• Saltar a la navegación principal
  • Saltar al contenido principal
  • Saltar a la barra lateral principal
  • Saltar al pie de página

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Criptografía
  • Python
  • Matlab
  • R
  • Herramientas
  • Tienda

Utilización de tablas en aplicaciones de Matlab

agosto 5, 2019 Por Daniel Rodríguez Deja un comentario

A la hora de crear una aplicación en Matlab puede ser necesario mostrar el conjunto de datos de una matriz o celda. En el caso de las matrices se puede usar gráficos o tablas, mientras que para una celda la única opción es una tabla. Cuando la mejor opción es una tabla el componente nativo de Matlab es uitable. Componente que se puede utilizar tanto en GUIDE como en App Designer. A continuación, se explicará cómo mostrar tablas en aplicaciones de Matlab con ejemplo creado en GUIDE.

Creación de una aplicación básica

Para explicar cómo mostrar tablas en aplicaciones de Matlab lo mejor es crear una aplicación con GUIDE. En la línea de comandos de Matlab se tiene que escribir guide para acceder a la aplicación. Una vez abierta se crea un nuevo GUI en blanco. Para añadir una tabla solamente se ha de seleccionar el componente “Table” y así crear uno en la venta. El nombre por defecto de este objeto es uitable1 que no es necesario cambiar para el ejemplo. También se puede añadir un botón como el que se muestra en la captura de pantalla para ejecutar los códigos.

Ejemplo de aplicación creada con GUIDE
Ejemplo de aplicación creada con GUIDE

Añadir datos a la tabla

Una vez creada la aplicación la primera tarea es introducir los datos en la tabla. Los cuales se han de introducir en la propiedad Data de los objetos uitable. Así para introducir una matriz se puede incluir el siguiente código en el callback del botón.

handles.uitable1.Data = magic(3);

En el caso que se hubiese cambiado el nombre del objeto uitable1 se ha de cambiar por el nombre seleccionado. Al pulsar sobre el botón se puede observar que la ventana toma la siguiente forma.

Resultado de añadir la matriz mágica a la tabla.
Resultado de añadir la matriz mágica a la tabla.

Lo primero que se observa es que el número de filas y columnas se adapta automáticamente al tamaño de la matriz. Lo que facilita mucho trabajar cambiar el tamaño de los datos.

Ahora la propiedad Data es una matriz, por lo que se puede cambiar solamente un elemento de está directamente. Por ejemplo, para poner a cero el elemento central de la matriz solamente se ha de añadir la siguiente línea al callback del botón.

handles.uitable1.Data(2, 2) = 0;
Resultado después de añadir un 0 al centro de la matriz.
Resultado después de añadir un 0 al centro de la matriz.

Cambiar el nombre de las filas y columnas

Por defecto el nombre de las filas y columnas son números. Pero se puede cambiar por cualquier valor que se desee u ocultarlos. Los nombres de las columnas se pueden indicar en la propiedad ColumnName del objeto uitable y las filas en RowName. Por defecto ambas propiedades tienen como valor la cadena numered, lo que indica que se numeran automáticamente. Para indicar unos nombres se tiene que asignar una celda con los mismos. Por otro lado, para no mostrar los nombres simplemente se tiene que asignar una matriz vacía. Así para poner letras en las columnas y no mostrar las filas se tiene que añadir las dos líneas siguientes:

handles.uitable1.ColumnName = {'A', 'B', 'C'};<br>
handles.uitable1.RowName = [];

Así al pulsar sobre el botón la ventana ahora tendrá la siguiente forma.

Cambio del nombre de las columnas y filas en el objeto uitable

Editar los valores de las tablas en aplicaciones de Matlab

Los objetos uitable también pueden utilizarse para pedir al usuario valores. Siendo muy útiles cuando es necesario solicitar una matriz. Por defecto no son editables, pero se puede modificar esto mediante la propiedad ColumnEditable. En la que se puede indicar tanto un escalar o un vector de valores verdadero o falso. En el primer caso, un escalar, serán editables todas las columnas cuando la propiedad tiene el valor verdadero y no lo será en el resto de los casos. Por otro lado, mediante un vector se puede seleccionar las columnas que serán editables o no.

Así para hacer que todas las columnas sean editables se puede escribir

handles.uitable1.ColumnEditable = true;

Para hacer editable solamente la última se ha de añadir cambiar la línea anterior por

handles.uitable1.ColumnEditable = [false, false, true];

Validación de los valores

En el caso de que sea necesario aplicar una lógica para limitar los valores a introducir esta se puede escribir el en evento CellEditCallback del objeto uitable. Pudiéndose obtener los valores del evento en el objeto del parámetro evendata. Las propiedades más interesantes de este objeto son:

  • Indices: la fila y la columna que se ha editado el usuario
  • PreviousData: el valor anterior de la celda
  • EditData: la cadena de texto introducida por el usuario
  • NewData: el nuevo valor

Esto se puede utilizar para validar los datos. Por ejemplo, para limitar los valores entre 0 y 9 se puede escribir el siguiente código:

if isnan(eventdata.NewData)
    handles.uitable1.Data(eventdata.Indices(1), eventdata.Indices(2)) = ...
        eventdata.PreviousData;
elseif eventdata.NewData < 0 || eventdata.NewData > 9
    handles.uitable1.Data(eventdata.Indices(1), eventdata.Indices(2)) = ...
        eventdata.PreviousData;
end

Conclusiones

En esta entrada se ha visto cómo mostrar tablas en aplicaciones de Matlab. Para ello se ha utilizado una aplicación creada con GUIDE, aunque los métodos explicados también son válidos en App Designer. El objeto utilizado uitable tiene es muy flexible y dispone de múltiples opciones, por lo que es un recurso muy útil.

Imágenes: Pixabay (Ticklenutts)

No te olvides valorar esta entrada

Sin votos
Por favor espera...

Archivado en: Matlab Etiquetado como: GUIDE

Entrada anterior: « 3 extensiones de Jupyter para reducir distracciones
Siguiente entrada: Cifrar datos en R con encryptr »

Interacciones del lector

Deja un comentario Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones de Analytics Lane.

Contenido relacionado

Barra lateral primaria

Tiendas afiliadas

Realiza tus compras mediante los enlaces y colabora con la web, todo sin coste adicional para ti. También puedes ver nuestra tienda. ¡Gracias!
Aliexpress Amazon Banggood Gearbest

Seguir a Analytics Lane

  • twitter
  • pinterest
  • youtube
  • telegram
  • github
  • rss

Seguir en Feedly

follow us in feedly

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones de Analytics Lane.

Política de Privacidad

Lo mejor valorado

  1. Seleccionar filas y columnas en Pandas con iloc y loc
    Puntuación: 5.0/5. 5 votos.
  2. Unir y combinar dataframes con pandas en Python
    Puntuación: 5.0/5. 5 votos.
  3. Eliminar registros duplicados en pandas
    Puntuación: 5.0/5. 5 votos.
  4. Guardar y leer archivos Excel en Python
    Puntuación: 5.0/5. 4 votos.
  5. Archivos JSON con Python: lectura y escritura
    Puntuación: 4.8/5. 8 votos.

Entradas recientes

  • Numpy básico: como invertir arrays de Numpy diciembre 11, 2019
  • ¿Bajar impuestos para crecer más o crecer más para bajar impuestos? diciembre 9, 2019
  • Copias de seguridad de SQL Server con Microsoft SQL Server Management Studio diciembre 6, 2019
  • Numpy básico: inicializar arrays de Numpy con un valor diciembre 4, 2019
  • Bajar impuestos para crecer más diciembre 2, 2019

Comentarios recientes

  • Daniel Rodríguez en Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas
  • Axel Caballero en Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas
  • Daniel Rodríguez en Reglas de asociación y market-basket analysis
  • eva en Reglas de asociación y market-basket analysis
  • Daniel Rodríguez en Proteger las funciones escritas en Matlab para su distribución

Etiquetas

Anaconda Analytics Lane App Designer Bases de datos Blockchain CLV Computación cuántica Criptomonedas Deep learning Elecciones Excel Git GUIDE Hash Java Jupyter Libros Machine learning Marketing node numpy pandas Precios RapidMiner scikit-learn seaborn series temporales Small Data Spark SQL Unit testing VirtualBox

Footer

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Noticias
  • Opinión

Programación

  • JavaScript
  • Julia
  • Matlab
  • Python
  • R

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Tienda

Afiliados

  • AliExpress
  • Amazon
  • BangGood
  • GearBest
  • GearVita
  • Geekbuying
  • JoyBuy

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.

2018-2019 Analytics Lane · Términos y condiciones · Política de Cookies · Política de Privacidad · Herramientas de privacidad · Contacto