• 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

Concatenar listas en Python

agosto 19, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

Las listas de Python son una pieza clave del lenguaje. En ellas se pueden almacenar cualquier tipo de dato de una forma ordenada. Por lo que son ampliamente utilizadas. A la hora de trabajar con ellas una tarea que es habitual es concatenar listas en Python. Algo, que como se mostrará a continuación, es trivial, pero es necesario conocer las alternativas disponibles.

Alternativas para concatenar listas en Python

En Python existen múltiples alternativas para concatenar listas, dos de las más usadas son el operador suma (+) y el método extend(). Pudiéndose obtener los mismos resultados con ambas, aunque su funcionamiento es diferente.

Concatenar listas con el operador suma (+)

El método más fácil para concatenar dos listas es mediante la utilización del operador suma (+). Mediante el que se puede obtener una nueva lista simplemente escribiendo:

language1 = ['French', 'English', 'German']
language2 = ['Spanish', 'Portuguese']

result = language1 + language2
result
['French', 'English', 'German', 'Spanish', 'Portuguese']

Con lo que se obtiene una nueva lista que es la unión de ambas. Para almacenar el resultado una de las listas originales se puede asignar el resultado a esta

language1 = language1 + language2

O, alternativamente, utilizar el operador asignación de adicción (+=). Con lo que se tiene un código más compacto.

Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
En Analytics Lane
Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera

language1 += language2

Concatenar listas con el método extend()

Otra forma para concatenar dos listas es utilizar el método extend() de las propias listas. En este caso se concatena a la primera lista la segunda, funcionado de forma similar al operador asignación de adicción (+=).

language1 = ['French', 'English', 'German']
language2 = ['Spanish', 'Portuguese']

language1.extend(language2)
language1
['French', 'English', 'German', 'Spanish', 'Portuguese']

Comparativa de los métodos

El uso de un método u otro para concatenar listas en Python depende más de gustos personales. Ya que no existe una diferencia apreciable en cuanto tiempo de ejecución (lo que, en un notebook, se puede consultar con la extensión de Jupyter ExecuteTime).

Duplicar listas con el operador multiplicación (*)

De forma análoga al uso del operador suma también se puede usar el operador multiplicación para duplicar el contenido una lista. Para lo que se tiene que multiplicar una lista por un escalar.

language = ['Spanish', 'Portuguese']

result = language * 2
result
['Spanish', 'Portuguese', 'Spanish', 'Portuguese']

Como se puede pensar también es posible utilizar el operador asignación de multiplicación (*=) reproducir el contenido de una lista y guardarla en sí misma.

language *= 2

Conclusiones

En la entrada se han visto las diferentes formas que existe para concatenar listas en Python y para duplicarlas. Las operaciones son triviales, ya que se pueden utilizar para ellos los operadores suma (+) o multiplicación (*). Así como sus equivalentes de asignación.

Imágenes: Pixabay (Bruno Glätsch)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 2.3 / 5. Votos emitidos: 3

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

  • Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
  • Docker Compose: el día a día. Cómo ver qué funciona y qué no
  • Cómo Verificar la Normalidad de tus Datos antes de un Test Estadístico
  • Cómo Elegir el Test de Hipótesis Correcto para tus Datos
  • Qué significa realmente “calidad de datos”
  • Cómo Detectar Pseudo-IDs y Data Leakage en el Constructor de Scorecards
  • Tuplas vs Listas en Python: parecen lo mismo, pero no
  • == vs is en Python: la diferencia que causa bugs misteriosos
  • Curiosidad: El puerto 80 y los números de puerto

Publicidad

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

== vs is en Python: la diferencia que causa bugs misteriosos

noviembre 3, 2026 Por Daniel Rodríguez

Curiosidad: El puerto 80 y los números de puerto

octubre 29, 2026 Por Daniel Rodríguez

Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera

octubre 27, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Diferencia entre R2 y R2 ajustado en modelos de regresión publicado el marzo 8, 2024 | en Ciencia de datos
  • Exploración de datos con Pandas: Entendiendo df.describe() publicado el junio 10, 2024 | en Python
  • Creación de gráficos de barras y gráficos de columnas con Seaborn publicado el julio 18, 2023 | en Python
  • Prueba de independencia de Chi-cuadrado con Excel publicado el mayo 20, 2020 | en Herramientas
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | 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

  • Daniel Rodríguez en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Hatepi en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no

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