Diccionarios con estructuras¶

In [1]:

edades = {'Ana':20,'Jose':23,'Luis':28,'Marta':17}

for key in edades.keys():       #keys() Da una lista con las claves del diccionario
    print(key)

Ana
Jose
Luis
Marta

In [2]:

for value in edades.values():   #values() Da una lista con los valores del diccionario
    print(value)

In [3]:

for item in edades.items():      #items() Da una lista con tupla para cada par clave-valor
    print(item)

('Ana', 20)
('Jose', 23)
('Luis', 28)
('Marta', 17)

In [4]:

for k,v in edades.items():
    print("{} tiene {} años.".format(k,v))

Ana tiene 20 años.
Jose tiene 23 años.
Luis tiene 28 años.
Marta tiene 17 años.

Lista de diccionarios¶

In [5]:

m = {"nombre":"Mercadona", "facturación":23344, "sector":"comercio", "sede":"Valencia"}
r = {"nombre":"Repsol", "facturación":21271, "sector":"refino", "sede":"Madrid"}
c = {"nombre":"CEPSA", "facturación":18307, "sector":"refino", "sede":"Madrid"}
i = {"nombre":"Inditex", "facturación":18261, "sector":"textil", "sede":"Coruña"}

empresas = [m,r,c,i]
empresas

Out[5]:

[{'nombre': 'Mercadona',
  'facturación': 23344,
  'sector': 'comercio',
  'sede': 'Valencia'},
 {'nombre': 'Repsol',
  'facturación': 21271,
  'sector': 'refino',
  'sede': 'Madrid'},
 {'nombre': 'CEPSA',
  'facturación': 18307,
  'sector': 'refino',
  'sede': 'Madrid'},
 {'nombre': 'Inditex',
  'facturación': 18261,
  'sector': 'textil',
  'sede': 'Coruña'}]

La salida anterior tiene formato de fichero JSON. Podemos visualizarlo un poco mejor en páginas como:
http://jsonviewer.stack.hu
Podemos validar el formato JSON en la siguiente página:
https://jsonformatter.curiousconcept.com

In [6]:

for empresa in empresas:                                         # con un for imprimimos los valores
    print(empresa['nombre'],empresa['sector'],empresa['sede'])

Mercadona comercio Valencia
Repsol refino Madrid
CEPSA refino Madrid
Inditex textil Coruña

Mostrando valores con tabulate¶

Existe una librería que nos permite imprimir dando un formato de tabla.
Posiblemente tengamos que instalar la librería con el gestor de paquetes pip.

In [7]:

# instalando la librería tabulate con pip
!pip install tabulate   # o bien con:  !apt install pip   # para un sistema Linux tipo Debian
# instalando la librería tabulate con conda, si estamos trabajando con Anaconda
#conda install tabulate

Requirement already satisfied: tabulate in /usr/local/lib/python3.10/dist-packages (0.9.0)

In [8]:

from tabulate import tabulate

print(tabulate(empresas))

---------  -----  --------  --------
Mercadona  23344  comercio  Valencia
Repsol     21271  refino    Madrid
CEPSA      18307  refino    Madrid
Inditex    18261  textil    Coruña
---------  -----  --------  --------

Mostrando la cabecera¶

In [9]:

header = empresas[0].keys()
rows =  [x.values() for x in empresas]
print(tabulate(rows, header))

nombre       facturación  sector    sede
---------  -------------  --------  --------
Mercadona          23344  comercio  Valencia
Repsol             21271  refino    Madrid
CEPSA              18307  refino    Madrid
Inditex            18261  textil    Coruña

Usando Pandas¶

Pandas es una potente librería muy utilizada para el manejo de dataset.
En esta ocasión vamos a mostrar los datos en forma de DataFrame.

In [10]:

import pandas as pd

pd.DataFrame(empresas)                # empresas es el dataset

Out[10]:

	nombre	facturación	sector	sede
0	Mercadona	23344	comercio	Valencia
1	Repsol	21271	refino	Madrid
2	CEPSA	18307	refino	Madrid
3	Inditex	18261	textil	Coruña

Ejercicio¶

Investigar la importancia de los formatos JSON en:

el tratamiento de datos
la compartición de información entre aplicaciones
las bases de datos no relacionales (noSQL), ejemplo MongoDB, que usa BSON, similar a JSON pero admite binarios

¿Se podría convertir una tabla disponible en Excel en un fichero JSON?