Introducción a Xarray¶

Xarray es una librería de Python diseñada para facilitar el análisis y manipulación de datos multidimensionales etiquetados (como los que provienen de modelos climáticos, observaciones satelitales o simulaciones numéricas).

Inspirado en la estructura de Pandas, Xarray extiende su funcionalidad a arreglos N-dimensionales, permitiendo trabajar de forma intuitiva con datos que tienen múltiples coordenadas como tiempo, latitud y longitud.

Xarray es especialmente popular en ciencias de la Tierra y del clima, donde los datos suelen venir en formatos como NetCDF, Zarr o GRIB.

📚 Descripción general¶

Al completar este cuadernillo serás capaz de:

• Comprender qué son DataArray y Dataset

• Crear objetos Xarray desde arreglos de NumPy

• Asignar dimensiones y coordenadas

• Explorar y seleccionar datos usando coordenadas

• Calcular estadísticas y aplicar operaciones

• Visualizar datos con .plot()

• Leer datos reales desde archivos NetCDF

✅ Requisitos previos¶

⏱️ Tiempo estimado de aprendizaje:

• Lectura y ejecución: 30-40 minutos

• Con actividades de práctica: 60-90 minutos

✍️ Formato: interactivo, ejecuta y modifica el código a medida que avanzas

1. Primeros pasos con Xarray 🧪¶

La unidad básica en Xarray es el DataArray, que extiende la funcionalidad de los ndarray de NumPy. A diferencia de NumPy, Xarray permite asignar:- Dimensiones con nombre (time, lat, lon, etc.)- Coordenadas con etiquetas asociadas- Atributos descriptivos como unidades, nombre estándar, etc.Esta herramienta es particularmente poderosa cuando se trabaja con datos atmosféricos, oceanográficos o climáticos provenientes de modelos numéricos o sensores remotos, donde las variables dependen del tiempo, la latitud, la longitud y a veces también de la altitud.Importemos las librerías necesarias para este cuadernillo

Importar librerías¶

🎛️ 1.1. Crear un DataArray desde NumPy¶

Para comenzar, creamos una matriz tridimensional con valores simulados de temperatura (en grados Kelvin). Esta matriz tendrá dimensiones que representan el tiempo, la latitud y la longitud:

Podemos construir un DataArray inicial directamente desde este arreglo de NumPy, aunque sin información adicional aún:

⚠️ Como no definimos nombres para las dimensiones, Xarray usa nombres genéricos como dim_0, dim_1, dim_2, lo cual puede dificultar la interpretación de los datos.

1.2 Asignar nombres de dimensiones 📀¶

Para mejorar la legibilidad, asignamos nombres explícitos a las dimensiones. Esto convierte un arreglo anónimo en un conjunto de datos más descriptivo y navegable:

Creamos un objeto con datos y dimensiones que gráficamente se podría representar de la siguiente manera:

Esto nos permite realizar operaciones sobre dimensiones por nombre, en lugar de índices numéricos.

1.3 Agregar coordenadas a las dimensiones 🗺️¶

Además de los nombres, podemos asociar coordenadas reales que representen valores geográficos o temporales. Esto permite, por ejemplo, ubicar espacialmente los datos o hacer filtrados temporales:

Construimos nuevamente el DataArray, esta vez incluyendo coordenadas:

Con esto obtenemos un objeto con visualización enriquecida: las dimensiones están etiquetadas y cada punto tiene una referencia espacial y temporal clara.

1.4 Agregar atributos descriptivos 🏷️¶

Finalmente, Xarray permite incluir metadatos como unidades físicas, nombres estándar de variables o descripciones adicionales. Esto es importante para la trazabilidad y para facilitar el trabajo colaborativo o la publicación de datos:

Estos atributos no alteran los datos, pero se usan al exportar, graficar o convertir los objetos a otros formatos como NetCDF. También ayudan a los usuarios a entender rápidamente qué representa el conjunto de datos.

2. Dataset: Contenedor multidimensional 🧳¶

Mientras que un DataArray representa una sola variable con sus dimensiones y coordenadas, un Dataset es un contenedor que puede almacenar múltiples DataArrays, que posiblemente compartan dimensiones y coordenadas.

Esto es muy útil en ciencias ambientales, donde queremos trabajar simultáneamente con variables como temperatura, presión, humedad, etc., dentro de un mismo archivo o conjunto de datos.

2.1 Crear múltiples DataArrays 🌡️¶

Partimos de los DataArrays que representan distintas variables físicas como temperatura del aire, presión atmosférica y humedad relativa:

2.2 Crear el Dataset 📦¶

Una vez definidos los DataArrays, podemos crear un Dataset pasando un diccionario con las variables:

En un entorno interactivo como JupyterLab, este Dataset se mostrará como un menú desplegable que incluye:- Dimensiones (dims)- Coordenadas (coords)- Variables (data_vars)- índices (indexes)- Atributos (attrs)

La visualización del Dataset mostrará las dimensiones compartidas, las coordenadas y un resumen de cada variable contenida como se muestra en la siguiente imagen tomada de la documentación de xarray

Esto permite acceder rápidamente a las dimensiones comunes y explorar todas las variables de forma estructurada.

3. Selección de datos y operaciones básicas 🧩¶

Una vez que tenemos nuestros datos organizados en DataArray o Dataset, Xarray nos permite acceder, filtrar y operar sobre ellos de forma muy intuitiva utilizando etiquetas en lugar de índices numéricos.

3.1 Acceder a variables en un Dataset 🔎¶

Cada variable contenida dentro de un Dataset es un DataArray, y se puede acceder de manera sencilla usando notación por atributo ds.<atributo> (acceso directo si el nombre es válido)

O Notación por clave de diccionario (más general y flexible)

Ambas formas retornan el DataArray correspondiente. La primera es más compacta, útil en notebooks interactivos; la segunda es más robusta, especialmente si los nombres contienen espacios, guiones u otros caracteres especiales.

3.2 Seleccionar datos por coordenadas con .sel() 🧭¶

El método .sel() permite seleccionar subconjuntos de datos utilizando los valores de las coordenadas en lugar de los índices posicionales. Esto hace que el código sea más legible y expresivo.

Por ejemplo, podemos seleccionar todos los datos para una fecha específica

O seleccionar una variable y una ubicación específica

✅ Muy útil y conveniente cuando trabajamos con fechas o ubicaciones reales.

3.3 Seleccionar datos por posición con .isel() 🔹¶

Si en cambio queremos seleccionar por posición (como con NumPy), usamos .isel(). Esto es útil cuando no conocemos las coordenadas exactas o estamos en procesos de automatización.

Seleccionar temperatura para la primera posición de latitud y segunda longitud a lo largo del tiempo

🧠 .isel() usa números de posición; .sel() usa etiquetas de coordenadas.

3.4 Seleccionar rangos con slice() 🪄¶

Podemos seleccionar rangos utilizando slice(), lo que facilita el trabajo con subconjuntos:

Por ejemplo seleccionemos el subconjunto de datos entre dos fechas

O subconjunto de latitudes

Esto es especialmente útil en análisis temporales o espaciales que requieren ventanas móviles.

4. Operaciones estadísticas y gráficas 📊¶

Una de las grandes ventajas de Xarray es que permite aplicar operaciones estadísticas y crear visualizaciones de forma muy similar a Pandas, pero extendidas a múltiples dimensiones.

4.1 Estadísticas sobre dimensiones 📐¶

Podemos calcular estadísticas como la media, desviación estándar, máximo o mínimo a lo largo de una o varias dimensiones.

✅ Estas funciones son muy útiles para obtener resúmenes climatológicos o patrones promedios.

4.2 Interpolación de datos 🌐 Cuando necesitas obtener valores en coordenadas que no existen exactamente en tus datos, puedes usar .interp() para interpolar:

📌 Puedes especificar el método de interpolación (como linear, nearest) y ajustar la tolerancia.

4.3 Visualizaciones rápidas con .plot() 🖼️¶

Xarray incluye integración con Matplotlib para hacer gráficos rápidos desde cualquier DataArray:

Generemos una serie temporal de temperatura en una ubicación determinada

O un mapa de temperatura para t=0

O un Mapa de temperatura promedio

🔍 Estas funciones detectan automáticamente si el resultado es 1D o 2D y generan una línea o un mapa respectivamente.

4.4 Aplicar máscaras y condiciones 🎭¶

Puedes aplicar filtros condicionales a los datos usando .where(), muy útil para enmascarar regiones o aplicar umbrales:

🧪 .where() mantiene la forma del arreglo pero oculta los datos que no cumplen la condición.

4.5 Agrupación temporal con groupby() 📅¶

Xarray permite agrupar datos por coordenadas temporales para crear climatologías o calcular promedios estacionales usando .groupby():

Este método es especialmente útil para calcular climatologías mensuales o estacionales a partir de series temporales largas.

📊 Puedes agrupar por: time.month, time.season, time.year, time.dayofyear, etc.

4.6 Operaciones aritméticas y broadcasting ➕¶

Xarray permite realizar operaciones aritméticas entre DataArrays, alineando automáticamente las coordenadas (broadcasting):

✨ Xarray alinea automáticamente las dimensiones, facilitando operaciones complejas sin necesidad de reindexar manualmente.

5. ✏️ Actividades de práctica¶

Ahora que has aprendido los conceptos fundamentales de Xarray, es momento de ponerlos en práctica. Estas actividades te ayudarán a consolidar lo aprendido usando el Dataset ds que creamos anteriormente (con variables de Temperatura, Presión y Humedad Relativa).

Ejercicio 1: Selección de datos¶

Objetivo: Practicar diferentes métodos de selección de datos.

Tarea: Usando el Dataset ds:

1. Selecciona la temperatura para la fecha ‘2018-01-03’ usando .sel()

2. Selecciona la presión para la tercera posición temporal usando .isel()

3. Extrae un rango de latitudes entre 30 y 50 grados

Ejercicio 2: Operaciones estadísticas¶

Objetivo: Calcular estadísticas sobre diferentes dimensiones.

Tarea:

1. Calcula la temperatura promedio a lo largo del tiempo para cada ubicación espacial

2. Encuentra la presión máxima en cada punto temporal

3. Calcula la desviación estándar de la humedad relativa

Ejercicio 3: Aplicación de máscaras¶

Objetivo: Filtrar datos usando condiciones.

Tarea:

1. Crea una máscara que muestre solo temperaturas mayores a 285 K

2. Filtra la presión para mostrar solo valores menores a 995 hPa

3. Visualiza el resultado con .plot()

Ejercicio 4: Combinando operaciones¶

Objetivo: Integrar múltiples operaciones en un análisis completo.

Tarea:

1. Selecciona datos solo para las dos primeras fechas usando slice()

2. Calcula la temperatura promedio espacial (sobre lat y lon) para esas fechas

3. Grafica la serie temporal resultante

# 1 y 2. Selección y promedio espacial
temp_subset = ds.Temperature.sel(time=slice('2018-01-01', '2018-01-02'))
temp_promedio_espacial = temp_subset.mean(dim=['lat', 'lon'])

# 3. Visualización
temp_promedio_espacial.plot(marker='o')
import matplotlib.pyplot as plt
plt.title('Temperatura promedio espacial')
plt.ylabel('Temperatura (K)')
plt.grid(True)

✅ Conclusiones¶

En este cuadernillo aprendiste los fundamentos del manejo de datos multidimensionales con Xarray, una herramienta esencial en la ciencia del clima, meteorología y disciplinas relacionadas con datos ambientales.

🔑 Lo más destacado:

• Comprendiste la diferencia entre DataArray y Dataset, dos estructuras clave para manejar datos con múltiples dimensiones y coordenadas.

• Aprendiste a etiquetar tus datos con dimensiones y coordenadas que hacen tu análisis más claro y reproducible.

• Aplicaste operaciones estadísticas como mean(), std() o sum() a lo largo de diferentes dimensiones.

• Usaste .sel() y .isel() para extraer datos fácilmente con etiquetas o índices.

• Generaste visualizaciones rápidas usando .plot() para explorar tendencias temporales y mapas espaciales.

📦 Con este conocimiento ya puedes comenzar a trabajar con grandes volúmenes de datos científicos como modelos climáticos, observaciones satelitales o reanálisis atmosféricos.

📚 Recursos recomendados¶

• Documentación oficial de Xarray

• Pythia Foundations: Introducción a Xarray

• Earth & Environmental Data Science

🎓 ¡Felicitaciones! Estás listo para abordar análisis más complejos con datos multidimensionales usando Xarray.

Fuentes y Referencias¶

• Rose, B. E. J., Kent, J., Tyle, K., Clyne, J., Banihirwe, A., Camron, D., May, R., Grover, M., Ford, R. R., Paul, K., Morley, J., Eroglu, O., Kailyn, L., & Zacharias, A. (2023). Pythia Foundations (Version v2023.05.01) Rose et al. (2023)