• 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
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • Python
  • Pandas
  • NumPy
  • Matlab
  • Julia
  • Excel
  • IA Generativa

linespace y el operador dos puntos en Matlab

abril 10, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

En Matlab posiblemente el operador más utilizado es dos puntos. Con él es posible crear vectores espaciados que se pueden utilizar para seleccionar subíndices en arrays e iterar sobre los bucles for. Pero en muchas ocasiones puede carecer de suficiente flexibilidad. Para ello existen funciones como linspace y logspace con las que es posible disponer de mayor control para generar vectores con valores espaciados. En esta entrada se va a comparar la función linespace y el operador dos puntos en Matlab.

El operador dos puntos

El funcionamiento del operador dos puntos es bastante simple. Se escribe el primer valor de la serie, dos puntos y el último valor. Inmediatamente Matlab creará un vector que comienza en el primero y termina en el último, ambos incluidos, en paso de uno. Por ejemplo, el vector [1, 2, 3] se puede generar mediante 1:3.

En el caso de que se desee que el paso de la serie no sea la unidad se puede indicar utilizando tres números separados por dos puntos. En este caso el primer número será el valor inicial, el segundo el paso y el tercero el final. Por ejemplo, el vector [1, 3, 5] se puede conseguir con 1:2:5. También se puede generar con 1:2:6, ya que la serie nunca superará el segundo valor. El paso no tiene porque ser positivo ni entero. En el caso de que sea negativo la serie se generará en orden inverso. Así se puede conseguir el vector [3, 2, 1] con 3:-1:1.

Tutorial de Mypy para Principiantes
En Analytics Lane
Tutorial de Mypy para Principiantes

Finalmente, si el valor inicial es mayor que el final y no se indica un paso negativo se obtendrá un vector vacío.

Publicidad


La función linespace

La función linespace de Matlab también genera un vector que comienza en un valor y termina en otro. A diferencia del operador dos puntos en necesario indicar el número de pasos. Por ejemplo, el vector [1, 2, 3] se generaría con linspace(1, 3, 3), mientras que [1, 3, 5] con linspace(1,5,3). Si no se indica el número de pasos en linspace generará siempre 100 valores.

Al generar la serie equiespaciada entre dos valores esta función es más útil cuando no se conoce el paso necesario. Siendo más adecuado para muestrear que el operador dos puntos.

La función logspace

Por otro lado, la función logspace es una versión de linspace en la que el espaciado de los puntos es logaritmo, en lugar de lineal. Para ello crea una serie de vectores desde diez elevado al primer valor hasta diez elevado al último. Por ejemplo, logspace(0, 1, 3) produce el vector [1, 3.1623, 10].

Para crear un vector entre dos valores, en lugar de sus potencia, se puede utilizar logspace(log10(a), log10(b), n). En donde a es el primer valor de la serie, b el segundo y n es el número de puntos.

Publicidad


Ejemplo de la función linespace y el operador dos puntos en Matlab

A continuación se muestran algunos ejemplo del operador dos puntos y su equivalente con linespace.

% Operador dos puntos
1:3:7   % [1 4 7]
7:-3:1  % [7 4 1]
1:1/2:2 % [1 1.5 2]
3:1     % []

% Equivalencias con linspace
linspace(1, 7, 3) % [1 4 7]
linspace(7, 1, 3) % [1 4 7]
linspace(1, 2, 3) % [1 1.5 2]

Conclusiones

En esta entrada se ha visto la función linespace y el operador dos puntos en Matlab. Ambas permiten generar vectores con series de valores, una en base a la separación u otro en base al número de puntos.

Imágenes: Pixabay (Pexels)

¿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

  • Tutorial de Mypy para Principiantes
  • Semana sin nuevas publicaciones
  • Combinar gráficos con FacetGrid: Cómo analizar tendencias complejas en múltiples paneles con Seaborn
  • Introducción a igraph en R (Parte 6): Centralidad de Katz en grafos
  • Cómo modificar los mensajes de commit en Git
  • Optimización de memoria en Pandas: Usar tipos de datos personalizados para manejar grandes conjuntos de datos
  • Introducción a igraph en R (Parte 7): Centralidad de Bonacich
  • ¡Analytics Lane cumple siete años!
  • Sincronizar múltiples ejes con twinx(): Comparación de datos con diferentes escalas en un solo gráfico con Matplotlib

Publicado en: Matlab

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

Variables globales en Python: Problemas y cómo evitarlos

mayo 12, 2025 Por Daniel Rodríguez

Los valores numéricos en los ordenadores: Entendiendo enteros, flotantes y más

mayo 9, 2025 Por Daniel Rodríguez

Introducción a igraph en R (Parte 8): PageRank

mayo 7, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Codificación JSON Archivos JSON con Python: lectura y escritura publicado el julio 16, 2018 | en Python
  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas publicado el mayo 10, 2019 | en Python
  • Diferencias entre CPU, GPU, TPU y NPU publicado el abril 19, 2023 | en Herramientas
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos
  • La distancia de Mahalanobis publicado el abril 19, 2024 | en Ciencia de datos

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

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • Daniel Rodríguez en Tutorial de Mypy para Principiantes
  • Javier en Tutorial de Mypy para Principiantes
  • javier en Problemas con listas mutables en Python: Cómo evitar efectos inesperados
  • soldado en Numpy básico: encontrar la posición de un elemento en un Array de Numpy
  • plataformas AéReas en Numpy básico: encontrar la posición de un elemento en un Array de Numpy

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 © 2018-2025 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto