Xarray

Programação Paralela com Dask em Python

James Fulton

Climate Informatics Researcher

Xarray - como pandas em mais dimensões

pandas

Aplica rótulos de índice a dados tabulares

Xarray

Aplica rótulos de índice a arrays de alta dimensão

DataFrame

Um DataFrame composto por quatro colunas.

DataSet

Um DataSet composto por três DataArrays

Carregando um DataSet de Zarr

import xarray as xr
ds = xr.open_zarr("data/era_eu.zarr")


print(ds)

<xarray.Dataset>
Dimensions:  (lat: 30, lon: 45, time: 504)
Coordinates:
  * lat      (lat) float64 35.5 36.5 37.5 38.5 39.5 ... 60.5 61.5 62.5 63.5 64.5
  * lon      (lon) float64 -14.5 -13.5 -12.5 -11.5 -10.5 ... 26.5 27.5 28.5 29.5
  * time     (time) datetime64[ns] 1979-05-31 1979-06-30 ... 2021-04-30
Data variables:
    precip   (time, lat, lon) float32 dask.array<chunksize=(12, 15, 15), ... >
    temp     (time, lat, lon) float32 dask.array<chunksize=(12, 15, 15), ... >

DataFrame vs. DataSet

pandas DataFrame

# Selecionar uma data específica
df.loc['2020-01-01']

# Selecionar por número do índice
df.iloc[0]

# Selecionar coluna
df['column1']

Dask DataSet

# Selecionar uma data específica
ds.sel(time='2020-01-01')

# Selecionar por número do índice
ds.isel(time=0)

# Selecionar variável
ds['variable1']

DataFrame vs. DataSet

pandas DataFrame

# Executar operações matemáticas
df.mean()




# Groupby e média
df.groupby(df['time'].dt.year).mean()


# Média móvel
rolling_mean = df.rolling(5).mean()

Dask DataSet

# Executar operações matemáticas
ds.mean()
ds.mean(dim='dim1')
ds.mean(dim=('dim1', 'dim2'))


# Groupby e média
ds.groupby(ds['time'].dt.year).mean()


# Média móvel
rolling_mean = ds.rolling(dim1=5).mean()

rolling_mean.compute()

Visualização

ds['variable'].plot()

Gera um gráfico de linha se 1D
Gera um heatmap se 2D
Gera um histograma se 3D+

Exemplo Um gráfico de linha mostra a temperatura em um local no norte da Finlândia por alguns anos ao redor do Great Cold Outbreak.

Visualização

ds['variable'].plot()

Gera um gráfico de linha se 1D
Gera um heatmap se 2D
Gera um histograma se 3D+

Exemplo Um heatmap mostra a temperatura média na Europa em janeiro.

Visualização

ds['variable'].plot()

Gera um gráfico de linha se 1D
Gera um heatmap se 2D
Gera um histograma se 3D+

Exemplo Um histograma mostra a distribuição das temperaturas medidas em todas as localidades na Europa.

Vamos praticar!

Programação Paralela com Dask em Python