Tipos de Datos en Python | Cap 7

¡Bienvenido a un nuevo artículo de Tutoliber! En esta ocasión, profundizaremos en los tipos de datos en Python, un tema fundamental para todo aquel que quiera adentrarse en la programación y el análisis de datos con este lenguaje. Conocer a fondo los tipos de datos te permitirá escribir código más limpio, eficiente y fácil de mantener.

¿Por qué son importantes los tipos de datos?

Los tipos de datos definen qué clase de valor estamos almacenando en una variable y qué operaciones podemos realizar sobre ese valor. Por ejemplo, no es lo mismo sumar dos números que concatenar dos cadenas de texto. Si no conocemos el tipo de dato, podríamos cometer errores o encontrarnos con comportamientos inesperados.

Trabajando en Google Collaboratory

En estos ejemplos utilizaremos Google Collaboratory (Colab), una herramienta en la nube que nos facilita la ejecución de código Python sin necesidad de instalar nada en nuestro equipo. Si aún no sabes cómo utilizar Colab, te invitamos a revisar nuestros videos anteriores donde lo explicamos paso a paso.

1. Enteros (int)

Un entero es un número que no tiene parte decimal, por ejemplo: 0, 5, -10, 100. Para crear una variable entera en Python, simplemente la asignamos a un valor numérico sin punto decimal:

pythonCopiarEditarx = 1
print(type(x))  # Muestra <class 'int'>

Resultado en Colab: int

Esto indica que la variable x es de tipo entero.
Algunas operaciones comunes con enteros son la suma, resta, multiplicación y división entera.

Ejemplo de operaciones:

pythonCopiarEditara = 10
b = 3
print(a + b)      # Suma -> 13
print(a - b)      # Resta -> 7
print(a * b)      # Multiplicación -> 30
print(a // b)     # División entera -> 3
print(a % b)      # Módulo (residuo) -> 1

2. Flotantes (float)

Los flotantes o números de punto flotante son aquellos que contienen una parte decimal. Por ejemplo: 3.14, 2.71828, -0.001.

pythonCopiarEditarz = 3.1516
print(type(z))  # Muestra <class 'float'>

Resultado en Colab: float

Estos valores son esenciales cuando necesitamos realizar cálculos con decimales, como operaciones financieras, estadísticas o científicas.
Las operaciones matemáticas con flotantes son similares a las de los enteros, pero es importante tener en cuenta la precisión al trabajar con números muy grandes o muy pequeños.

Ejemplo de operaciones:

pythonCopiarEditarc = 10.5
d = 2.0
print(c + d)    # 12.5
print(c / d)    # 5.25

3. Cadenas de Texto (str)

Una cadena de texto (string) se representa entre comillas simples o dobles. En Python, todo lo que esté entre comillas se considera texto, incluso si el contenido parece un número.

pythonCopiarEditary = "1"
print(type(y))  # Muestra <class 'str'>

Resultado en Colab: str

En este caso, aunque y contiene el carácter 1, Python lo reconoce como texto y no como un número. Esto implica que si quieres sumar y a un entero, primero debes convertirlo a entero usando int(), de lo contrario obtendrás un error.

Ejemplo de operaciones con cadenas:

pythonCopiarEditarnombre = "Tutoliber"
saludo = "Hola, " + nombre + "!"
print(saludo)  # "Hola, Tutoliber!"

También puedes utilizar formatos o f-strings para trabajar con cadenas de manera más sencilla:

pythonCopiarEditaredad = 25
mensaje = f"Tu edad es {edad} años."
print(mensaje)  # "Tu edad es 25 años."

4. Booleanos (bool)

Los booleanos son valores lógicos que solo pueden ser True (verdadero) o False (falso). Estos se utilizan principalmente en condiciones y estructuras de control.

pythonCopiarEditart = True
print(type(t))  # Muestra <class 'bool'>

f = False
print(type(f))  # Muestra <class 'bool'>

Resultado en Colab: bool

Es importante respetar la ortografía y el uso de mayúsculas en la primera letra. true o false en minúsculas, sin comillas, no serán reconocidos como booleanos. Si los pones entre comillas, Python los tratará como cadenas de texto.

5. Listas (list)

Las listas permiten almacenar múltiples elementos en un solo lugar. Pueden contener cualquier tipo de dato (enteros, flotantes, cadenas, incluso otras listas).

pythonCopiarEditarl = [1, 2, 3]
print(type(l))  # Muestra <class 'list'>

Resultado en Colab: list

En análisis de datos, las listas resultan muy útiles para agrupar y manipular colecciones de valores. Puedes agregar, eliminar o modificar elementos en una lista, así como iterar sobre sus elementos.

Ejemplo de operaciones con listas:

pythonCopiarEditarmi_lista = [10, 20, 30]
mi_lista.append(40)      # Agrega 40 al final
print(mi_lista)          # [10, 20, 30, 40]
mi_lista.remove(20)      # Elimina el valor 20
print(mi_lista)          # [10, 30, 40]
print(len(mi_lista))     # Muestra la longitud -> 3

¿Qué pasa si mezclo tipos de datos?

Cuando intentes mezclar tipos de datos en operaciones, debes asegurarte de que sean compatibles. Por ejemplo, no puedes sumar directamente un entero y una cadena:

pythonCopiarEditarprint(5 + "5")  # Esto generará un error de tipo.

Para solucionar este problema, convierte la cadena a entero:

pythonCopiarEditarprint(5 + int("5"))  # 10

O bien, si quieres concatenar valores numéricos con texto, convierte el número a cadena:

pythonCopiarEditarprint("5" + str(5))  # "55"

Resumen de Tipos de Datos Vistos

1. Entero (int): números sin parte decimal (por ejemplo, 1, 10, 100).
2. Flotante (float): números con parte decimal (por ejemplo, 3.14, 2.718).
3. Cadena de texto (str): secuencia de caracteres (por ejemplo, "Hola", "123").
4. Booleano (bool): valores lógicos (True o False).
5. Lista (list): colección ordenada de elementos (por ejemplo, [1, 2, 3]).

Preguntas Frecuentes (FAQ)

1. ¿Cómo convierto un string a un entero o flotante en Python?

Para convertir una cadena de texto a un entero, utiliza la función int(). Para convertirla a un flotante, utiliza float():

pythonCopiarEditarnumero_entero = int("10")
numero_flotante = float("3.14")

2. ¿Puedo usar comillas simples y dobles en el mismo string?

Sí, Python te permite utilizar tanto comillas simples como dobles para definir cadenas. Solo asegúrate de abrir y cerrar la cadena con el mismo tipo de comilla:

pythonCopiarEditartexto1 = "Hola"
texto2 = 'Mundo'

Si quieres usar comillas dobles dentro de una cadena delimitada por comillas dobles, tendrás que escapar esas comillas con \ o usar comillas simples por fuera:

pythonCopiarEditartexto3 = "Dijo: \"Hola Mundo\""
texto4 = 'Dijo: "Hola Mundo"'

3. ¿Existen más tipos de datos en Python además de los que se mencionan aquí?

Sí, Python cuenta con más tipos de datos como:

• Tuplas (tuple): similares a las listas, pero inmutables.
• Diccionarios (dict): estructuras que almacenan pares clave-valor.
• Conjuntos (set): colecciones desordenadas y sin elementos duplicados.

En futuros artículos profundizaremos en estos tipos de datos.

4. ¿Por qué me aparece un error cuando mezclo tipos de datos en una operación?

Python es estricto al combinar tipos de datos. Por ejemplo, no puedes sumar directamente un entero y una cadena. Debes realizar una conversión previa para que ambos datos sean compatibles.

5. ¿Cómo comparo dos valores en Python?

Para comparar valores, se utilizan operadores de comparación como ==, !=, >, <, >=, <=. Estos operadores devuelven un valor booleano (True o False).
Por ejemplo:

pythonCopiarEditar5 == 5   # True
5 != 3   # True
5 > 10   # False

6. ¿Cómo puedo saber la versión de Python que estoy usando?

En Google Colab, generalmente se usa Python 3. Para verificar la versión en tu entorno local, puedes ejecutar en la terminal:

bashCopiarEditarpython --version

o bien, dentro de un script de Python:

pythonCopiarEditarimport sys
print(sys.version)

---

En este artículo, hemos revisado los tipos de datos más importantes en Python:

• Enteros (int) para números sin parte decimal.
• Flotantes (float) para números con parte decimal.
• Cadenas (str) para representar texto.
• Booleanos (bool) para valores lógicos.
• Listas (list) para colecciones ordenadas de elementos.

Estos tipos de datos son la base de cualquier programa y son esenciales en el análisis de datos. Dominar su uso te permitirá aprovechar al máximo las capacidades de Python y crear proyectos más complejos de manera eficiente.

En los siguientes artículos, profundizaremos en la manipulación de cadenas, listas, tuplas, diccionarios y más herramientas de Python. Si este contenido te ha resultado útil, ¡no olvides suscribirte, darle clic a la campanita y compartirlo con quienes puedan estar interesados en aprender Python y análisis de datos!

¡Gracias por leernos y hasta la próxima en Tutoliber!

Video