Ordenar Listas en Python sin Modificar

Ordenar Listas en Python sin Modificar

Sort listslink image 0

Supongamos que tenemos una lista desordenada

	
< > Input
Python
list = [1, 4, 7, 2, 5, 8, 3, 6, 9]
print(list)
Copied
>_ Output
			
[1, 4, 7, 2, 5, 8, 3, 6, 9]

Y que la queremos ordenar, así que usamos el método sort()

	
< > Input
Python
list.sort()
print(list)
Copied
>_ Output
			
[1, 2, 3, 4, 5, 6, 7, 8, 9]

El problema del método sort() es que modifica la lista original, si volvemos a imprimir la lista vemos que la tenemos ordenada, y no tenemos la original

	
< > Input
Python
print(list)
Copied
>_ Output
			
[1, 2, 3, 4, 5, 6, 7, 8, 9]

Volvemos a crear la lista original

	
< > Input
Python
list = [1, 4, 7, 2, 5, 8, 3, 6, 9]
print(list)
Copied
>_ Output
			
[1, 4, 7, 2, 5, 8, 3, 6, 9]

Para ordenar una lista sin modificarla podemos usar la función sorted()

	
< > Input
Python
print(sorted(list))
Copied
>_ Output
			
[1, 2, 3, 4, 5, 6, 7, 8, 9]

Si ahora volvemos a imprimir la lista original, vemos que no ha cambiado

	
< > Input
Python
print(list)
Copied
>_ Output
			
[1, 4, 7, 2, 5, 8, 3, 6, 9]

Lo mismo ocurre si la queremos ordenar en orden inverso, podemos usar el método .reverse()

	
< > Input
Python
list.reverse()
print(list)
Copied
>_ Output
			
[9, 6, 3, 8, 5, 2, 7, 4, 1]

Si imprimimos la lista vemos que está ordenada en orden inverso y no como la teníamos al principio.

	
< > Input
Python
print(list)
Copied
>_ Output
			
[9, 6, 3, 8, 5, 2, 7, 4, 1]

Volvemos a crear la lista original

	
< > Input
Python
list = [1, 4, 7, 2, 5, 8, 3, 6, 9]
print(list)
Copied
>_ Output
			
[1, 4, 7, 2, 5, 8, 3, 6, 9]

Si queremos ordenar una lista sin modificarla, volvemos a usar la función sorted(), pero con el argumento reverse=True

	
< > Input
Python
print(sorted(list, reverse=True))
Copied
>_ Output
			
[9, 8, 7, 6, 5, 4, 3, 2, 1]

Si ahora imprimimos la lista original, vemos que no ha cambiado.

	
< > Input
Python
print(list)
Copied
>_ Output
			
[1, 4, 7, 2, 5, 8, 3, 6, 9]

Preguntas frecuentes

¿Cuál es la diferencia real entre list.sort() y sorted(list) en Python?

list.sort() ordena la lista en el propio sitio (in place): tras llamarlo, list queda modificada y ya no puedes recuperar el orden original, como se ve al llamar list.sort() y luego volver a imprimir list. sorted(list) en cambio no toca la lista original y devuelve una lista nueva ya ordenada, por lo que tras hacer print(sorted(list)) la variable list sigue teniendo el orden original si la vuelves a imprimir.

¿Cómo ordeno una lista de mayor a menor sin perder el orden original, en vez de usar list.reverse()?

list.reverse() invierte la lista in place (por ejemplo [1,4,7,2,5,8,3,6,9] pasa a [9,6,3,8,5,2,7,4,1], que es solo el orden invertido, no ordenado de mayor a menor) y destruye el orden original. Para obtener la lista ordenada de mayor a menor sin modificar la original, usa sorted(list, reverse=True), que devuelve una nueva lista ([9,8,7,6,5,4,3,2,1]) dejando list intacta.

Seguir leyendo

Últimos posts -->

¿Has visto estos proyectos?

Gymnasia

Gymnasia Gymnasia
Expo
React Native
TypeScript
OpenAI
Anthropic

App de fitness con dos agentes que se ejecutan íntegramente en el dispositivo, sin backend, de forma que los datos del usuario nunca salen del móvil. Un coach conversacional BYOK con tools locales y system prompt remoto con fallback offline, y un estimador de comidas que saca los macronutrientes de una foto del plato, con lectura de códigos de barras contra OpenFoodFacts.

LangGraph Deep Researcher

LangGraph Deep Researcher LangGraph Deep Researcher
Python
LangGraph
FastAPI
React
TypeScript
Docker

Sistema multiagente de investigación construido con LangGraph. Un supervisor descompone tu pregunta en temas y lanza subagentes de búsqueda en paralelo; cada uno comprime sus hallazgos antes de pasarlos a un agente redactor que escribe el informe final en markdown con sus fuentes. Streaming en vivo por WebSockets, modelo configurable por rol y claves de API propias que nunca se guardan en el servidor.

Tau

Tau Tau
Python
LangChain

Sistema multiagente de tutoría para estudiantes de secundaria, con un agente por asignatura y material de curso elaborado y validado por un equipo de profesores. Llegó a usarse con alumnos reales en un colegio privado en España y en un instituto en Colombia.

Ver todos los proyectos -->
>_ Disponible para proyectos

¿Tienes un proyecto con IA?

Hablemos.

maximofn@gmail.com

Especialista en Machine Learning e Inteligencia Artificial. Desarrollo soluciones con IA generativa, agentes inteligentes y modelos personalizados.

¿Quieres ver alguna charla?

Últimas charlas -->

¿Quieres mejorar con estos tips?

Últimos tips -->

Usa esto en local

Los espacios de Hugging Face nos permite ejecutar modelos con demos muy sencillas, pero ¿qué pasa si la demo se rompe? O si el usuario la elimina? Por ello he creado contenedores docker con algunos espacios interesantes, para poder usarlos de manera local, pase lo que pase. De hecho, es posible que si pinchas en alún botón de ver proyecto te lleve a un espacio que no funciona.

Flow edit

Flow edit Flow edit

Edita imágenes con este modelo de Flow. Basándose en SD3 o FLUX puedes editar cualquier imagen y generar nuevas

FLUX.1-RealismLora

FLUX.1-RealismLora FLUX.1-RealismLora
Ver todos los contenedores -->
>_ Disponible para proyectos

¿Tienes un proyecto con IA?

Hablemos.

maximofn@gmail.com

Especialista en Machine Learning e Inteligencia Artificial. Desarrollo soluciones con IA generativa, agentes inteligentes y modelos personalizados.

¿Quieres entrenar tu modelo con estos datasets?

short-jokes-dataset

HuggingFace

Dataset de chistes en inglés

Uso: Fine-tuning de modelos de generación de texto humorístico

231K filas 2 columnas 45 MB
Ver en HuggingFace →

opus100

HuggingFace

Dataset con traducciones de inglés a español

Uso: Entrenamiento de modelos de traducción inglés-español

1M filas 2 columnas 210 MB
Ver en HuggingFace →

netflix_titles

HuggingFace

Dataset con películas y series de Netflix

Uso: Análisis de catálogo de Netflix y sistemas de recomendación

8.8K filas 12 columnas 3.5 MB
Ver en HuggingFace →
Ver más datasets -->