Estas son las guías generales de Python, pero están abiertas a interpretación. Se requiere de sentido del humor para interpretarlas correctamente.

Si utilizas un lenguaje de programación cuyo nombre se debe a un grupo de cómicos, es conveniente tener sentido del humor.

Este poema en particular comenzó como una especie de broma, pero contiene grandes verdades acerca de la filosofía detrás de Python. El Zen de Python ha sido formalizado en el PEP 20, en cuyo resumen podemos leer:

Hace mucho tiempo el entusiasta de Python Tim Peters plasmó de forma concisa los principios de diseño por los que guiarse al escribir en Python según el BDFL (NT: Benevolent Dictator for Life o Dictador Benévolo de por Vida, en este caso Guido van Rossum, el creador de Python) en 20 aforismos, de los cuales sólo 19 han pasado a forma escrita.

—http://www.python.org/dev/peps/pep-0020/

Puedes decidir por ti mismo si te consideras un "Pythoneer" o un "Pythonista". Los términos tienen connotaciones algo distintas.

import this

Pruébalo en el intérprete de Python:

>>> import this

Aquí tienes otro huevo de pascua:

>>> from __future__ import braces
  File "<stdin>", line 1
SyntaxError: not a chance

¡Menudo grupo de humoristas! :-)

Intenta que tus programas sean fáciles de leer y obvios.

Un PEP es un documento de diseño que proporciona información a la comunidad Python, o describe una nueva característica para Python o sus procesos o entorno.

La comunidad Python tiene sus propios estándares en lo que al estilo del código se refiere, listados en el PEP 8. Estos estándares son distintos a los de otras comunidades, como C, C++, C#, Java, VisualBasic, etc.

Debido a que la indentación y los espacios en blanco son tan importantes en Python, la Guía de Estilo del Código Python es prácticamente un estándar. ¡Sería inteligente seguir esta guía! La mayor parte de los proyectos de código abierto y los proyectos caseros siguen la guía de estilo casi al pie de la letra (o eso espero).

def __init__(self, primero, segundo, tercero,
             cuarto, quinto, sexto):
    salida = (primero + segundo + tercero
              + cuarto + quinto + sexto)

ParteIzquierda.muy_larga \
    = parte_derecha.incluso_mas()

Las barras invertidas no son un mecanismo robusto; tienen que situarse al final de la línea. Si añadieras un espacio después de la barra invertida, dejaría de funcionar. Además, afean el código.

El parseador concatena los literales de cadena adyacentes automáticamente:

>>> print 'u' 'n' "o"
uno

Los espacios entre las cadenas no son necesarios, pero ayudan a la legibilidad. Se puede utilizar cualquier tipo de comillas:

>>> print 't' r'\/\/' """o"""
t\/\/o

La cadena con una "r" como prefijo es una cadena "raw" (cruda). En las cadenas raw las barras invertidas no se consideran caracteres de escape. Son útiles para las expresiones regulares y las rutas del sistema de ficheros de Windows.

Ten en cuenta que las variables cadena no se concatenan automaticamente:

>>> a = 'tres'
>>> b = 'cuatro'
>>> a b
  File "<stdin>", line 1
    a b
      ^
SyntaxError: invalid syntax

Esto se debe a que la concatenación automática se trata de una característica del parseador/compilador de Python, no del intérprete. Es necesario utilizar el operador "+" para concatenar cadenas en tiempo de ejecución.

texto = ('Se pueden crear cadenas mas largas '
        'a partir de varias cadenas cortas.')

Los paréntesis permiten que la sentencia continúe en la siguiente línea de forma implícita.

Para las cadenas de varias líneas se utilizan comillas triples:

"""Triples
comillas
dobles"""

'''\
Triples
comillas
simples\
'''

Observa que en el último ejemplo (el de las triples comillas simples), se utilizan barras invertidas para escapar los caracteres de nueva línea. Esto elimina los retornos de carro extra, proporcionando una estructura muy legible, con el texto y las comillas justificadas a la izquierda. Las barras invertidas se deben colocar al final de las respectivas líneas.

if foo == 'bla':
    haz_algo()
haz_primero()
haz_segundo()
haz_tercero()

if foo == 'bla': haz_algo()
haz_primero(); haz_segundo(); haz_tercero()

El espacio en blanco y la indentación son indicadores visuales muy buenos del flujo del programa. La indentación de la primera versión muestra al lector que algo está ocurriendo, mientras que la falta de indentación del segundo ejemplo hace que el "if" pase más desapercibido.

Utilizar varios estamentos en la misma línea es un pecado capital. En Python, la legibilidad cuenta.

Las cadenas de documentación explican cómo usar el código, y están destinadas a los usuarios del código. Usos de las cadenas de documentación:

• Explicar el propósito de la función aunque pueda parecer obvia para tí, ya que puede no ser tan obvia para otras personas.
• Describir los parámetros que espera la función, los valores de retorno, y las excepciones que puede lanzar.
• Si el método está fuertemente acoplado con un único llamador, menciónalo (aunque deberías tener cuidado ya que puede cambiar más tarde).

Los comentarios explican el por qué, y están dirigidos a las personas que van a mantener tu código. Puedes incluir notas para tí mismo, como:

# !!! BUG: ...

# !!! FIX: Esto es una chapuza

# ??? ¿Por qué está esto aquí?

Ambos grupos te incluyen a ti, ¡así que asegúrate de escribir buenas cadenas de documentación y comentarios!

Las cadenas de documentación son muy útiles en el modo interactivo (help()) y para sistemas de auto documentación.

Tener cadenas de documentación o comentarios incorrectos es mucho peor que no tenerlos en absoluto. ¡Mantenlos actualizados! Cuando hagas cambios, asegurate de que los comentarios y las cadenas de documentación continúan siendo consistentes con el código, y no lo contradicen.

Existe un PEP dedicado por completo a las cadenas de documentación, el PEP 257, "Convenciones sobre cadenas de documentación":

http://www.python.org/dev/peps/pep-0257/

Siempre existen excepciones. Del PEP 8:

Lo que es más importante: aprende a saber cuándo ser inconsistente -- algunas veces la guía de estilo no debería aplicarse. Cuando tengas dudas, usa tu criterio. Mira otros ejemplos y decide qué parece mejor. ¡Y no dudes en preguntar!

Dos buenas razones para romper una regla en particular:

1. Cuando aplicar la regla produciría que el código fuera menos legible, incluso para personas que están acostumbradas a leer código que sigue las normas.
2. Para ser consistente con código heredado que también rompe las normas (puede que por razones históricas) -- aunque esto también puede verse como una oportunidad de arreglar el desaguisado de otra persona (al más puro estilo XP).

Pasemos ahora a la parte importante del tutorial: montones de modismos.

Vamos a comenzar con algunos más sencillos e iremos aumentando el nivel poco a poco.

temporal = a
a = b
b = temporal

b, a = a, b

Puede que hayas visto esto antes. ¿Pero sabías cómo funciona?

La parte derecha se desempaqueta asignando los valores a los nombres de la parte izquierda.

Más ejemplos de desempaquetado:

>>> l =['David', 'Pythonista', '+1-514-555-1234']
>>> nombre, rango, tlf = l
>>> nombre
'David'
>>> rango
'Pythonista'
>>> tlf
'+1-514-555-1234'

Son útiles para usar en bucles que iteran sobre datos estructurados:

l (L) es la lista que acabamos de crear (los datos de David). Así que personas es una lista que contiene dos elementos, siendo cada uno de ellos una lista de 3 elementos.

>>> personas = [l, ['Guido', 'BDFL', 'desconocido']]
>>> for (nombre, rango, tlf) in personas:
...     print nombre, tlf
...
David +1-514-555-1234
Guido desconocido

Cada elemento de personas se desempaqueta en una tupla (nombre, rango, tlf).

Se puede anidar de forma arbitraria (sólo hay que asegurarse de que la estructura de la parte izquierda y la derecha se correspondan):

>>> david, (gnombre, grango, gtlf) = personas
>>> gnombre
'Guido'
>>> grango
'BDFL'
>>> gtlf
'desconocido'
>>> david
['David', 'Pythonista', '+1-514-555-1234']

Hemos visto que el operador de construcción de tuplas es la coma, no los paréntesis. Por ejemplo:

>>> 1,
(1,)

El intérprete de Python muestra los paréntesis por claridad, te recomiendo que tú también los utilices:

>>> (1,)
(1,)

¡No te olvides de la coma!

>>> (1)
1

En una tupla de un solo elemento, es necesario añadir una coma al final; en tuplas de 2 elementos o más, la coma al final es opcional. Para tuplas vacías se puede utilizar un par de paréntesis para atajar:

>>> ()
()

>>> tuple()
()

Un fallo muy común es añadir una coma incluso cuando lo que buscas no es una tupla. Es fácil no darse cuenta de que hay una coma en el código:

>>> valor = 1,
>>> valor
(1,)

Por lo tanto, si ves una tupla en un lugar donde no debería existir, ¡comprueba las comas!

Esta es una característica muy útil aunque, sorprendentemente, muy poca gente la conoce.

En el intérprete interactivo, cada vez que evalúas una expresión o llamas a una función, el resultado se almacena en una variable temporal llamada _ (un guión bajo):

>>> 1 + 1
2
>>> _
2

Cuando el resultado es None, no se imprime nada, por lo que _ no cambia. ¡Qué conveniente!

Esta característica sólo funciona en el intérprete interactivo, no dentro de los módulos.

Es especialmente útil cuando trabajas en un problema de forma interactiva, y quieres almacenar el resultado para el próximo paso:

>>> import math
>>> math.pi / 3
1.0471975511965976
>>> angulo = _
>>> math.cos(angulo)
0.50000000000000011
>>> _
0.50000000000000011

Comenzaremos con una lista de cadenas:

colores = ['rojo', 'azul', 'verde', 'amarillo']

Ahora queremos unir todas las cadenas en una cadena más larga. Especialmente cuando tenemos un gran número de subcadenas...

resultado = ''
for s in colores:
    resultado += s

Esto es muy ineficiente.

Tiene un consumo de memoria enorme y da muy mal rendimiento. Lo que hace el código es calcular, almacenar, y descartar cada paso intermedio.

resultado = ''.join(colores)

El método join() de las cadenas realizan la copia en un solo paso.

Si estás trabajando con unas pocas docenas o cientos de cadenas, puede que no haya mucha diferencia. Pero deberías acostumbrarte a construir las cadenas de forma más efectiva, porque con miles de cadenas o con bucles, hay una gran diferencia.

A continuación tenéis algunas técnicas para usar el método join().

resultado = ' '.join(colores)

resultado = ', '.join(colores)

colores = ['rojo', 'azul', 'verde', 'amarillo']
print 'Elige', ', '.join(colores[:-1]), \
      'o', colores[-1]

Para que la frase tenga más sentido gramáticamente, pondremos comas entre todos los valores a excepción del último par, donde queremos la palabra "o". El particionado de listas es la herramienta adecuada para el trabajo. Con [:-1] obtenemos todos los valores a excepción del último, y los unimos utilizando una coma y un espacio.

Por supuesto, este ejemplo no funcionaría para listas de 0 o 1 elementos.

Salida:

Elige rojo, azul, verde o amarillo

resultado = ''.join(funcion(i) for i in items)

Esto requiere del uso de una expresión generadora, que cubriremos en profundidad más tarde.

items = []
...
items.append(item)  # varias veces
...
# items ya esta completo
resultado = ''.join(funcion(i) for i in items)

Añadimos las partes a una lista de forma que podamos usar el método join por cuestiones de eficiencia.

for clave in d:
    print clave

• Normalmente in es más rápido.
• Este patrón funciona con elementos almacenados en cualquier tipo de contenedor (como listas, tuplas, y conjuntos).
• in también es un operador (como veremos más tarde).

for clave in d.keys():
    print clave

Esto se limita a objetos que cuenten con un método keys().

for clave in d.keys():
    d[str(clave)] = d[clave]

d.keys() crea una lista estática de las claves del diccionario. De otra forma, se lanzaría una excepción "RuntimeError: dictionary changed size during iteration" (el tamaño del diccionario cambió durante la iteración).

# haz esto:
if clave in d:
    ...hacer algo con d[clave]

# no esto:
if d.has_key(clave):
    ...hacer algo con d[clave]

En este ejemplo in es un operador.

Esta es la forma naïf de hacerlo:

navs = {}
for (portfolio, acciones, posicion) in datos:
    if portfolio not in navs:
        navs[portfolio] = 0
    navs[portfolio] += posicion * precios[acciones]

navs = {}
for (portfolio, acciones, posicion) in data:
    navs[portfolio] = (navs.get(portfolio, 0)
                       + position * precios[acciones])

Mucho más sencillo.

Ahora vamos a inicializar valores mutables para un diccionario. Cada valor del diccionario será una lista. Esta es la forma naïf:

acciones = {}
for (portfolio, accion) in datos:
    if portfolio in acciones:
        acciones[portfolio].append(accion)
    else:
        acciones[portfolio] = [accion]

acciones = {}
for (portfolio, accion) in datos:
    acciones.setdefault(portfolio, []).append(
                                         accion)

dict.setdefault() es equivalente a "devuelve el valor, o asigna el valor y devuélvelo". O "asigna si es necesario, después devuelve". Es especialmente útil si la clave de tu diccionario es costosa de calcular o larga de escribir.

El único problema con dict.setdefault() es que el valor por defecto siempre se evalúa, se necesite o no. Esto sólo importa si el valor es costoso de calcular.

Si el valor por defecto es costoso de calcular, puede que prefieras usar la clase defaultdict, que veremos en breve.

Aquí vemos que el método setdefault de los diccionarios también se puede utilizar como una sentencia independiente:

navs = {}
for (portfolio, accion, posicion) in datos:
    navs.setdefault(portfolio, 0)
    navs[portfolio] += posicion * precios[accion]

El método setdefault del diccionario devuelve el valor por defecto, pero nosotros lo ignoramos. Lo que estamos haciendo es aprovechar un efecto secundario de setdefault, que es el de asignar el valor del diccionario sólo si no existe ya un valor para esa clave.

defaultdict es una novedad de Python 2.5, parte del módulo collections. defaultdict es idéntico a los diccionarios normales, a excepción de un par de cosas:

• toma un parámetro extra como primer argumento: una función de factoría por defecto; y
• cuando se accede a una clave del diccionario por primera vez, se llama a la función de factoría por defecto y el resultado se utiliza para inicializar el valor del diccionario para esa clave.

Hay dos formas de obtener defaultdict:

• importar el módulo collections y referenciarlo a partir del módulo,

  ➔

• o importar defaultdict directamente:

  ➔

import collections
d = collections.defaultdict(...)

from collections import defaultdict
d = defaultdict(...)

A continuación tenemos el ejemplo que vimos anteriormente, en el que cada valor del diccionario debía inicializarse a una lista vacía, reescrito usando defaultdict:

from collections import defaultdict

acciones = defaultdict(list)
for (portfolio, accion) in datos:
    acciones[portfolio].append(accion)

Ya no hay ninguna complicación. En este caso, la función de factoría por defecto es list, la cual devuelve una lista vacía.

Para obtener un diccionario con valores por defecto de 0 podríamos usar int como función de factoría por defecto:

navs = defaultdict(int)
for (portfolio, accion, posicion) in datos:
    navs[portfolio] += posicion * precios[accion]

De todas formas deberías tener cuidado con defaultdict. Puedes encontrarte con excepciones de tipo KeyError al intentar acceder a claves de instancias de defaultdict. Es necesario usar un condicional "clave in dict" si necesitas comprobar la existencia de una clave en concreto.

Aquí tenéis una técnica útil para construir un diccionario a partir de dos listas (o secuencias): una lista de claves, y otra lista de valores.

nombre = ['John', 'Eric', 'Terry', 'Michael']
apellido = ['Cleese', 'Idle', 'Gilliam', 'Palin']

pythons = dict(zip(nombre, apellido))

>>> pprint.pprint(pythons)
{'John': 'Cleese',
 'Michael': 'Palin',
 'Eric': 'Idle',
 'Terry': 'Gilliam'}

La inversa, por supuesto, es trivial:

>>> pythons.keys()
['John', 'Michael', 'Eric', 'Terry']
>>> pythons.values()
['Cleese', 'Palin', 'Idle', 'Gilliam']

Observa que el orden del resultado de .keys() y .values() es distinto del de los elementos de las listas utilizadas para construir el diccionario. El orden de entrada es diferente del orden de salida. Esto es debido a que los diccionarios son colecciones no ordenadas. Por otro lado, el orden será siempre consistente (esto es, el orden de las claves se corresponderá con el de los valores), siempre y cuando el diccionario no se haya cambiado entre llamadas.

# haz esto:       # no esto:
if x:             if x == True:
    pass              pass

Es elegante y eficiente aprovechar los valores booleanos intrínsecos de los objetos Python.

# haz esto:       # no esto:
if items:         if len(items) != 0:
    pass              pass

                  # y menos esto:
                  if items != []:
                      pass

Los nombres True y False son instancias del tipo bool, valores Booleanos. Como None, sólo hay una instancia de cada uno de ellos.

Ejemplo del valor booleano de un objeto:

>>> class C:
...  pass
...
>>> o = C()
>>> bool(o)
True
>>> bool(C)
True

(Ejemplos: ejecuta truth.py.)

Para controlar el valor booleano de instancias de una clase definida por el usuario, utiliza los métodos especiales __nonzero__ o __len__. Usa __len__ si tu clase es un contenedor para el que tiene sentido el tamaño:

class MiContenedor(object):

    def __init__(self, data):
        self.data = data

    def __len__(self):
        """Devuelve mi tamanyo."""
        return len(self.data)

Si tu clase no es un contenedor, usa __nonzero__:

class MiClase(object):

    def __init__(self, value):
        self.value = value

    def __nonzero__(self):
        """Devuelve mi valor booleano (True o False)."""
        # Esto puede ser tan complejo como queramos:
        return bool(self.value)

En Python 3.0, __nonzero__ se ha renombrado a __bool__ por consistencia con el tipo bool. Para mejorar la compatibilidad, añade lo siguiente a la definición de la clase:

__bool__ = __nonzero__

Aquí tienes una buena forma de ahorrarte escribir demasiado si necesitas una lista de palabras:

>>> items = 'cero uno dos tres'.split()
>>> print items
['cero', 'uno', 'dos', 'tres']

                  - o -
i = 0
for item in items:      for i in range(len(items)):
    print i, item               print i, items[i]
    i += 1

>>> print list(enumerate(items))
[(0, 'cero'), (1, 'uno'), (2, 'dos'), (3, 'tres')]

Necesitamos usar un list para imprimir el resultado porque enumerate es una función lazy: genera los elementos uno a uno, un par cada vez, sólo cuando se requieren. Un bucle for es un lugar en el que se requiere un elemento cada vez. enumerate es un ejemplo de un generador, que trataremos más detenidamente más adelante. print no utiliza un elemento cada vez -- queremos el resultado completo, así que hay que convertir el generador explícitamente en una lista al imprimirlo.

for (indice, item) in enumerate(items):
    print indice, item

# compara:               # compara:
indice = 0               for i in range(len(items)):
for item in items:           print i, items[i]
    print indice, item
    indice += 1

La versión con enumerate es más corta y simple que la versión de la izquierda, y también mucho más fácil de leer y entender.

El siguiente ejemplo muestra cómo la función enumerate en realidad devuelve un iterador (un generador es algo parecido a un iterador):

>>> enumerate(items)
<enumerate object at 0x011EA1C0>
>>> e = enumerate(items)
>>> e.next()
(0, 'cero')
>>> e.next()
(1, 'uno')
>>> e.next()
(2, 'dos')
>>> e.next()
(3, 'tres')
>>> e.next()
Traceback (most recent call last):
  File "<stdin>", line 1, in ?
StopIteration

En muchos otros lenguajes, al asignar un valor a una variable se coloca el valor en una especie de caja.

int a = 1;

La caja "a" ahora contiene el entero 1.

Al asignar otro valor a la misma variable lo que ocurre es que el valor que contiene la caja se sustituye por el nuevo:

a = 2;

Ahora "a" contiene el entero 2.

Al asignar una variable a otra se realiza una copia del valor y se coloca en la nueva caja:

int b = a;

"b" es una segunda caja, con una copia del entero 2. La caja "a" tiene una copia totalmente independiente.

En Python, un "nombre" o "identificador" es algo parecido a una etiqueta de un paquete de correos adjuntada a un objeto.

a = 1

En este caso, el objeto entero 1 tiene una etiqueta con texto "a".

Si reasignarmos "a", lo que hacemos es colocar la etiqueta a otro objeto:

a = 2

Ahora el nombre "a" está asignado al objeto entero 2.

El objeto entero original 1 ya no tiene la etiqueta "a". Puede que siga existiendo, pero ya no podemos accederlo a través del nombre "a". (Cuando un objeto no tiene más referencias o etiquetas asociadas, se elimina de memoria.)

Si asignamos un nombre a otro, lo único que hacemos es adjuntar otra etiqueta de nombre a un objeto existente:

b = a

El nombre "b" es sólo una segunda etiqueta añadida al mismo objeto que "a".

Aunque en Python normalmente también usamos el término "variables" (porque es terminología común), en realidad nos estamos refiriendo a "nombres" o "identificadores". En Python, las "variables" son etiquetas con nombres para los valores, no cajas con nombres.

Aunque no aprendas nada más de este tutorial, espero que al menos hayas entendido cómo funcionan los nombres en Python. Entender este punto te dará buenos dividendos, ayudándote a evitar casos como este:

Este es un fallo muy común entre los novatos. Incluso programadores más experimentados pueden cometer el mismo fallo si no entienden los nombres en Python.

def anyadir_erroneo(nuevo_item, una_lista=[]):
    una_lista.append(nuevo_item)
    return una_lista

El problema con esto es que el valor por defecto de una_lista, una lista vacía, se evalúa en el momento de definir la función. De modo que cada vez que llamas a la función, obtienes el mismo valor por defecto. Prueba la función varias veces:

>>> print anyadir_erroneo('uno')
['uno']

>>> print anyadir_erroneo('dos')
['uno', 'dos']

Las listas son objetos mutables; puedes modificar su contenido. La forma correcta de obtener una lista por defecto (o diccionario, o conjunto) es crearla en tiempo de ejecución, dentro de la función:

def anyadir_correcto(nuevo_item, una_lista=None):
    if una_lista is None:
        una_lista = []
    una_lista.append(nuevo_item)
    return una_lista

El operador % de Python funciona de forma similar al de la función sprintf de C.

Aunque si no sabes C, este dato no te será de mucha utilidad. Basicamente, puedes establecer una plantilla o formato para los valores.

En este ejemplo, la plantilla contiene dos especificaciones de conversión: "%s" significa "inserta una cadena aquí", y "%i" significa "convierte un entero en una cadena e insértalo aquí". "%s" es particularmente útil porque utiliza la función str() de Python para convertir cualquier objeto en una cadena.

Los valores interpolados deben ajustarse a la plantilla; en este caso tenemos dos valores, una tupla.

nombre = 'David'
mensajes = 3
texto = ('Hola %s, tienes %i mensajes'
        % (nombre, mensajes))
print texto

Hola David, tienes 3 mensajes

Puedes encontrar más detalles en la Referencia de Python, sección 2.3.6.2, "Operaciones de Formateo de Cadenas". ¡Añade a marcadores esta página!

Si aún no lo has hecho, ve a python.org, descarga la documentación en HTML (en un fichero .zip o un tarball), e instalala en tu máquina. No hay nada como tener la guía definitiva al alcance de la mano.

De lo que la gente no se da cuenta es de que existen otras formas más flexibles de realizar el formateo de cadenas:

valores = {'nombre': nombre, 'mensajes': mensajes}
print ('Hola %(nombre)s, tienes %(mensajes)i '
       'mensajes' % valores)

En este caso especificas los nombres de los valores a interpolar, los cuales se buscan en el diccionario que se pasa como argumento.

¿Notas la redundancia? Los nombres "nombre" y "mensajes" ya están definidos en el espacio de nombres local. Podemos aprovecharnos de esto.

print ('Hola %(nombre)s, tienes %(mensajes)i '
       'mensajes' % locals())

La función locals() devuelve un diccionario con todos los nombres disponibles en el espacio de nombres local.

Este es un mecanismo muy potente. Con esto, puedes hacer todo el formateo de cadenas que quieras sin tener que preocuparte de ajustar los valores a interpolar con la plantilla.

Pero el poder puede ser peligroso. ("Un gran poder conlleva una gran responsabilidad.") Si utilizas locals() con una plantilla proporcionada de forma externa, expones tu espacio de nombres local completamente al llamador. Esto es algo a tener en cuenta.

Para examinar tu espacio de nombres local:

>>> from pprint import pprint
>>> pprint(locals())

pprint es un módulo muy útil. Si no lo conoces todavía, intenta jugar un poco con él. ¡Facilita muchísimo la depuración de las estructuras de datos!

El espacio de nombres de los atributos de un objeto es un simple diccionario, self.__dict__.

print ("Encontrados %(num_errores)d errores"
       % self.__dict__)

print ("Encontrados %d errores"
       % self.num_errores)

Nota: Los atributos de clase se encuentran en class.__dict__. Las búsquedas en los espacios de nombre en realidad son búsquedas encadenadas en los diccionarios.

La comprensión de listas ("listcomps" para abreviar) son atajos sintácticos para el siguiente patrón:

nueva_lista = []
for item in una_lista:
    if condicion(item):
        nueva_lista.append(fn(item))

nueva_lista = [fn(item) for item in una_lista
               if condicion(item)]

La compresión de listas es muy clara y concisa, hasta cierto punto. Puedes tener varios bucles for y varias condiciones if, pero a partir de dos o tres, o si las condiciones son algo complejas, te sugiero utilizar bucles for normales. Aplicando el Zen de Python, elige la forma más legible.

Por ejemplo, una lista de los cuadrados de 0–9:

>>> [n ** 2 for n in range(10)]
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

Una lista de los cuadrados de los números impares de 0–9:

>>> [n ** 2 for n in range(10) if n % 2]
[1, 9, 25, 49, 81]

Calculemos la suma de los cuadrados de los números hasta el 100:

total = 0
for num in range(1, 101):
    total += num * num

Podemos utilizar la función sum para facilitarnos el trabajo, construyendo la siguiente secuencia.

total = sum([num * num for num in range(1, 101)])

total = sum(num * num for num in xrange(1, 101))

Las expresiones generadoras ("genexps") son exactamente iguales a la compresión de listas, excepto que las listcomps son greedy (avariciosas), mientras que las expresiones generadoras son lazy (perezosas). Las listcomps construyen la lista resultado de una sola vez. Las expresiones generadoras calculan un valor cada vez, cuando se necesita. Esto es particularmente útil para secuencias largas donde la lista a calcular no es más que un paso intermedio y no el resultado final.

En este caso, sólo estamos interesados en la suma total; no necesitamos la lista de cuadrados intermedia. Utilizamos xrange por la misma razón: genera los valores uno por uno.

Por ejemplo, si estuvieramos sumando los cuadrados de varios miles de millones de enteros, nos quedaríamos sin memoria si utilizáramos comprensión de listas, pero con las expresiones generadoras no tendríamos ningún problema. ¡Aunque llevaría mucho tiempo, claro!

total = sum(num * num
            for num in xrange(1, 1000000000))

La diferencia en la sintaxis es que las listcomps utilizan corchetes, mientras que las expresiones generadoras no lo hacen. Las expresiones generadoras necesitan colocarse entre paréntesis a veces, así que deberías acostumbrarte a utilizarlos.

Regla general:

• Utiliza comprensión de listas cuando la lista sea el resultado que nos interesa.
• Utiliza una expresión generadora cuando la lista no sea más que un paso intermedio.

Aquí tenéis un ejemplo que vi recientemente en el trabajo.

Necesitábamos un diccionario que mapeara los números de los meses (tanto en forma de enteros como de cadenas) a códigos de meses para futuros contratos. Podría hacerse en una sola línea de código.

Esto funciona de la siguiente forma:

• La función dict() toma una lista de pares clave/valor (tuplas de 2 elementos).
• Tenemos una lista de códigos para los meses (cada código es una única letra, y una cadena no es más que una lista de letras). Usamos enumerate sobre la lista para obtener tanto el mes como el índice.
• Los números de los meses comienzan con 1, pero en Python los índices comienzan en 0, así que el número de mes es el índice más uno.
• Queremos buscar los meses tanto por cadenas como por enteros. Podemos usar las funciones int() y str() para hacerlo por nosotros, e iterar sobre ellos.

codigos_meses = dict((fn(i+1), codigo)
    for i, codigo in enumerate('FGHJKMNQUVXZ')
    for fn in (int, str))

{ 1:  'F',  2:  'G',  3:  'H',  4:  'J', ...
 '1': 'F', '2': 'G', '3': 'H', '4': 'J', ...}

Ordenar listas en Python es muy sencillo:

a_list.sort()

(Ten en cuenta que se ordena la lista original, el método sort no devuelve una lista o una copia de la lista ordenada.)

Pero, ¿qué ocurre si tenemos una lista de datos a ordenar, pero el orden no es el normal (es decir, ordenar por la primera columna, después la segunda, etc.)? Puede que necesitemos ordenar por la segunda columna y luego por la cuarta.

def mi_comparador(item1, item2):
    returm cmp((item1[1], item1[3]),
               (item2[1], item2[3]))

una_lista.sort(mi_comparador)

Esto funcionaría, pero sería muy lento para listas largas.

En lugar de crear nuestras propias funciones para comparar, creamos una lista auxiliar que se ordene de forma natural:

# Decorar:
a_ordenar = [(item[1], item[3], item)
              for item in una_lista]

# Ordenar:
a_ordenar.sort()

# Desdecorar:
una_lista = [item[-1] for item in a_ordenar]

La primera línea crea una lista que contiene tuplas: copias de elementos a ordenar en orden de prioridad, seguidos de los datos completos.

La segunda línea utiliza la ordenación nativa de Python, que es muy rápida y eficiente.

La tercera línea obtiene el último valor de la lista ordenada. Recuerda, este último valor son los datos completos. Descartamos los elementos que usamos para ordenar, que ya no necesitamos más.

Se trata entonces de un compromiso entre espacio y complejidad frente a tiempo. Es más sencillo y rápido, pero necesitamos duplicar la lista original.

En Python 2.4 se introdujo un parámetro opcional para el método sort de las listas, "key" (clave), para indicar una función que toma un solo parámetro y que se utiliza para calcular una clave que utilizar para comparar los elementos de la lista. Por ejemplo:

def mi_clave(item):
    return (item[1], item[3])

a_ordenar.sort(key=mi_clave)

Ya hemos visto las expresiones generadoras. Podemos crear expresiones generadoras tan complejas como queramos, como funciones:

def mi_generador_range(parada):
    valor = 0
    while valor < parada:
        yield valor
        valor += 1

for i in mi_generador_range(10):
    haz_algo(i)

La palabra clave yield convierte una función en un generador. Cuando llamas a una función generadora, en lugar de devolver el valor de retorno inmediatamente Python devuelve un objeto generador, que es un iterador; tiene un método next. Los bucles for simplemente llaman al método next del iterador, hasta que se lanza una excepción StopIteration. Puedes lanzar una excepción StopIteration de forma explícita, o bien de forma implícita al llegar al final del código del generador como en el ejemplo anterior.

Los generadores pueden ayudar a simplificar el trabajo con secuencias/iteradores, porque no necesitamos construir listas concretas; solo calculan un valor cada vez. La función generadora mantiene el estado.

Esta es la forma en la que funciona un bucle for en realidad. Python comprueba la secuencia que se pasa después de la palabra clave in. Si es un contenedor simple (como una lista, una tupla, un diccionario, un conjunto, o un contenedor creado por el usuario) Python lo convierte en un iterador. Si ya es un iterador no hace nada.

Entonces Python llama repetidamente al método next del iterador, asigna el valor devuelto al contador del bucle (i en este caso), y ejecuta el código indentado. El proceso se repite una y otra vez, hasta que se lanza la excepción StopIteration, o se ejecuta una sentencia break.

Un bucle for puede tener una clausula else, cuyo código se ejecuta después de que el iterador se quede sin elementos, pero no si se sale al ejecutar un break. Esta distinción permite usos muy elegantes. Las cláusulas else no se suelen utilizar mucho con los bucles for, pero pueden ser muy útiles. Algunas veces una cláusula else es la mejor forma de expresar la lógica que necesitas.

Por ejemplo, si necesitas comprobar que una condición se cumple para todos los elementos de una secuencia:

for item in secuencia:
    if condition(item):
        break
else:
    raise Exception('La condicion no se satisface.')

archivodatos = open('archivodatos')
for linea in archivodatos:
    haz_algo(linea)

Esto es posible porque los archivos soportan el método next, como otros iteradores: listas, tuplas, diccionarios (para sus claves), generadores.

Aunque hay que tener cuidado con una cosa: debido a la forma en la que funciona el buffer de datos, no puedes mezclar los métodos .next y .read* a menos que utilices Python 2.5+.

Puedes rodear el código que pueda lanzar alguna excepción en un bloque try/except para capturar los errores, y probablemente acabaras con una solución que será mucho más general que si hubieras intentado anticipar todas las posibilidades.

try:
    return str(x)
except TypeError:
    ...

Nota: Especifica siempre las excepciones a capturar. Nunca uses cláusulas except sin indicar el tipo de la excepción. Esto podría capturar excepciones no esperadas, haciendo que tu código fuera más dificil de depurar.

Es probable que hayas visto esta forma con un "carácter comodín" de las sentencias import. Puede que incluso te guste. No lo utilices.

Parafraseando una diálogo muy conocido:

(Dagobah, jungla, pantanos, y niebla.)

LUKE: ¿Es mejor from module import * que los imports explícitos?

YODA: No, no mejor. Más rápido, más fácil, más seductor.

LUKE: Pero ¿cómo sabré por qué los imports explícitos son mejores que la forma con el carácter comodín?

YODA: Saberlo tu podrás cuando tu código intentes leer seis meses después.

Los carácteres comodín en los imports pertenecen al lado oscuro de la fuerza de Python.

El uso de from module import * conlleva polución del espacio de nombres. Tendrás montones de cosas en el espacio de nombres local que no esperabas tener. Puede que te encuentres con nombres importados sobreescribiendo nombres definidos en local. No podrás distinguir fácilmente de dónde vienen algunos nombres. Aunque pueda ser un atajo conveniente, no debería utilizarse en código en producción.

Moraleja: ¡no uses el carácter comodín para los imports!

Es mucho mejor:

• referenciar nombres a través de su módulo (identificadores totalmente calificados),

  ➔

• importar un módulo con un nombre largo usando un nombre más corto (alias; recomendado),

  ➔

• o importar explicitamente sólo los nombres que necesitas.

  ➔

¡Alerta de polución del espacio de nombres!

Referencia los nombres a través de su módulo (identificadores totalmente calificados):

import modulo
modulo.nombre

O importa un módulo con un nombre largo usando un nombre más corto (alias):

import modulo_con_nombre_largo as mod
mod.nombre

O importa explicitamente sólo los nombres que necesitas:

from modulo import nombre
nombre

Aunque este método no se presta a usarse en el intérprete interactivo, donde puedes querer editar y recargar un módulo.

if __name__ == '__main__':
    # codigo del script

Al importar un módulo su atributo __name__ toma como valor el nombre del archivo que define el módulo, sin el ".py". De forma que el código de la sentencia if no se ejecutará al importarse el módulo. Cuando se ejecuta como un script el atributo __name__ tiene como valor "__main__", por lo que, ahora sí, se ejecutará el código del script.

A excepción de algunos pocos casos especiales, no deberías colocar ningún código ejecutable en el primer nivel del código. Colocalo en funciones, clases, métodos, y controla su ejecución usando if __name__ == '__main__'.

"""Cadena de documentacion del modulo"""

# imports
# constantes
# clases de tipo excepcion
# funciones para uso publico
# clases
# funciones y clases internas 

def main(...):
    ...

if __name__ == '__main__':
    estado = main()
    sys.exit(estado)

Esta es la forma en que deberían estructurarse los módulos.

#!/usr/bin/env python

"""
Cadena de documentacion del modulo.
"""

import sys
import optparse

def procesar_linea_comandos(argv):
    """
    Devuelve una tupla de dos elementos: (objeto preferencias, lista args).
    `argv` es una lista de argumentos, o `None` para ``sys.argv[1:]``.
    """
    if argv is None:
        argv = sys.argv[1:]

    # inicializamos el parser:
    parser = optparse.OptionParser(
        formatter=optparse.TitledHelpFormatter(width=78),
        add_help_option=None)

    # a continuacion definimos las opciones:
    parser.add_option(      # descripcion personalizada; coloca --help al final
        '-h', '--help', action='help',
        help='Muestra este mensaje de ayuda y termina.')

    prefs, args = parser.parse_args(argv)

    # comprueba el numero de argumentos, verifica los valores, etc.:
    if args:
        parser.error('el programa no soporta ningun parametro de linea de comandos; '
                     'se ignora "%s".' % (args,))

    # cualquier otra cosa que haya que hacer con las preferencias y los argumentos

    return prefs, args

def main(argv=None):
    prefs, args = procesar_linea_comandos(argv)
    # aqui iria el codigo de la aplicacion, como:
    # ejecutar(prefs, args)
    return 0        # exito

if __name__ == '__main__':
    estado = main()
    sys.exit(estado)

paquete/
    __init__.py
    modulo1.py
    subpaquete/
        __init__.py
        modulo2.py

import paquete.modulo1
from paquetes.subpaquete import modulo2
from paquetes.subpaquete.modulo2 import nombre

En Python 2.5 contamos con imports relativos y absolutos a través de future import:

from __future__ import absolute_import

No he utilizado esta característica demasiado, así que convenientemente cortaremos la explicación aquí.

En otras palabras, ¡haz que tus programas sean sencillos!

Antes de escribir cualquier código,