👨‍💻 Introducción a los Diccionarios en Python
Los diccionarios en Python son una de las estructuras más poderosas para almacenar datos. Funcionan con pares clave:valor, lo que los hace ideales para representar información como precios, configuraciones, perfiles o estadísticas.
En esta guía te muestro paso a paso cómo crearlos, acceder a sus valores, modificarlos y hasta cómo convertirlos en estructuras más avanzadas. 🐍✨🧠 ¿Cómo crear y usar diccionarios en Python?

Los diccionarios son estructuras clave-valor que nos permiten guardar y acceder datos de forma rápida. Aquí te explico cómo crearlos, acceder a sus elementos, y agregar nuevos valores.

🔧 Dos maneras de crear diccionarios

1️⃣ Usando llaves {}

coffee_stocks = {"SBUX": 120.29, "DNKN": 106.48, "BROS": 76.25}

2️⃣ Usando la función dict()

coffee_stocks = dict(SBUX=120.29, DNKN=106.48, BROS=76.25)
CopyEdit

Ambos métodos generan el mismo resultado:

print(coffee_stocks)
# {'SBUX': 120.29, 'DNKN': 106.48, 'BROS': 76.25}

🔍 ¿Cómo acceder a los valores de un diccionario?

✅ Accediendo por clave

laptops = {'lenovo': 399.99, 'apple': 749.99, 'hp': 349.99, 'dell': 599.99}
print(laptops['dell'])  
# Resultado: 599.99

✅ Accediendo a todos los valores con .values()

print(laptops.values())  
# dict_values([399.99, 749.99, 349.99, 599.99])

print(type(laptops.values()))  
# <class 'dict_values'>

➕ ¿Cómo agregar elementos a un diccionario?

Solo tienes que asignar una nueva clave con su valor:

laptops['acer'] = 472.99
print(laptops)
# {'lenovo': 399.99, 'apple': 749.99, 'hp': 349.99, 'dell': 599.99, 'acer': 472.99}

💡 Tip: Los diccionarios son muy útiles para representar información estructurada como precios, configuraciones, perfiles de usuario o datos financieros.

¿Te gustaría ver cómo convertir un diccionario en un DataFrame de pandas? 🐼 ¡Te lo muestro en el próximo post!

🧹 ¿Cómo borrar elementos de un diccionario en Python?

En Python, existen dos formas comunes de eliminar elementos de un diccionario:

✅ Opción 1: Usando del

Elimina un elemento directamente, pero no guarda el valor eliminado.

laptops = {'lenovo': 399.99, 'apple': 749.99, 'hp': 349.99, 'dell': 599.99}

del laptops['apple']
print(laptops)  
# Resultado: {'lenovo': 399.99, 'hp': 349.99, 'dell': 599.99}

✅ Opción 2: Usando pop()

Elimina el elemento y devuelve su valor, lo cual es útil si quieres usarlo después.Consejo: En el ejemplo de arriba estariamos guardando el valor. Por eso le llamamos removed_value al ejemplo.

laptops = {'lenovo': 399.99, 'apple': 749.99, 'hp': 349.99, 'dell': 599.99}

removed_value = laptops.pop('apple')
print(laptops)  
# Resultado: {'lenovo': 399.99, 'hp': 349.99, 'dell': 599.99}

print(removed_value)  
# Resultado: 749.99

💡 Consejo: En el ejemplo anterior, almacenamos el valor eliminado en una variable llamada removed_value.

🧩 ¿Cómo combinar listas en un solo diccionario?

Supongamos que tienes tres listas: símbolos bursátiles, precios máximos históricos y años. Puedes combinarlas en un solo diccionario así:

ticker = ['SBUX', 'DNKN', 'BROS']
ath_price = [120.29, 106.48, 76.25]
ath_year = [2021, 2020, 2021]

# Combinamos las listas en un diccionario con claves claras
ath_data = {
    'company': ticker,
    'price': ath_price,
    'year': ath_year
}

# Imprimimos el segundo año (índice 1)
print(ath_data['year'][1])  
# Resultado: 2020

Perfecto para quienes trabajan con datos financieros o series temporales.
¿Quieres ver cómo convertir esto en una tabla con pandas? ¡Escríbeme y te lo muestro! 🐍📊

☕ Acciones de Café: Precios Máximos Históricos en Python

¿Quieres llevar un registro de los precios máximos históricos (ATH) de tus empresas de café favoritas? Aquí tienes un fragmento de código en Python para construir una estructura de datos simple y acceder a valores específicos:

# Vamos a crear una lista de diccionarios que representen los precios máximos históricos (ATH) de empresas cafeteras

# Cada entrada incluye:
# - la empresa (símbolo bursátil)
# - el precio ATH
# - el año en que se alcanzó

ath_data = [
    {'company': 'SBUX', 'price': 126.32, 'year': 2021},  # Starbucks
    {'company': 'DNKN', 'price': 106.50, 'year': 2020},  # Dunkin' (antes de hacerse privada)
    {'company': 'JVA',  'price': 30.00,  'year': 2011},  # Coffee Holding Co.
    {'company': 'PEET', 'price': 78.00,  'year': 2012},  # Peet’s Coffee (antes de ser adquirida)
]

# Imprimimos el primer precio ATH de la lista
print(ath_data[0]['price'])  # Salida: 126.32