6. Expresiones

Este capítulo explica el significado de los elementos de expresiones en Python.

Notas de Sintaxis: En este y los siguientes capítulos será usada notación BNF extendida para describir sintaxis, no análisis léxico. Cuando (una alternativa de) una regla de sintaxis tiene la forma

name ::=  othername

y no han sido dadas semánticas, las semánticas de esta forma de name son las mismas que para othername.

6.1. Conversiones aritméticas

Cuando una descripción de un operador aritmético a continuación usa la frase «los argumentos numéricos son convertidos a un tipo común», esto significa que la implementación de operador para tipos incorporados funciona de la siguiente forma:

  • Si cualquiera de los argumentos es un número complejo, el otro es convertido a complejo;

  • de otra forma, si cualquier de los argumentos es un número de punto flotante, el otro es convertido a punto flotante;

  • de otra forma, ambos deben ser enteros y no se necesita conversión.

Algunas reglas adicionales aplican para ciertos operadores (ej., una cadena de caracteres como argumento a la izquierda del operador “%”). Las extensiones deben definir su comportamiento de conversión.

6.2. Átomos

Los átomos son los elementos más básicos de las expresiones. Los átomos más simples son identificadores o literales. Las formas encerradas en paréntesis, corchetes o llaves son también sintácticamente categorizadas como átomos. La sintaxis para átomos es:

atom      ::=  identifier | literal | enclosure
enclosure ::=  parenth_form | list_display | dict_display | set_display
               | generator_expression | yield_atom

6.2.1. Identificadores (Nombres)

Un identificador encontrándose como un átomo es un nombre. Vea la sección Identificadores y palabras clave para la definición léxica y la sección Nombres y vínculos para documentación de nombrar y vincular.

Cuando el nombre es vinculado a un objeto, la evaluación del átomo produce ese objeto. Cuando un nombre no es vinculado, un intento de evaluarlo genera una excepción NameError.

Alteración de nombre privado: Cuando un identificador que ocurre textualmente en una definición de clase comienza con dos o más caracteres de guión bajo y no termina en dos o más guiones bajos, es considerado un private name de esa clase. Los nombres privados son transformados a una forma más larga antes de que sea generado código para ellos. La transformación inserta el nombre de clase, con los guiones bajos iniciales eliminados y un solo guión bajo insertado, delante del nombre. Por ejemplo, el identificador __spam que se encuentra en una clase denominada Ham será transformado a _Ham__spam. Esta transformación es independiente del contexto sintáctico en el cual es usado el identificador. Si el nombre transformado es extremadamente largo (más largo que 255 caracteres), puede ocurrir el truncamiento definido por la implementación. Si el nombre de clase consiste únicamente de guiones bajos, no se realiza transformación.

6.2.2. Literales

Python soporta literales de cadenas de caracteres y bytes y varios literales numéricos:

literal ::=  stringliteral | bytesliteral
             | integer | floatnumber | imagnumber

La evaluación de un literal produce un objeto del tipo dado (cadena de caracteres, bytes, entero, número de punto flotante, número complejo) con el valor dado. El valor puede ser aproximado en el caso de literales de número de punto flotante e imaginarios (complejos). Vea la sección Literales para más detalles.

Todos los literales corresponden a tipos de datos inmutables y, por lo tanto, la identidad del objeto es menos importante que su valor. Múltiples evaluaciones de literales con el mismo valor (ya sea la misma ocurrencia en el texto del programa o una ocurrencia diferente) pueden obtener el mismo objeto o un objeto diferente con el mismo valor.

6.2.3. Formas entre paréntesis

Una forma entre paréntesis es una lista de expresiones opcionales encerradas entre paréntesis:

parenth_form ::=  "(" [starred_expression] ")"

Una expresión entre paréntesis produce lo que la lista de expresión produce: si la lista contiene al menos una coma, produce una tupla; en caso contrario, produce la única expresión que que forma la lista de expresiones.

Un par de paréntesis vacío producen un objeto de tupla vacío. Debido a que las tuplas son inmutables, se aplican las mismas reglas que aplican para literales (ej., dos ocurrencias de una tupla vacía puede o no producir el mismo objeto).

Note que las tuplas no son formadas por los paréntesis, sino más bien mediante el uso del operador de coma. La excepción es la tupla vacía, para la cual los paréntesis son requeridos – permitir «nada» sin paréntesis en expresiones causaría ambigüedades y permitiría que errores tipográficos comunes pasaran sin ser detectados.

6.2.4. Despliegues para listas, conjuntos y diccionarios

Para construir una lista, un conjunto o un diccionario, Python provee sintaxis especial denominada «despliegue», cada una de ellas en dos sabores:

  • los contenidos del contenedor son listados explícitamente o

  • son calculados mediante un conjunto de instrucciones de bucle y filtrado, denominadas una comprehension.

Los elementos comunes de sintaxis para las comprensiones son:

comprehension ::=  assignment_expression comp_for
comp_for      ::=  ["async"] "for" target_list "in" or_test [comp_iter]
comp_iter     ::=  comp_for | comp_if
comp_if       ::=  "if" or_test [comp_iter]

La comprensión consiste en una única expresión seguida por al menos una cláusula for y cero o más cláusulas for o if. En este caso, los elementos del nuevo contenedor son aquellos que serían producidos mediante considerar cada una de las cláusulas for o if un bloque, anidado de izquierda a derecha y evaluando la expresión para producir un elemento cada vez que se alcanza el bloque más interno.

Sin embargo, aparte de la expresión iterable en la cláusula for más a la izquierda, la comprensión es ejecutada en un alcance separado implícitamente anidado. Esto asegura que los nombres asignados a en la lista objetiva no se «filtren» en el alcance adjunto.

La expresión iterable en la cláusula más a la izquierda for es evaluada directamente en el alcance anidado y luego pasada como un argumento al alcance implícitamente anidado. Subsecuentes cláusulas for y cualquier condición de filtro en la cláusula for más a la izquierda no pueden ser evaluadas en el alcance adjunto ya que pueden depender de los valores obtenidos del iterable de más a la izquierda. Por ejemplo, [x*y for x in range(10) for y in range(x, x+10)].

Para asegurar que la comprensión siempre resulta en un contenedor del tipo apropiado, las expresiones yield y yield from están prohibidas en el alcance implícitamente anidado.

A partir de Python 3.6, en una función async def, una cláusula async for puede ser usada para iterar sobre un asynchronous iterator. Una comprensión en una función async def puede consistir en una cláusula for o async for siguiendo la expresión inicial, puede contener cláusulas adicionales for o async for y también pueden usar expresiones await. Si una comprensión contiene cláusulas async for o expresiones await es denominada una asynchronous comprehension. Una comprensión asincrónica puede suspender la ejecución de la función de corrutina en la cual aparece. Vea también PEP 530.

Nuevo en la versión 3.6: Fueron introducidas las comprensiones asincrónicas.

Distinto en la versión 3.8: Prohibidas yield y yield from en el alcance implícitamente anidado.

6.2.5. Despliegues de lista

Un despliegue de lista es una serie de expresiones posiblemente vacía encerrada entre corchetes:

list_display ::=  "[" [starred_list | comprehension] "]"

Un despliegue de lista produce un nuevo objeto lista, el contenido se especifica por una lista de expresiones o una comprensión. Cuando se proporciona una lista de expresiones, sus elementos son evaluados desde la izquierda a la derecha y colocados en el objeto lista en ese orden. Cuando se proporciona una comprensión, la lista es construida desde los elementos resultantes de la comprensión.

6.2.6. Despliegues de conjuntos

Un despliegue de conjunto se denota mediante llaves y se distinguen de los despliegues de diccionarios por la ausencia de caracteres de doble punto separando claves y valores:

set_display ::=  "{" (starred_list | comprehension) "}"

Un despliegue de conjunto produce un nuevo objeto conjunto mutable, el contenido se especifica mediante una secuencia de expresiones o una comprensión. Cuando se proporciona una lista de expresiones separadas por comas, sus elementos son evaluados desde la izquierda a la derecha y añadidos al objeto de conjunto. Cuando se proporciona una comprensión, el conjunto es construido de los elementos resultantes de la comprensión.

Un conjunto vacío no puede ser construido con {}; este literal construye un diccionario vacío.

6.2.7. Despliegues de diccionario

Un despliegue de diccionario es una serie posiblemente vacía de pares clave/datos encerrados entre llaves:

dict_display       ::=  "{" [key_datum_list | dict_comprehension] "}"
key_datum_list     ::=  key_datum ("," key_datum)* [","]
key_datum          ::=  expression ":" expression | "**" or_expr
dict_comprehension ::=  expression ":" expression comp_for

Un despliegue de diccionario produce un nuevo objeto diccionario.

Si es dada una secuencia separada por comas de pares clave/datos, son evaluadas desde la izquierda a la derecha para definir las entradas del diccionario: cada objeto clave es usado como una clave dentro del diccionario para almacenar el dato correspondiente. Esto significa que puedes especificar la misma clave múltiples veces en la lista clave/datos y el valor final del diccionario para esa clave será la última dada.

Un doble asterisco ** denota dictionary unpacking. Su operando debe ser un mapping. Cada elemento de mapeo es añadido al nuevo diccionario. Valores más tardíos remplazan los valores ya establecidos para los pares clave/dato y para los desempaquetados de diccionario anteriores.

Nuevo en la versión 3.5: Desempaquetar en despliegues de diccionarios, originalmente propuesto por PEP 448.

Una comprensión de diccionario, en contraste a las compresiones de lista y conjunto, necesita dos expresiones separadas con un caracter de doble punto seguido por las cláusulas usuales «for» e «if». Cuando la comprensión se ejecuta, los elementos resultantes clave y valor son insertados en el nuevo diccionario en el orden que son producidos.

Las restricciones de los tipos de los valores de clave son listados anteriormente en la sección Jerarquía de tipos estándar. (Para resumir, el tipo de la clave debe ser hashable, el cual excluye todos los objetos mutables.) No se detectan choques entre claves duplicadas; el último dato (textualmente el más a la derecha en el despliegue) almacenado para una clave dada prevalece.

Distinto en la versión 3.8: Antes de Python 3.8, en las comprensiones de diccionarios, el orden de evaluación de clave y valor no fue bien definido. En CPython, el valor fue evaluado antes de la clave. A partir de 3.8, la clave es evaluada antes que el valor, como fue propuesto por PEP 572.

6.2.8. Expresiones de generador

Una expresión de generador es una notación compacta de generador en paréntesis:

generator_expression ::=  "(" expression comp_for ")"

Una expresión de generador produce un nuevo objeto generador. Su sintaxis es la misma que para las comprensiones, excepto que es encerrado en paréntesis en lugar de corchetes o llaves.

Las variables usadas en la expresión de generador son evaluadas perezosamente cuando se ejecuta el método __next__() para el objeto generador (de la misma forma que los generadores normales). Sin embargo, la expresión iterable en la cláusula for más a la izquierda es inmediatamente evaluada, de forma que un error producido por ella será emitido en el punto en el que se define la expresión de generador, en lugar de en el punto donde se obtiene el primer valor. Subsecuentes cláusulas for y cualquier condición en la cláusula for más a la izquierda no pueden ser evaluadas en el alcance adjunto, ya que puede depender de los valores obtenidos por el iterable de más a la izquierda. Por ejemplo: (x*y for x in range(10) for y in range(x, x+10)).

Los paréntesis pueden ser omitidos en ejecuciones con un solo argumento. Vea la sección Invocaciones para más detalles.

Para evitar interferir con la operación esperada de la expresión misma del generador, las expresiones yield y yield from están prohibidas en el generador definido implícitamente.

Si una expresión de generador contiene cláusulas async for o expresiones await, se ejecuta una asynchronous generator expression. Una expresión de generador asincrónica retorna un nuevo objeto de generador asincrónico, el cual es un iterador asincrónico (ver Iteradores asíncronos).

Nuevo en la versión 3.6: Las expresiones de generador asincrónico fueron introducidas.

Distinto en la versión 3.7: Antes de Python 3.7, las expresiones de generador asincrónico podrían aparecer sólo en corrutinas async def. Desde 3.7, cualquier función puede usar expresiones de generador asincrónico.

Distinto en la versión 3.8: Prohibidas yield y yield from en el alcance implícitamente anidado.

6.2.9. Expresiones yield

yield_atom       ::=  "(" yield_expression ")"
yield_expression ::=  "yield" [expression_list | "from" expression]

The yield expression is used when defining a generator function or an asynchronous generator function and thus can only be used in the body of a function definition. Using a yield expression in a function’s body causes that function to be a generator function, and using it in an async def function’s body causes that coroutine function to be an asynchronous generator function. For example:

def gen():  # defines a generator function
    yield 123

async def agen(): # defines an asynchronous generator function
    yield 123

Debido a sus efectos secundarios sobre el alcance contenedor, las expresiones yield no están permitidas como parte de los alcances implícitamente definidos usados para implementar comprensiones y expresiones de generador.

Distinto en la versión 3.8: Expresiones yield prohibidas en los ámbitos anidados implícitamente utilizados para implementar comprensiones y expresiones de generador.

Las funciones generadoras son descritas a continuación, mientras que las funciones generadoras asincrónicas son descritas separadamente en la sección Funciones generadoras asincrónicas.

When a generator function is called, it returns an iterator known as a generator. That generator then controls the execution of the generator function. The execution starts when one of the generator’s methods is called. At that time, the execution proceeds to the first yield expression, where it is suspended again, returning the value of expression_list to the generator’s caller, or None if expression_list is omitted. By suspended, we mean that all local state is retained, including the current bindings of local variables, the instruction pointer, the internal evaluation stack, and the state of any exception handling. When the execution is resumed by calling one of the generator’s methods, the function can proceed exactly as if the yield expression were just another external call. The value of the yield expression after resuming depends on the method which resumed the execution. If __next__() is used (typically via either a for or the next() builtin) then the result is None. Otherwise, if send() is used, then the result will be the value passed in to that method.

Todo este hace a las funciones generadores similar a las corrutinas; producen múltiples veces, tienen más de un punto de entrada y su ejecución puede ser suspendida. La única diferencia es que una función generadora no puede controlar si la ejecución debe continuar después de producir; el control siempre es transferido al invocador del generador.

Las expresiones yield están permitidas en cualquier lugar en un constructo try. Si el generador no es reanudado antes de finalizar (alcanzando un recuento de referencia cero o colectando basura), el método generador-iterador close() será invocado, permitiendo la ejecución de cualquier cláusula finally pendiente.

Cuando se usa yield from <expr>, la expresión proporcionada debe ser iterable. Los valores producidos al iterar ese iterable se pasan directamente al llamador de los métodos del generador actual. Cualquier valor pasado con send() y cualquier excepción pasada con throw() se pasan al iterador subyacente si tiene los métodos apropiados. Si este no es el caso, entonces send() lanzará AttributeError o TypeError, mientras que throw() solo lanzará la excepción pasada inmediatamente.

Cuando el iterador subyacente está completo, el atributo value de la instancia StopIteration generada se convierte en el valor de la expresión yield. Puede ser establecido explícitamente al generar StopIteration o automáticamente cuando el subiterador es un generador (retornando un valor del subgenerador).

Distinto en la versión 3.3: Añadido yield from <expr> para delegar el control de flujo a un subiterador.

Los paréntesis pueden ser omitidos cuando la expresión yield es la única expresión en el lado derecho de una sentencia de asignación.

Ver también

PEP 255 - Generadores Simples

La propuesta para añadir generadores y la sentencia yield a Python.

PEP 342 - Corrutinas mediante Generadores Mejorados

La propuesta para mejorar la API y la sintaxis de generadores, haciéndolos utilizables como corrutinas simples.

PEP 380 - Sintaxis para Delegar a un Subgenerador

The proposal to introduce the yield_from syntax, making delegation to subgenerators easy.

PEP 525- Generadores Asincrónicos

La propuesta que expandió PEP 492 añadiendo capacidades de generador a las funciones corrutina.

6.2.9.1. Métodos generador-iterador

Esta subsección describe los métodos de un generador iterador. Estos pueden ser usados para controlar la ejecución de una función generadora.

Tenga en cuenta que invocar cualquiera de los métodos de generador siguientes cuando el generador está todavía en ejecución genera una excepción ValueError.

generator.__next__()

Starts the execution of a generator function or resumes it at the last executed yield expression. When a generator function is resumed with a __next__() method, the current yield expression always evaluates to None. The execution then continues to the next yield expression, where the generator is suspended again, and the value of the expression_list is returned to __next__()”s caller. If the generator exits without yielding another value, a StopIteration exception is raised.

Este método es normalmente invocado implícitamente, por ejemplo, por un bucle for o por la función incorporada next().

generator.send(value)

Reanuda la ejecución y «envía» un valor dentro de la función generadora. El argumento value se convierte en el resultado de la expresión yield actual. El método send() retorna el siguiente valor producido por el generador o genera StopIteration si el generador termina sin producir otro valor. Cuando se ejecuta send() para comenzar el generador, debe ser invocado con None como el argumento, debido a que no hay expresión yield que pueda recibir el valor.

generator.throw(value)
generator.throw(type[, value[, traceback]])

Raises an exception at the point where the generator was paused, and returns the next value yielded by the generator function. If the generator exits without yielding another value, a StopIteration exception is raised. If the generator function does not catch the passed-in exception, or raises a different exception, then that exception propagates to the caller.

In typical use, this is called with a single exception instance similar to the way the raise keyword is used.

For backwards compatibility, however, the second signature is supported, following a convention from older versions of Python. The type argument should be an exception class, and value should be an exception instance. If the value is not provided, the type constructor is called to get an instance. If traceback is provided, it is set on the exception, otherwise any existing __traceback__ attribute stored in value may be cleared.

generator.close()

Genera GeneratorExit en el punto donde la función generadora fue pausada. Si la función generadora termina sin errores, está ya cerrada o genera GeneratorExit (sin cazar la excepción), close retorna a su invocador. Si el generador produce un valor, se genera un RuntimeError. Si el generador genera cualquier otra excepción, es propagado al invocador. close() no hace nada si el generador ya fue terminado debido a una excepción o una salida normal.

6.2.9.2. Ejemplos

Aquí hay un ejemplo simple que demuestra el comportamiento de generadores y funciones generadoras:

>>> def echo(value=None):
...     print("Execution starts when 'next()' is called for the first time.")
...     try:
...         while True:
...             try:
...                 value = (yield value)
...             except Exception as e:
...                 value = e
...     finally:
...         print("Don't forget to clean up when 'close()' is called.")
...
>>> generator = echo(1)
>>> print(next(generator))
Execution starts when 'next()' is called for the first time.
1
>>> print(next(generator))
None
>>> print(generator.send(2))
2
>>> generator.throw(TypeError, "spam")
TypeError('spam',)
>>> generator.close()
Don't forget to clean up when 'close()' is called.

Para ejemplos usando yield from, ver PEP 380: Sintaxis para delegar en un subgenerador en «Qué es nuevo en Python.»

6.2.9.3. Funciones generadoras asincrónicas

La presencia de una expresión yield en una función o método definido usando async def adicionalmente define la función como una función asynchronous generator.

Cuando se invoca una función generadora asincrónica, retorna un iterador asincrónico conocido como un objeto generador asincrónico. Este objeto entonces controla la ejecución de la función generadora. Un objeto generador asincrónico se usa típicamente en una sentencia async for en una función corrutina análogamente a como sería usado un objeto generador en una sentencia for.

Calling one of the asynchronous generator’s methods returns an awaitable object, and the execution starts when this object is awaited on. At that time, the execution proceeds to the first yield expression, where it is suspended again, returning the value of expression_list to the awaiting coroutine. As with a generator, suspension means that all local state is retained, including the current bindings of local variables, the instruction pointer, the internal evaluation stack, and the state of any exception handling. When the execution is resumed by awaiting on the next object returned by the asynchronous generator’s methods, the function can proceed exactly as if the yield expression were just another external call. The value of the yield expression after resuming depends on the method which resumed the execution. If __anext__() is used then the result is None. Otherwise, if asend() is used, then the result will be the value passed in to that method.

Si un generador asincrónico sale temprano por break, la tarea de la persona que llama se cancela u otras excepciones, el código de limpieza asíncrono del generador se ejecutará y posiblemente lanzará excepciones o accederá a variables de contexto en un contexto inesperado, tal vez después de la vida útil de las tareas de las que depende, o durante el cierre del ciclo de eventos cuando se llama al gancho de recolección de basura del generador asíncrono. Para evitar esto, la persona que llama debe cerrar explícitamente el generador asíncrono llamando al método aclose() para finalizar el generador y finalmente desconectarlo del bucle de eventos.

En una función generadora asincrónica, las expresiones yield están permitidas en cualquier lugar de un constructo try. Sin embargo, si un generador asincrónico no es reanudado antes de finalizar (alcanzando un contador de referencia cero o recogiendo basura), entonces una expresión yield dentro de un constructo try podría fallar al ejecutar cláusulas finally pendientes. En este caso, es responsabilidad del bucle de eventos o del planificador ejecutando el generador asincrónico invocar el método aclose() del generador-iterador asincrónico y ejecutar el objeto corrutina resultante, permitiendo así la ejecución de cualquier cláusula finally pendiente.

Para encargarse de la finalización tras la finalización del ciclo de eventos, un ciclo de eventos debe definir una función finalizer que tome un generador-iterador asíncrono y presumiblemente llame a aclose() y ejecute la rutina. Este finalizer se puede registrar llamando a sys.set_asyncgen_hooks(). Cuando se itera por primera vez, un generador-iterador asíncrono almacenará el finalizer registrado para ser llamado al finalizar. Para obtener un ejemplo de referencia de un método finalizer, consulte la implementación de asyncio.Loop.shutdown_asyncgens en Lib/asyncio/base_events.py.

La expresión yield from <expr> es un error de sintaxis cuando es usada en una función generadora asincrónica.

6.2.9.4. Métodos asincrónicos de generador-iterador

Esta subsección describe los métodos de un generador iterador asincrónico, los cuales son usados para controlar la ejecución de una función generadora.

coroutine agen.__anext__()

Returns an awaitable which when run starts to execute the asynchronous generator or resumes it at the last executed yield expression. When an asynchronous generator function is resumed with an __anext__() method, the current yield expression always evaluates to None in the returned awaitable, which when run will continue to the next yield expression. The value of the expression_list of the yield expression is the value of the StopIteration exception raised by the completing coroutine. If the asynchronous generator exits without yielding another value, the awaitable instead raises a StopAsyncIteration exception, signalling that the asynchronous iteration has completed.

Este método es invocado normalmente de forma implícita por un bucle async for.

coroutine agen.asend(value)

Retorna un esperable el cual cuando corre reanuda la ejecución del generador asincrónico. Como el método send() para un generador, este «envía» un valor a la función generadora asincrónica y el argumento value se convierte en el resultado de la expresión yield actual. El esperable retornado por el método asend() retornará el siguiente valor producido por el generador como el valor de la StopIteration generada o genera StopAsyncIteration si el generador asincrónico termina sin producir otro valor. Cuando se invoca asend() para empezar el generador asincrónico, debe ser invocado con None como argumento, porque no hay expresión yield que pueda recibir el valor.

coroutine agen.athrow(value)
coroutine agen.athrow(type[, value[, traceback]])

Retorna un esperable que genera una excepción de tipo type en el punto donde el generador asincrónico fue pausado y retorna el siguiente valor producido por la función generadora como el valor de la excepción StopIteration generada. Si el generador asincrónico termina sin producir otro valor, el esperable genera una excepción StopAsyncIteration. Si la función generadora no caza la excepción pasada o genera una excepción diferente, entonces cuando se ejecuta el esperable esa excepción se propaga al invocador del esperable.

coroutine agen.aclose()

Retorna un esperable que cuando corre lanza un GeneratorExit a la función generadora asincrónica en el punto donde fue pausada. Si la función generadora asincrónica termina exitosamente, ya está cerrada o genera GeneratorExit (sin cazar la excepción), el esperable retornado lanzará una excepción StopIteration. Otros esperables retornados por subsecuentes invocaciones al generador asincrónico lanzarán una excepción StopAsyncIteration. Si el generador asincrónico produce un valor, el esperable genera un RuntimeError. Si el generador asincrónico genera cualquier otra excepción, esta es propagada al invocador del esperable. Si el generador asincrónico ha terminado debido a una excepción o una terminación normal, entonces futuras invocaciones a aclose() retornarán un esperable que no hace nada.

6.3. Primarios

Los primarios representan las operaciones más fuertemente ligadas al lenguaje. Su sintaxis es:

primary ::=  atom | attributeref | subscription | slicing | call

6.3.1. Referencias de atributos

Una referencia de atributo es un primario seguido de un punto y un nombre:

attributeref ::=  primary "." identifier

El primario debe evaluar a un objeto de un tipo que soporte referencias de atributos, lo cual la mayoría de los objetos soportan. Luego se le pide a este objeto que produzca el atributo cuyo nombre es el identificador. Esta producción puede ser personalizada sobrescribiendo el método __getattr__(). Si este atributo no es esperable, se genera la excepción AtributeError. De otra forma, el tipo y el valor del objeto producido es determinado por el objeto. Múltiples evaluaciones la misma referencia de atributo pueden producir diferentes objetos.

6.3.2. Suscripciones

The subscription of an instance of a container class will generally select an element from the container. The subscription of a generic class will generally return a GenericAlias object.

subscription ::=  primary "[" expression_list "]"

When an object is subscripted, the interpreter will evaluate the primary and the expression list.

The primary must evaluate to an object that supports subscription. An object may support subscription through defining one or both of __getitem__() and __class_getitem__(). When the primary is subscripted, the evaluated result of the expression list will be passed to one of these methods. For more details on when __class_getitem__ is called instead of __getitem__, see __class_getitem__ versus __getitem__.

If the expression list contains at least one comma, it will evaluate to a tuple containing the items of the expression list. Otherwise, the expression list will evaluate to the value of the list’s sole member.

For built-in objects, there are two types of objects that support subscription via __getitem__():

  1. Mappings. If the primary is a mapping, the expression list must evaluate to an object whose value is one of the keys of the mapping, and the subscription selects the value in the mapping that corresponds to that key. An example of a builtin mapping class is the dict class.

  2. Sequences. If the primary is a sequence, the expression list must evaluate to an int or a slice (as discussed in the following section). Examples of builtin sequence classes include the str, list and tuple classes.

The formal syntax makes no special provision for negative indices in sequences. However, built-in sequences all provide a __getitem__() method that interprets negative indices by adding the length of the sequence to the index so that, for example, x[-1] selects the last item of x. The resulting value must be a nonnegative integer less than the number of items in the sequence, and the subscription selects the item whose index is that value (counting from zero). Since the support for negative indices and slicing occurs in the object’s __getitem__() method, subclasses overriding this method will need to explicitly add that support.

A string is a special kind of sequence whose items are characters. A character is not a separate data type but a string of exactly one character.

6.3.3. Segmentos

Un segmento selecciona un rango de elementos en una objeto secuencia (ej., una cadena de caracteres, tupla o lista). Los segmentos pueden ser usados como expresiones o como objetivos en asignaciones o sentencias del. La sintaxis para un segmento:

slicing      ::=  primary "[" slice_list "]"
slice_list   ::=  slice_item ("," slice_item)* [","]
slice_item   ::=  expression | proper_slice
proper_slice ::=  [lower_bound] ":" [upper_bound] [ ":" [stride] ]
lower_bound  ::=  expression
upper_bound  ::=  expression
stride       ::=  expression

Hay ambigüedad en la sintaxis formal aquí: todo lo que parezca una expresión de lista también parece una segmento de lista, así que cualquier subscripción puede ser interpretada como un segmento. En lugar de complicar aún más la sintaxis, esta es desambiguada definiendo que en este caso la interpretación como una subscripción toma prioridad sobre la interpretación como un segmento (este es el caso si el segmento de lista no contiene un segmento adecuado).

Las semánticas para un segmento son las siguientes. El primario es indexado (usando el mismo método __getitem__() de una subscripción normal) con una clave que se construye del segmento de lista, tal como sigue. Si el segmento de lista contiene al menos una coma, la clave es una tupla que contiene la conversión de los elementos del segmento; de otra forma, la conversión del segmento de lista solitario es la clave. La conversión de un elemento de segmento que es una expresión es esa expresión. La conversión de un segmento apropiado es un objeto segmento (ver sección Jerarquía de tipos estándar) cuyos atributos start, stop y step son los valores de las expresiones dadas como límite inferior, límite superior y paso, respectivamente, substituyendo None para las expresiones faltantes.

6.3.4. Invocaciones

Una invocación invoca un objeto invocable (ej., una function) con una serie posiblemente vacía de argumentos:

call                 ::=  primary "(" [argument_list [","] | comprehension] ")"
argument_list        ::=  positional_arguments ["," starred_and_keywords]
                            ["," keywords_arguments]
                          | starred_and_keywords ["," keywords_arguments]
                          | keywords_arguments
positional_arguments ::=  positional_item ("," positional_item)*
positional_item      ::=  assignment_expression | "*" expression
starred_and_keywords ::=  ("*" expression | keyword_item)
                          ("," "*" expression | "," keyword_item)*
keywords_arguments   ::=  (keyword_item | "**" expression)
                          ("," keyword_item | "," "**" expression)*
keyword_item         ::=  identifier "=" expression

Una coma final opcional puede estar presente después de los argumentos posicionales y de palabra clave pero no afecta a las semánticas.

La clave primaria debe evaluar a un objeto invocable (funciones definidas por el usuario, funciones incorporadas, métodos de objetos incorporados, métodos de instancias de clases y todos los objetos que tienen un método __call__() son invocables). Todas las expresiones de argumento son evaluadas antes de que la invocación sea intentada. Por favor, refiera a la sección Definiciones de funciones para la sintaxis formal de listas de parameter.

Si hay argumentos de palabra clave, primero se convierten en argumentos posicionales, como se indica a continuación. En primer lugar, se crea una lista de ranuras sin rellenar para los parámetros formales. Si hay N argumentos posicionales, se colocan en las primeras N ranuras. A continuación, para cada argumento de palabra clave, el identificador se utiliza para determinar la ranura correspondiente (si el identificador es el mismo que el primer nombre de parámetro formal, se utiliza la primera ranura, etc.). Si la ranura ya está llena, se genera una excepción TypeError. De lo contrario, el valor del argumento se coloca en la ranura, llenándolo (incluso si la expresión es None, esta llena la ranura). Cuando se han procesado todos los argumentos, las ranuras que aún no han sido rellenadas se rellenan con el valor predeterminado correspondiente de la definición de función. (Los valores predeterminados son calculados una vez, cuando se define la función; por lo tanto, un objeto mutable como una lista o diccionario utilizado como valor predeterminado será compartido por todas las llamadas que no especifican un valor de argumento para la ranura correspondiente; esto normalmente debe ser evitado.) Si hay ranuras sin rellenar para las que no se especifica ningún valor predeterminado, se genera una excepción TypeError. De lo contrario, la lista de ranuras rellenas se utiliza como la lista de argumentos para la llamada.

Detalles de implementación de CPython: Una implementación puede proveer funciones incorporadas cuyos argumentos posicionales no tienen nombres, incluso si son «nombrados» a efectos de documentación y los cuales por consiguiente no pueden ser suplidos por palabras clave. En CPython, este es el caso para funciones implementadas en C que usan PyArg_ParseTuple() para analizar sus argumentos.

Si hay más argumentos posicionales que ranuras formales de parámetros, se genera una excepción TypeError, a no ser que un parámetro formal usando la sintaxis *identifier se encuentre presente; en este caso, ese parámetro formal recibe una tupla conteniendo los argumentos posicionales sobrantes (o una tupla vacía su no hay argumentos posicionales sobrantes).

Si un argumento de palabra clave no corresponde a un nombre de parámetro formal, se genera una excepción TypeError, a no ser que un parámetro formal usando la sintaxis **identifier esté presente; en este caso, ese parámetro formal recibe un diccionario que contiene los argumentos de palabra clave sobrantes (usando las palabras clave como claves y los valores de argumento como sus valores correspondientes), o un (nuevo) diccionario vacío si no hay argumentos de palabra clave sobrantes.

Si la sintaxis *expression aparece en la invocación de función, expression debe evaluar a un iterable. Elementos de esos iterables son tratados como si fueran argumentos posicionales adicionales. Para la invocación f(x1, x2, *y, x3, x4), si y evalúa a una secuencia y1, …, yM, equivale a una invocación con M+4 argumentos posicionales x1, x2, y1, …, yM, x3, x4.

Una consecuencia de esto es que aunque la sintaxis *expression puede aparecer después de argumentos de palabra clave explícitos, es procesada antes de los argumentos de palabra clave (y cualquiera de los argumentos *expression – ver abajo). Así que:

>>> def f(a, b):
...     print(a, b)
...
>>> f(b=1, *(2,))
2 1
>>> f(a=1, *(2,))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: f() got multiple values for keyword argument 'a'
>>> f(1, *(2,))
1 2

Es inusual usar en la misma invocación tanto argumentos de palabra clave como la sintaxis *expression, así que en la práctica no surge esta confusión.

If the syntax **expression appears in the function call, expression must evaluate to a mapping, the contents of which are treated as additional keyword arguments. If a parameter matching a key has already been given a value (by an explicit keyword argument, or from another unpacking), a TypeError exception is raised.

When **expression is used, each key in this mapping must be a string. Each value from the mapping is assigned to the first formal parameter eligible for keyword assignment whose name is equal to the key. A key need not be a Python identifier (e.g. "max-temp °F" is acceptable, although it will not match any formal parameter that could be declared). If there is no match to a formal parameter the key-value pair is collected by the ** parameter, if there is one, or if there is not, a TypeError exception is raised.

No pueden ser usados parámetros formales usando la sintaxis *identifier o **identifier como ranuras de argumentos posicionales o como nombres de argumentos de palabra clave.

Distinto en la versión 3.5: Las invocaciones de función aceptan cualquier número de desempaquetados * y **, los argumentos posicionales pueden seguir a desempaquetados de iterable (*) y los argumentos de palabra clave pueden seguir a desempaquetados de diccionario (*). Originalmente propuesto por PEP 448.

Una invocación siempre retorna algún valor, posiblemente None, a no ser que genere una excepción. Cómo se calcula este valor depende del tipo del objeto invocable.

Si es—

una función definida por el usuario:

Se ejecuta el bloque de código para la función, pasándole la lista de argumentos. Lo primero que hace el bloque de código es enlazar los parámetros formales a los argumentos; esto es descrito en la sección Definiciones de funciones. Cuando el bloque de código ejecuta una sentencia return, esto especifica el valor de retorno de la invocación de función.

una función o método incorporado:

El resultado depende del intérprete; ver Funciones Built-in para las descripciones de funciones y métodos incorporados.

un objeto de clase:

Se retorna una nueva instancia de esa clase.

un método de una instancia de clase:

Se invoca la función definida por el usuario correspondiente, con una lista de argumentos con un largo uno mayor que la lista de argumentos de la invocación: la instancia se convierte en el primer argumento.

una instancia de clase:

La clase debe definir un método __call__(); el efecto es entonces el mismo que si ese método fuera invocado.

6.4. Expresión await

Suspende la ejecución de coroutine o un objeto awaitable. Puede ser usado sólo dentro de una coroutine function.

await_expr ::=  "await" primary

Nuevo en la versión 3.5.

6.5. El operador de potencia

El operador de potencia se vincula más estrechamente que los operadores unarios a su izquierda; se vincula con menos fuerza que los operadores unarios a su derecha. La sintaxis es:

power ::=  (await_expr | primary) ["**" u_expr]

Por lo tanto, en una secuencia sin paréntesis de operadores unarios y de potencia, los operadores son evaluados desde la derecha a la izquierda (este no se constriñe al orden de evaluación para los operandos): -1**2 resulta en -1.

El operador de potencia tiene las mismas semánticas que la función incorporada pow() cuando se invoca con dos argumentos: este produce su argumento de la izquierda elevado a la potencia de su argumento de la derecha. Los argumentos numéricos se convierten primero en un tipo común y el resultado es de ese tipo.

Para operandos int, el resultado tiene el mismo tipo que los operandos a no ser que el segundo argumento sea negativo; en ese caso, todos los argumentos son convertidos a float y se entrega un resultado float. Por ejemplo, 10**2 retorna 100, pero 10**-2 retorna 0.01.

Elevar 0.0 a una potencia negativa resulta en un ZeroDivisionError. Elevar un número negativo a una potencia fraccional resulta en un número complex. (En versiones anteriores se genera un ValueError.)

Esta operación se puede personalizar mediante el método especial __pow__().

6.6. Aritmética unaria y operaciones bit a bit

Toda la aritmética unaria y las operaciones bit a bit tienen la misma prioridad:

u_expr ::=  power | "-" u_expr | "+" u_expr | "~" u_expr

El operador unario - (menos) produce la negación de su argumento numérico; la operación se puede anular con el método especial __neg__().

El operador unario + (más) produce su argumento numérico sin cambios; la operación se puede anular con el método especial __pos__().

El operador unario ~ (invertir) produce la inversión bit a bit de su argumento entero. La inversión bit a bit de x se define como -(x+1). Solo se aplica a números enteros o a objetos personalizados que anulan el método especial __invert__().

En todos los tres casos, si el argumento no tiene el tipo apropiado, se genera una excepción TypeError.

6.7. Operaciones aritméticas binarias

Las operaciones aritméticas binarias tienen los niveles convencionales de prioridad. Tenga en cuenta que algunas de esas operaciones también aplican a ciertos tipos no numéricos. Aparte del operador de potencia, hay sólo dos niveles, uno para operadores multiplicativos y uno para aditivos:

m_expr ::=  u_expr | m_expr "*" u_expr | m_expr "@" m_expr |
            m_expr "//" u_expr | m_expr "/" u_expr |
            m_expr "%" u_expr
a_expr ::=  m_expr | a_expr "+" m_expr | a_expr "-" m_expr

El operador * (multiplicación) produce el producto de sus argumentos. Los argumentos pueden ser ambos números, o un argumento debe ser un entero y el otro debe ser una secuencia. En el primer caso, los números se convierten a un tipo común y luego son multiplicados. En el segundo caso, se realiza una repetición de secuencia; un factor de repetición negativo produce una secuencia vacía.

Esta operación se puede personalizar utilizando los métodos especiales __mul__() y __rmul__().

El operador @ (en) está destinado a ser usado para multiplicación de matrices. Ningún tipo incorporado en Python implementa este operador.

Nuevo en la versión 3.5.

Los operadores / (división) y // (división de redondeo) producen el cociente de sus argumentos. Los argumentos numéricos son primero convertidos a un tipo común. La división de enteros producen un número de punto flotante, mientras que la división redondeada de enteros resulta en un entero; el resultado es aquel de una división matemática con la función “floor” aplicada al resultado. Dividir entre 0 genera la excepción ZeroDivisionError.

Esta operación se puede personalizar utilizando los métodos especiales __truediv__() y __floordiv__().

El operador % (módulo) produce el resto de la división del primer argumento entre el segundo. Los argumentos numéricos son primero convertidos a un tipo común. Un argumento a la derecha cero genera la excepción ZeroDivisionError. Los argumentos pueden ser números de punto flotante, ej., 3.14%0.7 es igual a 0.34 (ya que 3.14 es igual a 4*0.7 + 0.34.) El operador módulo siempre produce un resultado con el mismo signo que su segundo operando (o cero); el valor absoluto del resultado es estrictamente más pequeño que el valor absoluto del segundo operando 1.

Los operadores de división de redondeo y módulo están conectados por la siguiente identidad: x == (x//y)*y + (x%y). La división de redondeo y el módulo también están conectadas por la función incorporada divmod(): divmod(x, y) == (x//y, x%y). 2.

Adicionalmente a realizar la operación módulo en números, el operador % también está sobrecargado por objetos cadena de caracteres para realizar formateo de cadenas al estilo antiguo (también conocido como interpolación). La sintaxis para el formateo de cadenas está descrita en la Referencia de la Biblioteca de Python, sección Formateo de cadenas al estilo *printf*.

La operación modulo se puede personalizar utilizando el método especial __mod__().

El operador de división de redondeo, el operador módulo y la función divmod() no están definidas para números complejos. En su lugar, convierta a un número de punto flotante usando la función abs() si es apropiado.

El operador + (adición) produce la suma de sus argumentos. Los argumentos deben ser ambos números o ambos secuencias del mismo tipo. En el primer caso, los números son convertidos a un tipo común y luego sumados. En el segundo caso, las secuencias son concatenadas.

Esta operación se puede personalizar utilizando los métodos especiales __add__() y __radd__().

El operador - (resta) produce la diferencia de sus argumentos. Los argumentos numéricos son primero convertidos a un tipo común.

Esta operación se puede personalizar mediante el método especial __sub__().

6.8. Operaciones de desplazamiento

Las operaciones de desplazamiento tienen menos prioridad que las operaciones aritméticas:

shift_expr ::=  a_expr | shift_expr ("<<" | ">>") a_expr

Estos operadores aceptan enteros como argumentos. Ellos desplazan el primer argumento a la izquierda o derecha el número de dígitos dados por el segundo argumento.

Esta operación se puede personalizar utilizando los métodos especiales __lshift__() y __rshift__().

Un desplazamiento de n bits hacia la derecha está definido como una división de redondeo entre pow(2,n). Un desplazamiento de n bits hacia la izquierda está definido como una multiplicación por pow(2,n).

6.9. Operaciones bit a bit binarias

Cada una de las tres operaciones de bits binarias tienen diferente nivel de prioridad:

and_expr ::=  shift_expr | and_expr "&" shift_expr
xor_expr ::=  and_expr | xor_expr "^" and_expr
or_expr  ::=  xor_expr | or_expr "|" xor_expr

El operador & produce el AND bit a bit de sus argumentos, que deben ser números enteros o uno de ellos debe ser un objeto personalizado que anule los métodos especiales __and__() o __rand__().

El operador ^ produce el XOR bit a bit (OR exclusivo) de sus argumentos, que deben ser números enteros o uno de ellos debe ser un objeto personalizado que anule los métodos especiales __xor__() o __rxor__().

El operador | produce el OR bit a bit (inclusive) de sus argumentos, que deben ser números enteros o uno de ellos debe ser un objeto personalizado que anule los métodos especiales __or__() o __ror__().

6.10. Comparaciones

A diferencia de C, todas las operaciones de comparación en Python tienen la misma prioridad, la cual es menor que la de cualquier operación aritmética, de desplazamiento o bit a bit. También, a diferencia de C, expresiones como a < b < c tienen la interpretación convencional en matemáticas:

comparison    ::=  or_expr (comp_operator or_expr)*
comp_operator ::=  "<" | ">" | "==" | ">=" | "<=" | "!="
                   | "is" ["not"] | ["not"] "in"

Las comparaciones producen valores booleanos: True o False. Personalizado: dfn: los métodos de comparación enriquecidos pueden retornar valores no booleanos. En este caso, Python llamará a bool() en dicho valor en contextos booleanos.

Las comparaciones pueden ser encadenadas arbitrariamente, ej., x < y <= z es equivalente a x < y and y <= z, excepto que y es evaluado sólo una vez (pero en ambos casos z no es evaluado para nada cuando x < y se encuentra que es falso).

Formalmente, si a, b, c, …, y, z son expresiones y op1, op2, …, opN son operadores de comparación, entonces a op1 b op2 c ... y opN z es equivalente a a op1 b and b op2 c and ... y opN z, excepto que cada expresión es evaluada como mucho una vez.

Tenga en cuenta que a op1 b op2 c no implica ningún tipo de comparación entre a y c, por lo que, por ejemplo, x < y > z es perfectamente legal (aunque quizás no es bonito).

6.10.1. Comparaciones de valor

Los operadores <, >, ==, >=, <=, y != comparan los valores de dos objetos. Los objetos no necesitan ser del mismo tipo.

El capítulo Objetos, valores y tipos afirma que los objetos tienen un valor (en adición al tipo e identidad). El valor de un objeto es una noción bastante abstracta en Python: Por ejemplo, no existe un método de acceso canónico para el valor de un objeto. Además, no se requiere que el valor de un objeto deba ser construido de una forma particular, ej. compuesto de todos sus atributos de datos. Los operadores de comparación implementan una noción particular de lo que es el valor de un objeto. Uno puede pensar en ellos definiendo el valor de un objeto indirectamente, mediante su implementación de comparación.

Debido a que todos los tipos son subtipos (directos o indirectos) de object, ellos heredan el comportamiento de comparación predeterminado desde object. Los tipos pueden personalizar su comportamiento de comparación implementando rich comparison methods como __lt__(), descritos en Personalización básica.

El comportamiento predeterminado para comparación de igualdad (== y !=) se basa en la identidad de los objetos. Por lo tanto, la comparación de instancias con la misma identidad resulta en igualdad, y la comparación de igualdad de instancias con diferentes entidades resulta en desigualdad. Una motivación para este comportamiento predeterminado es el deseo de que todos los objetos sean reflexivos (ej. x is y implica x == y).

No se provee un orden de comparación por defecto (<, >, <=, and >=); un intento genera TypeError. Una motivación para este comportamiento predeterminado es la falta de una invariante similar como para la igualdad.

El comportamiento de la comparación de igualdad predeterminado, que instancias con diferentes identidades siempre son desiguales, puede estar en contraste a que los tipos que necesitarán que tengan una definición sensata de valor de objeto e igualdad basada en el valor. Tales tipos necesitarán personalizar su comportamiento de comparación y, de hecho, un número de tipos incorporados lo han realizado.

La siguiente lista describe el comportamiento de comparación de los tipos incorporados más importantes.

  • Números de tipos numéricos incorporadas (Tipos numéricos — int, float, complex) y tipos de la biblioteca estándar fractions.Fraction y decimal.Decimal pueden ser comparados consigo mismos y entre sus tipos, con la restricción de que números complejos no soportan orden de comparación. Dentro de los límites de los tipos involucrados, se comparan matemáticamente (algorítmicamente) correctos sin pérdida de precisión.

    Los valores no-un-número float('NaN') y decimal.Decimal('NaN') son especiales. Cualquier comparación ordenada de un número a un no-un-número es falsa. Una implicación contraintuitiva es que los valores no-un-número son son iguales a sí mismos. Por ejemplo, si x = float('NaN'), 3 < x, x < 3 y x == x son todos falso, mientras x != x es verdadero. Este comportamiento cumple con IEEE 754.

  • None y NotImplemented son singletons. PEP 8 avisa que las comparaciones para singletons deben ser realizadas siempre con is o is not, nunca los operadores de igualdad.

  • Las secuencias binarias (instancias de bytes o bytearray) pueden ser comparadas entre sí y con otros tipos. Ellas comparan lexicográficamente utilizando los valores numéricos de sus elementos.

  • Las cadenas de caracteres (instancias de str) comparan lexicográficamente usando los puntos de códigos numéricos Unicode (el resultado de la función incorporada ord()) o sus caracteres. 3

    Las cadenas de caracteres y las secuencias binarias no pueden ser comparadas directamente.

  • Las secuencias (instancias de tuple, list, o range) pueden ser comparadas sólo entre cada uno de sus tipos, con la restricción de que los rangos no soportan comparación de orden. Comparación de igualdad entre esos tipos resulta en desigualdad y la comparación de orden entre esos tipos genera TypeError.

    Las secuencias comparan lexicográficamente usando comparación de sus correspondientes elementos. Los contenedores incorporados asumen que los objetos idénticos son iguales a sí mismos. Eso les permite omitir las pruebas de igualdad para objetos idénticos para mejorar el rendimiento y mantener sus invariantes internos.

    La comparación lexicográfica entre colecciones incorporadas funciona de la siguiente forma:

    • Para que dos colecciones sean comparadas iguales, ellas deben ser del mismo tipo, tener el mismo largo, y cada para de elementos correspondientes deben comparar iguales (por ejemplo, [1,2] == (1,2) es falso debido a que el tipo no es el mismo).

    • Las colecciones que soportan comparación de orden son ordenadas igual que sus primeros elementos desiguales (por ejemplo, [1,2,x] <= [1,2,y] tiene el mismo valor que x <= y). Si un elemento correspondiente no existe, la colección más corta es ordenada primero (por ejemplo, [1,2] < [1,2,3] es verdadero).

  • Mappings (instances of dict) compare equal if and only if they have equal (key, value) pairs. Equality comparison of the keys and values enforces reflexivity.

    Comparaciones de orden (<, >, <=, and >=) generan TypeError.

  • Conjuntos (instancias de set o frozenset) pueden ser comparadas entre sí y entre sus tipos.

    Ellas definen operadores de comparación de orden con la intención de comprobar subconjuntos y superconjuntos. Tales relaciones no definen ordenaciones completas (por ejemplo, los dos conjuntos {1,2} y {2,3} no son iguales, ni subconjuntos ni superconjuntos uno de otro). Acordemente, los conjuntos no son argumentos apropiados para funciones que dependen de ordenación completa (por ejemplo, min(), max() y sorted() producen resultados indefinidos dados una lista de conjuntos como entradas).

    La comparación de conjuntos refuerza la reflexibilidad de sus elementos.

  • La mayoría de los otros tipos incorporados no tienen métodos de comparación implementados, por lo que ellos heredan el comportamiento de comparación predeterminado.

Las clases definidas por el usuario que personalizan su comportamiento de comparación deben seguir algunas reglas de consistencia, si es posible:

  • La comparación de igualdad debe ser reflexiva. En otras palabras, los objetos idénticos deben comparar iguales:

    x is y implica x == y

  • La comparación debe ser simétrica. En otras palabras, las siguientes expresiones deben tener el mismo resultado:

    x == y y y == x

    x != y y y != x

    x < y y y > x

    x <= y y y >= x

  • La comparación debe ser transitiva. Los siguientes ejemplos (no exhaustivos) ilustran esto:

    x > y and y > z implica x > z

    x < y and y <= z implica x < z

  • La comparación inversa debe resultar en la negación booleana. En otras palabras, las siguientes expresiones deben tener el mismo resultado:

    x == y y not x != y

    x < y y not x >= y (para ordenación completa)

    x > y y not x <= y (para ordenación completa)

    Las últimas dos expresiones aplican a colecciones completamente ordenadas (ej. a secuencias, pero no a conjuntos o mapeos). Vea también el decorador total_ordering().

  • La función hash() debe ser consistente con la igualdad. Los objetos que son iguales deben tener el mismo valor de hash o ser marcados como inhashables.

Python no fuerza a cumplir esas reglas de coherencia. De hecho, los valores no-un-número son u ejemplo para no seguir esas reglas.

6.10.2. Operaciones de prueba de membresía

Los operadores in y not in comprueban membresía. x in s evalúa a True si x es un miembro de s y False en caso contrario. x not in s retorna la negación de x in s. Todas las secuencias incorporadas y tipos conjuntos soportan esto, así como diccionarios, para los cuales in comprueba si un diccionario tiene una clave dada. Para tipos contenedores como list, tuple, set, frozenset, dict o collections.deque, la expresión x in y es equivalente a any(x is e or x == e for e in y).

Para los tipos cadenas de caracteres y bytes, x in y es True si y sólo si x es una subcadena de y. Una comprobación equivalente es y.find(x) != -1. Las cadenas de caracteres vacías siempre son consideradas como subcadenas de cualquier otra cadena de caracteres, por lo que "" in "abc" retornará True.

Para clases definidas por el usuario las cuales definen el método __contains__(), x in y retorna True si y.__contains__(x) retorna un valor verdadero y False si no.

Para clases definidas por el usuario las cuales no definen __contains__() pero definen __iter__(), x in y es True si algún valor z, para el cual la expresión x is z or x == z es verdadera, es producido iterando sobre y. Si una excepción es generada durante la iteración, es como si in hubiera generado esa excepción.

Por último, se intenta el protocolo de iteración al estilo antiguo: si una clase define __getitem__(), x in y es True si y sólo si hay un índice entero no negativo i tal que x is y[i] or x == y[i] y ningún entero menor genera la excepción IndexError. (Si cualquier otra excepción es generada, es como si in hubiera generado esa excepción).

El operador not in es definido para tener el valor de veracidad inverso de in.

6.10.3. Comparaciones de identidad

Los operadores is y is not comprueban la identidad de un objeto. x is y es verdadero si y sólo si x e y son el mismo objeto. La identidad de un Objeto se determina usando la función id(). x is not y produce el valor de veracidad inverso. 4

6.11. Operaciones booleanas

or_test  ::=  and_test | or_test "or" and_test
and_test ::=  not_test | and_test "and" not_test
not_test ::=  comparison | "not" not_test

En el contexto de las operaciones booleanas y también cuando sentencias de control de flujo usan expresiones, los siguientes valores se interpretan como falsos: False, None, ceros numéricos de todos los tipos y cadenas de caracteres y contenedores vacíos (incluyendo cadenas de caracteres, tuplas, diccionarios, conjuntos y conjuntos congelados). Todos los otros valores son interpretados como verdaderos. Los objetos definidos por el usuario pueden personalizar su valor de veracidad proveyendo un método __bool__().

El operador not produce True si su argumento es falso, False si no.

La expresión x and y primero evalúa x; si x es falso, se retorna su valor; de otra forma, y es evaluado y se retorna el valor resultante.

La expresión x or y primero evalúa x; si x es verdadero, se retorna su valor; de otra forma, y es evaluado y se retorna el valor resultante.

Tenga en cuenta que ni and ni or restringen el valor y el tipo que retornan a False y True, sino retornan el último argumento evaluado. Esto es útil a veces, ej., si s es una cadena de caracteres que debe ser remplazada por un valor predeterminado si está vacía, la expresión s or 'foo' produce el valor deseado. Debido a que not tiene que crear un nuevo valor, retorna un valor booleano indiferentemente del tipo de su argumento (por ejemplo, not 'foo' produce False en lugar de ''.)

6.12. Expresiones de asignación

assignment_expression ::=  [identifier ":="] expression

An assignment expression (sometimes also called a «named expression» or «walrus») assigns an expression to an identifier, while also returning the value of the expression.

Un caso de uso común es cuando se manejan expresiones regulares coincidentes:

if matching := pattern.search(data):
    do_something(matching)

O, al procesar un flujo de archivos en fragmentos:

while chunk := file.read(9000):
    process(chunk)

Assignment expressions must be surrounded by parentheses when used as sub-expressions in slicing, conditional, lambda, keyword-argument, and comprehension-if expressions and in assert and with statements. In all other places where they can be used, parentheses are not required, including in if and while statements.

Nuevo en la versión 3.8: Vea PEP 572 para más detalles sobre las expresiones de asignación.

6.13. Expresiones condicionales

conditional_expression ::=  or_test ["if" or_test "else" expression]
expression             ::=  conditional_expression | lambda_expr

Las expresiones condicionales (a veces denominadas un «operador ternario») tienen la prioridad más baja que todas las operaciones de Python.

La expresión x if C else y primero evalúa la condición, C en lugar de x. Si C es verdadero, x es evaluado y se retorna su valor; en caso contrario, y es evaluado y se retorna su valor.

Vea PEP 308 para más detalles sobre expresiones condicionales.

6.14. Lambdas

lambda_expr ::=  "lambda" [parameter_list] ":" expression

Las expresiones lambda (a veces denominadas formas lambda) son usadas para crear funciones anónimas. La expresión lambda parameters: expression produce un objeto de función. El objeto sin nombre se comporta como un objeto función con:

def <lambda>(parameters):
    return expression

Vea la sección Definiciones de funciones para la sintaxis de listas de parámetros. Tenga en cuenta que las funciones creadas con expresiones lambda no pueden contener sentencias ni anotaciones.

6.15. Listas de expresiones

expression_list    ::=  expression ("," expression)* [","]
starred_list       ::=  starred_item ("," starred_item)* [","]
starred_expression ::=  expression | (starred_item ",")* [starred_item]
starred_item       ::=  assignment_expression | "*" or_expr

Excepto cuando son parte de un despliegue de lista o conjunto, una lista de expresión conteniendo al menos una coma produce una tupla. El largo de la tupla es el número de expresiones en la lista. Las expresiones son evaluadas de izquierda a derecha.

Un asterisco * denota iterable unpacking. Su operando deben ser un iterable. El iterable es expandido en una secuencia de elementos, los cuales son incluidos en la nueva tupla, lista o conjunto en el lugar del desempaquetado.

Nuevo en la versión 3.5: Desempaquetado iterable en listas de expresiones, originalmente propuesto por PEP 488.

La coma final sólo es requerida para crear una tupla única (también denominada un singleton); es opcional en todos los otros casos. Una única expresión sin una coma final no crea una tupla, si no produce el valor de esa expresión. (Para crear una tupla vacía, usa un par de paréntesis vacío: ().)

6.16. Orden de evaluación

Python evalúa las expresiones de izquierda a derecha. Note que mientras se evalúa una asignación, la parte derecha es evaluada antes que la parte izquierda.

En las siguientes líneas, las expresiones serán evaluadas en el orden aritmético de sus sufijos:

expr1, expr2, expr3, expr4
(expr1, expr2, expr3, expr4)
{expr1: expr2, expr3: expr4}
expr1 + expr2 * (expr3 - expr4)
expr1(expr2, expr3, *expr4, **expr5)
expr3, expr4 = expr1, expr2

6.17. Prioridad de operador

La siguiente tabla resume la precedencia del operador en Python, desde la precedencia más alta (más vinculante) hasta la precedencia más baja (menos vinculante). Los operadores en el mismo cuadro tienen la misma precedencia. A menos que la sintaxis se proporcione explícitamente, los operadores son binarios. Los operadores en el mismo cuadro se agrupan de izquierda a derecha (excepto para la exponenciación, que se agrupa de derecha a izquierda).

Tenga en cuenta que las comparaciones, comprobaciones de membresía y las comprobaciones de identidad tienen la misma prioridad y una característica de encadenado de izquierda a derecha como son descritas en la sección Comparaciones.

Operador

Descripción

(expressions...),

[expressions...], {key: value...}, {expressions...}

Expresión de enlace o entre paréntesis, despliegues de lista, diccionario y conjunto

x[index], x[index:index], x(arguments...), x.attribute

Subscripción, segmentación, invocación, referencia de atributo

await x

Expresión await

**

Exponenciación 5

+x, -x, ~x

NOT positivo, negativo, bit a bit

*, @, /, //, %

Multiplicación, multiplicación de matrices, división, división de redondeo, resto 6

+, -

Adición y sustracción

<<, >>

Desplazamientos

&

AND bit a bit

^

XOR bit a bit

|

OR bit a bit

in, not in, is, is not, <, <=, >, >=, !=, ==

Comparaciones, incluyendo comprobaciones de membresía y de identidad

not x

Booleano NOT

and

Booleano AND

or

Booleano OR

ifelse

Expresión condicional

lambda

Expresión lambda

:=

Expresión de asignación

Notas al pie

1

Mientras abs(x%y) < abs(y) es matemáticamente verdadero, para números de punto flotante puede no ser verdadero numéricamente debido al redondeo. Por ejemplo, y asumiendo una plataforma en la cual un número de punto flotante de Python es un número de doble precisión IEEE 754, a fin de que -1e-100 % 1e100 tenga el mismo signo que 1e100, el resultado calculado es -1e-100 + 1e100, el cual es numéricamente exactamente igual a 1e100. La función math.fmod() retorna un resultado cuyo signo concuerda con el signo del primer argumento en su lugar, y por ello retorna -1e-100 en este caso. La aproximación más apropiada depende de su aplicación.

2

Si x está muy cerca de un entero exacto múltiple de y, es posible para x//y que sea uno mayor que (x-x%y)//y debido al redondeo. En tales casos, Python retorna el último resultado, a fin de preservar que divmod(x,y)[0] * y + x % y sea muy cercano a x.

3

El estándar Unicode distingue entre code points (ej. U+0041) y abstract characters (ej. «LETRA MAYÚSCULA LATINA A»). Mientras la mayoría de caracteres abstractos en Unicode sólo son representados usando un punto de código, hay un número de caracteres abstractos que pueden adicionalmente ser representados usado una secuencia de más de un punto de código. Por ejemplo, el caracter abstracto «LETRA MAYÚSCULA C LATINA CON CEDILLA» puede ser representado como un único precomposed character en la posición de código U+00C7, o como una secuencia de un base character en la posición de código U+0043 (LETRA MAYÚSCULA C LATINA), seguida de un combining character en la posición de código U+0327 (CEDILLA COMBINADA).

Los operadores de comparación comparan en cadenas de caracteres al nivel de puntos de código Unicode. Esto puede ser contraintuitivo para humanos. Por ejemplo, "\u00C7" == "\u0043\u0327" es False, incluso aunque ambas cadenas presenten el mismo caracter abstracto «LETRA MAYÚSCULA C LATINA CON CEDILLA».

Para comparar cadenas al nivel de caracteres abstractos (esto es, de una forma intuitiva para humanos), usa unicodedata.normalize().

4

Debido a la recolección automática de basura, listas libres y a la naturaleza dinámica de los descriptores, puede notar un comportamiento aparentemente inusual en ciertos usos del operador is, como aquellos involucrando comparaciones entre métodos de instancia, o constantes. Compruebe su documentación para más información.

5

El operador de potencia ** vincula con menos fuerza que un operador unario aritmético uno bit a bit en su derecha, esto significa que 2**-1 is 0.5.

6

El operador % también es usado para formateo de cadenas; aplica la misma prioridad.