• 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
      • Ajuste de Curvas
      • Calculadora de Matrices
    • 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.

Augurios deportivos y portadas malditas, o cuando The Economist predice mejor al revés – El bestiario de los indicadores económicos absurdos (parte 3)
En Analytics Lane
Augurios deportivos y portadas malditas, o cuando The Economist predice mejor al revés – El bestiario de los indicadores económicos absurdos (parte 3)

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

  • Augurios deportivos y portadas malditas, o cuando The Economist predice mejor al revés – El bestiario de los indicadores económicos absurdos (parte 3)
  • Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT
  • El bestiario de los indicadores económicos absurdos: El zoo patrio
  • El Binning en Credit Scoring: El Arte de Discretizar Variables
  • Las fórmulas con DNI, o cómo dividir cualquier cosa entre cualquier otra cosa puede acabar publicado en un titular serio – El bestiario de los indicadores económicos absurdos (parte 5)
  • Data Leakage en Credit Scoring: El Error que Invalida tu Modelo
  • Analytics Lane lanza la versión 1.3 del laboratorio con nuevas herramientas de evaluación de modelos y utilidades prácticas
  • La liga internacional, o cuando Harvard y Johns Hopkins suman peras con manzanas – El bestiario de los indicadores económicos absurdos (parte 6)
  • Customer Lifetime Value: la fórmula clásica que todo analista debería dominar

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

Customer Lifetime Value: la fórmula clásica que todo analista debería dominar

julio 14, 2026 Por Daniel Rodríguez

Noticias

Analytics Lane lanza la versión 1.4 del laboratorio con nuevas herramientas de conversión y modelos avanzados de CLV

julio 10, 2026 Por Daniel Rodríguez

La liga internacional, o cuando Harvard y Johns Hopkins suman peras con manzanas – El bestiario de los indicadores económicos absurdos (parte 6)

julio 9, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Función de interpolación lineal en Excel sin VBA publicado el noviembre 3, 2021 | en Herramientas
  • Copiar y pegar Activar copiar y pegar en VirtualBox publicado el mayo 1, 2019 | en Herramientas
  • Enviar notificaciones de escritorio con Python publicado el septiembre 27, 2021 | en Python
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • ¿Por qué recibo ‘NameError: name X is not defined’ en Python? Aprende cómo solucionarlo publicado el marzo 17, 2025 | 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

4.1 (11)

Aplicar el método D’Hondt en Excel

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