• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Ordenación de diccionarios en Python mediante clave o valor

enero 14, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Los diccionarios son una estructura de datos muy utilizada en Python debido a gran flexibilidad que ofrecen. A diferencia de las listas o tuplas en las que se accede a los valores mediante un índice, en esta se utiliza una clave. La clave puede ser básicamente cualquier tipo de dato inmutable: enteros, reales, cadenas de texto, tuplas, etc. Lo que permite representar fácilmente diferentes tipos de problemas con esta estructura de datos. La ordenación de los registros en los diccionarios no es tarea tan fácil como en las listas, ya que estos se pueden ordenar tanto por la clave como por el valor. En esta entrada se mostrará como realizar la ordenación de diccionarios en Python.

Creación de un diccionario en Python

Los diccionarios en Python se definen encerrando entre llaves los elementos del los mismos separados por comas. En cada uno de los elementos se ha de indicar la clave, a la izquierda, y el valor, a la derecha, separados por dos puntos. Obviamente no pueden existir dos elementos con la misma clave, pero si con el mismo valor. Por ejemplo, unos clientes con el total de la compra se pueden representar mediante el siguiente código.

clients = {'Aldrich': 1.97,
           'Enrico': 8.49,
           'Christoper': 9.79,
           'Cherice': 8.53,
           'Margi': 0.43}

Para acceder a un elemento de un diccionario simplemente se ha de utilizar la clave. Por ejemplo, para acceder a los datos de “Christoper” simplemente se ha de utilizar la clave como índice.

1200 publicaciones en Analytics Lane
En Analytics Lane
1200 publicaciones en Analytics Lane

clients['Christoper']

Mientras que para añadir a un nuevo cliente solamente se ha asignar el valor al nuevo clave.

clients['Laurie'] = 1.20

Finalmente, para iterar sobre elementos se puede realizar una enumeración de las claves con enumerate().

for name in enumerate(clients):
    print(name[1], 'has spend', clients[name[1]])
Aldrich has spend 1.97
Enrico has spend 8.49
Christoper has spend 9.79
Cherice has spend 8.53
Margi has spend 0.43
Laurie has spend 1.2

Ordenación de los valores

En la sección anterior se ha podido observar que el diccionario se recorre en el orden que ha sido creado. Pero muchas veces es más interesante ordenar este por la clave o el valor. Para ello se puede emplear el método sorted(), al aplicarlo a un diccionario se obtendrán las claves ordenadas.

clients_sort = sorted(clients)
clients_sort
['Aldrich', 'Cherice', 'Christoper', 'Enrico', 'Laurie', 'Margi']

Si se desea que el método sorted() devuelva una lista en lugar de solamente las claves es necesario utilizar los ítems. Para ello es necesario escribir algo como el siguiente código.

clients_sort = sorted(clients.items())
clients_sort
[('Aldrich', 1.97),
('Cherice', 8.53),
('Christoper', 9.79),
('Enrico', 8.49),
('Laurie', 1.2),
('Margi', 0.43)]

Finalmente, si se desea ordenar el diccionario utilizando el valor en lugar de la clave es necesario importar previamente operator. Ahora se puede indicar la clave de ordenación al método sorted(). Para ordenar por el valor este ha de ser operator.itemgetter(1), mientras que para ordenar por la clave se ha de utilizar operator.itemgetter(0). A modo de ejemplo, se pueden ordenar los clientes de mayor a menor gasto con el siguiente código.

import operator

clients_sort = sorted(clients.items(), key=operator.itemgetter(1), reverse=True)

for name in enumerate(clients_sort):
    print(name[1][0], 'has spend', clients[name[1][0]])
Christoper has spend 9.79
Cherice has spend 8.53
Enrico has spend 8.49
Aldrich has spend 1.97
Laurie has spend 1.2
Margi has spend 0.43

Nótese que el método sorted() devuelve siempre una lista de tuplas. En esta la clave el es primer elemento y el valor el segundo. Por este motivo, para acceder a las claves es necesario utilizar dos índices.

Publicidad


Conclusiones

Los diccionarios son un tipo de datos muy potente que facilita la representación de muchos problemas. Aún así la ordenación de estos es un poco más complicada que la de las listas. Ya que la ordenación de diccionarios en Python se puede realizar tanto por la clave como por el valor.

Muchas gracias por el tiempo dedicado a leer este artículo. ¿Te ha resultado útil e interesante el contenido? Puedes evaluarlo más abajo, compartirlo en redes sociales o dejar un comentario sobre el mismo. Para recibir actualizaciones con nuevo contenido puedes darte de alta en el boletín de noticias o seguirnos en redes sociales.

Imágenes: Pixabay (sauvageauch0)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 4.4 / 5. Votos emitidos: 14

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • 1200 publicaciones en Analytics Lane
  • Analytics Lane lanza su Conversor TIN ↔ TAE: la herramienta definitiva para entender el coste real de depósitos, préstamos e hipotecas
  • Analytics Lane lanza su Conversor de Bases Numéricas: entiende cómo trabajan los ordenadores a nivel de bits
  • Analytics Lane lanza su Visualizador de Series Temporales: entiende tendencia, estacionalidad y ruido de forma visual e interactiva
  • Analytics Lane lanza un nuevo Formateador y Tester de Expresiones Regulares para desarrolladores
  • Analytics Lane lanza un Conversor CSV ↔ JSON para transformar datos en tiempo real
  • Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring
  • Analytics Lane lanza una Calculadora de Rentabilidad con Flujos Irregulares basada en TIR (XIRR)
  • ¡Analytics Lane cumple ocho años!

Publicado en: Python

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Ley de Benford: cómo detectar datos manipulados con ejemplos reales

mayo 28, 2026 Por Daniel Rodríguez

Subplots en Matplotlib: cómo organizar múltiples gráficos en una sola figura

mayo 26, 2026 Por Daniel Rodríguez

Síndrome del objeto brillante en ciencia de datos: el error simétrico a los costes hundidos

mayo 21, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Copiar y pegar Activar copiar y pegar en VirtualBox publicado el mayo 1, 2019 | en Herramientas
  • El método de la secante e implementación en Python publicado el junio 17, 2022 | en Ciencia de datos
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Trabajando con datos multidimensionales en Seaborn: gráficos de pares y los gráficos de factores publicado el agosto 3, 2023 | en Python
  • Visualización de matrices en Seaborn: Mapas de calor y dendrogramas publicado el agosto 8, 2023 | en Python

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

Comentarios recientes

  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto