• 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

Cómo eliminar una rama en Git

Git

octubre 11, 2024 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

En algunas situaciones, cuando se trabaja con Git, puede ser necesario eliminar ramas de un repositorio. Por ejemplo, para mantener el repositorio limpio, evitar confusiones con ramas obsoletas o, simplemente, organizar el flujo de trabajo de una forma más sencilla. Aunque no es habitual, es una operación que se puede hacer fácilmente tanto en repositorios locales como remotos. En esta entrada, se explicará en primer lugar los pasos necesarios para eliminar una rama en Git local y posteriormente como realizar la misma operación en un repositorio remoto.

Cómo eliminar una rama local en Git

Antes de poder eliminar una rama en un repositorio remoto es necesario realizar la operación en el local. Por lo que es importante saber cómo se borra una rama local. Para ello, es necesario obtener un listado de las ramas locales y remotas del proyecto, usando para ello el siguiente comando:

git branch -a

Un comando que mostrará tanto las ramas del repositorio local como del remoto. Pudiendo de este modo saber cuáles son las que se han sincronizado con el repositorio remoto y cuáles no. Las ramas remotas aparecerán con el prefijo remotes/origin/ seguido del nombre de la rama. Si no se desean ver las ramas del repositorio remoto simplemente se debe omitir el parámetro -a.

Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
En Analytics Lane
Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)

Ahora, para eliminar una rama local que ya no es necesaria, solamente se debe ejecutar el siguiente comando:

git branch -d nombre-rama

Donde se debe reemplazar nombre-rama con el nombre de la rama local que se desea eliminar. Al lanzar el comando, se eliminará la rama local, siempre que esta haya sido integrada con otra. Si la rama no ha sido integrada, será necesario cambiar el comando -d por -D para formar su eliminación, ya que los cambios de la rama se perderán definitivamente. Esto es, el comando a ejecutar debería ser el siguiente:

git branch -D nombre-rama

Al finalizar la ejecución del comando, se mostrará un mensaje indicando que la rama ha sido eliminada localmente. Pero este cambio no afecta a las ramas en el repositorio remoto, ya que seguirá existiendo en este.

Cómo eliminar una rama remota en Git

Los comandos de la sección anterior solamente afectan al repositorio local. En este punto, si se ejecuta el comando git branch -a seguía apareciendo la rama en el repositorio remoto. Para conseguir que el cambio afecta también al repositorio remoto es necesario ejecutar el siguiente comando:

git push origin -d nombre-rama

En este caso, al incluir origin el comando se ejecuta en el repositorio remoto.

Publicidad


Verificar la eliminación de la rama remota

Una vez ejecutado el comando anterior, se puede verificar si la rama se ha eliminado correctamente volviendo a listar todas las ramas remotas con:

git branch -a

Si los pasos se han ejecutado correctamente, la rama ya no aparecerá en los listados de ramas locales y remotas.

Conclusiones

Los comandos git push -d nombre-rama y git push origin -d nombre-rama permiten eliminar una rama en Git, tanto en el repositorio local como en el remoto. Primero, la rama se debe eliminar en la copia local. En este punto, los cambios realizados no tienen impacto en el repositorio remoto, siendo necesario ejecutar el segundo comando para aplicar los cambios en el remoto.

Nota: La imagen de este artículo fue generada utilizando un modelo de inteligencia artificial.

¿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

  • Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Por Qué las Contraseñas Largas son más Seguras que las Complejas
  • Segmentación RFM: cómo clasificar tu cartera de clientes antes de calcular el CLV
  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado
  • Champion vs Challenger: Cómo los Bancos Validan Modelos Nuevos antes de Ponerlos en Producción
  • Gini, KS y AUC: Cómo Medir la Calidad de un Modelo de Credit Scoring
  • Errores habituales al trabajar con DataFrames grandes en Pandas (y cómo evitarlos)
  • BG/NBD + Gamma/Gamma: el modelo probabilístico para CLV en compras continuas
  • Curiosidad: De dónde vienen foo, bar y foobar

Publicado en: Herramientas Etiquetado como: Git

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

Por Qué las Contraseñas Largas son más Seguras que las Complejas

agosto 20, 2026 Por Daniel Rodríguez

Gini, KS y AUC: Cómo Medir la Calidad de un Modelo de Credit Scoring

agosto 18, 2026 Por Daniel Rodríguez

Curiosidad: De dónde vienen foo, bar y foobar

agosto 13, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Por Qué las Contraseñas Largas son más Seguras que las Complejas publicado el agosto 20, 2026 | en Criptografía
  • ¿Cómo eliminar columnas y filas en un dataframe pandas? publicado el marzo 25, 2019 | en Python
  • pandas Pandas: Convertir el índice en una columna en un DataFrame publicado el agosto 5, 2021 | en Python
  • Redirigir HTTP a HTTPS en IIS publicado el diciembre 9, 2022 | en Criptografía, Herramientas
  • pandas Pandas: Mostrar todos los elementos de un DataFrame publicado el agosto 26, 2021 | 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

  • 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
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración

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