Introdução

Desejo boas-vindas ao tutorial Xarray.

Xarray é um pacote Python de código aberto que visa tornar o trabalho com arranjos de dados catalogados uma tarefa simples, eficiente e até mesmo divertida!

Xarray introduz labels (mapeamento, rótulo, catálogo) como forma de expressar dimensões, coordenadas e atributos construidos acima de arranjos brutos do tipo NumPy, o que permite um fluxo de trabalho e desenvolvimento mais intuitivo, conciso e a prova de erros. O pacote inclui uma biblioteca grande e crescente de funções aplicadas para análises e visualização com essas estruturas de dados.

Xarray é inspirado e inclusive toma várias funcionalidades emprestadas do pandas, o popular pacote para manipulação de dados tabelados. Também é especialmente adaptado para funcionar com arquivos netCDF, que foram a fonte do modelo de dados em Xarray, além de integrar-se perfeitamente com Dask para computação paralela.

Configurando o Tutorial

Esse tutorial foi projetado para rodar no Binder. O serviço permite executar totalmente na nuvem, nenhuma instalação extra é necessária. Para tanto, basta clicar aqui:

Se você prefere instalar o tutorial localmente, siga os seguintes passos:

1. Clone o repositório:

   git clone https://github.com/fschuch/xarray-tutorial-python-brasil
   

2. Instale o ambiente. O repositório inclui um arquivo environment.yaml no subdiretório .binder que contém uma lista de todos os pacotes necessários para executar esse tutorial. Para instalá-los usando conda, use o comando:

   conda env create -f .binder/environment.yml
   conda activate xarray
   

3. Inicie uma seção Jupyter:

   jupyter lab
   

Material complementar

1. Referências

   • Documentação
   • Overview: Why xarray?
   • Repositório do Xarray

2. Peça ajuda:

   • Use a seção python-xarray no StackOverflow
   • GitHub Issues para reportar bugs e requisitar novas funcionalidades

Estrutura do Tutorial

O material é composto por múltiplos Jupyter Notebooks. Eles, por sua vez, são compostos por uma mistura de código, texto, visualizações e exercícios.

Se essa é sua primeira experiência com JupyterLab, não se preocupe, ele é bastante simular com o Jupyter Notebook clássico. Se essa é a sua primeira vez com um Notebook, aqui vai uma introdução rápida:

1. Existem células em dois modos: comando e edição;
2. A partir do modo de comando, precione Enter para editar uma célular (assim como essa célula em Markdown);
3. Do modo de edição, precione Esc para retornar ao modo de comando;
4. Precione Shift + Enter para executar a célula e mover o cursor para a célula seguinte;
5. A barra de ferramentas contém botões para executar, converter, criar, quebrar e mesclar células.

O conteúdo abordado será o seguinte:

1. Introdução + Estruturas para dados Multidimensionais
2. Trabalhando com dados mapeados
3. Computação com Xarray
4. Gráficos e Visualização
5. Introdução ao Dask
6. Dask e Xarray para computação paralela