• 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
    • Encuestas: Tamaño de Muestra
    • Lotería: Probabilidad de Ganar
    • Reparto de Escaños (D’Hondt)
    • Tres en Raya con IA
  • 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
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • Excel
  • Matlab

Rutas de archivo en Matlab

julio 15, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

En las aplicaciones creadas con Matlab es habitual trabajar con archivos para importar y exportar datos. Al distribuir las aplicaciones es normal que la ruta el usuario desee cambiar el nombre y la ubicación de los archivos, por lo que se ha de gestionar. Lo que aplica tanto a las aplicaciones que se distribuyen mediante código como las compiladas con Matlab Compiler. A continuación, se va a explicar cómo gestionar las rutas de archivo en Matlab.

¿En qué ruta se está ejecutando un script de Matlab?

En muchas ocasiones junto a los programas se entregan archivos que contiene datos, imágenes o plantillas de informes. Los cuales son necesarios para el correcto funcionamiento de la aplicación. Estos archivos se suelen ubicar junto a los scripts por lo que simplemente escribiendo su nombre el programa los puede encontrar y cargar en desarrollo. El problema es que al distribuir los programas es puede que se ejecuten desde una ruta diferente, lo que sucede tanto al distribuir código como en los compilados. Para saber dónde se está ejecutando el archivo se puede utilizar la función mfilename(), la cual devuelve el nombre del archivo. Pudiendo indicar la ruta completa si se indica la opción fullpath. Nótese que si esta función se ejecuta en la terminal de Matlab se obtiene únicamente una cadena vacía, ya que no se ejecuta en ningún archivo. Por lo que ahora solamente se tienen que separa la ruta del archivo, lo que se explicará en la siguiente sección.

Curiosidad: El origen del análisis exploratorio de datos y el papel de John Tukey
En Analytics Lane
Curiosidad: El origen del análisis exploratorio de datos y el papel de John Tukey

Publicidad


Obtener las componentes de una ruta

Una vez se obtiene una cadena de texto con la ruta solamente hay que separarla en partes. Una primera idea puede ser utilizar el separador de archivo, aunque este es diferente en UNIX y Windows. Existe una función que devuelve el separador (filesep()), pero es más fácil e interesante usar la función (fileparts()) que separa la ruta en sus componentes. Así para obtener la información en un script se puede utilizar la siguiente línea

[filepath, name, ext] = fileparts(mfilename('fullpath'));

Obteniéndose en filepath la ruta al archivo, en name el nombre del archivo y en ext la extensión.

Si para obtener la ruta absoluta se concatena las cadenas con \, el programa solamente funcionará en Windows. Lo mismo pasa si se usa / en Linux o Mac. Esto puede que no sea un problema, pero nunca se sabe dónde se ejecutara un programa en el futuro.

Generar la ruta absoluta a un archivo en Matlab

Tras la obtención de la ruta en la que se ejecuta el script, solamente se tiene que añadir la ruta relativa al archivo que se desea cargar. Por ejemplo, un logo (logo.png) para una aplicación creada con App Designer que se encuentra en una carpeta images en la misma ruta. Al igual que antes la mejor opción es utilizar una función de Matlab que concatena las rutas (fullfile()), más sencillo que preguntar por el separador y concatenar. Así la ruta completa a la imagen será

filename = fullfile(filepath, 'images', 'logo.png');

en donde solamente se van indicando las subcarpetas una detrás de otra. Si el archivo está en la misma ruta se omiten las subcarpetas

filename = fullfile(filepath, 'logo.png');

Ahora se puede estar seguro de que en filename se encuentra el archivo que se desee importar.

Publicidad


Conclusiones

En esta entrada se ha visto cómo obtener y gestionar las rutas de archivo en Matlab. En primer lugar, se obtuvo la ruta absoluta al script que se está ejecutando. A partir de aquí se obtuvieron sus componentes con un código que funciona tanto en Windows como en Linux o Mac. Para, finalmente, obtener la ruta absoluta a archivos que se distribuyen con los programas. El uso de las funciones que tiene Matlab para ello, en lugar de concatenar cadenas, permite crear aplicaciones que sean portables. Lo que siempre es una ventaja.

Imágenes: Pixabay (Johannes Plenio)

¿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?

Publicaciones relacionadas

  • Curiosidad: El origen del análisis exploratorio de datos y el papel de John Tukey
  • Cómo calcular el tamaño de la muestra para encuestas
  • Curiosidad: La Ley de Twyman y la trampa de los datos “interesantes”
  • Copias de seguridad automáticas en SQL Server con rotación de archivos
  • Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Error npm ERR! code EACCES al instalar paquetes en Node.js: Cómo solucionarlo paso a paso
  • Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo
  • ¿Está concentrado el MSCI World? Un análisis con Gini, Lorenz y leyes de potencia
  • Curiosidad: ¿Por qué usamos p < 0.05? Un umbral que cambió la historia de la ciencia

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

Curiosidad: ¿Por qué usamos p < 0.05? Un umbral que cambió la historia de la ciencia

octubre 2, 2025 Por Daniel Rodríguez

¿Está concentrado el MSCI World? Un análisis con Gini, Lorenz y leyes de potencia

septiembre 30, 2025 Por Daniel Rodríguez

Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo

septiembre 25, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Curiosidad: ¿Por qué usamos p publicado el octubre 2, 2025 | en Ciencia de datos, Opinión
  • NumPy NumPy: Crear matrices vacías en NumPy y adjuntar filas o columnas publicado el enero 11, 2021 | en Python
  • Comprobar hash SHA-256 o MD5 en Windows, macOS y Linux publicado el noviembre 1, 2023 | en Criptografía, Herramientas
  • Copiar y pegar Activar copiar y pegar en VirtualBox publicado el mayo 1, 2019 | en Herramientas
  • Diferencias entre CPU, GPU, TPU y NPU publicado el abril 19, 2023 | 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

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • 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
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown
  • Daniel Rodríguez en Tutorial de Mypy para Principiantes

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