• 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)
    • Riesgo
      • Constructor de Scorecards de Crédito
      • Aplicar Scorecard de Crédito
    • 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 comillas simples o dobles en Python

mayo 1, 2023 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

A diferencia de otros lenguajes de programación Python ofrece la posibilidad de escribir las cadenas de texto dentro de comillas simples o dobles. Aunque en la mayoría de los casos es posible usar indistintamente unas u otras, existen situaciones en las que no es así. Ante la duda de cual usar se podría consultar PEP8, pero en este caso el estándar no hace ninguna recomendación sobre si usar comillas simples o dobles en Python. Por lo que deberíamos escoger una regla para el uso de comillas y usarla de forma coherente. Veamos algunas diferencias que existen a la hora de usar comillas simples o dobles en Python.

Problemas de las comillas dentro de una cadena

Uno de los problemas más habituales a la hora de incluir cadenas de texto es cuando estas deben incluir comillas dentro de ellas. No es posible escribir directamente comillas simples entre comillas simples, ni dobles entre dobles. El siguiente código no es válido

print('Uso de 'comillas' en Python')
print("Uso de "comillas" en Python")

Ambas líneas de código producen un error. En estos casos, para evitar el problema se puede usar comillas dobles cuando el texto debe contener comillas sencillas o sencillas cuando el texto deba incluir comillas dobles. Esto es, el código anterior se puede corregir de la siguiente manera

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

print("Uso de 'comillas' en Python")
print('Uso de "comillas" en Python')

Otra opción es escapar las comillas en las cadenas de texto usando para ello la barra invertida (\) antes de las comillas.

print('Uso de \'comillas\' en Python')
print("Uso de \"comillas\" en Python")

La barra invertida, ¿cómo incluirla dentro de las cadenas de texto?

Si se usa la barra invertida para escapar caracteres, ¿cómo se puede hacer cuando es necesario incluir esta en una cadena de texto? Por ejemplo, a la hora de escribir una ruta en Windows como el que se muestra en la siguiente línea

print('C:\Users\analyticslane')

Existen dos opciones para solucionar esto, usar dos barras o r delante de la cadena para indicar que no se escape los caracteres con la barra. Las dos opciones para solucionar este problema serían las que se muestran a continuación

print(‘C:\Users\analyticslane’)
print(r’C:\Users\analyticslane’)

Nótese que si se usa r delante de la cadena no se puede usar la barra para escapar las comillas.

Ambas opciones, escapar o usar r, es la solución que se debe escoger cuando una cadena contiene tanto comillas dobles como simples.

Publicidad


Uso de comillas simples o dobles en Python cuando ambas son posibles

En la sección anterior se ha visto que cuando se necesita incluir comillas dentro de una cadena de texto esta no se debe encerrar entre el mismo tipo de comillas. Salvo que se escape la comilla o se use r delante de la cadena. En el resto de los casos se puede elegir una u otra de forma indiferente. Aunque es mejor seguir unos estándares para que el código sea más legible.

Habitualmente se considera una buena práctica usar las comillas simples solamente para cadenas de texto cortas, como un nombre, o cuando hay comillas dobles dentro de la cadena. Por otro lado, se recomienda usar comillas dobles para cadenas de texto largas, como frases o párrafos, interpolación de cadenas o cuando hay comillas simples dentro de la cadena.

Comillas triples en Python

En Python existe una forma adicional para escribir cadenas de texto en un archivo de código: usar tres comillas (tanto simples como dobles).

print("""Se puede incluir tanto comillas 'simples' como "dobles".
Además de escribir incluir saltos de línea con las comillas triples.""")

El principal uso de las comillas triples es para escribir la documentación. Aunque también se usa para incluir texto con varias líneas de una forma más legible.

Conclusiones

En Python existe la opción de encerrar las cadenas de texto dentro de comillas simples o dobles. Aunque en la mayoría de los casos el código funcionará igual si se usan una u otra, es recomendable usar un estándar. Las comillas simples se deberían dejar para las cadenas de texto cortas y las dobles para las cadenas largas o cuando se hace interpolación. Salvo en los casos que no sea posible porque se debe incluir una algún tipo de comilla dentro de la cadena.

Imagen de Oli Lynch en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 1

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?

Publicidad


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

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

Cómo comparar datos con barras en Matplotlib: agrupadas, apiladas y porcentuales

mayo 12, 2026 Por Daniel Rodríguez

Costes hundidos en ciencia de datos: cuándo mantener un modelo y cuándo migrar

mayo 7, 2026 Por Daniel Rodríguez

WOE e IV: La Base Matemática del Credit Scoring

mayo 5, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Copiar y pegar Activar copiar y pegar en VirtualBox publicado el mayo 1, 2019 | en Herramientas
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos
  • Matriz en tabla con Excel Cómo convertir una matriz en tabla con Excel sin VBA publicado el diciembre 4, 2020 | en Herramientas
  • Diferencias entre CPU, GPU, TPU y NPU publicado el abril 19, 2023 | en Herramientas

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

  • 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
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown

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