• 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

Borrar las carpetas .ipynb_checkpoints en Windows

Jupyter, Windows

abril 6, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

La semana pasada se ha visto cómo eliminar todas las carpetas .ipynb_checkpoints que se encuentren en un subdirectorio usando comando de UNIX. Por lo que este truco solamente se podía utilizar en sistemas Linux o macOS. Por eso algunos me han preguntado si existe una forma similar de hacer lo mismo en Windows. Afortunadamente, aunque los comandos son un poco más complicados, esto es algo que se puede hacer tanto en PowerShell como mediante la línea de comandos. Este semana vamos a ver cómo se pueden borrar las carpetas .ipynb_checkpoints en Windows

Borrar las carpetas .ipynb_checkpoints con PowerShell

Posiblemente una de las herramientas que ofrecen los sistemas Windows actuales más infrautilizada es PowerShell. Una interfaz de consola con la que es posible realizar tareas complejas gracias a la facilidad que tiene para concatenar comandos. Al igual que los Shell de UNIX. Una de las tareas que se puede realizar es buscar todos los elementos con un nombre a partir de una ruta. Por ejemplo, para buscar todas las carpetas .ipynb_checkpoints a partir de la actual se puede usar

Get-ChildItem -path . -Include '.ipynb_checkpoints' -Recurse

En donde se ha usado el comando Get-ChildItem para busqué a partir de la ruta actual (indicado con la opción -path) todos los elementos que contengan el término .ipynb_checkpoints (modificado mediante la opción -Include) y de forma recursiva (-Recurse). Al ejecutar el comando saldrán por pantalla todos los elementos que se encuentran en la ruta. Ahora, solamente hay que enviar el resultado a un comando Remove-Item usando para ellos las tuberías.

Actualizar expresslanets a ES Modules con tsx y Vitest
En Analytics Lane
Actualizar expresslanets a ES Modules con tsx y Vitest

Get-ChildItem -path . -Include '.ipynb_checkpoints' -Recurse | Remove-Item -Recurse -Force

Sin olvidar incluir las opciones -Recurse y -Force.

Borrar las carpetas .ipynb_checkpoints mediante la línea de comandos

Otro método alternativo para conseguir lo mismo en Windows es usar la línea de comandos. En este caso el método para conseguirlo es algo más complejo, pero sería ejecutar la siguiente línea

for /d /r . %d in (.ipynb_checkpoints) do @if exist "%d" rd /s/q "%d"

Haciendo lo mismo que antes, borrar todas las carpetas a partir de la ruta actual que tenga como nombre .ipynb_checkpoints.

Conclusiones

En esta ocasión se ha visto dos método que podemos usar en Windows para borrar las carpetas .ipynb_checkpoints. Algo que puede ser de utilidad para eliminar los puntos de control después de terminar un proyecto manteniendo la estructura de carpetas de este.

Imagen de StockSnap 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

  • Actualizar expresslanets a ES Modules con tsx y Vitest
  • Migrar tslane a un paquete dual CommonJS y ESM con tsup y Vitest
  • Cómo construir tu primer scorecard paso a paso
  • Docker Compose: el día a día. Cómo ver qué funciona y qué no
  • Cómo Verificar la Normalidad de tus Datos antes de un Test Estadístico
  • Cómo Elegir el Test de Hipótesis Correcto para tus Datos
  • Qué significa realmente “calidad de datos”
  • Cómo Detectar Pseudo-IDs y Data Leakage en el Constructor de Scorecards
  • Tuplas vs Listas en Python: parecen lo mismo, pero no

Publicidad

Publicado en: Herramientas Etiquetado como: Jupyter, Windows

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

Cómo Elegir el Test de Hipótesis Correcto para tus Datos

octubre 22, 2026 Por Daniel Rodríguez

Tuplas vs Listas en Python: parecen lo mismo, pero no

octubre 20, 2026 Por Daniel Rodríguez

Qué significa realmente “calidad de datos”

octubre 15, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Por qué el banco te ofrece un 3% TAE y no es lo que parece publicado el junio 23, 2026 | en Opinión, Sin categoría
  • Numpy básico: como añadir elementos en arrays de Numpy con np.append() publicado el noviembre 27, 2019 | en Python
  • Excel en Python Guardar y leer archivos Excel en Python publicado el julio 30, 2018 | en Python
  • Ordenación de diccionarios en Python mediante clave o valor publicado el enero 14, 2019 | en Python
  • Hoja de cálculo para repartir los escaños en base al método D’Hont Aplicar el método D’Hondt en Excel publicado el abril 14, 2021 | en Herramientas

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