• 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
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • Python
  • Pandas
  • NumPy
  • Matlab
  • Julia
  • JavaScript
  • Excel

Cómo encontrar la posición de elementos en una lista de Python

abril 12, 2021 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Localizar la posición de un elemento dado en una lista es una tarea bastante habitual. Por ejemplo, cuando necesitamos localizar los valores máximo o mínimo. Para esta tarea se puede usar el método index() de las listas de Python o, cuando estamos trabajando con vectores de NumPy existe el método where(). Veamos a continuación cómo encontrar la posición de elementos en una lista de Python.

Obtener la posición de un valor en una lista de Python con index()

Las listas de Python disponen de un método con el que se puede obtener la posición de la primera aparición de un elemento. Método que se llama index() y es de la siguiente forma

list.index(element, start, end)

La propiedad element es la única propiedad obligatoria y es el valor que se desea buscar en la lista. Opcionalmente se puede indicar el valor a partir del cual se inicia la búsqueda con start. Algo que puede ser útil cuando se desea localizar la segunda vez que se observa el elemento. Pudiéndose indicar también mediante la propiedad end el último elemento de la lista sobre el que se busca. Es importante saber que, si no se encuentra el elemento a buscar, la función dará un error. Por lo que es necesario estar seguro de que el elemento realmente se encuentra en la lista. Lo que se puede hacer con in.

Ejemplo de usos de index()

En el siguiente código se puede ver diferentes ejemplos de uso de index() en una lista de Python.

arr = [12, 23, 21, 66, 38, 49, 11, 38, 54]

arr.index(21) # 2

# Buscar más de un elemento
arr.index(38) # 4 (Solamente devuelve el primero)
arr.index(38, 5) # 7 (Se puede localizar el segundo)

# Localizar el máximo y mínimo
arr.index(min(arr)) # 5
arr.index(max(arr)) # 3

# Evitamos que se produzca un error
if 99 in arr:
    arr.index(99) 

Al principio del ejemplo se puede ver cómo localizar la posición de valor 12 dentro de la lista. Posteriormente se puede ver cómo encontrar la primera y segunda ocurrencia de 38. Para obtener la pasión de la segunda es necesario indicar al método index() que inicie la búsqueda desde la posición inmediatamente después de la anterior.

Publicidad


Otro ejemplo que se puede ver es cómo localizar las posiciones del mínimo y máximo. Para lo que se ha usado las funciones nativas min() y max()

Finalmente se ha mostrado cómo se puede evitar un error usando el operador in para comprobar que el valor buscado se encuentra dentro de la lista.

Uso de listas por comprensión para obtener todas las posiciones

En el caso de que exista más de una ocurrencia se puede usar la función enumerate() en una lista por compresión para obtener todas las posiciones en una lista. Lo que se muestra en el siguiente ejemplo.

arr = [12, 23, 21, 66, 38, 49, 11, 38, 54]

[p for p, v in enumerate(arr) if v == 38] # [4, 7]

[p for p, v in enumerate(arr) if v == max(arr)] # [3]

[p for p, v in enumerate(arr) if v == 99] # []

En este ejemplo enumerate() devuelve la posición y el valor de cada uno de los elementos de la lista. Valores sobre los que se itera y se seleccionan únicamente aquellos que cumplen la condición. Así se puede obtener todas las posiciones de un valor. Además, en el caso de que no se encuentre un valor no se obtiene una lista vacía en lugar de un error.

Buscar los elementos en vectores de NumPy

En el caso de estar trabajando con NumPy se puede usar la función where(). Función a la que se le tiene que pasar un vector de valores lógicos, devolviendo un vector de NumPy con las posiciones estos. Los resultados que devuelve son similares a los que se obtiene en las listas por comprensión que hemos visto anteriormente, ya que devuelve todas las posiciones y en caso de no encontrar el elemento una lista vacía. Un ejemplo del uso de la función where() de NumPy se puede ver en el siguiente código.

Publicidad


import numpy as np

arr = np.array([12, 23, 21, 66, 38, 49, 11, 38, 54])

np.where(arr == 38) # [4, 7]

np.where(arr == max(arr)) # [3]

np.where(arr == 99) # []

Conclusiones

En esta entrada hemos visto cómo encontrar la posición de elementos en una lista de Python. Lo que se puede emplear para localizar el máximo, mínimo o cualquier otro valor que sea de interés para nosotros. A pesar de que las listas de Python cuentan con el método index() posiblemente sea la peor solución ya que solo encuentra la primera ocurrencia y, en caso de no encontrar el elemento, se produce un error. Por eso una mejor solución puede ser usar una lista por compresión o trabajar con NumPy.

Imagen de Free-Photos en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 2 / 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

  • Calcular la moda en un vector de NumPy
    Calcular la moda en un vector de NumPy
  • NumPy
    NumPy: Convertir matrices de NumPy en vectores
  • pandas
    Pandas: Encontrar la posición y valores de máximos y mínimos…
  • NumPy: Comprobar todos los valores de una matriz de NumPy
    NumPy: Comprobar todos los valores de una matriz de NumPy
  • Numpy básico: seleccionar elementos en un Array de Numpy
    Numpy básico: seleccionar elementos en un Array de Numpy
  • Numpy básico: como añadir elementos en arrays de Numpy con np.append()
    Numpy básico: como añadir elementos en arrays de Numpy con…

Publicado en: Python Etiquetado como: NumPy

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.

Publicidad




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
  • Facebook
  • GitHub
  • Instagram
  • Pinterest
  • RSS
  • Twitter
  • Tumblr
  • YouTube

Publicidad

Entradas recientes

El método de Hare-Niemeyer y su implementación en Python

septiembre 29, 2023 Por Daniel Rodríguez

Redimensionar una partición de disco LVM con espacio no asignado en Linux

septiembre 27, 2023 Por Daniel Rodríguez

¿Cómo saber la versión de Pandas o cualquier otra librería en Python?

septiembre 25, 2023 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Unir y combinar dataframes con pandas en Python publicado el septiembre 10, 2018 | en Python
  • ¿Cómo cambiar el nombre de las columnas en Pandas? publicado el mayo 6, 2019 | en Python
  • Enviar mensajes de WhatsApp con Python publicado el marzo 7, 2022 | en Python
  • Sistema de ecuaciones Sistemas de ecuaciones lineales con numpy publicado el octubre 29, 2018 | en Python
  • Ecuaciones multilínea en Markdown publicado el septiembre 14, 2022 | en Herramientas

Publicidad

Lo mejor valorado

4.9 (22)

Seleccionar filas y columnas en Pandas con iloc y loc

4.7 (12)

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

4.6 (15)

Archivos JSON con Python: lectura y escritura

4.5 (10)

Diferencias entre var y let en JavaScript

4.3 (12)

Ordenación de diccionarios en Python mediante clave o valor

Publicidad

Comentarios recientes

  • Daniel Rodríguez en ¿Cómo eliminar columnas y filas en un dataframe pandas?
  • Miguel en ¿Cómo eliminar columnas y filas en un dataframe pandas?
  • alberto en Resolver problema de credenciales en Bitbucket
  • Pablo en Aplicar el método D’Hondt en Excel
  • Agapito en Creación de un EXE desde un archivo Python en Windows

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 © 2018-2023 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto