• 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

Uso de las f-string de Python para mejorar el formato de textos

marzo 1, 2021 Por Daniel Rodríguez 1 comentario
Tiempo de lectura: 4 minutos

Los literales de cadenas formateados o f-string de Python es una herramienta que facilita crear interpolaciones en cadenas de texto. Simplificando de este modo tanto la lectura como la escritura de estas. Las f-string se introdujo en la versión 3.6 de Python, por lo que es algo relativamente nuevo. Veamos cómo se pueden usar para crear mensajes de una forma más fácil.

¿Qué son las f-string de Python?

Las f-string se construyen como una cadena de texto normar el Python, pero precedidas de una f o F. Lo que hace que sea posible interpolar código encerrando este en llaves ({}) dentro de la cadena. Obteniendo como resultado una cadena de texto. Por ejemplo, se podría imprimir el resultado de una suma con f'La suma es {1 + 2}', lo que devolverá la cadena de texto 'La suma es 3'.

Interpolación de variables

Al decir que se puede interpolar código también se puede situar una variable entre las llaves de la f-string. Lo que permite crear mensajes de texto personalizados en función de los valores, por ejemplo:

a = 2
b = 10
f'La suma de {a} y {b} es {a + b}'

Lo que devuelve la cadena de texto 'La suma de 2 y 10 es 12'. Ahora, en el caso de que sea necesario incluir unas llaves dentro de la cadena de texto se puede conseguir escribiendo dos, tanto para la inicial como el final. Algo que se puede ver en el siguiente ejemplo: f'La suma de {{a:{a}}} y {{b:{b}}} es {a + b}', con el que se obtiene la cadena 'La suma de {a:2} mas {b:10} es 12'.

Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
En Analytics Lane
Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane

f'La suma de {{a:{a}}} y {{b:{b}}} es {a + b}'

Publicidad


Formatos numéricos de las f-string

Otra de las ventajas de las f-string es que ofrecen la posibilidad de dar formato a los números. Lo que facilita crear cadenas de texto para los usuarios con un muermo fijo de decimales. Para lo que solamente hay que escribir entre las llaves la variable seguida de dos puntos y el formato deseado. Pudiéndose usar f para indicar números decimales, % para indicar porcentajes, lo que ya multiplicará los valores por 100, o e para el formato exponencial. En todos los casos se puede proceder de una expresión n.m donde n es el número de dígitos y m el número de decimales. Algo que se puede ver en el siguiente ejemplo.

number = 0.123456789
print(f'Formatear el valor con cuatro dígitos: {number:.4f}')
print(f'Imprimir el valor como un porcentaje: {number:.2%}')
print(f'Formato exponencial: {number:e}')
Formatear el valor con cuatro dígitos: 0.1235
Imprimir el valor como un porcentaje: 12.35%
Formato exponencial: 1.234568e-01

A la hora de indicar el número de decimales también se puede indicar que se complete con ceros las posiciones a la izquierda. Lo que se consigue indicado un 0 antes del número de decimales.

numbers = [1,10,100]

for number in numbers:
    print(f'El valor con ceros es: {number:04}')
El valor con ceros es: 0001
El valor con ceros es: 0010
El valor con ceros es: 0100

Además, también se puede indicar que signo se indique en todos los casos, tanto cuando el valor sea positivo como negativo. Para lo que solamente se tiene que usar + como formato.

numbers = [-1,0,1]

for number in numbers:
    print(f'El valor con signo es: {number:+}')
El valor con signo es: -1
El valor con signo es: +0
El valor con signo es: +1

Alienar las cadenas de texto

Otra opción bastante interesante es aligerar los mensajes a la izquierda, derecha o centro. Lo que se indica respectivamente con >, < y ^ seguido del número de caracteres que tiene la cadena texto. Algo que se puede ver cómo funciona en el siguiente ejemplo.

name = 'analytics'

print(f'12345678901234567890')
print(f'{name : >20}')
print(f'{name : <20}')
print(f'{name : ^20}')
12345678901234567890
           analytics
analytics           
     analytics      

En esta ocasión se ha creado inicialmente una cadena de 20 caracteres el resto de las cadenas se ha visto como ha alineado una cadena la izquierda, derecha y centro de esos 20 caracteres.

Uso avanzado de las f-string de Python

La interpolación de código permite incluir condiciones para que se incluya una u otra subcadena de texto dentro de la principal. Con lo que se puede personalizar los mensajes. Por ejemplo, en el caso de tener un objeto persona con una característica que sea el género, se puede personalizar el mensaje. Algo como lo que se muestra a continuación.

person = {
    'name': 'Alice',
    'gender': 'female'
}


f'{"El usuario" if person.get("gender") == "male" else "La usuaria"} {person.get("name")} se encuentra en línea'

Con lo que se obtiene la cadena de texto 'La usuaria Alice se encuentra en línea'.

Nótese que para indicar una cadena dentro de la f-string es necesario emplear unas comillas diferentes a las principales. Esto es, si se crea el f-string con comillas sencillas es necesario usar comillas dobles dentro de este para indicar una cadena. Esto es lo que se hace en el ejemplo para indicar una cadena o acceder a los valores de un diccionario.

Publicidad


Conclusiones

Las f-string de Python son una opción perfecta para crear cadenas de texto de forma dinámica. Siendo a la vez vaciles de escribir y leer, por lo que hace que el código resultante sea sencillo y fácil de mantener. Además, la posibilidad de incluir evaluar código dentro de las f-string hace que las posibilidades de estas sean casi ilimitadas. Siendo un método mucho más flexible que el uso de str para convertir valores numéricos en cadenas.

Image by Niek Verlaan from Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 5

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

  • Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
  • Nuevo conversor de timestamp Unix en el laboratorio de Analytics Lane
  • Calculadora de Contrastes de Hipótesis: interpreta correctamente el p-valor y toma decisiones estadísticas con confianza
  • Calculadora de Tamaño del Efecto: la herramienta clave para entender cuánto importa realmente una diferencia
  • Simulador de DBSCAN: descubre cómo encontrar clusters reales (y ruido) sin fijar K
  • Conversor de Colores: convierte, compara y valida cualquier color en tiempo real
  • Analytics Lane lanza su Generador de UUIDs: identificadores únicos, seguros y listos para producción en segundos
  • 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

Publicado en: Python

Interacciones con los lectores

Comentarios

  1. javier dice

    marzo 1, 2021 a las 1:57 pm

    La verdad es que dan mucho juego. No sabia que se podía insertar código. Enhorabuena por el blog. Toda una referencia.

    Responder

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

De la Regresión Logística al Scorecard: La Transformación Matemática

mayo 19, 2026 Por Daniel Rodríguez

Noticias

Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring

mayo 18, 2026 Por Daniel Rodríguez

Interés compuesto: la fuerza que multiplica tu dinero (y los errores que la anulan)

mayo 14, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Buscar en Excel con dos o más criterios publicado el septiembre 7, 2022 | en Herramientas
  • Gráficos de correlación en Seaborn: Mapas de calor y gráficos de pares publicado el julio 27, 2023 | en Python
  • Inteligencia artificial generativa en seguros: Cinco aplicaciones que están transformando la industria publicado el marzo 14, 2025 | en Ciencia de datos, Opinión
  • Curiosidad: El uso del número 42 para fijar la semilla publicado el julio 7, 2023 | en Opinión
  • Truco: Usar separadores de miles en Python para números grandes publicado el febrero 24, 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