18 preguntas frecuentes sobre listas en Python

¿Qué es exactamente una lista en Python?

Las listas son una de las cuatro estructuras de datos integradas en Python, junto con las tuplas, los diccionarios y los conjuntos (sets). Sirven para almacenar una colección ordenada de elementos, que pueden ser de distintos tipos (aunque normalmente no lo son). Los elementos se separan por comas y la lista va entre corchetes. Por ejemplo:

Observa que la segunda variable, biggerZoo, es una lista similar a zoo, pero además contiene otra lista con distintos tipos de monos.

Como las listas en Python almacenan colecciones ordenadas de elementos u objetos, decimos que son tipos secuencia, porque se comportan como tal. Otros tipos que también son secuencia son las cadenas (strings) y las tuplas.

¿Qué tienen de especial los tipos secuencia? En pocas palabras: se pueden recorrer. Por eso listas, cadenas, tuplas y conjuntos se llaman «iterables».

Ten presente que este concepto es importante y aparecerá en otros lenguajes usados en ciencia de datos, como Scala.

Ahora sí, manos a la obra. Vamos a profundizar en las preguntas sobre listas que probablemente te has hecho o te harán dudar como programador de Python. Esta es la lista de preguntas que responderemos en este tutorial:

1. Cuándo usar listas en Python y cuándo usar tuplas, diccionarios o sets

La introducción parece clara cuando la lees, pero cuando pasas a un script pequeño en Python o a un proyecto completo, puede no ser tan obvio si conviene una lista u otro tipo de secuencia.

Aun así, elegir la estructura de datos adecuada para tus datos es esencial.

Sigue leyendo para saber más.

2. Cómo seleccionar un elemento de una lista

Si quieres trabajar bien con listas, necesitas saber cómo acceder a ellas.

Normalmente accedes a listas para cambiar valores, actualizarlos o eliminarlos, o para realizar alguna operación. Para acceder a listas (y, por extensión, a todos los tipos secuencia) usas el operador de índice [ ]. Dentro, pones un entero.

Mira este ejemplo:

Ejecuta el código y mira qué devuelve. Verás que se devuelve el primer elemento de biggerZoo. Puede despistar al principio, pero los índices empiezan en 0, no en 1.

# elementos desde start hasta end (sin incluir end)
a[start:end]

# elementos desde start hasta el final
a[start:]    

# elementos desde el inicio hasta end (sin incluir end)
a[:end]

# desde start hasta antes de end, con paso step
a[start:end:step]

3. Cómo transformar listas de Python en otras estructuras de datos

A veces, una lista no es lo que necesitas. En esos casos, conviene saber cómo transformarla en otra estructura más apropiada. A continuación verás transformaciones comunes y sus respuestas.

helloWorld = ['hello','world','1','2']

4. Cómo saber el tamaño de tu lista en Python

Pasa tu lista a la función len() para obtener su longitud.

Pruébalo abajo. Ya hemos creado una lista justAList para que la uses.

Nota: len() no es solo para listas; también funciona con otras secuencias o colecciones como diccionarios, sets, cadenas, etc. Puedes ver más funciones integradas aquí.

5. ¿Cuál es la diferencia entre los métodos de Python append() y extend()?

Empecemos recordando el concepto de iterable que explicamos al principio:

Recuerda que decimos que un valor es iterable cuando el programa puede iterar sobre él. Es decir, un iterable representa una secuencia de uno o más valores. Como viste, las listas son secuencias y, por tanto, iterables.

Truco: puedes comprobar si una variable es iterable si tiene el método .__iter__, como en este código:

Ejecuta el código de arriba y prueba con otros ejemplos sencillos en la consola.

Con esto claro, veamos la diferencia. extend() toma un iterable (lista, set, tupla o cadena) y añade cada elemento del iterable a la lista, uno a uno.

append(), en cambio, añade su argumento al final de la lista como un único elemento. Es decir, si append() recibe un iterable, lo tratará como un solo objeto.

Estudia los siguientes bloques y juega con el código para interiorizar las diferencias entre ambos métodos:

Como ves, extend() es una versión más eficiente que llamar a append() varias veces.

6. Cómo concatenar listas en Python

Para concatenar listas, usa el operador +. Te devuelve una lista nueva con la concatenación de las dos, sin modificar las originales.

Nota: concatenar y «apendizar» puede confundir. append() es distinto del operador +, que a su vez se parece mucho a extend(), pero no es exactamente lo mismo… Con append() y extend() modificas la lista original; con + creas otra lista.

Pruébalo y compáralo con los ejemplos del bloque anterior:

7. Cómo ordenar una lista en Python

Hay dos formas sencillas de ordenar los valores (ascendente o descendente):

• Usar el método sort()
• O usar la función sorted() pasándole una lista

sorted() se puede aplicar a cualquier iterable, así que también acepta cadenas, sets y diccionarios cuando se le pasan.

Truco: pruébalo. Ya hemos creado dos listas, rooms y orders, para que las ordenes con ambas técnicas :)

Nota: tu lista original cambia tras ordenarla. Úsalo cuando ya no necesites la lista original.

8. Cómo clonar o copiar una lista en Python

Hay varias formas de clonar o copiar una lista:

• Hacer un slice de la lista original y guardarlo en una variable nueva: newList = oldList[:]
• Usar la función integrada list(): newList = list(oldList)
• Usar la librería copy:
  • Con el método copy(): newList = copy.copy(oldList)
  • Si tu lista contiene objetos y también quieres copiarlos, usa copy.deepcopy(): copy.deepcopy(oldList)

Inténtalo abajo. Ya hemos creado una lista groceries para que la copies y la compartas con tus amigos.

Nota: con los métodos de copia «simples», las listas originales pueden verse afectadas. Con deepcopy() lo evitas. Ejecuta este código y observa qué ocurre:

Si ya dominas listas en Python, la siguiente sección te da respuestas simples a preguntas complejas.

Y si te preguntas qué hay más allá de las listas y qué ventajas ofrecen las librerías frente a las listas integradas, la próxima sección te interesará.

¡Sigue leyendo!

9. ¿Cómo funciona la comprensión de listas en Python?

La comprensión de listas es, básicamente, una forma elegante de construir listas. A quienes les gusta la matemática les encantará porque se parecen a notaciones matemáticas. Júzgalo tú:

¿Qué significa? Tomas los números del 0 al 10 (sin incluir 10) y multiplicas cada uno por 2. Ejecuta el código y comprueba si el resultado coincide con lo esperado.

¿Fácil? Subamos un poco el nivel.

Supón que quieres la misma lista, pero multiplicando solo los números divisibles por 2. Con comprensión de listas también es sencillo:

Simplemente añades una condición con if. Si es TRUE, el número se multiplica por 2. En este caso, la condición es que el número sea divisible por 2 (sin resto).

En general, también puedes usar comprensión de listas para transformar listas en otras listas, que suena más difícil, ¿verdad?

Mira este ejemplo:

En este ejemplo ya tienes myList y la transformas con comprensión: for x in myList, para cada elemento se hace una operación.

Luego ves (lambda x: x*x). Para simplificar, recuerda que las funciones lambda son funciones anónimas creadas en tiempo de ejecución. Puedes ignorar esa parte y centrarte en x*x.

La función toma un elemento y lo multiplica por sí mismo. Como es anónima, debes pasarle el elemento de la lista: de ahí (lambda x: x*x)(x).

Dicho de otro modo, podrías reescribir la segunda línea como:

f = lambda x: x*x
[f(x) for x in range(10)]

Primero defines la lambda que eleva al cuadrado y luego, en la segunda línea, la aplicas a cada elemento.

Nota: además de comprensión de listas, existen la de sets y diccionarios.

No está nada mal, pero hay más por descubrir.

Sigue con las siguientes preguntas frecuentes para aprender sobre comprensión de listas anidadas y ver ejemplos prácticos de su utilidad en Python.

10. Cómo contar ocurrencias de un elemento de lista en Python

Como las listas no exigen unicidad (como sí los sets), quizá quieras saber no solo cuántas veces aparece un elemento concreto, sino también cuántas veces aparece cada elemento.

Abajo tienes ambas respuestas.

11. Cómo dividir una lista en bloques de igual tamaño

Para partir tu lista en partes del mismo tamaño, puedes recurrir a zip() junto con iter():

Este código funciona así:

• iter() es un iterador sobre una secuencia.
• [iter(x)] * 3 produce una lista con tres objetos listiterator: cada uno itera sobre x.
• El * que se pasa a zip() antes que nada desempaqueta la secuencia en argumentos, de modo que pasas el mismo iterador tres veces a zip(), y extrae un elemento cada vez.

Espera. Ese último paso no se ha entendido.

Vamos paso a paso:

1. Tendrás tres iteradores de lista, que puedes imaginar como:

[1,2,3,4,5,6,7,8,9], [1,2,3,4,5,6,7,8,9], [1,2,3,4,5,6,7,8,9]

2. La primera vez, zip() toma un elemento de cada lista secuencialmente, quedando:

[1][2][3]

Nota: los iteradores recordarán cuál es el siguiente elemento.

3. La segunda vez, se añaden elementos a las tres listas que acabas de crear y terminas con:

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

4. La última vez, repites el procedimiento y obtienes:

[1, 4, 7], [2, 5, 8], [3, 6, 9]

5. Al hacer zip de estas tres listas, te queda:

[1, 2, 3], [4, 5, 6], [7, 8, 9]

Si quieres encapsular la lógica en una función, puedes hacerlo así:

La función chunks() recibe una lista y un tamaño de bloque. Luego imprime: «Yield successive (tu tamaño)-sized chunks from list».

Después ves range(0, len(list), chunkSize): empieza en 0 y termina en la longitud de la lista, con paso igual a chunkSize.

Para cada elemento de esa lista generada por range(), produces un bloque de la lista original, desde el índice actual hasta índice + tamaño de bloque.

Por ejemplo, si pasa el índice 0, se produce la porción [0:2]. En la siguiente iteración, pasa el índice 2 (recuerda el paso) y se devuelve [2:4].

Nota: se usa pprint() (pretty print) para imprimir el resultado.

También puedes usar comprensión de listas en lugar de escribir una función:

12. Cómo iterar sobre una lista en Python

Puedes recorrer cualquier lista fácilmente con un bucle for. Para quien no haya trabajado mucho con ellos: el for permite ejecutar una acción por cada elemento de la lista.

En Python, un for tiene este aspecto:

Tienes una lista mylist y le dices a Python que compruebe si la longitud de cada elemento es 3. Como hay dos listas con tres elementos ([1,2,3] y [8, 9,10]), solo se imprimirán esas.

Nota: la x del bucle puede llamarse element, listElement… Prueba en la consola.

Aquí el resultado no muestra los índices. Si quieres iterar mostrando el índice, hazlo así:

Como quieres imprimir elementos e índice, debes reflejarlo en el for. Por eso usamos enumerate(myList), que devuelve índice y valor. Naturalmente, lo ponemos al inicio del for: i, val indica que esperamos un índice y un valor.

Nota: también puedes usar comprensión de listas para iterar. Aquí, los resultados se imprimen sin tener que pasar por print():

13. Cómo aplanar listas de listas

Para convertir una lista de listas en una lista simple, puedes usar sum(). No olvides pasar tu lista y una lista vacía como segundo argumento:

También puedes usar dos enfoques alternativos para aplanar tus listas:

• Usar reduce() con una lambda. reduce() reduce el iterable a un único valor según la función que le pases. En este caso, sumas los elementos de forma acumulativa: [1,2] se suma con [3,4] y el resultado con [5,6]. Visualmente:

([1,2]+[3,4])+[5,6]

Recuerda: el operador + concatena listas.

• La segunda opción es usar comprensión de listas. Es un for anidado: primero sublist in list (o [1, 2], [3, 4], [5, 6]) y luego item for item in sublist, imprimiendo cada elemento de cada sublista.

Otra forma de verlo es reescribirlo como un for normal:

list1 = []

for sublist in list:
  for item in sublist:
    list1.append(item)

14. Cómo obtener la intersección de dos listas en Python

15. Cómo eliminar duplicados de una lista en Python

Como vimos al principio, si quieres almacenar una colección única de elementos desordenados, lo mejor es usar un set.

Para crear un set desde cualquier iterable, pásalo a set(). Si luego necesitas volver a una lista, pasa el set a list().

Recuerda: un iterable puede ser una lista, un diccionario… Comprueba si una variable es iterable aplicándole .__iter__.

Este ejemplo muestra claramente cómo usar set() para eliminar duplicados de tu lista:

Como ves en el último resultado, no se mantiene el orden original tras restar los elementos de smallNumbers. Como los sets son desordenados, cualquier orden previo se pierde. Al convertirlo de nuevo a lista, se crea un orden arbitrario.

Si el orden te importa, tendrás que usar otro mecanismo. En esta página se trata el tema con más detalle.

16. ¿Por qué NumPy en lugar de listas de Python?

En general, hay cuatro razones por las que programadores de Python prefieren arrays de NumPy frente a listas:

• porque los arrays de NumPy ocupan menos que las listas,
• porque leer y escribir elementos es más rápido con NumPy,
• porque NumPy es más cómodo gracias a sus operaciones vectoriales y matriciales,
• porque NumPy puede ser más eficiente al estar mejor implementado.

17. Cómo crear arrays vacíos de NumPy

Si solo quieres crear un array vacío de NumPy, ejecuta lo siguiente:

Si tu objetivo es inicializar un array de NumPy, también puedes optar por estas opciones:

No dejes de consultar esta documentación si buscas más formas de inicializar tu array de NumPy.

18. Cómo hacer operaciones matemáticas con listas en Python

A menudo no solo usamos listas para almacenar valores, sino también para realizar operaciones matemáticas. Esta sección cubre las preguntas más frecuentes al respecto.

cost = [0.424, 0.4221, 0.4185, 0.4132, 0.413]
cases = [10, 20, 30, 40, 50]

list1=[1, 2, 3]
list2=[4, 5, 6]

¿Qué sigue en tu camino de data science con Python?

Has llegado al final de nuestro tutorial interactivo sobre listas en Python. Ha sido bastante material y trabajo, ¡pero lo has conseguido!

Las listas son solo una parte pequeña pero esencial de tu camino en data science con Python. ¡Hay mucho más por explorar! Nuestro curso interactivo Intro to Python for Data Science es perfecto si quieres aprender más sobre Python y su uso en data science: empieza desde lo más básico y, poco a poco, te lleva a un nivel intermedio presentándote NumPy. Ideal si tienes poca experiencia programando (en Python).

Si ya tienes un nivel más avanzado, quizá te interese nuestro curso Intermediate Python For Data Science, pensado para quienes quieren llevar sus habilidades de data science y Python al siguiente nivel. Te llevará aún más lejos en tu aprendizaje: te presenta más librerías (como matplotlib y pandas), conceptos como lógica, control de flujo y filtrado, e incluye un caso práctico de data science para consolidar tus competencias.

¿Ya usas Python para data science y quieres ir más allá? Puede interesarte nuestro curso Importing Data Into Python o considerar leer nuestra serie de tutoriales The importance of preprocessing in data science and the machine learning pipeline.