• 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
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

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

Utilización de tablas en aplicaciones de Matlab

GUI, GUIDE

agosto 5, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 5 minutos

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.

Por qué migrar tus proyectos TypeScript a ES Modules en 2026
En Analytics Lane
Por qué migrar tus proyectos TypeScript a ES Modules en 2026

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.

Publicidad


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

Publicidad


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)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 1

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

  • Por qué migrar tus proyectos TypeScript a ES Modules en 2026
  • Actualizar expresslanets a ES Modules con tsx y Vitest
  • Migrar tslane a un paquete dual CommonJS y ESM con tsup y Vitest
  • Curiosidad: Por qué la criptografía habla siempre de Alice y Bob
  • Errores comunes al interpretar resultados estadísticos
  • Método del codo: interpretación correcta y limitaciones
  • Dashboard CLV: cuatro modelos, un mismo dataset, conclusiones muy distintas
  • Pareto/NBD: cuando el abandono silencioso cambia el CLV
  • Cómo construir tu primer scorecard paso a paso

Publicado en: Matlab Etiquetado como: GUI, GUIDE

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

Migrar tslane a un paquete dual CommonJS y ESM con tsup y Vitest

octubre 1, 2026 Por Daniel Rodríguez

Cómo construir tu primer scorecard paso a paso

septiembre 29, 2026 Por Daniel Rodríguez

Actualizar expresslanets a ES Modules con tsx y Vitest

septiembre 24, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final) publicado el julio 23, 2026 | en Opinión
  • Copiar y pegar Activar copiar y pegar en VirtualBox publicado el mayo 1, 2019 | en Herramientas
  • pandas Pandas: Seleccionar las primeras o últimas filas de un DataFrame Pandas con head() o tail() publicado el marzo 8, 2021 | en Python
  • La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1) publicado el junio 4, 2026 | en Opinión
  • Creación de gráficos interactivos en Jupyter Notebook con Python publicado el septiembre 17, 2018 | en Python

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

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • Daniel Rodríguez en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Hatepi en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no

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 © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto