• 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
      • Descenso de gradiente
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Matriz de confusión e informe de clasificación
      • Visualizador de fronteras de decisión
      • Simulador de K-Means
      • Número Óptimo de Clusters
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Problema del cumpleaños
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • La aguja de Buffon
      • Simulador de la Estrategia Martingala
      • Simulador de Cadenas de Markov
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Comparador de tarifas de luz 2.0TD
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
      • Frontera Eficiente
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Consultar CSV con SQL en el navegador
      • Extractor de tickets (OCR)
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Calculadora HMAC
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
      • Editor de expresiones cron
      • Conversor de unidades
    • 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

Ordenar textos en Python con acentos en diferentes idiomas

Pandas

mayo 15, 2023 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Las listas que contienen cadenas de texto se pueden ordenar el Python mediante el uso de la función sorted(). Cuando se trabaja con cadenas de texto en inglés el resultado de la ordenación es correcto, pero no así en otros idiomas como el español donde existen acentos los cuales Python no ordena correctamente. Una solución a este problema se puede conseguir con el paquete pyuca, una implementación de ordenación Unicode que se adapta a las reglas de cada cualquier idioma. Lo que permite ordenar textos en Python con acentos en base a las reglas del español o cualquier otro idioma.

Ordenar textos en Python

Cuando se tiene una lista en Python con cadenas de texto desordenadas se puede obtener una nueva lista con el contenido ordenado mediante la función sorted(). Aunque esta función tiene un problema, ordena los textos en base a las reglas del inglés. Por eso, cuando las cadenas de texto contienen textos en español, u otros idiomas, con caracteres que no existen en inglés, como los acentos o la ñ, estos se ordenan de forma incorrecta de acuerdo con las reglas del español, o el idioma que se esté usando. Esto es algo que se puede ver en el siguiente ejemplo.

nombres = ['Carmen', 'Ana', 'Ángela', 'Beatriz', 'Carlos', 'Antonio']

sorted(nombres)
['Ana', 'Antonio', 'Beatriz', 'Carlos', 'Carmen', 'Ángela']

El resultado de la ordenación no es correcto. Ángela se sitúa al final, no entre Ana y Antonio. Esto es así porque Python considera que “á” es una letra diferente a “a”, además de que la sitúa después de todas las demás letras. Para solucionar el problema es necesario disponer indicar a sort una función que realice la ordenación en base a las reglas del idioma, lo que se puede encontrar dentro del paquete pyuca.

Shallow copy vs Deep copy en Python: la mutación inesperada
En Analytics Lane
Shallow copy vs Deep copy en Python: la mutación inesperada

Instalación de pyuca

El paquete pyuca se puede instalar mediante pip, por lo que solamente se tendría que escribir en la terminal el siguiente comando.

pip install pyuca

Ordenar textos en Python con acentos

Una vez instadlo el paquete se puede ordenar la lista creando un objeto Collator y usando el método sort_key() como criterio de ordenación. Lo que se muestra en el siguiente ejemplo.

import locale
from pyuca import Collator

# Establece la configuración regional para el español
locale.setlocale(locale.LC_ALL, 'es_ES.UTF-8')

# Crea un objeto Unicode Collation Algorithm (UCA)
collator = Collator()

sorted(nombres, key=collator.sort_key)
['Ana', 'Ángela', 'Antonio', 'Beatriz', 'Carlos', 'Carmen']

En este ejemplo, en primer lugar, se establece la configuración regional al español. Lo que se hace para garantizar que se usen estas reglas de ordenación que se quieren y no las configuradas por defecto. Aunque, si el español es el idioma por defecto, se puede omitir este paso. Posteriormente, se crea un objeto Unicode Collation Algorithm (UCA) el cual se usará para ordenar las cadenas de texto. Finalmente se llama a la función sort() con las lista y el criterio de ordenación. Obteniendo como resultado la cadena ordenada mediante las reglas del español.

Ordenar textos en Pandas con acentos

El método sort_values() de los DataFrame pandas tiene exactamente el mismo problema que la función sort() de Python, ordena las cadenas de texto en base a las reglas del inglés. Algo que se puede comprobar fácilmente en el siguiente ejemplo.

import pandas as pd

df = pd.DataFrame({'nombres': nombres,
                   'edad': [35, 22, 44, 36, 26, 28] })

df_sorted = df.sort_values(by='nombres')
print(df_sorted)
   nombres  edad
0      Ana    35
2  Antonio    44
3  Beatriz    36
5   Carlos    28
4   Carmen    26
1   Ángela    22

Al igual que en el caso de la función sort(), la solución a este problema es usar el paquete pyuca para obtener una función de ordenación. Así una posible forma de resolver este problema en Pandas sería como se muestra a continuación.

df_sorted = df.sort_values(by='nombres', key=lambda x: x.map(collator.sort_key))
print(df_sorted)
   nombres  edad
0      Ana    35
1   Ángela    22
2  Antonio    44
3  Beatriz    36
5   Carlos    28
4   Carmen    26

Conclusiones

Para ordenar textos en Python con acentos de acuerdo con las reglas de español no se pueden usar las funciones por defecto. Estas ordenan los textos en base a las reglas del inglés, por lo que las palabras acentuadas aparecerán al final en lugar de su posición correcta. La solución al problema es sencilla: importar el paquete pyuca y usar las clases que provee para indicar a los métodos de Python como se debe ordenar correctamente los textos.

Imagen de Lucas L 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?

Publicaciones relacionadas

  • Shallow copy vs Deep copy en Python: la mutación inesperada
  • Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
  • Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador
  • Cómo Saber si una Diferencia Significativa es Importante
  • Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”
  • Cómo Explorar un Dataset antes de Modelar
  • Cómo Elegir el Test de Hipótesis Correcto para tus Datos
  • Tuplas vs Listas en Python: parecen lo mismo, pero no
  • Guía Completa para Usar el Panda Planner: Tu Camino hacia la Productividad y el Bienestar

Publicidad

Publicado en: Python Etiquetado como: Pandas

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

Guía Completa para Usar el Panda Planner: Tu Camino hacia la Productividad y el Bienestar

noviembre 19, 2026 Por Daniel Rodríguez

Noticias

Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador

noviembre 18, 2026 Por Daniel Rodríguez

Cómo Explorar un Dataset antes de Modelar

noviembre 17, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Identificar y eliminar duplicados en Excel publicado el marzo 13, 2019 | en Herramientas
  • Número óptimo de clústeres con Silhouette e implementación en Python publicado el junio 23, 2023 | en Ciencia de datos
  • Insertar minigráficos en Excel publicado el junio 8, 2022 | en Herramientas
  • Creación de gráficos de barras y gráficos de columnas con Seaborn publicado el julio 18, 2023 | 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

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

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