución rápidos, hoy en dia comparables con los tiempos de procesamiento de los lenguajes de programacion compilados (C, C++, Fortran). Efficient use of linear algebra library for simulations Numerical Linear Algebra Software Numerical linear algebra software Linear Algebra Numerical linear algebra algorithms and software Armadillo : C++ library for linear algebra & scientific computing Abraham Zamudio 17 / 182

de Python para investigación y desarrollo Fortalezas de python Universal : Python es un lenguaje usado para problemas diferentes, tanto si te interesa la analítica de un determinado conjunto de datos, la computación de alto performance (CPU y GPU), el desarrollo de un dashboard o algún sistema web, e inclusive hasta una aplicación para móviles . Aprender python evita aprender un nuevo software cada nuevo problema. Abraham Zamudio 18 / 182

Introducción : El poder de python en Ciencias sociales ¿
Como se compara python con otras soluciones ? Lenguajes compilados : C,C++, Fortran ... Pros :Muy rápido. Para cálculos pesados, es difícil superar la velocidad de estos lenguajes de programación. Contras :Usabilidad un poco pesada al inicio: sin interac- tividad durante el desarrollo, pasos de compilación obliga- torios (dependientes de la arquitectura, del sistema oper- ativo y del compilador), sintaxis detallada, administración de memoria manual y muchos otros aspectos técnicos a tener cuenta. Estos son lenguajes complicados para no programadores. Abraham Zamudio 19 / 182

Como se compara python con otras soluciones ? Matlab Pros : Muy rica colección de bibliotecas con numerosos algoritmos implementados, para muchos dominios de aplicaciones diferentes. Ejecución rápida porque estas bibliotecas a menudo se escriben en un lenguaje compilado.Entorno de desarrollo agradable: completo y con manual de ayuda muy documentado, editor integrado, etc. El soporte comercial está disponible. Contras : El idioma base es bastante deﬁciente y puede volverse restrictivo para usuarios avanzados.No es gratis, la licencia estándar cuesta mas de 1000 dolares (sin ningún toolbox, para un solo núcleo y un máximo de 8gb de memoria ram) Abraham Zamudio 20 / 182

Como se compara python con otras soluciones ? Julia Pros : Julia es un lenguaje de programación moderno, expresivo y de alto rendimiento diseñado para la computación cientíﬁca y la manipulación de datos.Está diseñado para computación distribuida y paralela. Julia proporciona una extensa biblioteca de funciones matemáticas con gran pre- cisión numérica. Julia ofrece potentes capacidades de tipo shell para administrar otros procesos en el sistema opera- tivo. Contras : Ecosistema limitado a computación numérica. Aún joven (Aparición : 2012). Abraham Zamudio 21 / 182

Como se compara python con otras soluciones ? Otros lenguajes scripting : Scilab, Octave, GnuPlot, IDL , etc Pros : De código abierto, gratuito, o al menos más barato que Matlab.Algunas características pueden ser muy avanzadas (programación estadística en R,procesamiento de imágenes satelitales en IDL , etc.) Contras : Hay menos algoritmos disponibles que en Mat- lab, y el lenguaje no es más avanzado.Algunos programas están dedicados a un dominio. Ej: Gnuplot para dibujar curvas. Estos programas son muy potentes, pero están restringidos a un solo tipo de uso, como el trazado de curvas. Abraham Zamudio 22 / 182

Como se compara python con otras soluciones ? Python Pros : Muy buenas y bien documentadas librerías para computación científica, análisis de datos, inteligencia arti- ficial y muchos otros campos de las ciencias aplicadas.Lenguaje bien pensado, que permite escribir código muy legible y bien estructurado: codificamos lo que pensamos.Muchos módulos más allá de la computación científica (servidores web, acceso a puertos seriales, puertos usb, etc.).Software libre y de código abierto, ampliamente difundido, con una comunidad vi- brante.Una variedad de entornos potentes para trabajar, como IPython, Spyder, Jupyter notebooks,Pycharm. Ademas de Google Colab y muchos otros entornos web de desarrollo. Contras Abraham Zamudio 23 / 182

Sección 2 : Primeros pasos con Python Abraham Zamudio 24
/ 182

Empecemos con formulas 1. Problemas fáciles de formular, interpretar y
comprender. 2. Muchos conceptos fundamentales del lenguaje de progra- mación python son introducidos en esta sección: Variables. Expresiones Aritméticas. Impresión de textos y números. ¿Porque? ¿Porque? Abraham Zamudio 25 / 182

Evaluemos una formula matemática : MRUV Lanzamos un objeto hacia
arriba (verticalmente) con velocidad inicial v0. Analizamos la trayectoria que sigue este objeto. y(t) = v0 t − 1 2 g t2 donde 1. y es la altura (posición) como función del tiempo. 2. v0 es la velocidad inicial en el tiempo cero. 3. g es la aceleración de la gravedad. Tarea : Dados v0, g, t, calcular y. Abraham Zamudio 26 / 182

Otras formulas 1. Hallar las soluciones de : ax2 +
bx + c = 0 2. Hallar la fuerza de atracción gravitacional entre dos masas : F = G m1 m2 d2 3. Hallar la fuerza electrica entre dos cargas: F = k q1 q2 d2 4. El volumen de una esfera de radio r Vol = 4 3 πr3 Abraham Zamudio 27 / 182

Otras formulas 1. Interés simple : i = F −
P P ∗ n 2. Interés Compuesto : n = log F P log(1 + i) 3. Tasa Efectiva: tea = (1 + iv)n − 1 4. Anualidades Vencidas C = Pi 1 − (1 + i)−n Abraham Zamudio 28 / 182

¿Usar una calculadora? Un programa (o software) es mucho mas
poderoso Una secuencia de instrucciones para la computadora, escrita en un lenguaje de pro- gramación, algo así como el inglés, pero mucho más simple, y mucho más estricto. ¿Que es un programa? ¿Que es un programa? Abraham Zamudio 29 / 182

Función print Mandar/escribir un mensaje (cadena) en pantalla (prompt) Una
de las primeras cosas que aprenderemos en python es a comunicarnos con el lenguaje. En este sentido , empezaremos con la funcion que le permite a python decirnos (comunicarnos) algún mensaje. La sintaxis tipo printf (C/C++) da una gran ﬂexibilidad en el formato de texto con números La salida de nuestros cálculos a menudo contienen texto y números, por ejemplo para t = 0.6 s y = 1.23 m Abraham Zamudio 30 / 182

Función print Mandar/escribir un mensaje (cadena) en pantalla (prompt) Queremos
controlar el formato con el que se imprimen los resultados en pantalla : Estilo : 0.6 vs. 6E − 01 o 6.0e − 0.1. Aquí es donde el formato (impresión) que obtenemos con print es fundamental para este propósito: MRUV : Version1 1 v0 = 5 2 g = 9.81 3 t = 0.6 4 y = v0*t - 0.5*g*t**2 5 print(y) Abraham Zamudio 31 / 182

Función print Nombre de las Variables Como elegir los nombres
de las variables : 1. Use los mismos nombres para la variable en el programa que en la descripción matemática del modelo (formulación del problema) que desea resolver. 2. Para todas las variables que no tengan una deﬁnición matemática precisa, use un nombre descriptivo cuidadosamente seleccionado. MRUV: Version2 1 initial_velocity = 5 2 acceleration_of_gravity = 9.81 3 TIME = 0.6 4 VerticalPositionOfBall = initial_velocity*TIME - \ 5 0.5*acceleration_of_gravity*TIME**2 6 print(VerticalPositionOfBall) Abraham Zamudio 32 / 182

Ayuda en Linea Ayuda de Python 1 help() Abraham Zamudio
33 / 182

Palabras reservadas Después de ejecutar : help() 1 help> keywords
Abraham Zamudio 34 / 182

Mas sobre la ayuda el interprete Después de ejecutar :
help() 1 help> True 2 3 help> collections 4 5 help> builtins 6 7 help> modules 8 9 help> keywords 10 11 help> symbols 12 13 help> topics 14 15 help> LOOPING Si desea salir de la consola de ayuda, escriba quit. Abraham Zamudio 35 / 182

Función print Formateando texto y números Opciones de la función
print (MRUV : Version3) 1 initial_velocity = 5 2 3 acceleration_of_gravity = 9.81 4 5 TIME = 0.6 6 7 VerticalPositionOfBall = initial_velocity*TIME - \ 8 0.5*acceleration_of_gravity*TIME**2 9 10 print("En t=%g s, la altura de la pelota es %.2f m." % \ 11 (TIME,VerticalPositionOfBall)) Abraham Zamudio 36 / 182

Función print Formateando texto y números Aqui podemos ver una
lista con las mas importantes opciones de print Abraham Zamudio 37 / 182

Función print Formateando texto y números Ejemplo 1 (MRUV :
Version4) 1 v0 = 5 2 3 g = 9.81 4 5 t = 0.6 6 7 y = v0*t - 0.5*g*t**2 8 9 print('En t={t:g} s, la altura de la pelota es {y:.2f} m.' \ 10 .format(t=t, y=y) 11 ) Abraham Zamudio 38 / 182

Función print Formateando texto y números Ejemplo 1 (MRUV :
Version5) 1 v0 = 5 2 g = 9.81 3 t = 0.6 4 y = v0*t - 0.5*g*t**2 5 6 print( """ 7 En t=%f s, una bola con 8 velocidad inicial v0=%.3E m/s 9 esta en la altura %.2f m. 10 """ % (t, v0, y) 11 ) Abraham Zamudio 39 / 182

Variables de tipo lógico (boolean) y operadores lógicos Una expresión
booleana (o expresión lógica) se evalúa en uno de los dos estados : verdadero o falso. Python proporciona el tipo booleano que se puede establecer en Falso o Verdadero. Muchas funciones y operaciones devuelven objetos booleanos. La palabra clave not también se puede usar para invertir un tipo booleano. 1 not True Abraham Zamudio 40 / 182

Variables de tipo lógico (boolean) y operadores lógicos Operadores de
comparación Los operadores <, <=,>,> =, ==,!= comparan los valores de 2 objetos y devuelve Verdadero o Falso. La comparación depende del tipo de los objetos. 1 10 == 10 2 10 <= 10 3 2**2 >= 4 4 (4**128)-2**256 < 0 Abraham Zamudio 41 / 182

Variables de tipo lógico (boolean) y operadores lógicos Encadenamiento de
operadores de comparación Los operadores de comparación se pueden encadenar. Considere los siguientes ejemplos: 1 x = 2 2 3 1 < x < 3 4 5 10 < x < 20 6 7 3 > x <= 2 8 9 2 == x < 4 Abraham Zamudio 42 / 182

Variables de tipo lógico (boolean) y operadores lógicos Evaluación de
operadores lógicos y de comparación La evaluación utilizando los operadores and / or sigue estas reglas: and y or evalúan la expresión de izquierda a derecha. Operadores Descripción not x Retorna True si x es False,False en otro caso x and y Retorna x si x es False, y en otro caso x or y Retorna y si x es False, x en otro caso 1 a = True 2 b = False 3 # Ojo con lo que se obtiene 4 "a y b es", a and b 5 print(('a y b es',a and b)) 6 print(('a o b es',a or b)) 7 print(('negacion de a es',not a)) Abraham Zamudio 43 / 182

pertenencia in se evalúa en True si encuentra una variable en una secuencia especiﬁcada y false en caso contrario. not in evalúa en False si encuentra una variable en una secuencia, True en caso contrario. 1 'Bueno' in 'Este es un buen ejemplo' 2 3 'bueno' not in 'Este es un buen ejemplo' 4 5 1234 in 21345871234 # ERROR !!!!! 6 7 '1234' in "21345871234" # CORRECTO 8 9 # para ver la documentacion de estas funciones 10 help("in") Abraham Zamudio 44 / 182

identidad is evalúa en True si las variables a cada lado del operador apuntan al mismo objeto y False en caso contrario is not evalúa como False si las variables a ambos lados del operador apuntan al mismo objeto y True en caso contrario 1 p = 'Hola' 2 ps = p 3 ps is p 4 ps is not (not p) Abraham Zamudio 45 / 182

Sección 3 : Importando módulos Abraham Zamudio 46 / 182

Importando módulos Evaluando funciones matemáticas estándar Las fórmulas matemáticas frecuentemente
involucran funciones como sin, cos, tan, sinh, cosh, exp, log, etc. En una calculadora de bolsillo, usted tiene botones especiales para tales funciones. Del mismo modo, en un programa, escrito en python, también tiene una funcionalidad ya preparada para evaluar estos tipos de funciones matemáticas. Uno podría, en principio, escribir su propio programa para evaluar, por ejemplo, la función sin(x), pero cómo hacerlo de manera eﬁciente es un tema no trivial. Los expertos han trabajado en este problema durante décadas e implementado sus mejores recetas en piezas de software que deberíamos reutilizar. Abramowitz and Stegun: Handbook of Mathematical Functions Abraham Zamudio 47 / 182

Importando módulos Evaluando funciones matemáticas estándar Abraham Zamudio 48 /
182

Importando módulos Evaluando funciones matemáticas estándar Problema : Considere la
fórmula para calcular la altura de una bola en movimiento vertical, con una velocidad inicial hacia arriba v0: y = vo t − 1 2 g t2 0 = 1 2 g t2 − v0 t + y Entonces : t1 = v0 − v2 0 − 2gy g t2 = v0 + v2 0 − 2gy g Abraham Zamudio 49 / 182

Importando módulos Evaluando funciones matemáticas estándar El programa para evaluar
las expresiones para t1 y t2 en un programa de computadora, necesitamos acceso a la función de raíz cuadrada. En Python, la función de raíz cuadrada y muchas otras funciones matemáticas, como sin, cos, sinh, exp, y log, están disponibles en un módulo llamado math. Primero debemos importar el módulo antes de que podamos usarlo, es decir, debemos escribir import math u otra de las formas para acceder a los componentes del modulo math. A partir de entonces, para tomar la raíz cuadrada de una variable a, podemos escribir math.sqrt(a). Esto se demuestra en un programa para calcular t1 y t2: Abraham Zamudio 50 / 182

Importando módulos Evaluando funciones matemáticas estándar Modulo math (Linea 6)
1 # definimos las variables de entrada 2 v0 = 5 3 g = 9.81 4 y = 0.2 5 6 # importamos/cargamos el modulo math 7 import math 8 9 # Aplicamos las formulas matematicas del problema 10 t1 = (v0 - math.sqrt(v0**2 - 2*g*y))/g 11 t2 = (v0 + math.sqrt(v0**2 - 2*g*y))/g 12 13 # imprimimos resultados 14 print('En t=%g s y %g s, la altura es %g m.' %(t1, t2, y)) Abraham Zamudio 51 / 182

Importando módulos Dos formas de importar un módulos Primer camino
1 import math 2 # y ahora podemos acceder a las funciones de manera individual 3 x = math.sqrt(y) 4 5 # Para ver el contenido del modulo math ejecutamos 6 dir(math) 7 8 # para ver la ayuda de una funcion del modulo math usamos : 9 help(math.sqrt) Abraham Zamudio 52 / 182

Importando módulos Dos formas de importar un módulos Segundo camino
1 from math import sqrt 2 # Ahora podemos trabajar con sqrt de manera directa 3 # , sin la necesidad de usar el prefijo math 4 # De esta manera se puede importar mas de una funcion 5 # del modulo math 6 from math import sqrt, exp, log, sin, cos, pi 7 8 # Ojo con los sgtes 3 resultados 9 sin(pi/6) 10 cos(pi/3) 11 sin(pi/6) + cos(pi/3) 12 13 # Este camino tiene sus pro y sus contra, por ejemplo 14 # con la siguiente linea obtenemos un error 15 dir(math) 16 17 # Sin embargo la funcion help funciona como esperariamos 18 help(sin) Abraham Zamudio 53 / 182

Importando módulos Versión alternativa de la segunda forma Importando todos
las funciones del modulo math 1 from math import * Esta ultima linea sirve para importar todas las funciones del modulo math.Importar todas las funciones de un modulo usando el carácter * es conveniente, pero da lugar a una gran cantidad de palabras reservadas que no se pueden usar. En general se recomienda solo importar las funciones que se van a usar. Abraham Zamudio 54 / 182

Importando módulos Creando alias a los módulos Los módulos y
funciones importados pueden recibir nuevos nombres (alias) en la sentencia import. Importando todos las funciones del modulo math 1 import math as m 2 # m es ahora el nombre del modulo math 3 v = m.sin(m.pi) 4 from math import log as ln 5 v = ln(5) 6 from math import sin as s, cos as c, log as ln 7 v = s(x)*c(x) + ln(x) Abraham Zamudio 55 / 182

Importando módulos Acceso a la ayuda del modulo math Consulta
la ayuda del modulo math : help() 1 help> math Abraham Zamudio 56 / 182

Ejercicio 1: Calcular el sinh(x) Nuestro primer ejercicio implica hacer
llamadas a algunas funciones matemáticas del modulo math.Veamos la deﬁnición de la función sinh(x) sinh(x) = 1 2 (ex − e−x ) Hacer el calculo de tres formas diferentes : Llamando a la función math.sinh. Calculando el lado derecho usando math.exp. Calculando el lado derecho usando el operador exponencial (**) : math.e**x Abraham Zamudio 57 / 182

Ejercicio 2: Distancia entre dos puntos Como segundo ejercicio también
haremos llamadas a algunas funciones matemáticas del modulo math.Vamos a calcular la distancia entre dos puntos del plano cartesiano (R2). Para ello, sean A = (x1, y1) y B = (x2, y2), entonces la distancia entre A y B se calcula haciendo uso del Teorema de Pitagoras. d(A, B) = (y2 − y1)2 + (x2 − x1)2 Hacer el calculo para A = (−1, 2) y B = (3, 6). Funciones de ayuda : a. math.pow b. math.sqrt Abraham Zamudio 58 / 182

Ejercicio 3: Listado de funciones del modulo math 1 import
math 2 math_ls = dir(math) 3 print(math_ls) Usa como mínimo 5 funciones que no conozcas de las funciones listadas en la salida de la linea 3, para construir un par de ejemplos de calculo. Abraham Zamudio 59 / 182

Ejercicio 4: Numeros complejos en python 1 a = -2
2 b = 0.5 3 # Creamos numeros complejos con las variables 4 s = complex(a, b) 5 print(s) 6 w= s.conjugate() 7 s*w 8 s/w 9 s.real 10 s.imag Lea lo concerniente al modulo cmath. Funciones matematicas para numeros complejos. Abraham Zamudio 60 / 182

Sección 4 : El modulo sympy Abraham Zamudio 61 /
182

Computación simbólica con python : Sympy Introduccion La biblioteca Symbolic
Python (SymPy) tiene como objetivo proporcionar un sistema de álgebra computacional (CAS) con todas las funciones. A diferencia de muchos otros CAS, SymPy es principalmente una biblioteca, en lugar de un entorno completo. Esto hace que SymPy sea ideal para la integración en aplicaciones y cálculos que también usan otras bibliotecas de Python. Al momento de escribir este material, la última versión es 1.6. Más información sobre SymPy está disponible en http://www.sympy.org. Abraham Zamudio 62 / 182

Computación simbólica con python : Sympy Wikipedia En matemáticas y
ciencias de la computación, el álgebra computacional, también conocida como cálculo simbólico o cálculo algebraico, es un área científica que se refiere al estudio y desarrollo de algoritmos y software para la manipulación de expresiones matemáticas y otros objetos matemáticos. Aunque, hablando con propiedad, el álgebra computacional debe ser un sub-campo de la computación científica, ellos son considerados generalmente como campos distintos, porque la computación científica se basa generalmente en el análisis numérico con números y cálculos aproximados en punto flotante; mientras que, el álgebra computacional enfatiza el cálculo exacto con expresiones que contengan variables que no tienen cualquier valor dado y por lo tanto son manipulados como símbolos (de ahí se debe el nombre de cálculo simbólico). Abraham Zamudio 63 / 182

Computación simbólica con python : Sympy Sistema de álgebra computacional
Un sistema algebraico computacional o sistema de álgebra computacional (CAS, del inglés computer algebra system) es un programa de ordenador o calculadora avanzada que facilita el cálculo simbólico. La principal diferencia entre un CAS y una calculadora tradicional es la habilidad del primero para trabajar con ecuaciones y fórmulas simbólicamente, en lugar de numéricamente. Es decir, una expresión como a + b es interpretada siempre como "la suma de dos variables", y no como "la suma de dos números" (con valores asignados). Abraham Zamudio 64 / 182

: Características (I) Simplificación de una expresión a la forma más simple o a una forma estándar. Cambio en la forma de las expresiones: expansión de productos y potencias, factorización, reescritura de un cociente de polinomios como suma de fracciones parciales, reescritura de funciones trigonométricas como exponenciales (y viceversa), etc. Operaciones con matrices incluyendo productos de matrices, inversa de una matriz, etc. Resolución de algunas ecuaciones. Cálculo de algunos límites de funciones. Cálculo de derivadas y derivadas parciales. Cálculo de algunas integrales indefinidas, definidas y de algunas transformadas integrales. Abraham Zamudio 65 / 182

: Características (II) Aproximación de funciones por desarrollo en series de potencias. Resolución de algunas ecuaciones diferenciales. Manipulación exacta de fracciones y radicales. Realización de operaciones con precisión arbitraria. Respecto a la presentación de resultados: Visualizado de las expresiones matemáticas en una forma bidimensional, usando con frecuencia sistemas de composición similares a L A TEX. Abraham Zamudio 66 / 182

Computación simbólica con python : Sympy Otros sistemas de álgebra
computacional Algunos de los CAS más destacados son: Mathematica Maple SageMath Matlab Magma Abraham Zamudio 67 / 182

Computación simbólica con python : Sympy Primeros pasos 1 import
sympy 2 3 help(sympy) En esta documentación se pueden notar fácilmente 3 campos 1. PACKAGE CONTENTS 2. SUBMODULES 3. DATA Abraham Zamudio 68 / 182

Computación simbólica con python : Sympy Primeros pasos 1 from
sympy import * 2 3 # cuatro variables simbolicas son creadas, los valores 4 # previos de estas variables son sobreescritos. 5 x, y, a, b = symbols('x y a b') 6 7 # La variable f se convierte automáticamente 8 # en un caracter. 9 f = a**3 * x + 3 * a**2 * x**2/2 + a * x**3 + x**4/4 10 type(f) 11 12 var('u, v') 13 # La variable f se convierte automáticamente 14 # en un caracter 15 f = sin(u) ** 2 + tan(v) 16 type(f) Abraham Zamudio 69 / 182

Computación simbólica con python : Sympy Primeros pasos La principal
diferencia entre las funciones de symbols() y var() es que la primera función devuelve una referencia a un objeto de tipo carácter (character object). Para su uso en el futuro, se le debe asignar una variable. El segundo, sin asignación, crea una variable de carácter. 1 import sympy as sp 2 a = sp.Rational(1,2) 3 4 ARacional = sp.Rational(2)**50/sp.Rational(10)**50 5 Afloat = 2**50/10**50 6 7 sp.pi**2 8 # Evaluación numérica adaptativa de expresiones SymPy, 9 # usando mpmath para funciones matemáticas. 10 sp.pi.evalf() 11 (sp.pi + sp.exp(1)).evalf() Abraham Zamudio 70 / 182

Computación simbólica con python : Sympy Primeros pasos : Un
poco de álgebra Para hacer operaciones simbólicas hay que deﬁnir explícitamente los símbolos que vamos a usar, que serán en general las variables y otros elementos de nuestras ecuaciones: 1 x = sp.Symbol('x') 2 y = sp.Symbol('y') 3 # Podemos manipular los símbolos como queramos 4 x+y+x-y 5 (x+y)**2 6 ((x+y)**2).expand() 7 # Es posible hacer una sustitución usando la función subs 8 ((x+y)**2).subs(x, 1) 9 ((x+y)**2).subs(x, y) Abraham Zamudio 71 / 182

Computación simbólica con python : Sympy Primeros pasos : Calculo
con limites lim x→c f (x) = L ↔ ∀ > 0∃δ > 0 : 0 < |x − c| < δ → |f (x) − L| < 1 x = sp.Symbol("x") 2 sp.limit(sin(x)/x, x, 0) 3 4 # Limites infinitos 5 sp.limit(x, x, oo) 6 sp.limit(1/x, x, oo) 7 sp.limit(x**x, x, 0) Abraham Zamudio 72 / 182

Computación simbólica con python : Sympy Primeros pasos : Cálculo
de derivadas La derivada de una función describe su tasa de cambio en un punto dado. En SymPy podemos calcular la derivada de una función usando sympy.diff, o alternativamente usando el método diff de instancias de expresión SymPy. Para representar la derivada de primer orden de una función abstracta f (x) con respecto a x, podemos hacer : 1 x = sp.Symbol('x') 2 diff(sp.sin(x), x) 3 diff(sp.sin(2*x), x) 4 diff(sp.tan(x), x) 5 6 # este ultimo resultado se puede comprobar : 7 dx = sp.Symbol('dx') 8 sp.limit( (tan(x+dx)-tan(x) )/dx, dx, 0) Abraham Zamudio 73 / 182

de derivadas Este método se extiende fácilmente a funciones multivariadas: 1 g = sp.Function('g')(x, y) 2 g.diff(x, y) 3 g.diff(x, 3, y, 2) Abraham Zamudio 74 / 182

de derivadas Consideremos f (x) = exp − x2 2 cos(πx) (1) 1 x = sp.Symbol('x') 2 f = sp.exp(-x**2 / 2) * sp.cos(sp.pi*x) 3 4 dfdx = f.diff(x) 5 6 print("f'(x) =", sp.latex(sp.simplify(dfdx))) 7 8 print("f'(x) =", (sp.simplify(dfdx))) Abraham Zamudio 75 / 182

de derivadas Para funciones de más de una variable, podemos tomar derivadas parciales para una variable a la vez tratando las variables restantes como constantes. Deﬁnamos la función g(x, y) = exp − x2 + y2 2 cos(πx) (2) 1 x, y = sp.symbols('x, y') 2 g = sp.exp(-(x**2 + y**2) / 2) * sp.cos(sp.pi*x) 3 4 sp.simplify(g.diff(x)) 5 6 sp.simplify(g.diff(y)) Abraham Zamudio 76 / 182

de derivadas Para una función arbitraria f (x1, x2, . . . , xn) : Rn → R se deﬁne el gradiente de f como el vector formado por las derivadas parciales: ∇f : Rn → Rn (3) ∇f (x1, x2, . . . , xn) =         ∂f ∂x1 ∂f ∂x2 . . . ∂f ∂xn         (4) Abraham Zamudio 77 / 182

de derivadas de orden superior 1 # Derivada de orden 1 2 sp.diff(sin(2*x), x, 1) 3 4 # Derivada de orden 2 5 sp.diff(sin(2*x), x, 2) 6 7 # Derivada de orden 3 8 sp.diff(sin(2*x), x, 3) Abraham Zamudio 78 / 182

Computación simbólica con python : Sympy Primeros pasos : Expansión
de Series Las expansiones de series son una herramienta importante en muchas disciplinas en informática. Con una expansión en serie, una función arbitraria se puede escribir como un polinomio, con coeﬁcientes dados por las derivadas de la función en el punto alrededor del cual se realiza la expansión en serie. Al truncar la expansión de la serie en algún orden n, el enésimo orden Se obtiene una aproximación de la función. En SymPy, la expansión en serie de una función o una expresión se puede calcular utilizando la función sympy.series o el método en serie disponible en las instancias de expresión de SymPy. El primer argumento para sympy.series es una función o expresión que se va a expandir, seguida de un símbolo con respecto a la cual se debe calcular la expansión (se puede omitir para expresiones y funciones de una sola variable). Abraham Zamudio 79 / 182

de Series 1 x = sp.Symbol("x") 2 f = sp.Function("f")(x) 3 sp.series(f, x) Para cambiar el punto alrededor del cual se expande la función, especiﬁcamos el argumento x0 como en el siguiente ejemplo: 1 x0 = sp.Symbol("{x_0}") 2 f.series(x, x0, n = 2) Aquí también especiﬁcamos n = 2, para solicitar una expansión en serie con solo términos de hasta segundo orden. Tenga en cuenta que los errores debidos a los términos truncados están representados por el objeto de orden O (). Abraham Zamudio 80 / 182

de Series El objeto order es útil para realizar un seguimiento del orden de una expresión cuando se computa con expansiones en serie, como multiplicar o agregar diferentes expansiones. Sin embargo, para una evolución numérica concreta, es necesario eliminar el término de orden de la expresión, lo que se puede hacer utilizando el método removeO: 1 f.series(x, x0, n = 2).removeO() Abraham Zamudio 81 / 182

de Series Si bien las expansiones mostradas anteriormente se calcularon para una función no especificada f (x), naturalmente también podemos calcular las expansiones en serie de funciones y expresiones específicas, y en esos casos obtenemos resultados específicos. Por ejemplo, podemos generar fácilmente las expansiones de muchas funciones matemáticas estándar: 1 sp.cos(x).series() 2 3 sp.sin(x).series() 4 5 sp.exp(x).series() 6 7 (1/(1+x)).series() Abraham Zamudio 82 / 182

de Series Así como expresiones anteriores,en general también pueden ser funciones multivariables: 1 y = sp.Symbol("y") 2 3 expr = sp.cos(x) / (1 + sp.sin(x * y)) 4 5 expr.series(x, n = 4) 6 7 expr.series(y, n = 4) Abraham Zamudio 83 / 182

Computación simbólica con python : Sympy Primeros pasos : Integración
simbólica (I) 1 sp.integrate(6*x**5, x) 2 sp.integrate(sp.sin(x), x) 3 sp.integrate(sp.log(x), x) 4 sp.integrate(2*x + sp.sinh(x), x) 5 sp.integrate(exp(-x**2)*erf(x), x) 6 7 # También es posible calcular integrales definidas: 8 sp.integrate(x**3, (x, -1, 1)) 9 sp.integrate(sin(x), (x, 0, pi/2)) 10 sp.integrate(cos(x), (x, -pi/2, pi/2)) Abraham Zamudio 84 / 182

Computación simbólica con python : Sympy Primeros pasos : Integración
simbólica (II) 1 # Y también integrales impropias: 2 sp.integrate(exp(-x), (x, 0, sp.oo)) 3 sp.integrate(log(x), (x, 0, 1)) 4 5 # Algunas integrales definidas complejas es necesario 6 # definirlas como objeto Integral() y luego evaluarlas 7 # con el método evalf(): 8 integ = sp.Integral(sin(x)**2/x**2, (x, 0, oo)) 9 integ.evalf() Abraham Zamudio 85 / 182

Computación simbólica con python : Sympy Primeros pasos : Resolución
de Ecuaciones (I) SymPy es capaz de resolver ecuaciones algebraicas de una o varias variables: 1 # f(x)=0 2 sp.solve(x**4 - 1, x) 3 4 # Es capar de resolver múltiples ecuaciones respecto a 5 # múltiples variables (sistemas de ecuaciones) 6 # proporcionando una tupla como segundo argumento: 7 sp.solve([x + 5*y - 2, -3*x + 6*y - 15], [x, y]) 8 9 # También tiene capacidad (limitada) de resolver 10 # ecuaciones transcendentales: 11 sp.solve(sp.exp(x) + 1, x) Abraham Zamudio 86 / 182

Computación simbólica con python : Sympy Primeros pasos : Resolución
de Ecuaciones (II) Otra alternativa, en el caso de ecuaciones polinómicas, es factor. factor devuelve el polinomio factorizado en términos irreducibles y es capaz de calcular la factorización sobre varios dominios: 1 f = x**4 - 3*x**2 + 1 2 sp.factor(f) Abraham Zamudio 87 / 182

Computación simbólica con python : Sympy Ecuaciones Diferenciales SymPy es
capaz de resolver (algunas) ecuaciones diferenciales ordinarias. Para resolver ecuaciones diferenciales, use el método dsolve. Primero, cree una función indeﬁnida pasando el argumento cls = sym.Function a la función symbols: Escribe un programa que resuelve la ecuación diferencial ordinaria : dx dt + x = 1 1 t = sp.symbols('t') 2 x = sp.symbols('x', cls = sp.Function) 3 edo1 = sp.Eq(x(t).diff(t) , 1-x(t)) 4 sol_ode1 = sp.dsolve(edo1,x(t)) 5 print(sol_ode1) Abraham Zamudio 88 / 182

Computación simbólica con python : Sympy Ecuaciones Diferenciales Escribe un
programa que resuelve la ecuación diferencial ordinaria : d2y dt2 + dy dt + y = et 1 t = sp.symbols('t') 2 y = sp.symbols('y', cls = sp.Function) 3 edo2 = sp.Eq(y(t).diff(t,t) + y(t).diff(t) + y(t) , sp.exp(t)) 4 sol_edo2 = sp.dsolve(edo2 , y(t)) 5 print(sol_edo2) Abraham Zamudio 89 / 182

Computación simbólica con python : Sympy Ejercicio 5 Calcular √
2 con 100 decimales Calcular 1 2 + 1 3 en aritmética racional. Calcular la forma expandida de (x + y)6. Calcular lim x→0 sen(x) x Resuelve el sistema de ecuaciones : x + y = 2 2x + y = 0 Abraham Zamudio 90 / 182

Sección 5 : Función input : Entrada de datos Abraham
Zamudio 91 / 182

Entrada de Usuario (input) Consideremos el programa para evaluar la
formula x = A sin(ω t) Ecuación de una Onda 1 from math import sin 2 A = 0.1 3 w = 1 4 t = 0.6 5 x = A*sin(w*t) 6 print(x) En este programa, A, w y t son datos de entrada en el sentido de que estos parámetros deben ser conocidos antes de que el programa pueda realizar el cálculo de x. Los resultados producidos por el programa, en este caso la variable x, constituyen los datos de salida. Abraham Zamudio 92 / 182

Entrada de Usuario (input) Entrada estándar : teclado Conversión de
grados Celsius-Fahrenheit 1 C = input('C=? ') 2 C = float(C) 3 F = 9.0/5*C + 32 4 print(F) Saludo 1 name = str(input("Cual es tu nombre? ")) 2 print("Mucho gusto " + name + "!") 3 age = input(" Cual es tu edad ? ") 4 print("Ya tienes %s anios de edad %s !" % (age,name)) Abraham Zamudio 93 / 182

Entrada de Usuario (input) Entrada por linea de comandos :
Modulo sys Conversión de grados Celsius-Fahrenheit (c2f_cli.py) 1 import sys 2 C = float(sys.argv[1]) 3 F = 9.0/5*C + 32 4 print(F) Ejecutar 1 %run c2f_cli.py 21 Abraham Zamudio 94 / 182

Entrada de Usuario (input) Entrada por linea de comandos :
Modulo sys MRUV 1 import sys 2 t = float(sys.argv[1]) 3 v0 = float(sys.argv[2]) 4 g = 9.81 5 y = v0*t - 0.5*g*t**2 6 print(y) Ejecutar 1 %run mruv_cli.py 0.6 5 Abraham Zamudio 95 / 182

Sección 6 : Estructuras de decisión y repetición Abraham Zamudio
96 / 182

Estructura de Decisión : IF El ﬂujo de un programa
a veces necesita tomar decisiones en base a evaluaciones booleanas, esto se traduce en una estructura condicional. Para ver esto de manera matemática, veamos la siguiente función : f (x) = sin(x) , 0 ≤ x ≤ π 0 , en otro caso Abraham Zamudio 97 / 182

Estructura de Decisión : IF En python la implementación de
esta función necesitaría la evaluación del valor de x, esto lo resolvemos con la estructura if. 1 from math import pi, sin 2 def f(x): 3 if 0 <= x <= pi: 4 value = sin(x) 5 else: 6 value = 0 7 return value 8 9 f(2) Abraham Zamudio 98 / 182

Estructura de Decisión : Bloques IF-ELSE La estructura general de
un bloque if-else es: 1 if condition: 2 <bloque de sentencias ejecutadas si condicion es TRUE> 3 else: 4 <bloque de sentencias ejecutadas si condicion es FALSE> Abraham Zamudio 99 / 182

Estructura de Decisión : Bloques IF-ELSE Con la palabra reservada
elif, abreviatura de else if, podemos tener varias condicionales if mutuamente excluyentes, que permiten una bifurcación múltiple del ﬂujo del programa: 1 if condition1: 2 <bloque de sentencias> 3 elif condition2: 4 <bloque de sentencias> 5 elif condition3: 6 <bloque de sentencias> 7 else: 8 <bloque de sentencias> 9 10 <siguiente sentencia , fuera de los IF> Abraham Zamudio 100 / 182

Estructuras de repetición : bucles (loops) Crea una table de
grados celsius y fahrenheit -20 -4.0 -15 5.0 -10 14.0 -5 23.0 0 32.0 5 41.0 10 50.0 15 59.0 20 68.0 25 77.0 30 86.0 35 95.0 40 104.0 ¿Como seria un programa que escriba la tabla anterior? Abraham Zamudio 101 / 182

Estructuras de repetición : bucles (loops) Algunos conceptos Una iteración
significa ejecutar el mismo bloque de código una y otra vez, potencialmente muchas veces. Una estructura de programación que implementa la iteración se denomina bucle. En programación, hay dos tipos de iteración, indefinida y definida: Con la iteración indefinida, el número de veces que se ejecuta el ciclo no se especifica explícitamente de antemano. En cambio, el bloque designado se ejecuta repetidamente siempre que se cumpla alguna condición. Con una iteración definida, el número de veces que se ejecutará el bloque designado se especifica explícitamente en el momento en que comienza el ciclo. Abraham Zamudio 102 / 182

Estructuras de repetición : bucles (loops) Creando la tabla :
Una versión simple Conocemos como calcular linea por linea 1 C = -20 2 F = 9.0/5*C + 32 3 print(C, F) Seria suﬁciente repetir estas sentencias C = -20; F = 9.0/5*C + 32 ;print(C, F) C = -15; F = 9.0/5*C + 32 ;print(C, F) ... C = 35; F = 9.0/5*C + 32 ;print(C, F) C = 40; F = 9.0/5*C + 32 ;print(C, F) Abraham Zamudio 103 / 182

Estructuras de repetición : bucles (loops) Creando una tabla :
Características de la primera versión Muy aburrido de escribir y fácil de introducir errores de impresión. Cuando la programación se vuelve aburrida, usualmente hay una construcción que automatiza la escritura La computadora es extremadamente buena para realizar tareas repetitivas. Para este proposito usamos bucles (loops). Abraham Zamudio 104 / 182

Estructura de repetición : While El bucle while hace posible
repetir tareas similares.Un bucle while ejecuta repetidamente un conjunto de sentencias siempre que una condición booleana sea verdadera. 1 while condicion: 2 <sentencia 1> 3 <sentencia 2> 4 ... 5 <primera sentencia despues del bucle> Todas las sentencias dentro del bucle deben estar indentadas. El ciclo ﬁnaliza cuando se encuentra una declaración que no este indentada. Abraham Zamudio 105 / 182

Estructura de repetición : While Ejemplo de sintaxis 1 i
= 1 2 while i < 6: 3 print(i) 4 i += 1 Observación 1 : i se inicializa en 1.La expresión en el encabezado de la instrucción while en la línea 2 es i<6, lo cual es cierto, por lo que se ejecuta el cuerpo del bucle. Dentro del cuerpo del bucle en la linea 3 se imprime el valor actual de la variable i y luego en la línea 4, n va aumentando de 1 en 1 . Abraham Zamudio 106 / 182

= 1 2 while i < 6: 3 print(i) 4 i += 1 Observación 2 : Cuando el cuerpo del ciclo ha ﬁnalizado, la ejecución del programa regresa a la parte superior del ciclo (línea 2), y la expresión se evalúa nuevamente. Todavía es cierto, por lo que el cuerpo se ejecuta nuevamente,imprimiendo el valor de 2 en la pantalla.Continuando con la actualización del valor en la variables i. Abraham Zamudio 107 / 182

= 1 2 while i < 6: 3 print(i) 4 i += 1 Observación 3 : Esto continúa hasta que i se convierte en 6. En ese punto, cuando se prueba la expresión, es falsa y el ciclo termina. La ejecución se reanudaría en la primera declaración que sigue al cuerpo del bucle, pero no hay una en este caso. Abraham Zamudio 108 / 182

Estructura de repetición : While Creación de la tabla 1
print ('------------------')# cabecera de la tabla 2 C = -20 # inicia los valores de C 3 dC = 5 # define el incremento 4 while C <= 40: # inicia el bucle y la condicion 5 # primera sentencia dentro del bucle 6 F = (9.0/5)*C + 32 7 # segunda sentencia dentro del bucle 8 print(C, F) 9 # ultima sentencia dentro del bucle 10 C = C + dC 11 print ('------------------')# fin de la tabla Abraham Zamudio 109 / 182

Estructura de repetición : While Flujo del programa dentro del
bucle 1 C = -20 2 dC = 5 3 while C <= 40: 4 F = (9.0/5)*C + 32 5 print(C, F) 6 C = C + dC Visualizacion de le ejecucion Abraham Zamudio 110 / 182

Estructura de repetición : While Simulemos el bucle while a
mano Primero C = −20, como −20 ≤ 40 tiene valor booleano verdadero, entonces ejecutamos las sentencias que están dentro del bucle. Calculamos F, imprimirmos y actualizamos C a -15. Saltamos para nuevamente evalular la condicion, evaluamos C ≤ 40 lo cual es verdadero, luego nuevamente ejecutamos las sentencias del bucle. Continuamos hasta que C tome el valor de 45. Ahora la condicion del bucle 45 ≤ 40 tiene valor booleano FALSO, y el programa salta a la primera linea despues del bucle while. Abraham Zamudio 111 / 182

While : Ejemplo (1) de la ﬂexibilidad en la variable
de control 1 i = 1 2 while i <= 50: 3 print(i) 4 i = 3*i + 1 5 print("Programa terminado") Abraham Zamudio 112 / 182

While: Ejemplo (2) para veriﬁcar una condición sobre el dato
de entrada 1 numero = int(input("Escriba un número positivo: ")) 2 while numero < 0: 3 print("¡Ha escrito un número negativo! Inténtelo de nuevo") 4 numero = int(input("Escriba un número positivo: ")) 5 print("Gracias por su colaboración") Abraham Zamudio 113 / 182

While: Ejemplo (3) para veriﬁcar una condición sobre el dato
de entrada 1 promedio, total, contar = 0.0, 0, 0 2 3 print("Introduzca la nota de un estudiante (-1 para salir): ") 4 nota = int(input("Ingrese la nota")) 5 while nota != -1: 6 total = total + nota 7 contar = contar + 1 8 print("Introduzca la nota de un estudiante (-1 para salir):") 9 nota = int(input("Ingrese la nota")) 10 promedio = total / contar 11 print("Promedio de notas del grado escolar es: " + str(promedio)) → Abraham Zamudio 114 / 182

While y la sentencia break Con la instrucción break podemos
detener el bucle (ciclo) incluso si la condición while es verdadera: 1 i = 1 2 while i < 6: 3 print(i) 4 if i == 3: 5 break 6 i += 1 1 var = 10 2 while var > 0: 3 print('Current variable value :', var) 4 var = var -1 5 if var == 5: 6 break 1 text = "Esto es Python" 2 i=0 3 while i < len(text): 4 print text[i] 5 i += 1 6 if text[i]=='t': 7 break 1 import random 2 sum = 0 3 while sum < 1000000: 4 sum += random.randint(0,100) 5 print(sum) 6 if sum >= 2500: 7 print('Se llego al limite') 8 break Abraham Zamudio 115 / 182

Estructura de repetición : While Combinando expresiones booleanas Muchas condiciones
pueden ser combinaciones de and y or : 1 while condition1 and condition2: 2 ... 3 while condition1 or condition2: 4 ... Reglas de la lógica proposicional Regla 1 : C1 y C2 es verdadero si ambas son verdaderas. Regla 2 : C1 o C2 es verdadero si una es verdadera. Abraham Zamudio 116 / 182

Estructura de repetición : for ¿Cuanto usar el bucle for?
Los bucles for se usan tradicionalmente cuando tiene un bloque de código que desea repetir un número ﬁjo de veces. La sentencia for en Python itera sobre los miembros de una secuencia (al principio un objeto range), ejecutando el bloque para cada elemento del objeto range. Diferencie la sentencia for con sentencia while, que se usa cuando se necesita veriﬁcar una condición en cada iteración, o para repetir un bloque de código para siempre. Por ejemplo: 1 for x in range(0, 3): 2 print("Estamos en el indice %d" % (x)) Abraham Zamudio 117 / 182

Estructura de repetición : for Bucles anidados Cuando tiene un
bloque de código que desea ejecutar x número de veces, luego un bloque de código dentro de ese código que desea ejecutar y número de veces, utiliza lo que se conoce como un "bucle anidado". En Python, estos se usan mucho cuando alguien tiene un objeto iterable dentro de un objeto iterable. 1 for x in range(1, 11): 2 for y in range(1, 11): 3 print('%d * %d = %d' % (x, y, x*y)) Abraham Zamudio 118 / 182

Estructura de repetición : for Ejemplos con Sympy 1 x
= sp.symbols("x") 2 y = sp.symbols("y") 3 4 for i in range(21): 5 Dx_i = sp.diff(sp.cos(x*sp.pi) , x,i) 6 print(Dx_i) 7 8 for i in range(1,6): 9 Polx_i = (x+y)**i 10 Polx_i = Polx_i.expand() 11 print(Polx_i) Abraham Zamudio 119 / 182

Sección 7 : Estructuras de datos básicas de python 1.
listas 2. tuplas 3. diccionarios Abraham Zamudio 120 / 182

Las listas son objetos para almacenar una secuencia de cosas
(objetos) Hasta ahora una variable se ha referido a un numero (o a una cadena), pero algunas veces resulta natural tener una colección de números, por ejemplo la tabla de grados celsius y fahrenheit : -20,-15,-10,-5,0,...,40. Una solucion simple pero poco eﬁciente es asignar una variable a cada valor 1 C1 = -20 2 C2 = -15 3 C3 = -10 4 ... 5 C13 = 40 Abraham Zamudio 121 / 182

Las listas son objetos para almacenar una secuencia de cosas
(objetos) Pero es tonto y aburrido si es que tenemos muchos valores.Lo mejor es tener un conjunto de valores recolectados en una lista. 1 C = [-20, -15, -10, -5, 0, 5, 10, 15, 20, 25, 30, 35, 40] Una lista es una estructura de datos en Python que es una secuencia de elementos ordenada y modificable (mutable). Cada elemento o valor que está dentro de una lista se llama un item. Al igual que las cadenas se definen como caracteres entre comillas, las listas se definen al tener valores entre corchetes []. Definicion de Listas Definicion de Listas Abraham Zamudio 122 / 182

Operaciones con listas: inicializacion e indexado Se inicializa con corchetes
y coma entre cada uno de los objetos: 1 L1 = [-91, 'a string', 7.2, 0] Los elementos son accesados via indices : L1[3] (indice = 3).EL conjunto de indices empiezan en cero : 0,1,2,...,len(L1)-1. 1 mylist = [4, 6, -3.5] 2 3 print(mylist[0]) 4 5 print(mylist[1]) 6 7 print(mylist[2]) 8 9 len(mylist) Abraham Zamudio 123 / 182

Operaciones con listas : append,extend,insert,delete 1 C = [-10, -5,
0, 5, 10, 15, 20, 25, 30] 2 3 C.append(35) # agrega el elemento 35 al final 4 5 C = C + [40, 45] # extiende C 6 7 C.insert(0, -15) # inserta -15 en el indice 0 8 9 del C[2] # borra el tercer elemento Abraham Zamudio 124 / 182

Operaciones con listas : búsqueda de elementos , indices negativos
1 C.index(10) # indice del primer elemento con valor 10 2 3 10 in C # 10 es un elemento en C? 4 5 C[-1] # el ultimo elemento de la lista 6 7 C[-2] # el penultimo elemento de la lista 8 9 somelist = ['book.tex', 'book.log', 'book.pdf'] 10 11 texfile, logfile, pdf = somelist # asignacion directa Abraham Zamudio 125 / 182

Operaciones con listas : Modiﬁcando listas con operadores (I) Los
operadores pueden ser utilizados para hacer modiﬁcaciones a las listas. Veamos cómo utilizar los operadores + y *. 1 # El operador + se puede utilizar para concatenar 2 # dos o más listas 3 sea_creatures = ['shark', 'octopus', 'blobfish', 'mantis shrimp', 'anemone'] → 4 oceans = ['Pacific', 'Atlantic', 'Indian', 'Southern', 'Arctic'] 5 6 print(sea_creatures + oceans) Abraham Zamudio 126 / 182

Operaciones con listas : Modiﬁcando listas con operadores (II) El
operador * se puede utilizar para multiplicar listas. Quizás necesite hacer copias de todos los archivos de un directorio en un servidor o compartir una lista de reproducción con amigos; en estos casos, deberá multiplicar las colecciones de datos. 1 print(sea_creatures * 2) 2 print(oceans * 3) Abraham Zamudio 127 / 182

Operaciones con listas : Función enumerate() La función enumerate() permite
iterar sobre los indices y los elementos de una lista. 1 alist = ['a1', 'a2', 'a3'] 2 3 for i, a in enumerate(alist): 4 print(i, a) Abraham Zamudio 128 / 182

Operaciones con listas : Función zip() La funcion zip() permite
iterar sobre dos listas en paralelo 1 alist = ['a1', 'a2', 'a3'] 2 blist = ['b1', 'b2', 'b3'] 3 4 for a, b in zip(alist, blist): 5 print(a, b) Abraham Zamudio 129 / 182

Operaciones con listas : enumerate + zip Aquí se explica
cómo iterar sobre dos listas y sus índices usando enumerate junto con zip: 1 alist = ['a1', 'a2', 'a3'] 2 blist = ['b1', 'b2', 'b3'] 3 4 for i, [a, b] in enumerate(zip(alist, blist)): 5 print(i, a, b) Abraham Zamudio 130 / 182

Bucle sobre los elementos de una lista con una estructura
for Usamos una estructura for para recorrer una lista y procesar cada elemento. 1 degrees = [0, 10, 20, 40, 100] 2 for C in degrees: 3 print('Grados celsius:', C) 4 F = 9/5.*C + 32 5 print('Fahrenheit:', F) 6 print ('La lista tiene', len(degrees), 'elementos') Visualizacion de le ejecucion Como con la estructura while, las sentencias dentro de for estan indentadas. Abraham Zamudio 131 / 182

Simulamos el bucle a mano 1 degrees = [0, 10,
20, 40, 100] 2 for C in degrees: 3 print(C) 4 print ('La lista tiene', len(degrees), 'elementos') Primer paso : C = 0 segundo paso : C = 10 y así tercer paso : C = 20 y así quinto paso : C = 100, ahora el bucle for termina y el ﬂujo del programa salta a la primera sentencia con la misma indentación que la sentencia for : for C in degrees: Abraham Zamudio 132 / 182

Creando una tabla con el bucle for 1 Cdegrees =
[-20, -15, -10, -5, 0, 5, 10, 15,20, 25, 30, 35, 40] 2 for C in Cdegrees: 3 F = (9.0/5)*C + 32 4 print( C, F) Note que print( C, F) tiene una salida no muy precisa, usemos lo que ya vimos de la funcion print para formatear las dos columnas. 1 Cdegrees = [-20, -15, -10, -5, 0, 5, 10, 15,20, 25, 30, 35, 40] 2 for C in Cdegrees: 3 F = (9.0/5)*C + 32 4 #print( C, F) 5 print ('%5d %5.1f' % (C, F)) Abraham Zamudio 133 / 182

Un bucle for siempre se puede traducir a un bucle
while 1 # bucle for 2 for elemento in algunaLista: 3 # procesa elemento 4 5 # siempre se puede transformar en un while 6 indice = 0 7 while indice < len(algunaLista): 8 elemento = algunaLista[indice] 9 # procesa elemento 10 indice += 1 Pero no todo bucle while se puede expresar como un bucle for. Abraham Zamudio 134 / 182

Version que usa while para crear la tabla 1 Cdegrees
= [-20, -15, -10, -5, 0, 5, 10,15, 20, 25, 30, 35, 40] 2 index = 0 3 while index < len(Cdegrees): 4 C = Cdegrees[index] 5 F = (9.0/5)*C + 32 6 print( '%5d %5.1f' % (C, F)) 7 index += 1 Abraham Zamudio 135 / 182

Implementacion de una sumatoria via un bucle for S =
N i=1 i2 1 N = 14 2 3 S = 0 4 for i in range(1, N+1): 5 S += i**2 6 7 # otra forma (menos comun): 8 S = 0 9 i = 1 10 while i <= N: 11 S += i**2 12 i += 1 13 14 # Las sumatorias aparecen con frecuencia, asi que recuerda 15 # la implementacion. Abraham Zamudio 136 / 182

Almacenando la tabla de grados celsius-fahrenheit en una lista Pongamos
los valores de los grados fahrenheit en una lista: 1 Cdegrees = [-20, -15, -10, -5, 0, 5, 10,15, 20, 25, 30, 35, 40] 2 Fdegrees = [] # empezamos con una lista vacia 3 for C in Cdegrees: 4 F = (9.0/5)*C + 32 5 Fdegrees.append(F) # agregamos el nuevo elemento a Fdegrees 6 print(Fdegrees) Visualizacion de le ejecucion Abraham Zamudio 137 / 182

Bucle for sobre una lista de indices 1 for elemento
in algunaLista: 2 # procesa elemento 3 4 # de manera alternativa podemos iterar sobre 5 # los indices de la lista 6 7 for i in range(0, len(algunaLista), 1): 8 element = algunaLista[i] 9 # procesa elemento (algunaLista[i]) directamente help(range) Abraham Zamudio 138 / 182

¿Como podemos cambiar los elementos de una lista? Digamos que
queremos sumar 2 a todos los elementos de una lista 1 v = [-1, 1, 10] 2 for e in v: 3 e = e + 2 4 v # [-1, 1, 10] no a sufrido cambios Abraham Zamudio 139 / 182

Cambiar un elemento de lista requiere asignación de índices Dentro
del bucle, e es un ordinario entero,la primera vez toma el valor de -1,la siguiente vez toma el valor de 1 y termina tomando el valor de 10, sin embargo la lista (v) permanece sin cambios. Solucion : Hay que indexar los elementos de la lista para cambiar sus valores. 1 v = [-1, 1, 10] 2 for i in range(len(v)): 3 v[i] = v[i] + 2 4 v Abraham Zamudio 140 / 182

Enumeracion de Listas : Creacion compacta de listas Ejemplo :
Calculo de dos listas en un bucle for 1 n = 16 2 Cdegrees = [];Fdegrees = [] # empty lists 3 for i in range(n): 4 Cdegrees.append(-5 + i*0.5) 5 Fdegrees.append((9.0/5)*Cdegrees[i] + 32) Python tiene una forma compacto de construir listas, usando bucles for: 1 Cdegrees = [-5 + i*0.5 for i in range(n)] 2 Fdegrees = [(9.0/5)*C + 32 for C in Cdegrees] Forma general 1 algunaLista = [expresion for elemento in algunaLista] donde expresion involucra a elemento. Abraham Zamudio 141 / 182

Demostracion interactiva de enumeracion de listas 1 n = 4
2 Cdegrees = [-5 + i*2 for i in range(n)] 3 Fdegrees = [(9.0/5)*C + 32 for C in Cdegrees] Visualizacion de le ejecucion Abraham Zamudio 142 / 182

Listas anidadas : Listas de listas Una lista puede contener
cualquier objeto, inclusive otra lista. En lugar de almacenar una tabla como dos listas separadas (una para cada columna) podemos unir las dos listas en una nueva lista. 1 Cdegrees = range(-20, 41, 5) 2 Fdegrees = [(9.0/5)*C + 32 for C in Cdegrees] 3 table1 = [Cdegrees, Fdegrees] # lista de dos listas 4 print (table1[0]) # la lista Cdegrees 5 print () 6 print (table1[1]) # la lista Fdegrees 7 print() 8 print (table1[1][2]) # El 3er elemento en Fdegrees Abraham Zamudio 143 / 182

Columnas vs. Filas En el slide anterior, tabla1 es una
tabla de dos columnas. Hagamos una tabla de ﬁlas, cada ﬁla es un par [C,F] 1 table2 = [] 2 for C, F in zip(Cdegrees, Fdegrees): 3 row = [C, F] 4 table2.append(row) 5 # mas compacyto con enumeracion de lista 6 table2 = [[C, F] for C, F in zip(Cdegrees, Fdegrees)] Iteracion sobre una lista anidad : 1 for C, F in table2: 2 # tranaja con C y F desde una fila en tabla2 3 # o 4 for row in table2: 5 C, F = row 6 ... Abraham Zamudio 144 / 182

Ilustracion de una tabla en columnas Abraham Zamudio 145 /
182

Ilustracion de una tabla en ﬁlas Abraham Zamudio 146 /
182

Extrayendo sublistas (slices) Podemos tomar facilmente partes de una lista
1 A = [2, 3.5, 8, 10] 2 3 A[2:] # desde el indice 2 hasta el final de la lista 4 5 A[1:3] # desde el indice 1 hasta, sin incluir, el indice 3 6 7 A[:3] # desde el inicio hasta, sin incluir, el indice 3 8 9 A[1:-1] # desde el indice 1 hasta ,sin incluir,el ultimo elemento → 10 11 A[:] # la lista completa 12 13 # Nota que las sublistas (slices) son copias 14 # de la lista original Abraham Zamudio 147 / 182

Que hace el siguiente fragmento de codigo ? 1 Cdegrees
= range(-20, 41, 5) 2 Fdegrees = [(9.0/5)*C + 32 for C in Cdegrees] 3 table2 = [[C, F] for C, F in zip(Cdegrees, Fdegrees)] 4 for C, F in table2[Cdegrees.index(10):Cdegrees.index(35)]: 5 print('%5.0f %5.1f' % (C, F)) Es un bucle for sobre una sublista de table2. Indices de la sublista : Cdegrees.index(10):Cdegrees.index(35), es decir, los indices corresponden a los elementos 10 y (sin incluir) 35 1 10 50.0 2 15 59.0 3 20 68.0 4 25 77.0 5 30 86.0 Abraham Zamudio 148 / 182

Listas anidadas (I) La idea básica de una lista anidada
es que usted tiene, esencialmente, una lista compuesta de listas. Por ejemplo: 1 L1 = [1,2] 2 L2 = [[1,2,3],[4,5,6]] Del ejemplo anterior, podemos ver que L1[0] es igual a 1, y L1[1] es igual a 2. En una lista anidada, como L2, el primer elemento de la lista, es una lista sí mismo. Entonces, L2[0] es la lista de [1,2,3], y L2[1] es la lista de [4,5,6]. Comprender este punto es vital para entender el siguiente slide. Abraham Zamudio 149 / 182

Listas anidadas (II) Al pedir un elemento especíﬁco en una
lista, decimos: L1[x], donde x es el elemento deseado. Pero, ¿qué decimos cuando queremos un elemento especíﬁco de una lista anidada? Nosotros decimos: L1[x][y]. Esto es más fácil de mostrar que de explicar, así que aquí hay un ejemplo: 1 L1 = [ 1, [73,89,42,32], 62, [24, 32], 99 ] En este ejemplo, L1[0] tiene el valor de 1, pero L1[1] tiene el valor de [73,89,42,32]. Desde aquí, actuaremos exactamente como si estuviéramos obteniendo un elemento de una lista no anidada, con una sola diferencia. Vamos a agregar otro conjunto de corchetes. Ejemplo: 1 L1[1] = [73,89,42,32] 2 L1[1][0] = 73 3 L1[1][1] = 89 Abraham Zamudio 150 / 182

Las tuplas Tupla es una colección de objetos de Python
como una lista. La secuencia de valores almacenados en una tupla puede ser de cualquier tipo, y están indexados por números enteros. La diferencia importante entre una lista y una tupla es que las tuplas son inmutables. Los valores de una tupla están separados sintácti- camente por "comas". Aunque no es necesario, es más común definir una tupla cerrando la secuencia de valores entre paréntesis. Esto ayuda a entender las tuplas de Python más fácilmente. Definicion de Tuplas Definicion de Tuplas Las tuplas son inmutables y, por lo general, contienen una secuencia de elementos heterogéneos a los que se accede mediante desempaquetado o indexación (o incluso por atributo en el caso de tuplas con nombre). Abraham Zamudio 151 / 182

Otro tipo de dato : Las tuplas Las tuplas son
listas constantes (no pueden mutar o cambiar) 1 t = (2, 4, 6, 'temp.pdf') # definimos una tupla 2 t = 2, 4, 6, 'temp.pdf' # podemos obviar los parentesis 3 4 t[1] = -1 5 Traceback (most recent call last): 6 File "<ipython-input-99-593c03edf054>", line 1, in <module> 7 t[1] = -1 8 TypeError: 'tuple' object does not support item assignment 9 10 t.append(0) 11 Traceback (most recent call last): 12 File "<ipython-input-100-027f59be7fb0>", line 1, in <module> 13 t.append(0) 14 AttributeError: 'tuple' object has no attribute 'append' 15 16 17 del t[1] 18 Traceback (most recent call last): 19 File "<ipython-input-101-77cea8bc7ee1>", line 1, in <module> 20 del t[1] 21 TypeError: 'tuple' object doesn't support item deletion Abraham Zamudio 152 / 182

Nota sobre las tuplas (I) La creación de tuplas en
Python sin el uso de paréntesis se conoce como Tuple Packing. 1 # Creacion de una tupla vacia 2 Tuple1 = () 3 print("Tupla inicial vacia: ") 4 print (Tuple1) 5 6 # Creacion de una tupla con el uso de cadenas de caracteres 7 Tuple1 = ('novato', 'data') 8 print("\nTupla con el uso de cadenas de caracteres (Strings) ") 9 print(Tuple1) 10 11 # Creando una tupla con el uso de listas 12 list1 = [1, 2, 4, 5, 6] 13 print("\nTupla usando listas []: ") 14 print(tuple(list1)) Abraham Zamudio 153 / 182

Nota sobre las tuplas (II) 1 # Creación de una
tupla con el uso de la función incorporada 2 Tuple1 = tuple('Simulacion') 3 print("\nTupla con el uso de una funcion") 4 print(Tuple1) 5 6 # Creacion de una tupla con datos heterogeneos 7 Tuple1 = (1, 'CTIC', 8, 'UNI') 8 print("\nTupla con datos heterogeneos ") 9 print(Tuple1) 10 11 # Creacion de una tupla anidada 12 Tuple1 = (1, 0, 1, "A") 13 Tuple2 = ('Data', 'Science') 14 Tuple3 = (Tuple1, Tuple2) 15 print("\nTupla anidada: ") 16 print(Tuple3) 17 18 # Creacion de una tupla con repeticiones 19 Tuple1 = ('Geeks',) * 3 20 print("\nTuple with repetition: ") 21 print(Tuple1) Abraham Zamudio 154 / 182

Tuplas : listas inmutables Las tuplas pueden hacer mucho de
lo que las listas pueden hacer: 1 t = t +(-1.0, -2.0) # juntamos dos tuplas 2 t 3 t[1] # son indexadas 4 t[2:] #subtuplas (slices) 5 6 in t # pertenencia Abraham Zamudio 155 / 182

Funcionalidad : Tuplas vs. Listas Las tuplas son inmutables (constantes)
y por lo tanto estan protegidas de cambios accidentales. Las tuplas son mas rapidas que las listas. Las tuplas son ampliamente utilizadas en software desarrollado con python. Las tuplas (pero no las listas) se pueden usar como claves (keys) en otra estructura de dato llamada diccionarios. Abraham Zamudio 156 / 182

Concatenación de tuplas La concatenación de la tupla es el
proceso de unión de dos o más tuplas. La concatenación se realiza mediante el uso del operador "+". La concatenación de las tuplas se realiza siempre desde el ﬁnal de la tupla original. Otras operaciones aritméticas no se aplican en las tuplas. Nota: solo se pueden combinar los mismos tipos de datos con la concatenación; se produce un error si se combinan una lista y una tupla. 1 # Concatenacion de tuplas 2 Tuple1 = (0, 1, 2, 3) 3 Tuple2 = ('Math', 'For', 'DS') 4 Tuple3 = Tuple1 + Tuple2 5 6 # IMprimiendo la Tupla3 7 print("\nTuplas despues de la concatenacion: ") 8 print(Tuple3) Abraham Zamudio 157 / 182

Slicing de tuplas El slicing de una tupla se realiza
para obtener un rango especíﬁco o una porción de subelementos de una tupla. El slicing también se puede hacer a listas y matrices. La indexación en una lista da como resultado la obtención de un único elemento, mientras que la opción de segmentación permite obtener un conjunto de elementos. 1 Tuple1 = tuple('DATASCIENCEFORBUSINESS') 2 3 # Removiendo el primer elemento 4 print("Removal of First Element: ") 5 print(Tuple1[1:]) 6 7 # Invirtiendo el orden 8 print("\nOrden invertido de los elementos de la tupla: ") 9 print(Tuple1[::-1]) 10 11 # imprimiendo los elementos en un rango determinado 12 print("\nElementos entre 4-9: ") 13 print(Tuple1[4:9]) Abraham Zamudio 158 / 182

Ejercicio 6 En una baraja de cartas, cada carta es
una combinación de un rango y un palo. Hay 13rangos: as (A), 2, 3, 4, 5, 6, 7, 8, 9, 10, jack (J), reina (Q), rey (K) y cuatro símbolos: palos (C), diamantes (D), corazones (H) y espadas (S). Una tarjeta típica puede ser D3. Escriba las sentencias que generen un mazo de cartas, es decir, todas las combinaciones CA, C2, C3, etc. a SK. Abraham Zamudio 159 / 182

Ejercicio 7 Calcular combinaciones. Considere un número de identiﬁcación que
consta de dos letras y tres dígitos, por ejemplo, RE198. Cómo podemos tener todas las combinaciones diferentes, y cómo puede un programa generar todos estos combinaciones? Si una colección de n cosas puede tener m1 variaciones de la primera cosa, m2 de la segunda y así sucesivamente, el número total de variaciones de la colección es igual a m1 * m 2 ... * mn.En particular, el número de ID ejempliﬁcado anteriormente puede tener 26 * 26 * 10 * 10 * 10 = 676000 variaciones Para generar todas las combinaciones, debemos tener cinco bucles anidados.Los dos primeros pasan sobre todas las letras A, B, y así sucesivamente hasta Z, mientras que los tres siguientes pasan sobretodos los dígitos 0; 1; ... ; 9. Nota : Use string.ascii_uppercase perteneciente al modulo string Abraham Zamudio 160 / 182

Otro tipo de dato : Los diccionarios En estos ultimos
slides se aborda muchas técnicas para interpretar información en archivos y almacenar los datos en objetos prácticos de Python para un análisis de datos. Un objeto particularmente útil para muchos propósitos es el diccionario, que mapea objetos en objetos, muy a menudo se conecta a varios tipos de datos que luego se pueden buscar a través de las cadenas (strings). Hasta ahora hemos almacenado información en varios tipos de objetos, como números, cadenas, listas, tuplas. Un diccionario es un objeto muy ﬂexible para almacenar diversos tipos de información, y en particular al leer archivos. Por lo tanto, es hora para introducir el diccionario. Creacion de diccionarios : temperaturas en ciudades 1 # cada elemento se escribe de la forma llave:valor 2 temps = {'Oslo': 13, 'London': 15.4, 'Paris': 17.5} 3 # o 4 temps = dict(Oslo=13, London=15.4, Paris=17.5) Abraham Zamudio 161 / 182

Diccionarios Agregar nuevos elementos 1 temps['Madrid'] = 26.0 2 3
temps['Lima'] = 28.0 4 5 temps['Huancayo'] = 13.5 6 7 temps['Piura'] = 35.9 8 9 temps['Paita'] = 32.8 10 11 12 print(temps) Abraham Zamudio 162 / 182

Diccionarios Los diccionarios (o dict en Python) son una forma
de almacenar elementos tal como lo haría en una lista de Python. Pero, en lugar de acceder a elementos utilizando su índice, le asigna una llave ﬁja y accede al elemento utilizando la llave. De lo que ahora se trata es de un par "llave-valor", que a veces es una estructura de datos más apropiada para muchos problemas en lugar de una simple lista. A menudo tendrás que lidiar con los diccionarios cuando hagas ciencia de datos, lo que hace que la comprensión del diccionario sea una habilidad que querrás dominar. Abraham Zamudio 163 / 182

Diccionarios Un diccionario en Python es una colección de elementos
a los que se accede por una llave específica en lugar de un índice. ¿Qué significa esto? Cuando necesita buscar el significado de una palabra, trata de encontrar el significado utilizando la palabra en sí y no el posible índice de la palabra. Los diccionarios en Python funcionan con el mismo concepto, la palabra cuyo significado está buscando es la llave y el significado de la palabra es el valor, no necesita cono- cer el índice de la palabra en un diccionario para encontrar su significado. Imagine un diccionario en el mundo real ... Imagine un diccionario en el mundo real ... Abraham Zamudio 164 / 182

Diccionarios : Operaciones La cadena city hace las veces del
indice en una estructura vectorial (como las listas, tuplas, vectores , etc) y para acceder al valor lo hacemos de manera simular a las anteriores estructuras vectoriales. For para barrer todos los valores por medio de las llaves 1 for city in temps: 2 print('La temperatura en %s is %g' % (city, temps[city])) Podemos veriﬁcar si una llave (key) esta presente en una variable de tipo diccionario haciendo uso de una estructura de decision IF If para veriﬁcar 1 if 'Berlin' in temps: 2 print('Berlin:', temps['Berlin']) 3 else: 4 print('NO hay datos para Berlin') Abraham Zamudio 165 / 182

Diccionarios : Operaciones Operaciones booleanas con diccionarios 1 'Tacna' in
temps 2 # debe retornar False como resultado de la consulta Las llaves (keys) y los valores pueden ser extraidos como listas a partir del diccionario. 1 temps.keys() 2 3 temps.values() Abraham Zamudio 166 / 182

Diccionarios : Operaciones Se puede ordenar las llaves 1 #
podemos mostrar como se creo el diccionario : 2 for city in temps: 3 print(city) 4 5 # o mostrar las llaves de manera ordenada : 6 for city in sorted(temps): 7 print(city) Borrar un par clave:valor (Comando del) 1 len(temps) 2 del temps['Oslo'] 3 print(temps) 4 len(temps) Abraham Zamudio 167 / 182

Diccionarios : Operaciones Copia de diccionarios 1 temps_copy = temps.copy()
2 3 del temps_copy['Paris'] 4 # esto no afecta el diccionarios original :temps 5 6 temps_copy 7 8 temps Si dos variables hacen referencia al mismo diccionario (Copia sin usar el metodo .copy) 1 t1 = temps 2 t1['Stockholm'] = 10.0 # cambiamos t1 3 t1 4 temps # temps tambien cambio Abraham Zamudio 168 / 182

Dictionary Comprehension Dictionary comprehension es un método para transformar un
diccionario en otro diccionario. Durante esta transformación, los elementos dentro del diccionario original se pueden incluir condicionalmente en el nuevo diccionario y cada elemento se puede transformar según sea necesario. Una buena list comprehension puede hacer que su código sea más expresivo (intuitivo) y, por lo tanto, más fácil de leer e interpretar. La clave para crear comprehensions es no dejar que se vuelvan tan complejas que nuestra cabeza comience a girar cuando intentas descifrar lo que realmente esta haciendo. Mantener viva la idea de fácil de leer. Abraham Zamudio 169 / 182

Dictionary Comprehension La forma de hacer un dictionary comprehension en
Python es poder acceder a los objetos llave y a los objetos valor de un diccionario.Para ello tenemos los métodos keys() values() Por ejemplo : 1 dict1 = {'a': 1, 'b': 2, 'c': 3, 'd': 4} 2 dict1.keys() 3 dict1.values() Abraham Zamudio 170 / 182

Dictionary Comprehension Copia de diccionarios Entonces, ahora que sabe cómo
acceder a todas las llaves (Algunos autores usan la palabra clave para referirse a las llaves)) y sus valores en un diccionario. También puede acceder a cada par llave-valor dentro de un diccionario utilizando el método items (): 1 dict1.items() Abraham Zamudio 171 / 182

Dictionary Comprehension Copia de diccionarios Esta es la plantilla general
que puede seguir para hacer un dictionary comprehension en python : 1 dict_variable = {key:value for (key,value) in dictonary.items()} Esto puede servir como la plantilla básica y más simple. Esto puede volverse cada vez más complejo a medida que le agregue condicionalidades. Abraham Zamudio 172 / 182

Dictionary Comprehension Comencemos con un simple ejemplo de dictionary comprehension
: 1 dict1 = {'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5} 2 3 double_dict1 = {k:v*2 for (k,v) in dict1.items()} 4 5 print(double_dict1) En el código de comprehension anterior, se crea un nuevo diccionario double_dict1 a partir de un diccionario dict1 simplemente duplicando cada valor en él. Abraham Zamudio 173 / 182

Dictionary Comprehension También puede realizar cambios en los valores de
las llaves. Por ejemplo, creemos el mismo diccionario que el anterior pero también cambiemos los nombres de las llaves. 1 dict1_keys = {k*2:v for (k,v) in dict1.items()} 2 3 print(dict1_keys) Abraham Zamudio 174 / 182

Dictionary Comprehension Los bucles For se utilizan para repetir una
determinada operación o un bloque de instrucciones en un programa durante un número determinado de veces. Sin embargo, los bucles anidados (un bucle for dentro de otro bucle for) pueden ser confusos y complejos. Dictionary Comprehension es mejor en tales situaciones y puede simpliﬁcar la legibilidad y comprensión del código. Abraham Zamudio 175 / 182

Agregando condicionales a los Dictionary Comprehension A menudo necesita agregar
condiciones a una solución mientras aborda problemas. Exploremos cómo puedes agregar condicionales al Dictionary Comprehension para hacerlo más poderoso. Con un condicional if : Supongamos que necesita crear un nuevo diccionario a partir de un diccionario dado pero con elementos que son mayores que 2. Esto signiﬁca que necesita agregar una condición a la plantilla original 1 dict1 = {'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5} 2 3 dict1_cond = {k:v for (k,v) in dict1.items() if v>2} 4 5 print(dict1_cond) Abraham Zamudio 176 / 182

Agregando condicionales a los Dictionary Comprehension Con múltiples condicionales if
:En el problema anterior, ¿qué sucede si tiene que obtener no solo los elementos mayores que 2 sino también veriﬁcar si son múltiplos de 2 al mismo tiempo? 1 dict1_doubleCond = {k:v for (k,v) in dict1.items() if v>2 if v%2 == 0} → 2 print(dict1_doubleCond) La solución para agregar múltiples condicionales es tan fácil como simplemente agregar las condiciones una tras otra en su comprehension. Sin embargo, debe tener cuidado con lo que está tratando de hacer en el problema. Abraham Zamudio 177 / 182

Agregando condicionales a los Dictionary Comprehension Veamos un ejemplo más
con tres condicionales: 1 dict1 = {'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5, 'f':6} 2 3 dict1_tripleCond = {k:v for (k,v) in dict1.items() if v>2 if v%2 == 0 if v%3 == 0} → 4 5 print(dict1_tripleCond) Abraham Zamudio 178 / 182

Agregando condicionales a los Dictionary Comprehension En un bucle for,
esto corresponderá a: 1 dict1_tripleCond = {} 2 3 for (k,v) in dict1.items(): 4 if (v>=2 and v%2 == 0 and v%3 == 0): 5 dict1_tripleCond[k] = v 6 7 print(dict1_tripleCond) Abraham Zamudio 179 / 182

Agregando condicionales a los Dictionary Comprehension Condicionales if-else : Tratar
con una condición if-else también es fácil con el dictionary comprehension. Mira el siguiente ejemplo para verlo por ti mismo: 1 dict1 = {'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5, 'f':6} 2 3 # Identificar entradas pares e impares. 4 dict1_tripleCond = {k:('even' if v%2==0 else 'odd') for (k,v) in dict1.items()} → 5 6 print(dict1_tripleCond) Abraham Zamudio 180 / 182

Referencias y material de consulta Abraham Zamudio 181 / 182

The Python Standard Library Review of python Basics The Python
Tutorial Working with Lists and Dictionaries Tuples and Dictionaries What are the main data structures in Python? WRITING EFFICIENT PYTHON CODE Abraham Zamudio 182 / 182

Sesion 1 : Introducción a python para Economist...

Sesion 1 : Introducción a python para Economistas (EPC - 2020)

More Decks by Abraham Zamudio

Other Decks in Education

Featured

Transcript