• 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

Comprender los parámetros *args y **kwargs de las funciones Python

febrero 19, 2024 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Al revisar funciones de Python es habitual encontrar que estas tienen los parámetros *args y **kwargs. Unos parámetros especiales que permiten a las funciones manejar un número variables de argumentos de una forma flexible. Aunque puede parecer algo confuso al principio, cuando se comprende cómo funcionan estos parámetros es posible crear fácilmente funciones versátiles y legibles. En esta entrada, se analizará qué son los parámetros *args y **kwargs y como se pueden utilizar a la hora de escribir funciones.

¿Qué son los parámetros *args y **kwargs?

En las funciones de Python, los parámetros *args y **kwargs son una convención de nomenclatura que se usa para permitir que una función reciba una cantidad variable de argumentos. Los cuales pueden ser tanto por posición como argumentos de palabra clave. En concreto se usa:

  • *args: Permite pasar un número variable de argumentos posicionales a una función.
  • **kwargs: Permite pasar un número variable de argumentos de palabra clave (keyword arguments) a una función.

Uso básico del parámetro *args

El parámetro *args, con el asterisco “*”, permite a una función recibir un número variable de argumentos posicionales. Los cuales se asignan a la tupla args que se puede usar dentro de la función. Así, iterando sobre esta tupla, se puede acceder y utilizar todos los argumentos que se hubiesen pasado a la función. Por ejemplo, en el siguiente código se define una función sumar() que puede recibir cualquier cantidad de argumentos para sumarlos.

1200 publicaciones en Analytics Lane
En Analytics Lane
1200 publicaciones en Analytics Lane

def sumar(*args):
    total = 0
    for num in args:
        total += num
    return total


print(sumar(1, 2, 3, 4, 5))
15

En este ejemplo, la función sumar() puede recibir cualquier cantidad de argumentos numéricos. A pesar de lo cual, la función es fácil de leer.

Publicidad


Uso básico del parámetro **kwargs

El parámetro **kwargs, con el doble asterisco “**”, permite a una función recibir un número variable de argumentos de palabra clave. Esto es, argumentos que relacionan una palabra clave con un valor. Al igual que en el caso de *args los valores se asignan a una variable dentro de la función que, en este caso, es un un diccionario. Por ejemplo, en el siguiente código se puede ver una función que saca por pantalla todos los argumentos que se le pase.

def imprimir_info(**kwargs):
    for key, value in kwargs.items():
        print(f"{key}: {value}")

        
imprimir_info(nombre="Juan", edad=30, ciudad="Madrid")
nombre: Juan
edad: 30
ciudad: Madrid

En el código anterior, la función imprimir_info() recibe argumentos de palabra clave, como “nombre”, “edad” y “ciudad”, y los imprime en el formato “clave: valor”.

Combinación de *args y **kwargs en una función

Los parámetros *args y **kwargs se pueden combinar en una función para poder usar tanto una cantidad variable de parámetros por posición como de palabra clave. En este caso se crean dos variables, una con la tupla de valores y otra con el diccionario. A continuación, se combina esto en una función que imprime los valores indicados por posición y los de palabra clave.

def funcion_combinada(*args, **kwargs):
    print("Argumentos posicionales:")
    for arg in args:
        print(arg)
    
    print("\nArgumentos de palabra clave:")
    for key, value in kwargs.items():
        print(f"{key}: {value}")

        
funcion_combinada(1, 2, 3, nombre="Juan", edad=30)
Argumentos posicionales:
1
2
3

Argumentos de palabra clave:
nombre: Juan
edad: 30

Aquí la función funcion_combinada() recibe tanto argumentos posicionales como de palabra clave. Imprimiendo estos por separado.

Conclusiones

Los parámetros *args y **kwargs son dos opciones de las que se dispone a la hora de escribir funciones que necesiten admitir un número variable de argumentos. Facilitando la creación de código flexible y fácil de leer. Cuando se comprende su funcionamiento, se hace más fácil crear cierto tipo de funciones, siendo una herramienta imprescindible para ciertas tareas.

Imagen de Sanna en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

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

  • 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
  • Analytics Lane lanza su Conversor de Bases Numéricas: entiende cómo trabajan los ordenadores a nivel de bits
  • Analytics Lane lanza su Visualizador de Series Temporales: entiende tendencia, estacionalidad y ruido de forma visual e interactiva
  • Analytics Lane lanza un nuevo Formateador y Tester de Expresiones Regulares para desarrolladores
  • Analytics Lane lanza un Conversor CSV ↔ JSON para transformar datos en tiempo real
  • Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring
  • Analytics Lane lanza una Calculadora de Rentabilidad con Flujos Irregulares basada en TIR (XIRR)
  • ¡Analytics Lane cumple ocho años!

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

Ley de Benford: cómo detectar datos manipulados con ejemplos reales

mayo 28, 2026 Por Daniel Rodríguez

Subplots en Matplotlib: cómo organizar múltiples gráficos en una sola figura

mayo 26, 2026 Por Daniel Rodríguez

Síndrome del objeto brillante en ciencia de datos: el error simétrico a los costes hundidos

mayo 21, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Número óptimo de clústeres con Silhouette e implementación en Python publicado el junio 23, 2023 | en Ciencia de datos
  • Gráfico de densidad con relleno y escala de colores para el conjunto de 500 datos Gráficos de densidad: alternativa a los gráficos de dispersión en Python publicado el marzo 27, 2023 | en Python
  • Instalar Rocky Linux 9 en VirtualBox publicado el octubre 20, 2023 | en Herramientas
  • Buscar en Excel con dos o más criterios publicado el septiembre 7, 2022 | en Herramientas
  • Matriz en tabla con Excel Cómo convertir una matriz en tabla con Excel sin VBA publicado el diciembre 4, 2020 | 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

4.1 (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