• 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

Eliminar elementos en matrices de Matlab

enero 13, 2021 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Para eliminar un elemento en una matriz de Matlab solamente hay que seleccionar estos y asignar una matriz vacía. Matriz que se indica con dos corchetes ([]). Por lo que es clave saber previamente seleccionar los elementos de una forma eficiente. A continuación, vamos a ver cómo seleccionar y eliminar los elementos en matrices de Matlab.

Tabla de contenidos

  • 1 Creación de una matriz
  • 2 Seleccionar filas y columnas
  • 3 Eliminar filas en una matriz de Matlab
  • 4 Eliminar columnas en una matriz de Matlab
  • 5 Eliminar más de una fila o columna
  • 6 Eliminar un único elemento
  • 7 Conclusiones

Creación de una matriz

En primer lugar hay que tener un matriz en Matlab, por lo que lo mejor es crear una aleatoria con la función randi(). Aunque, de cara a poder reproducir los resultados, es aconsejable fijar la semilla antes de generar la matriz.

rng('default');
data = randi(50 ,6, 4)
data =

    41    14    48    40
    46    28    25    48
     7    48    41    33
    46    49     8     2
    32     8    22    43
     5    49    46    47

Seleccionar filas y columnas

La selección de los elementos de una matriz en Matlab es una tarea realmente sencilla. Proceso que ya se explicó en más detalle en una entrada anterior. Solamente se debe indicar entre paréntesis las coordenadas de matriz, recordando que el valor de la primera posición es 1. Así para seleccionar el segundo elemento de la tercera columna solamente hay que escribir data(2,3), lo que nos debería devolver 25.

Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT
En Analytics Lane
Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT

En el caso de querer seleccionar un vector con una fila o una columna, se puede indicar mediante dos puntos : que se seleccionen todas las filas o todas la columnas. Así para seleccionar la primera columna se puede hacer data(1,:) y la primera fila data(1, :).

Publicidad


Eliminar filas en una matriz de Matlab

Ahora que sabemos cómo seleccionar filas y columnas podemos eliminarlas de la matriz. Así para eliminar la segunda fila solamente se tiene asignar la matriz vacía a esta.

data(2, :) = []
data =

    41    14    48    40
     7    48    41    33
    46    49     8     2
    32     8    22    43
     5    49    46    47

En este caso los valores de la segunda fila se han perdido, ya que la matriz original ha sido modificada. Si los valores son necesarios para algo es necesario extraerlos previamente y guardarlos en otra variable.

Eliminar columnas en una matriz de Matlab

El proceso para eliminar columnas es análogo al anterior, solamente se tiene que seleccionar esta y asignar una matriz vacía. Así para eliminar la segunda columna solamente se tiene que hacer los siguiente

data(:, 2) = []
data =

    41    48    40
     7    41    33
    46     8     2
    32    22    43
     5    46    47

Eliminar más de una fila o columna

Como se ha visto en la entrada dedicada a la selección de elementos en una matriz de Matlab es posible seleccionar más de una fila o columna. Por lo que también es posible eliminar el mismo paso más de una fila o columna. Esto se hace indicando las filas o las columnas como un vector. De este modo se puede eliminar las filas 1 y 3 de la siguiente manera.

data([1, 3], :) = []
data =

     7    41    33
    32    22    43
     5    46    47

Publicidad


Eliminar un único elemento

Quizás alguien haya notado que se ha explicado previamente como eliminar un único elemento de la matriz. No se ha hecho porque no es posible. Si se eliminase un inicio elemento tendríamos filas o columnas con diferentes numero de elementos, lo que no es posible. En estos casos lo único que se puede hacer es asignar un valor NaN a ese elemento. Aunque en este caso lo único que se hace es eliminar el valor.

Conclusiones

En esta ocasión se ha visto cómo eliminar elementos en matrices de Matlab. Un proceso que es relativamente sencillo si sabemos seleccionar las filas o columnas. Ya que solamente hay que asignar una matriz vacía a los elementos que se desean eliminar.

Imagen de Hans Braxmeier en Pixabay

¿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

  • Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT
  • El bestiario de los indicadores económicos absurdos: El zoo patrio
  • Las fórmulas con DNI, o cómo dividir cualquier cosa entre cualquier otra cosa puede acabar publicado en un titular serio – El bestiario de los indicadores económicos absurdos (parte 5)
  • Data Leakage en Credit Scoring: El Error que Invalida tu Modelo
  • La liga internacional, o cuando Harvard y Johns Hopkins suman peras con manzanas – El bestiario de los indicadores económicos absurdos (parte 6)
  • Los indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)
  • Customer Lifetime Value: la fórmula clásica que todo analista debería dominar
  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado
  • DBSCAN y la selección de ε: teoría, intuición y aplicación práctica

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

PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado

julio 21, 2026 Por Daniel Rodríguez

Los indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)

julio 16, 2026 Por Daniel Rodríguez

Customer Lifetime Value: la fórmula clásica que todo analista debería dominar

julio 14, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado publicado el julio 21, 2026 | en Ciencia de datos
  • Inteligencia artificial generativa en seguros: Cinco aplicaciones que están transformando la industria publicado el marzo 14, 2025 | en Ciencia de datos, Opinión
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos
  • Nuevo simulador del problema de Monty Hall en el laboratorio de aplicaciones de Analytics Lane publicado el abril 8, 2026 | en Noticias
  • Número óptimo de clústeres con Silhouette e implementación en Python publicado el junio 23, 2023 | 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

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • 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

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