• 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
    • 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)
    • Riesgo
      • Constructor de Scorecards de Crédito
      • Aplicar Scorecard de Crédito
    • 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

Ordenar una matriz en Matlab en base a una fila o columna

octubre 14, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

En Matlab existe la función sort() para ordenar los elementos de un vector o matriz. Pero cuando es necesario ordenar una matriz en Matlab en base a los valores de una fila o columna no existe una función análoga. Para solucionar este problema es necesario utilizar el segundo valor que devuelve la función sort() y los métodos para seleccionar elementos en Matlab.

La función sort()

La función sort() permite ordenar los elementos de una vector o matriz. Por defecto la ordenación es de forma ascender, aunque se puede indicar la dirección en los parámetros de la función. Al consultar la documentación de la función se puede observar que esta devuelve dos parámetros, el primero la matriz ordenada y el segundo una matriz con el orden de ordenación. Por ejemplo, para un vector de tres elementos se puede ver:

m = [1 5 3];
[s, o] = sort(m)
s =

     1     3     5


o =

     1     3     2

En este caso se puede ver que s es la matriz ordenada y o es orden en el que es necesario seleccionar los elementos del vector original m para obtener s. Así se puede obtener s a partir de m ordenandolo con o.

Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
En Analytics Lane
Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane

m(o)
ans =

     1     3     5

Esto se puede utilizar para ordenar una matriz en Matlab en base a una fila o columna.

Ordenar una matriz en Matlab en base a una columna

Ahora, si se utiliza sort() para ordenar una columna de una matriz se puede usar el segundo resultado para ordenar la matriz en base a esta. Para esto se pueden utilizar los métodos básicos de Matlab para seleccionar una columna de la matriz. Por ejemplo, la primera. En el siguiente trozo de código se puede ver cómo ordenar una matriz aleatoria de enteros en base a su primera columna.

data = randi(40, 6, 4)

[~, s] = sort(data(:, 1))
data(s, :)

En una ejecución aleatoria se obtienen los valores.

data =

     9    10    18    11
    13     7     8    17
    19    10    37    24
    10    18    40    11
    34    13    18    25
     8    37     5    29


s =

     6
     1
     4
     2
     3
     5


ans =

     8    37     5    29
     9    10    18    11
    10    18    40    11
    13     7     8    17
    19    10    37    24
    34    13    18    25

Publicidad


Ordenar una matriz en Matlab en base a una fila

La ordenación también se puede hacer en base a una fila, para ello simplemente se ha de ordenar la fina en lugar de la columna. Esto se puede hacer con el siguiente ejemplo:

[~, s] = sort(data(1, :))
data(:, s)

Con el que se obtiene.

s =

     1     2     4     3


ans =

     9    10    11    18
    13     7    17     8
    19    10    24    37
    10    18    11    40
    34    13    25    18
     8    37    29     5

Ordenar en orden descender

Finalmente, se puede indicar a la función sort() que ordene los elementos de forma descentre simplemente pasando la palabra desc como segundo parámetro de la función. Lo que se puede aplicar al ejemplo anterior.

[~, s] = sort(data(:, 1), 'desc')
data(s, :)
s =

     5
     3
     2
     4
     1
     6


ans =

    34    13    18    25
    19    10    37    24
    13     7     8    17
    10    18    40    11
     9    10    18    11
     8    37     5    29

Conclusiones

En esta entrada se ha visto cómo combinar la funciónsort() con los métodos para seleccionar elementos en para ordenar los elementos de una matriz en base a una fila o columna. Una tarea que es bastante habitual. Por ejemplo, a la hora de ordenar los resultados de unas medidas.

Este truco también se puede utilizar para ordenar los elementos de un vector en base a otro que tenga el mismo tamaño. Lo que es de utilidad cuando se tienen datos relacionados en dos elementos.

Imágenes: Pixabay (congerdesig)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 3

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

  • Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
  • Nuevo conversor de timestamp Unix en el laboratorio de Analytics Lane
  • Calculadora de Contrastes de Hipótesis: interpreta correctamente el p-valor y toma decisiones estadísticas con confianza
  • Calculadora de Tamaño del Efecto: la herramienta clave para entender cuánto importa realmente una diferencia
  • Simulador de DBSCAN: descubre cómo encontrar clusters reales (y ruido) sin fijar K
  • Conversor de Colores: convierte, compara y valida cualquier color en tiempo real
  • Analytics Lane lanza su Generador de UUIDs: identificadores únicos, seguros y listos para producción en segundos
  • 1200 publicaciones en Analytics Lane
  • Analytics Lane lanza su Conversor TIN ↔ TAE: la herramienta definitiva para entender el coste real de depósitos, préstamos e hipotecas

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

WOE e IV: La Base Matemática del Credit Scoring

mayo 5, 2026 Por Daniel Rodríguez

Noticias

Lanzamiento de la versión 1.0 del laboratorio de Analytics Lane con nuevas herramientas de scoring

mayo 2, 2026 Por Daniel Rodríguez

Analytics Lane

¡Analytics Lane cumple ocho años!

mayo 2, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Copiar y pegar Activar copiar y pegar en VirtualBox publicado el mayo 1, 2019 | en Herramientas
  • Comparar archivos en Visual Studio Code publicado el enero 10, 2024 | en Herramientas
  • Noticias Mejores mensajes de error en Python 3.10 publicado el octubre 11, 2021 | en Python
  • Codificación JSON Archivos JSON con Python: lectura y escritura publicado el julio 16, 2018 | en Python
  • Uso de múltiples ejes en Matplotlib publicado el agosto 4, 2022 | 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

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

Comentarios recientes

  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • 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

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