About... Prerequisites Examples Home Bugs Download Manual Links
These are the slides presented in the APMG 2001:
Postscript version
PDF version

And here is a spanish version with downloadable examples:


Departamento de Física Aplicada II
Universidad del País Vasco
\epsfig{figure=upvehu.eps,width=1.5cm}

Uso de Python en el análisis de la variabilidad climática

Jesús Fernández,
Jon Sáenz, Juan Zubillaga

APMG 12 Feb 2001


Contenido
  • Qué es Python?
  • Pyclimate:
    • Descripción general
    • Ejemplos de uso
  • Conclusiones
  • Algunos links interesantes


Qué es Python?
  • Es un lenguaje de programación gratuito y multiplataforma.
  • Está orientado a objetos. Herencia múltiple, sobreescritura de operadores, polimorfismo ...
  • Es interpretado (tiempo de ejecución $\uparrow$ )
  • Es flexible y de sintaxis muy sencilla. Sus programas se escriben, se depuran y se leen fácilmente. Su ciclo de diseño es muy rápido (tiempo de diseño $\downarrow$ )
  • Es fácil de aprender. Un buen comienzo para enseñar a programar a estudiantes.
  • Es extensible con módulos compilados en otros lenguajes como C, FORTRAN, ... (tiempo de ejecución $\downarrow$ )
  • Posee un módulo (Numerical Python) de cálculo matricial compilado en C que permite diversas precisiones numéricas y operaciones como obtención de filas, unión de matrices, trasposición de índices, ...


Descripción general de pyclimate
pyclimate es una paquete de Python que realiza tareas comunes en el análisis de la variabilidad climática. Hasta el momento incluye:
  • Funciones de lectura de ficheros de datos ASCII como objetos de Numerical Python. Funciones para duplicar la estructura de un fichero NetCDF.
  • Rutinas para trabajar con tiempos en términos de días Julianos con una definición ''exacta'' de mes. En particular tiene funciones para grabar o extraer fechas de un fichero NetCDF.
  • Intefaz Python para acceder a la librería DCDFLIB.C
  • Análisis mediante EOFs y SVD.
  • Filtros digitales multivariados. En concreto de tipo Kolmogorov-Zurbenko y Lanczos.
  • Operadores diferenciales en coordenadas esféricas que permiten, por ejemplo, el cálculo de vientos geostróficos, vorticidades, ...
  • Estimación basada en kernel de funciones de densidad de probabilidad (KPDF) para series univariadas y multivariadas.


Ejemplos


Conclusiones
  • En muchas ocasiones se hacen programas de uso muy específico que se van a ejecutar pocas veces. Conviene para estas tareas un lenguaje de programación sencillo que simplifique la tarea de diseño del programa.
  • Python es una buena elección si se desea programar de forma sencilla y sus extensiones numéricas permiten un uso científico competitivo.
  • Se han presentado una serie de rutinas que implementan ciertas funciones de uso común en el analisis de la variabilidad climática a las que se accede desde Python: pyclimate
  • pyclimate tiene licencia GPL (i.e: es gratuito) y es extensible.


Links
  • www.python.org
    Todo sobre Python.
  • numpy.sourceforge.org
    Desde aquí se puede obtener la extensión Numerical Python.
  • www.pyclimate.org
    Todo sobre pyclimate, incluyendo los ejemplos vistos durante esta exposición.

This document was generated using the LaTeX2HTML translator Version 99.2beta6 (1.42)

Copyright © 1993, 1994, 1995, 1996, Nikos Drakos, Computer Based Learning Unit, University of Leeds.
Copyright © 1997, 1998, 1999, Ross Moore, Mathematics Department, Macquarie University, Sydney.

The command line arguments were:
latex2html -split 0 -unsegment transp.tex




Contact the
Webmaster