4.4.1 Listas – Ejemplos con Python

Ejercicios resueltos de programación usando listas en Python

Operaciones de selección de datos desde listas

3Eva_IIIT2003_T2 Socios del club por género

Solución propuesta: s3Eva_IIIT2003_T2 Socios del club por género

Unión e Intersección de listas

3Eva_IT2002_T3 Determinar productos iguales entre vendedores

Solución propuesta: s3Eva_IT2002_T3 Determinar productos iguales entre vendedores

1Eva_IIT2007_T3 Garantías de prestamos IESS

Solución propuesta: s1Eva_IIT2007_T3 Garantías de prestamos IESS

1Eva_IIT2012_T4 Informe de pasantías

Solución propuesta: s1Eva_IIT2012_T4 Informe de pasantías

1Eva_IIT2010_T1 Censo de instrucción por género

Solución propuesta: s1Eva_IIT2010_T1 Censo de instrucción por género

1Eva_IT2010_T1 Bono para televisores en Uruguay

Solución propuesta: s1Eva_IT2010_T1 Bono para televisores en Uruguay


Arreglos y Aleatorios, random, numpy

3Eva_IT2005_T4 Tabla de Pozo millonario

Solución propuesta: s3Eva_IT2005_T4 Tabla de Pozo millonario

1Eva_IIT2005_T3 Entrenamiento atleta: promedios

Solución propuesta:  s1Eva_IIT2005_T3 Entrenamiento atleta: promedios

4.4 Listas como conjuntos en Python

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]

Para el manejo combinado de palabras y números, varias palabras, varias frases, se usa el concepto de Listas.

Las listas operan como un conjunto de datos de diferente tipo: cadenas junto a texto, conteniendo subconjunto de listas con diferentes dimensiones.

Una «lista» de datos como un vector es, por ejemplo, la lista del curso con los nombres de los participantes:

>>> lista = ['Juan','María','Pedro']
>>> lista
['Juan', 'María', 'Pedro']
>>> len(lista)
3
>>> 

Añadir elementos: Append()

Luego ‘Ana’ decide registrarse en el curso, y debe añadirse su nombre a la lista del curso. La instrucción para añadir elementos en la lista es append() que es semejante a la instrucción de concatenar elemantos a un vector o una cadena.

>>> registrar = 'Ana'
>>> listacurso.append(registrar)
>>> listacurso
['Juan', 'María', 'Pedro', 'Ana']
>>> 

Revisar Elemento en Conjunto

Siguiendo con el ejemplo anterior, para revisar si ‘Pedro’ y ‘Carlos’ se encuentra en la lista del curso. Si está en la lista, para identificar la posición o índice donde se encuentra, se usa la instruccion .index().

>>> 'Pedro' in listacurso
True
>>> 'Carlos' in listacurso
False
>>> donde = listacurso.index('Pedro')
>>> donde
2

Video Tutorial

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]


Listas desde cadenas

Una frase se puede dividir en palabras, en referencia a un solo caracter:

>>> frase = 'El saber no ocupa lugar'
>>> palabras = frase.split()
>>> palabras
['El', 'saber', 'no', 'ocupa', 'lugar']
>>> 

Listas de Listas

Las listas pueden agrupar otras listas, las notas individuales de cada estudiante se escribirían:

>>> califica = [['Juan',9],['María',10],['Pedro',6],['Ana',8]]
>>> califica
[['Juan', 9], ['María', 10], ['Pedro', 6], ['Ana', 8]]
>>> califica[2]
['Pedro', 6]
>>> califica[2][0]
'Pedro'
>>> califica[2][1]
6
>>> 

Note que en listas cuando se usa más de un índice, se usan corchetes independientes para cada índice.

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]

4.3.2 Cadenas de caracteres/strings – Ejercicios

Ejercicios de programación propuestos para el uso de cadenas de caracteres/strings

2Eva_IT2012_T2 Número de tecla en cifrado musical con Python

2Eva_IT2010_T2 Operaciones infix – postfix

2Eva_IIT2009_T1 Mensaje a SMS

2Eva_IT2009_T1 Desordenar una palabra

2Eva_IIT2007_T1 Palabras aleatorias alternando vocal y consonante, genword

2Eva_IT2006_T3 Encriptar a Morse

3Eva_IIT2013_T3 buscar cadena en una frase

3Eva_IT2013_T1 Verificar un Abecegrama

3Eva_IIT2012_T1 Alfabeto radiofónico

3Eva_IIT2008_T1 Contar palabras para un clasificado

3Eva_IT2007_T2 Función para crear Acrónimos

4.3.1 Cadenas de caracteres/strings – Ejercicios resueltos en Python

Ejercicios resueltos de cadenas de caracteres o strings en programación con Python.

2Eva_IIT2012_T2 Cifrado César

Solución Propuesta: s2Eva_IIT2012_T2 Cifrado César

video tutorial: S06T2E1 Cadenas de Caracteres. Cifrado César

2Eva_IT2005_T3 Adivina palabra (ahorcado)

Solución propuesta: s2Eva_IT2005_T3 Adivina palabra (ahorcado)

video tutorial: S06T2E2 Cadenas de Caracteres. Adivina palabra, ahorcado

2Eva_IIT2008_T2 Etiquetar a robots (R2D2)

Solución propuesta: s2Eva_IIT2008_T2 Etiquetar a robots (R2D2)

2Eva_IT2005_T1 Completar cadena con padright

Solución propuesta: s2Eva_IT2005_T1 Completar cadena con padright

2Eva_IT2011_T4 Números Romanos a decimal

Solución propuesta: s2Eva_IT2011_T4 Números Romanos a decimal

4.3 Cadenas de caracteres/strings – vector de letras en Python

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]

El manejo de texto en computador requiere una representación de los símbolos o letras que se usan en un idioma.

Cada símbolo, letra o «caracter» que se presenta al escribir en pantalla se convierte en una sucesión ordenada de imágenes, semejante a agrupar las fichas del juego Scrabble

Una palabra se puede observar como las casillas de un vector, dando la pauta para el manejo de texto en el computador.

En Python, el texto para los mensajes en las preguntas input y las salidas print se escriben entre comillas " o apóstrofes '. Cada letra de una palabra se puede identificar por su posición como en un vector.

>>> palabra = 'manzana'
>>> len(palabra)
7
>>> palabra[0]
'm'
>>> palabra[4]
'a'
>>> 

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]


Concatenar cadenas o strings

Si al unir palabras se forma una oración, el concepto se extiende a programación como «concatenar«. Básicamente concatenar es la unión de varias palabras para formar una oración un título o un mensaje.

>>> palabra1 = 'El'
>>> palabra2 = 'saber'
>>> frase = palabra1 + palabra2
>>> frase
'Elsaber'
>>> frase = palabra1 + ' ' + palabra2
>>> frase
'El saber'
>>> cadena1 = 'no ocupa lugar'
>>> frase = frase + ' ' + cadena1
>>> frase
'El saber no ocupa lugar'
>>> 

Mayúsculas y Minúsculas con caracteres de letras

Para convertir una frase o palabra a mayúsculas o viceversa, se usan las instrucciones: palabra.upper() y palabra.lower().

Siguiendo el ejemplo anterior, el ejemplo de uso es:

>>> frase
'El saber no ocupa lugar'
>>> enmayusculas = frase.upper()
>>> enmayusculas
'EL SABER NO OCUPA LUGAR'
>>> enminusculas = frase.lower()
>>> enminusculas
'el saber no ocupa lugar'
>>> 

Comparar cadenas o strings

También es posible comparar caracteres, o cadenas entre si, por ejemplo para buscar cuántas vocales tiene una palabra. Considere que los caracteres o ‘dibujos de letras’  mayúsculas son diferentes a los de minúsculas.

>>> letra1 = 'd'
>>> letra1 > 'a'
True
>>> letra1 > 'g'
False
>>> letra1 == 'D'
False
>>> 

Se puede comparar el orden alfabético de los caracteres, pues el computador los almacena en una posición ordenada, semejante a un vector [‘a’,’b’,’c’, … ]

ejemplo con cadenas, o palabras:

>>> fruta1 = 'manzana'
>>> fruta2 = 'pera'
>>> fruta3 = 'manzana'
>>> fruta4 = 'MANZANA'
>>> fruta1 == fruta3
True
>>> fruta1 == fruta2
False
>>> fruta1 == fruta4
False
>>> 

Segmentar o dividir una cadena/string/texto usando split()

Para segmentar o dividir el texto por algún símbolo se dispone de la instrucción frase.split().

En el ejemplo se muestra como se separa la frase

>>> separa = frase.split()
>>> separa
['El', 'saber', 'no', 'ocupa', 'lugar']
>>> separa[1]
'saber'
>>> 

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]

4.2.2 Matrices en programación, Arreglos – Archivo Abrir/Guardar con Numpy

En Python se pueden obtener los datos de las matrices desde archivos, o almacenar las matrices hacia archivos. Así, cuando las matrices son de grandes dimensiones, no será necesario tener que escribir los valores de las matrices cada vez que se requiera hacer una operación.

En librería Numpy , existen funciones incorporadas para guardar o abrir una matriz desde un archivo en formato .txtcon las instrucciones: np.savetxt(), np.loadtxt()


Guardar matriz en archivo.txt con Numpy

Para guardar una matriz a un archivo use:
numpy.savetxt('matriz.txt', matriz)

>>> import numpy as np
>>> matriz = np.array([[1,2,3],[4,5,6]])
>>> matriz
array([[1, 2, 3],
       [4, 5, 6]])
>>> np.savetxt('matriz00.txt',matriz)

se puede encontrar en archivo.txt en el directorio de trabajo de Python

El archivo puede ser abierto para observar desde el «block de notas»


Abrir archivo.txt de una matriz con Numpy

Continuando con el ejercicio anterior, para abrir o leer desde un archivo en formato de texto ‘matriz.txt‘, se dispone de la instrucción de Numpy:
np.loadtxt('matriz.txt',dtype=int)

La instrucción permite indicar el tipo de datos que se usan en el arreglo.

>>> A = np.loadtxt('matriz00.txt',dtype=int)
>>> A
array([[1, 2, 3],
       [4, 5, 6]])

>>> B = np.loadtxt('matriz00.txt')
>>> B
array([[ 1., 2., 3.],
       [ 4., 5., 6.]])

Nota: lo importante es el formato del archivo en tipo texto. Algunas veces los archivos tienen extensión .dat que también pueden ser leídos.

4.2.1 Matrices en programación, Arreglos – Ejercicios resueltos en Python

[ejercicios resueltos] [ videos tutoriales] [ejercicios para resolver]


Ejercicios resueltos

Ejercicios resueltos sobre matrices en arreglos de dos dimensiones en Python y Numpy.

1) 3Eva_IT2002_T1 Triunfos, empates y derrotas por Goles

Solución propuesta: s3Eva_IT2002_T1 Triunfos, empates y derrotas por Goles

2) 3Eva_IT2000_T2 Matriz: puntos por goles en campeonato

Solución propuesta: s3Eva_IT2000_T2 Matriz: puntos por goles en campeonato

3) 3Eva_IT2003_T2 Verificar un cuadrado mágico

Solución propuesta: s3Eva_IT2003_T2 Verificar un cuadrado mágico

4) 2Eva_IT2009_T3 Mejores vendedores por categoría

Solución propuesta: s2Eva_IT2009_T3 Mejores vendedores por categoría

5) 1Eva_IIT2003_T3 Personas asignadas a proyectos

Solución propuesta: s1Eva_IIT2003_T3 Personas asignadas a proyectos

6) 2Eva_IIT2007_T2 Juego de memotest

Solución propuesta: s2Eva_IIT2007_T2 Juego de memotest , m_pdf


[ejercicios resueltos] [ videos tutoriales] [ejercicios para resolver]


Tutoriales de Matrices y arreglos

Ejercicios para Álgebra y Métodos Numéricos:

Unidad 3 Solución a sistemas de ecuaciones

Ejemplos en el curso de  Métodos numéricos


[ejercicios resueltos] [ videos tutoriales] [ejercicios para resolver]


Ejercicios para resolver

Ejercicios de matrices en programación y su aplicación como arreglos de dos dimensiones.

3Eva_IT2000_T2 Matriz: puntos por goles en campeonato

2Eva_IIT2011_T3 Movimientos del caballo en ajedrez

3Eva_IIT2015_T3 funciones matrices rotar, extraer

3Eva_IIT2015_T4 Orientar código QR (Quick Response Code)


Matrices y Aleatorios

3Eva_IIT2014_T1 Ubicar estudiantes en aula

2Eva_IT2015_T3 Distribuye tortugas en región

2Eva_IT2015_T4 Movilidad de tortugas en región


Matrices en Álgebra

2Eva_IIT2009_T2 Transponer una matriz

2Eva_IT2007_T2 Verificar matriz triangular

1Eva_IT2004_T4 Verificar matriz simétrica

4.2 Matrices en programación – Arreglos de dos dimensiones en Python

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]

Las matrices en programación se manejan como arreglos de Numpy.
La interpretación de los datos de una Matriz o arreglo puede ser desde un sistema de ecuaciones, una tabla de goles de un campeonato o una hoja de calendario.

Al igual que los vectores, las matrices en arreglos tienen como componentes: «nombre», «índice» y «tamaño». Los valores de tamaño dependen de las dimensiones de la matriz. Para los primeros ejercicios serán rectangulares de nxm.

Los índices a diferencia de el álgebra, inician en cero.

En los ejercicios, la matriz de dos dimensiones usa como índices de filas la variable «i» y para columnas «j».

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]


Matrices en programación con Numpy-Python

Para un mejor manejo de matrices en programación, se usan las funciones de la librería Numpy (Numerical Python) que se incorporan en el bloque de inicio con el alias np.

import numpy as np

Definir una matriz de nxm, con ceros o llena de unos, requiere la instrucción:

>>> 
import numpy as np
>>> n = 5
>>> m = 7
>>> matriz0 = np.zeros(shape=(n,m), dtype=float)
>>> matriz0
array([[0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0.]])
>>> matriz1 = np.ones(shape=(n,m), dtype=float)
>>> matriz1
array([[1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1.]])
>>> 

El tipo de matriz (dtype=int) se añade para indicar que la matriz tiene datos tipo entero, la forma predeterminada para los datos es tipo real (dtype=float)

Las dimensiones de la matriz se obtienen mediante la instrucción con Numpy:

>>> np.shape(matriz0)
(5, 7)
>>> tamano = np.shape(matriz0)
>>> tamano
(5, 7)
>>> tamano[0]
5
>>> tamano[1]
7
>>> dimension = np.ndim(matriz0)
>>> dimension
2
>>> 

entre otras operaciones en Numpy que reflejan las operaciones de matrices de álgebra.


Referencias: Inicie con la definición de matrices del álgebra lineal:

http://blog.espol.edu.ec/matg1049/cl1-02-sistema-de-ecuaciones-lineales/

Las operaciones básicas de matrices se describen también en álgebra lineal:

http://blog.espol.edu.ec/matg1049/cl2-07-operaciones-entre-subespacios/


Algoritmos sobre Matrices en Análisis y Métodos Numéricos

La Unidad 3 Sistemas de Ecuaciones del curso Análisis Numérico desarrolla los algoritmos en Python en base a los métodos matemáticos.

3.2 Pivoteo parcial por filas con Python

3.3 Método de Gauss con Python


Interpretación de matrices

Observe el siguiente video y plantee la relación con el tema de arreglos, matrices, dimensiones y computación.

Las aplicaciones de las matrices | Lo que desearía que mis maestros me hubieran dicho antes. Zach Star. 11 oct 2019.

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]

4.1.1 Vectores como arreglos en programación Arreglos – Ejercicios resueltos en Python

[ Ejemplos ] [ Ejercicios resueltos ] [ ejercicios para resolver ]


Ejemplo 1 – Secuencia de Fibonacci

Referencia: Ejercicio 12 de 3.3.3 Tarea-Lazos

La secuencia de Fibonacci es muy reconocida en la matemática. Como introducción al tema se recomienda observar el  video de «misterio de las matemáticas» que tiene una explicación interesante entre los tiempos 2:33 y 6:40, por lo que el video inicia en el minuto 2:33.

La secuencia se desarrolla a partir de dos números: 1 y 1
diagrama de flujo Fibonacci

El siguiente término se obtiene sumando los dos anteriores:

1 1 2 3 5 8 13 21 ...
a+b=c
  a+b=c
    a+b=c

El algoritmo primero se presenta en el diagrama de flujo para facilidad visual de los pasos.

Al requerir mostrar toda la secuencia, en lugar de un solo valor, aparece la necesidad de usar un vector.

Para éste caso usamos la librería numpy para obtener los siguientes resultados:

¿cuál término?: 8
término n-ésimo:  21
secuencia:  [ 1  1  2  3  5  8 13 21]
>>> 

Algoritmo en Python

Se modifican las instrucciones para añadir la secuencia en un vector:

# secuencia de fibonacci
# usando vectores
import numpy as np

# INGRESO
nesimo = int(input('¿cuál término?: '))

# PROCEDIMIENTO
a = 1
b = 1
terminos = 2
secuencia = np.zeros(nesimo,dtype = int)
secuencia[0] = 1
secuencia[1] = 1

while not(terminos>=nesimo):
    c = a+b
    secuencia[terminos] = c
    terminos = terminos+1
    a = b
    b = c
    
# SALIDA
print('término n-ésimo: ',c)
print('secuencia: ', secuencia)


Ejemplo 2: 1Eva_IIT2015_T3 Vector de números primos

Primero desarrolle el algoritmo para un número cualquiera «n«. Diagrama de Flujo número primo

Como hipótesis, inicie considerando que el número es primo, esprimo=1, luego pruebe con cada uno de los divisores en el intervalo entre 2 y (n-1).

La divisibilidad se revisa con el residuo entre el número n y los divisiores del intervalo [2,n-1].

Primero con divisor=2. El número 1 no cuenta pues todos los números son divisibles para 1.

Si el residuo calculado tuvo resultado cero, el número n no es primo, esprimo=0. Continua las pruebas con el siguiente divisor, divisor = divisor +1

Se revisa si se han probado con todos los números inferiores a n o que el resultado ya no es primo, esprimo=0.

Se muestran los resultados.

El esquema del ejemplo se muestra en el diagrama de flujo.

Algoritmo en Python

Convirtiendo las instrucciones de diagrama de flujo a instrucciones en Python:

# 1ra Evaluación II Término 2015. Tema 3
# numeros primos

# INGRESO
n = int(input('primo a revisar: '))

# PROCEDIMIENTO ES PRIMO
esprimo = 1

divisor = 2
while not(divisor>=(n-1) or esprimo==0):
    residuo = n%divisor
    if (residuo==0):
        esprimo=0
    divisor = divisor+1

# SALIDA
print('numero primo: ', esprimo)

Tarea

En una secuencia de números enteros, identifique cuales son números primos.

Reutilice el algoritmo anterior para almacenar cada resultado en un vector, indicando 1 si es primo y 0 si no lo es.

Luego de probar que el algoritmo funciona, realice un bloque de ingreso para la secuencia de prueba.

numeros prueba:  [ 2  3  4  5  6  7  8  9 10]
cumple esprimo:  [ 1  1  0  1  0  1  0  0  0]
>>> 
# 1ra Evaluación II Término 2015
# numeros primos
import numpy as np

# INGRESO
probar = np.array([2,3,4,5,6,7,8,9,10])

# PROCEDIMIENTO
tamano = len(probar)
cumple = np.ones(tamano, dtype=int)
posicion =  0
while not(posicion==tamano):
    n = probar[posicion]
    
    # PROCEDIMIENTO ES PRIMO
    esprimo = 1
    i = 2
    while not(i>=(n-1) or esprimo==0):
        r = n%i
        if (r==0):
            esprimo=0
        i = i+1
    
    cumple[posicion] = esprimo
    posicion = posicion+1

# SALIDA
print('numeros prueba: ', probar)
print('cumple esprimo: ', cumple)

[ Ejemplos ] [ Ejercicios resueltos ] [ ejercicios para resolver ]


Ejercicios resueltos de vectores como arreglos en Python

Vectores – Arreglos unidimensionales con Python y Numpy

1Eva_IT2013_T4 Tabular atención al cliente

solución propuesta: s1Eva_IT2013_T4 Tabular atención al cliente

1Eva_IIT2002_T2 Color de placas de vehículos

solución propuesta: s1Eva_IIT2002_T2 Color de placas de vehículos

1Eva_IT2008_T2 Criba de Eratóstenes

solución propuesta: s1Eva_IT2008_T2 Criba de Eratóstenes

1Eva_IT2002_T3 Calificaciones mejores que alguien

Arreglos unidimensionales y números aleatorios

1Eva_IT2008_T3 Simular precio de petroleo

Solución literal c: s1Eva_IT2008_T3 Simular precio de petroleo

1Eva_IIT2010_T3 Juego del amigo secreto

Solución propuesta: s1Eva_IIT2010_T3 Juego del amigo secreto

1Eva_IIT2007_T2 Juego de la Ruleta

Solución propuesta: s1Eva_IIT2007_T2 Juego de la Ruleta

Arreglos, acumuladores y contadores

1Eva_IIT2010_T1 Censo de instrucción por género

Solución propuesta: s1Eva_IIT2010_T1 Censo de instrucción por género

1Eva_IT2011_T3 Calcular ventas por región

Solución propuesta: s1Eva_IT2011_T3 Calcular ventas por región

1Eva_IT2013_T1 Primos gemelos

Solución propuesta: s1Eva_IT2013_T1 Primos gemelos

1Eva_IT2008_T2 Criba de Eratóstenes

Solución propuesta: s1Eva_IT2008_T2 Criba de Eratóstenes

[ Ejemplos ] [ Ejercicios resueltos ] [ ejercicios para resolver ]


Ejercicios para resolver sobre de arreglos en programación

1Eva_IT2005_T3 Arreglo aleatorio binario a decimal

1Eva_IT2001_T6 Piloto y copiloto para nave

1Eva_IIT2002_T3 Conjetura de Ullman

1Eva_IIT2008_T4 Área del polígono convexo por triángulos

[ Ejemplos ] [ Ejercicios resueltos ] [ ejercicios para resolver ]