Ejercicios sugeridos para desarrollar con listas, siguiendo los conceptos de ésta unidad.
1Eva_IIT2013_T4 Sorteo series mundial de fútbol
1Eva_IIT2011_T4 Impuestos casillas/envíos del exterior
4.4.1 Listas – Ejemplos con Python
Unión e Intersección
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
Se recomienda revisar antes los ejercicios de Vectores y Matrices (Arreglos Numpy) antes de continuar con éste tema.
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
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.
Video Tutorial
4.3.2 Cadenas de caracteres – Ejercicios
2Eva_IT2012_T2 Cifrado musical americano
2Eva_IT2010_T2 Operaciones infix – postfix
2Eva_IT2009_T1 Desordenar una palabra
2Eva_IIT2007_T1 Palabras aleatorias, genword
2Eva_IT2006_T3 Encriptar a Morse
3Eva_IIT2013_T3 buscar cadena en una frase
3Eva_IT2013_T1 Verificar Abecegrama
3Eva_IIT2012_T1 Alfabeto radiofónico
4.3.1 Cadenas de caracteres – Ejemplos en Python
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 – vector de letras en Python
El manejo de texto en computador es un tema interesante al conocer que internamente maneja solo números binarios. Se requiere una presentación de los símbolos o letras que representan 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 Scrable
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' >>>
Concatenar texto
Al unir palabras se forma una oración, el concepto de concatenar se resume en la union 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 /Minúsculas
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
También es posible aplicar operaciones de comparación entre caracteres, o cadenas.
Considere que los caracteres o dibujos de mayúsculas son diferentes a los de minúsculas.
>>> letra1 = 'd' >>> letra1 > 'a' True >>> letra1 > 'g' False >>> letra1 == 'D' False >>>
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 un texto/cadena
Para segmentar o dividir el texto por algún símbolo se dispone de la instruccion frase.split().
En el ejemplo se muestra como se separa la frase
>>> separa = frase.split() >>> separa ['El', 'saber', 'no', 'ocupa', 'lugar'] >>> separa[1] 'saber' >>>
4.2.3 Matrices, Arreglos – Archivo Abrir/Guardar
En Python se pueden obtener 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 libreria numpy , existen funciones incorporadas para guardar o abrir una matriz desde un archivo en formato .txt : np.savetxt(), np.loadtxt()
Guardar matriz en archivo.txt
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
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 leidos.
4.2.2 Matrices, Arreglos – Ejercicios
Ejercicios de matrices en programación, aplicación del 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 Algebra
2Eva_IIT2009_T2 Transponer una matriz
4.2.1 Matrices, Arreglos en programación – Ejemplos en Python
Ejemplos de ejercicios resueltos en Python de aplicación de matrices como arreglos de dos dimensiones
1) 3Eva_IT2002_T1 Triunfos, empates y derrotas por Goles
Solucion propuesta: S05T2 Arreglos – Matrices, condicionales y acumuladores
2) 3Eva_IT2003_T2 Verificar un cuadrado mágico
Solución propuesta: s3Eva_IT2003_T2 Verificar un cuadrado mágico
3) 2Eva_IT2009_T3 Mejores vendedores por categoría
Solución propuesta: s2Eva_IT2009_T3 Mejores vendedores por categoría
4) 1Eva_IIT2003_T3 Personas asignadas a proyectos
Solución propuesta: s1Eva_IIT2003_T3 Personas asignadas a proyectos
5) 2Eva_IIT2007_T2 Juego de memotest
Solución propuesta: Sol_py m_pdf
Ejercicios para Algebra y Métodos Numéricos:
Unidad 3 Solución a sistemas de ecuaciones
Ejemplos en el curso de Métodos numéricos
4.2 Matrices en programación – Arreglos de dos dimensiones en Python
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».
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 intrucción 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 algebra.
Referencias: Inicie con la definición de matrices del algebra lineal:
http://blog.espol.edu.ec/matg1049/cl1-02-sistema-de-ecuaciones-lineales/
Las operaciones básicas de matrices se describen también en algebra 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.
Interpretación de matrices
Observe el siguiente video y plantee la relación con el tema de arreglos, matrices, dimensiones y computación.