• 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

Herramientas para la refactorización en MATLAB

mayo 29, 2024 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

La refactorización es una parte fundamental del desarrollo de código para garantizar que este sea más legible y mantenible. Mediante la mejora de su estructura sin cambiar el comportamiento. En esta entrada, se analizarán las herramientas nativas que existen para la refactorización en MATLAB, con las que se puede convertir cualquier bloque de código en una función local o guardar en un archivo.

¿Qué es la refactorización de código?

La refactorización de código es un proceso mediante el cual se reestructura este sin cambiar su funcionalidad. Mejorando en el proceso la legibilidad, la mantenibilidad y la eficiencia del código, lo que conduce a soluciones de software más robustas y escalables. Siendo un proceso que se puede hacer manualmente, aunque los editores modernos incluyen funcionalidades con los que se puede automatizar el proceso.

¿Dónde encontrar la funcionalidad de refactorización en MATLAB?

La funcionalidad de refactorización de código se encuentra integrada en el editor de MATLAB. Se puede acceder a estas herramientas desde la pestaña ”Editor” en la barra de herramientas principal, y luego seleccionar ”Refactor”. Actualmente existen dos o opciones “Convert to Function” y “Convert to Local Function”, con las que se puede convertir cualquier pedazo de código en una función o función local respectivamente.

Editor de MATLAB con las funciones de refactorización
Funciones disponibles en MATLAB para la refactorización de código.

Publicidad


Convertir código en una función

La principal tarea de refactorización que automatizan las herramientas de Matlab en la extracción de funciones. Proceso por el que se puede convertir cualquier trozo de código en una función para que este se pueda reutilizar de forma sencilla. Facilitando la división del código en funciones más pequeñas y manejables, lo que mejora la modularidad y la reutilización del código.

Augurios deportivos y portadas malditas, o cuando The Economist predice mejor al revés – El bestiario de los indicadores económicos absurdos (parte 3)
En Analytics Lane
Augurios deportivos y portadas malditas, o cuando The Economist predice mejor al revés – El bestiario de los indicadores económicos absurdos (parte 3)

Ejemplo: extraer una función local

Supongamos que tenemos una sección de código en la que se calcula el área de un círculo.

% Código original
radio = 5;
area = pi * radio^2;

En este caso, se podría refactorizar el código extrayendo una función para calcular el área del círculo. Aunque es un ejemplo pequeño, esto permite contar con una función que simplifique su reutilización. Los pasos para hacer esto seria:

  1. Selecciona el fragmento de código que calcula el área del círculo.
  2. Ir a la pestaña ”Editor”, pulsar sobre ”Refactor” y seleccionar la opción “Convert to Local Function”.
  3. En este punto el editor creará una función llamada untitled() cuyo nombre se puede renombrar a algo más significativo como calcularAreaCirculo().
Editor de MATLAB tras extraer una función
Extracción del código en una función local con el nombre por defecto
  1. En este caso es necesario, como el valor area no se usa a continuación, la herramienta de refactorización no incluye la devolución del valor. Por lo que se debe revisar e indicar los parámetros que se necesita que sean devueltos por la función.
Editor de MATLAB tras adaptar la función
Extracción del código en una función local tras su renombrado e indicar el resultado que se van a devolver

Ejemplo: obtener una función

Alternativamente se puede crear una función en un archivo m para poder reutilizar este código en cualquier parte. En este caso la única diferencia es que al llamar al usar la función “Convert to Function se pide el nombre y la ruta del archivo.

Editor de MATLAB con la función generada en un archivo externo
Extracción la función en un archivo para su reutilización

Publicidad


Conclusiones

Las herramientas para la refactorización en MATLAB permiten mejorar la calidad del código de una forma eficaz. Aunque solamente existen herramientas para extraer funciones, no existe una función para renombrado de variables o funciones como en editores más avanzados, es algo que puede ser de ayuda cuando la complejidad de las funciones crece y se debe dividir estas en pedazos de código más manejables.

Imagen de Vilius Kukanauskas 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

  • Augurios deportivos y portadas malditas, o cuando The Economist predice mejor al revés – El bestiario de los indicadores económicos absurdos (parte 3)
  • 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
  • Analytics Lane lanza la versión 1.3 del laboratorio con nuevas herramientas de evaluación de modelos y utilidades prácticas
  • 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

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

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

Noticias

Analytics Lane lanza la versión 1.4 del laboratorio con nuevas herramientas de conversión y modelos avanzados de CLV

julio 10, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Cargar archivo CSV en Excel con diferentes delimitadores de columna publicado el marzo 4, 2020 | en Herramientas
  • Cómo abrir una ventana de Chrome con tamaño y posición específicos desde la línea de comandos en Windows publicado el octubre 14, 2025 | en Herramientas
  • Exactitud, precisión, recall… qué mide realmente cada métrica (y qué no) publicado el marzo 3, 2026 | en Ciencia de datos
  • Identificar y eliminar columnas duplicadas en Pandas publicado el mayo 24, 2021 | en Python
  • Customer Lifetime Value: la fórmula clásica que todo analista debería dominar publicado el julio 14, 2026 | 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