5. Estructuras de datos
***********************

Este capítulo describe algunas cosas que ya has aprendido en más
detalle y agrega algunas cosas nuevas también.


5.1. Más sobre listas
=====================

El tipo de dato lista tiene algunos métodos más. Aquí están todos los
métodos de los objetos lista:

list.append(x)

   Agrega un ítem al final de la lista. Equivale a "a[len(a):] = [x]".

list.extend(iterable)

   Extiende la lista agregándole todos los ítems del iterable.
   Equivale a "a[len(a):] = iterable".

list.insert(i, x)

   Inserta un ítem en una posición dada. El primer argumento es el
   índice del ítem delante del cual se insertará, por lo tanto
   "a.insert(0, x)" inserta al principio de la lista y
   "a.insert(len(a), x)" equivale a "a.append(x)".

list.remove(x)

   Remove the first item from the list whose value is *x*.  It is an
   error if there is no such item.

list.pop([i])

   Quita el ítem en la posición dada de la lista y lo devuelve. Si no
   se especifica un índice, "a.pop()" quita y devuelve el último
   elemento de la lista. (Los corchetes que encierran a *i* en la
   firma del método denotan que el parámetro es opcional, no que
   deberías escribir corchetes en esa posición. Verás esta notación
   con frecuencia en la Referencia de la Biblioteca de Python.)

list.clear()

   Elimina todos los elementos de la lista. Equivalente a "del a[:]".

list.index(x[, start[, end]])

   Return zero-based index in the list of the first item whose value
   is *x*. Raises a "ValueError" if there is no such item.

   Los argumentos opcionales *start* y *end* son interpretados como la
   notación de rebanadas y se usan para limitar la búsqueda a un
   segmento particular de la lista. El índice devuelto se calcula de
   manera relativa al inicio de la secuencia completa en lugar de con
   respecto al argumento *start*.

list.count(x)

   Devuelve el número de veces que *x* aparece en la lista.

list.sort(key=None, reverse=False)

   Ordena los elementos de la lista in situ (los argumentos pueden ser
   usados para personalizar el orden de la lista, ver "sorted()" para
   su explicación).

list.reverse()

   Invierte los elementos de la lista in situ.

list.copy()

   Devuelve una copia superficial de la lista. Equivalente a "a[:]".

Un ejemplo que usa la mayoría de los métodos de la lista:

   >>> fruits = ['orange', 'apple', 'pear', 'banana', 'kiwi', 'apple', 'banana']
   >>> fruits.count('apple')
   2
   >>> fruits.count('tangerine')
   0
   >>> fruits.index('banana')
   3
   >>> fruits.index('banana', 4)  # Find next banana starting a position 4
   6
   >>> fruits.reverse()
   >>> fruits
   ['banana', 'apple', 'kiwi', 'banana', 'pear', 'apple', 'orange']
   >>> fruits.append('grape')
   >>> fruits
   ['banana', 'apple', 'kiwi', 'banana', 'pear', 'apple', 'orange', 'grape']
   >>> fruits.sort()
   >>> fruits
   ['apple', 'apple', 'banana', 'banana', 'grape', 'kiwi', 'orange', 'pear']
   >>> fruits.pop()
   'pear'

Quizás hayas notado que métodos como *insert`*, "remove" o "sort" que
únicamente modifican la lista no tienen impreso un valor de retorno --
devuelven el valor por defecto "None". [1] Esto es un principio de
diseño para todas las estructuras de datos mutables en Python.


5.1.1. Usando listas como pilas
-------------------------------

Los métodos de lista hacen que resulte muy fácil usar una lista como
una pila, donde el último elemento añadido es el primer elemento
retirado ("último en entrar, primero en salir"). Para agregar un
elemento a la cima de la pila, utiliza "append()". Para retirar un
elemento de la cima de la pila, utiliza "pop()" sin un índice
explícito. Por ejemplo:

   >>> stack = [3, 4, 5]
   >>> stack.append(6)
   >>> stack.append(7)
   >>> stack
   [3, 4, 5, 6, 7]
   >>> stack.pop()
   7
   >>> stack
   [3, 4, 5, 6]
   >>> stack.pop()
   6
   >>> stack.pop()
   5
   >>> stack
   [3, 4]


5.1.2. Usando listas como colas
-------------------------------

También es posible usar una lista como una cola, donde el primer
elemento añadido es el primer elemento retirado ("primero en entrar,
primero en salir"); sin embargo, las listas no son eficientes para
este propósito. Agregar y sacar del final de la lista es rápido, pero
insertar o sacar del comienzo de una lista es lento (porque todos los
otros elementos tienen que ser desplazados por uno).

Para implementar una cola, utiliza "collections.deque" el cual fue
diseñado para añadir y quitar de ambas puntas de forma rápida. Por
ejemplo:

   >>> from collections import deque
   >>> queue = deque(["Eric", "John", "Michael"])
   >>> queue.append("Terry")           # Terry arrives
   >>> queue.append("Graham")          # Graham arrives
   >>> queue.popleft()                 # The first to arrive now leaves
   'Eric'
   >>> queue.popleft()                 # The second to arrive now leaves
   'John'
   >>> queue                           # Remaining queue in order of arrival
   deque(['Michael', 'Terry', 'Graham'])


5.1.3. Comprensión de listas
----------------------------

Las comprensiones de listas ofrecen una manera concisa de crear
listas. Sus usos comunes son para hacer nuevas listas donde cada
elemento es el resultado de algunas operaciones aplicadas a cada
miembro de otra secuencia o iterable, o para crear un segmento de la
secuencia de esos elementos para satisfacer una condición determinada.

Por ejemplo, asumamos que queremos crear una lista de cuadrados, como:

   >>> squares = []
   >>> for x in range(10):
   ...     squares.append(x**2)
   ...
   >>> squares
   [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

Nota que esto crea (o sobreescribe) una variable llamada "x" que sigue
existiendo luego de que el bucle haya terminado. Podemos calcular la
lista de cuadrados sin ningun efecto secundario haciendo:

   squares = list(map(lambda x: x**2, range(10)))

o, un equivalente:

   squares = [x**2 for x in range(10)]

que es más conciso y legible.

A list comprehension consists of brackets containing an expression
followed by a "for" clause, then zero or more "for" or "if" clauses.
The result will be a new list resulting from evaluating the expression
in the context of the "for" and "if" clauses which follow it. For
example, this listcomp combines the elements of two lists if they are
not equal:

   >>> [(x, y) for x in [1,2,3] for y in [3,1,4] if x != y]
   [(1, 3), (1, 4), (2, 3), (2, 1), (2, 4), (3, 1), (3, 4)]

y es equivalente a:

   >>> combs = []
   >>> for x in [1,2,3]:
   ...     for y in [3,1,4]:
   ...         if x != y:
   ...             combs.append((x, y))
   ...
   >>> combs
   [(1, 3), (1, 4), (2, 3), (2, 1), (2, 4), (3, 1), (3, 4)]

Notá como el orden de los "for" y "if" es el mismo en ambos pedacitos
de código.

Si la expresión es una tupla (como el "(x, y)" en el ejemplo
anterior), debe estar entre paréntesis.

   >>> vec = [-4, -2, 0, 2, 4]
   >>> # create a new list with the values doubled
   >>> [x*2 for x in vec]
   [-8, -4, 0, 4, 8]
   >>> # filter the list to exclude negative numbers
   >>> [x for x in vec if x >= 0]
   [0, 2, 4]
   >>> # apply a function to all the elements
   >>> [abs(x) for x in vec]
   [4, 2, 0, 2, 4]
   >>> # call a method on each element
   >>> freshfruit = ['  banana', '  loganberry ', 'passion fruit  ']
   >>> [weapon.strip() for weapon in freshfruit]
   ['banana', 'loganberry', 'passion fruit']
   >>> # create a list of 2-tuples like (number, square)
   >>> [(x, x**2) for x in range(6)]
   [(0, 0), (1, 1), (2, 4), (3, 9), (4, 16), (5, 25)]
   >>> # the tuple must be parenthesized, otherwise an error is raised
   >>> [x, x**2 for x in range(6)]
     File "<stdin>", line 1, in <module>
       [x, x**2 for x in range(6)]
                  ^
   SyntaxError: invalid syntax
   >>> # flatten a list using a listcomp with two 'for'
   >>> vec = [[1,2,3], [4,5,6], [7,8,9]]
   >>> [num for elem in vec for num in elem]
   [1, 2, 3, 4, 5, 6, 7, 8, 9]

Las comprensiones de listas pueden contener expresiones complejas y
funciones anidadas:

   >>> from math import pi
   >>> [str(round(pi, i)) for i in range(1, 6)]
   ['3.1', '3.14', '3.142', '3.1416', '3.14159']


5.1.4. Listas por comprensión anidadas
--------------------------------------

La expresión inicial de una comprensión de listas puede ser cualquier
expresión arbitraria, incluyendo otra comprensión de listas.

Considerá el siguiente ejemplo de una matriz de 3x4 implementada como
una lista de tres listas de largo 4:

   >>> matrix = [
   ...     [1, 2, 3, 4],
   ...     [5, 6, 7, 8],
   ...     [9, 10, 11, 12],
   ... ]

La siguiente comprensión de lista transpondrá las filas y columnas:

   >>> [[row[i] for row in matrix] for i in range(4)]
   [[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]

Como vimos en la sección anterior, la lista de comprensión anidada se
evalua en el contexto del "for" que lo sigue, por lo que este ejemplo
equivale a:

   >>> transposed = []
   >>> for i in range(4):
   ...     transposed.append([row[i] for row in matrix])
   ...
   >>> transposed
   [[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]

el cual, a la vez, es lo mismo que:

   >>> transposed = []
   >>> for i in range(4):
   ...     # the following 3 lines implement the nested listcomp
   ...     transposed_row = []
   ...     for row in matrix:
   ...         transposed_row.append(row[i])
   ...     transposed.append(transposed_row)
   ...
   >>> transposed
   [[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]

En el mundo real, deberías preferir funciones predefinidas a
declaraciones con flujo complejo.  La función "zip()" haría un buen
trabajo para este caso de uso:

   >>> list(zip(*matrix))
   [(1, 5, 9), (2, 6, 10), (3, 7, 11), (4, 8, 12)]

Ver Desempaquetando una lista de argumentos para detalles en el
asterisco de esta línea.


5.2. The "del" statement
========================

There is a way to remove an item from a list given its index instead
of its value: the "del" statement.  This differs from the "pop()"
method which returns a value.  The "del" statement can also be used to
remove slices from a list or clear the entire list (which we did
earlier by assignment of an empty list to the slice).  For example:

   >>> a = [-1, 1, 66.25, 333, 333, 1234.5]
   >>> del a[0]
   >>> a
   [1, 66.25, 333, 333, 1234.5]
   >>> del a[2:4]
   >>> a
   [1, 66.25, 1234.5]
   >>> del a[:]
   >>> a
   []

"del" puede usarse también para eliminar variables:

   >>> del a

Hacer referencia al nombre "a" de aquí en más es un error (al menos
hasta que se le asigne otro valor).  Veremos otros usos para "del" más
adelante.


5.3. Tuplas y secuencias
========================

Vimos que las listas y cadenas tienen propiedades en común, como el
indizado y las operaciones de seccionado.  Estas son dos ejemplos de
datos de tipo *secuencia* (ver Sequence Types --- list, tuple, range).
Como Python es un lenguaje en evolución, otros datos de tipo secuencia
pueden agregarse.  Existe otro dato de tipo secuencia estándar: la
*tupla*.

Una tupla consiste de un número de valores separados por comas, por
ejemplo:

   >>> t = 12345, 54321, 'hello!'
   >>> t[0]
   12345
   >>> t
   (12345, 54321, 'hello!')
   >>> # Tuples may be nested:
   ... u = t, (1, 2, 3, 4, 5)
   >>> u
   ((12345, 54321, 'hello!'), (1, 2, 3, 4, 5))
   >>> # Tuples are immutable:
   ... t[0] = 88888
   Traceback (most recent call last):
     File "<stdin>", line 1, in <module>
   TypeError: 'tuple' object does not support item assignment
   >>> # but they can contain mutable objects:
   ... v = ([1, 2, 3], [3, 2, 1])
   >>> v
   ([1, 2, 3], [3, 2, 1])

Como puedes ver, en la salida las tuplas siempre se encierran entre
paréntesis, para que las tuplas anidadas puedan interpretarse
correctamente; pueden ingresarse con o sin paréntesis, aunque a menudo
los paréntesis son necesarios de todas formas (si la tupla es parte de
una expresión más grande).  No es posible asignar a los ítems
individuales de una tupla, pero sin embargo sí se puede crear tuplas
que contengan objetos mutables, como las listas.

A pesar de que las tuplas puedan parecerse a las listas,
frecuentemente se utilizan en distintas situaciones y para distintos
propósitos.  Las tuplas son *inmutables* y normalmente contienen una
secuencia heterogénea de elementos que son accedidos al desempaquetar
(ver más adelante en esta sección) o indizar (o incluso acceder por
atributo en el caso de las "namedtuples").  Las listas son *mutables*,
y sus elementos son normalmente homogéneos y se acceden iterando a la
lista.

Un problema particular es la construcción de tuplas que contengan 0 o
1 ítem: la sintaxis presenta algunas peculiaridades para estos casos.
Las tuplas vacías se construyen mediante un par de paréntesis vacío;
una tupla con un ítem se construye poniendo una coma a continuación
del valor (no alcanza con encerrar un único valor entre paréntesis).
Feo, pero efectivo.  Por ejemplo:

   >>> empty = ()
   >>> singleton = 'hello',    # <-- note trailing comma
   >>> len(empty)
   0
   >>> len(singleton)
   1
   >>> singleton
   ('hello',)

La declaración "t = 12345, 54321, 'hola!'" es un ejemplo de
*empaquetado de tuplas*: los valores "12345", "54321" y "'hola!'" se
empaquetan juntos en una tupla. La operación inversa también es
posible:

   >>> x, y, z = t

Esto se llama, apropiadamente, *desempaquetado de secuencias*, y
funciona para cualquier secuencia en el lado derecho del igual.  El
desempaquetado de secuencias requiere que la cantidad de variables a
la izquierda del signo igual sea el tamaño de la secuencia.  Notá que
la asignación múltiple es en realidad sólo una combinación de
empaquetado de tuplas y desempaquetado de secuencias.


5.4. Conjuntos
==============

Python también incluye un tipo de dato para *conjuntos*.  Un conjunto
es una colección no ordenada y sin elementos repetidos.  Los usos
básicos de éstos incluyen verificación de pertenencia y eliminación de
entradas duplicadas. Los conjuntos también soportan operaciones
matemáticas como la unión, intersección, diferencia, y diferencia
simétrica.

Las llaves o la función "set()" pueden usarse para crear conjuntos.
Notá que  para crear un conjunto vacío tenés que usar "set()", no
"{}"; esto último crea un diccionario vacío, una estructura de datos
que discutiremos en la sección siguiente.

Una pequeña demostración:

   >>> basket = {'apple', 'orange', 'apple', 'pear', 'orange', 'banana'}
   >>> print(basket)                      # show that duplicates have been removed
   {'orange', 'banana', 'pear', 'apple'}
   >>> 'orange' in basket                 # fast membership testing
   True
   >>> 'crabgrass' in basket
   False

   >>> # Demonstrate set operations on unique letters from two words
   ...
   >>> a = set('abracadabra')
   >>> b = set('alacazam')
   >>> a                                  # unique letters in a
   {'a', 'r', 'b', 'c', 'd'}
   >>> a - b                              # letters in a but not in b
   {'r', 'd', 'b'}
   >>> a | b                              # letters in a or b or both
   {'a', 'c', 'r', 'd', 'b', 'm', 'z', 'l'}
   >>> a & b                              # letters in both a and b
   {'a', 'c'}
   >>> a ^ b                              # letters in a or b but not both
   {'r', 'd', 'b', 'm', 'z', 'l'}

De forma similar a las *comprensiones de listas*, está también
soportada la comprensión de conjuntos:

   >>> a = {x for x in 'abracadabra' if x not in 'abc'}
   >>> a
   {'r', 'd'}


5.5. Diccionarios
=================

Otro tipo de dato útil incluído en Python es el *diccionario* (ver
Mapping Types --- dict).  Los diccionarios se encuentran a veces en
otros lenguajes como "memorias asociativas" o "arreglos asociativos".
A diferencia de las secuencias, que se indexan mediante un rango
numérico, los diccionarios se indexan con *claves*, que pueden ser
cualquier tipo inmutable; las cadenas y números siempre pueden ser
claves.  Las tuplas pueden usarse como claves si solamente contienen
cadenas, números o tuplas; si una tupla contiene cualquier objeto
mutable directa o indirectamente, no puede usarse como clave. No podés
usar listas como claves, ya que las listas pueden modificarse usando
asignación por índice, asignación por sección, o métodos como
"append()" y "extend()".

It is best to think of a dictionary as an unordered set of *key:
value* pairs, with the requirement that the keys are unique (within
one dictionary). A pair of braces creates an empty dictionary: "{}".
Placing a comma-separated list of key:value pairs within the braces
adds initial key:value pairs to the dictionary; this is also the way
dictionaries are written on output.

Las operaciones principales sobre un diccionario son guardar un valor
con una clave y extraer ese valor dada la clave.  También es posible
borrar un par clave:valor con "del".  Si usás una clave que ya está en
uso para guardar un valor, el valor que estaba asociado con esa clave
se pierde.  Es un error extraer un valor usando una clave no
existente.

Performing "list(d.keys())" on a dictionary returns a list of all the
keys used in the dictionary, in arbitrary order (if you want it
sorted, just use "sorted(d.keys())" instead). [2]  To check whether a
single key is in the dictionary, use the "in" keyword.

Un pequeño ejemplo de uso de un diccionario:

   >>> tel = {'jack': 4098, 'sape': 4139}
   >>> tel['guido'] = 4127
   >>> tel
   {'sape': 4139, 'guido': 4127, 'jack': 4098}
   >>> tel['jack']
   4098
   >>> del tel['sape']
   >>> tel['irv'] = 4127
   >>> tel
   {'guido': 4127, 'irv': 4127, 'jack': 4098}
   >>> list(tel.keys())
   ['irv', 'guido', 'jack']
   >>> sorted(tel.keys())
   ['guido', 'irv', 'jack']
   >>> 'guido' in tel
   True
   >>> 'jack' not in tel
   False

El constructor "dict()" crea un diccionario directamente desde
secuencias de pares clave-valor:

   >>> dict([('sape', 4139), ('guido', 4127), ('jack', 4098)])
   {'sape': 4139, 'jack': 4098, 'guido': 4127}

Además, las comprensiones de diccionarios se pueden usar para crear
diccionarios desde expresiones arbitrarias de clave y valor:

   >>> {x: x**2 for x in (2, 4, 6)}
   {2: 4, 4: 16, 6: 36}

Cuando las claves son cadenas simples, a veces resulta más fácil
especificar los pares usando argumentos por palabra clave:

   >>> dict(sape=4139, guido=4127, jack=4098)
   {'sape': 4139, 'jack': 4098, 'guido': 4127}


5.6. Técnicas de iteración
==========================

Cuando iteramos sobre diccionarios, se pueden obtener al mismo tiempo
la clave y su valor correspondiente usando el método "items()".

   >>> knights = {'gallahad': 'the pure', 'robin': 'the brave'}
   >>> for k, v in knights.items():
   ...     print(k, v)
   ...
   gallahad the pure
   robin the brave

Cuando se itera sobre una secuencia, se puede obtener el índice de
posición junto a su valor correspondiente usando la función
"enumerate()".

   >>> for i, v in enumerate(['tic', 'tac', 'toe']):
   ...     print(i, v)
   ...
   0 tic
   1 tac
   2 toe

Para iterar sobre dos o más secuencias al mismo tiempo, los valores
pueden emparejarse con la función "zip()".

   >>> questions = ['name', 'quest', 'favorite color']
   >>> answers = ['lancelot', 'the holy grail', 'blue']
   >>> for q, a in zip(questions, answers):
   ...     print('What is your {0}?  It is {1}.'.format(q, a))
   ...
   What is your name?  It is lancelot.
   What is your quest?  It is the holy grail.
   What is your favorite color?  It is blue.

Para iterar sobre una secuencia en orden inverso, se especifica
primero la secuencia al derecho y luego se llama a la función
"reversed()".

   >>> for i in reversed(range(1, 10, 2)):
   ...     print(i)
   ...
   9
   7
   5
   3
   1

Para iterar sobre una secuencia ordenada, se utiliza la función
"sorted()" la cual devuelve una nueva lista ordenada dejando a la
original intacta.

   >>> basket = ['apple', 'orange', 'apple', 'pear', 'orange', 'banana']
   >>> for f in sorted(set(basket)):
   ...     print(f)
   ...
   apple
   banana
   orange
   pear

A veces uno intenta cambiar una lista mientras la está iterando; sin
embargo, a menudo es más simple y seguro crear una nueva lista:

   >>> import math
   >>> raw_data = [56.2, float('NaN'), 51.7, 55.3, 52.5, float('NaN'), 47.8]
   >>> filtered_data = []
   >>> for value in raw_data:
   ...     if not math.isnan(value):
   ...         filtered_data.append(value)
   ...
   >>> filtered_data
   [56.2, 51.7, 55.3, 52.5, 47.8]


5.7. Más acerca de condiciones
==============================

Las condiciones usadas en las instrucciones "while" e "if" pueden
contener cualquier operador, no sólo comparaciones.

Los operadores de comparación "in" y "not in" verifican si un valor
está (o no está) en una secuencia. Los operadores "is" e "is not"
comparan si dos objetos son realmente el mismo objeto; esto es
significativo sólo para objetos mutables como las listas.  Todos los
operadores de comparación tienen la misma prioridad, la cual es menor
que la de todos los operadores numéricos.

Las comparaciones pueden encadenarse.  Por ejemplo, "a < b == c"
verifica si "a" es menor que "b" y además si "b" es igual a "c".

Las comparaciones pueden combinarse mediante los operadores booleanos
"and" y "or", y el resultado de una comparación (o de cualquier otra
expresión booleana) puede negarse con "not".  Estos tienen prioridades
menores que los operadores de comparación; entre ellos "not" tiene la
mayor prioridad y "or" la menor, o sea que "A and not B or C" equivale
a "(A and (not B)) or C".  Como siempre, los paréntesis pueden usarse
para expresar la composición deseada.

Los operadores booleanos "and" y "or" son los llamados operadores
*cortocircuito*: sus argumentos se evalúan de izquierda a derecha, y
la evaluación se detiene en el momento en que se determina su
resultado.  Por ejemplo, si "A" y "C" son verdaderas pero "B" es
falsa, en "A and B and C" no se evalúa la expresión "C".  Cuando se
usa como un valor general y no como un booleano, el valor devuelto de
un operador cortocircuito es el último argumento evaluado.

Es posible asignar el resultado de una comparación u otra expresión
booleana a una variable.  Por ejemplo,

   >>> string1, string2, string3 = '', 'Trondheim', 'Hammer Dance'
   >>> non_null = string1 or string2 or string3
   >>> non_null
   'Trondheim'

Notá que en Python, a diferencia de C, la asignación no puede ocurrir
dentro de expresiones.  Los programadores de C pueden renegar por
esto, pero es algo que evita un tipo de problema común encontrado en
programas en C: escribir "=" en una expresión cuando lo que se quiere
escribir es "==".


5.8. Comparando secuencias y otros tipos
========================================

Las secuencias pueden compararse con otros objetos del mismo tipo de
secuencia. La comparación usa orden *lexicográfico*: primero se
comparan los dos primeros ítems, si son diferentes esto ya determina
el resultado de la comparación; si son iguales, se comparan los
siguientes dos ítems, y así sucesivamente hasta llegar al final de
alguna de las secuencias. Si dos ítems a comparar son ambos secuencias
del mismo tipo, la comparación lexicográfica es recursiva.  Si todos
los ítems de dos secuencias resultan iguales, se considera que las
secuencias son iguales.

   (1, 2, 3)              < (1, 2, 4)
   [1, 2, 3]              < [1, 2, 4]
   'ABC' < 'C' < 'Pascal' < 'Python'
   (1, 2, 3, 4)           < (1, 2, 4)
   (1, 2)                 < (1, 2, -1)
   (1, 2, 3)             == (1.0, 2.0, 3.0)
   (1, 2, ('aa', 'ab'))   < (1, 2, ('abc', 'a'), 4)

Observá que comparar objetos de diferentes tipos con "<" o ">" es
legal siempre y cuando los objetas tenga los métodos de comparación
apropiados.  Por ejemplo, los tipos de números mezclados son
comparados de acuerdo a su valor numérico, o sea 0 es igual a 0.0,
etc.  Si no es el caso, en lugar de proveer un ordenamiento
arbitrario, el intérprete generará una excepción "TypeError".

-[ Notas al pie ]-

[1] Otros lenguajes podrían devolver un objeto mutado, que permite
    encadenamiento de métodos como
    "d->insert("a")->remove("b")->sort();".

[2] Calling "d.keys()" will return a *dictionary view* object.  It
    supports operations like membership test and iteration, but its
    contents are not independent of the original dictionary -- it is
    only a *view*.
