Saltar a contenido

Glosario

Referencia rápida de términos usados en el manual.

Python

tipo de dato (type) : Clasificación que determina qué valores puede tener una variable y qué operaciones se le pueden aplicar. Los tipos fundamentales de Python son float, int, str, bool y None.

float : Número de punto flotante (con decimales). En Python puro siempre es de 64 bits (~15 dígitos de precisión). En NumPy puede ser float32 (32 bits, ~7 dígitos) o float64.

int : Número entero sin parte decimal. En Python 3 no tiene límite de tamaño. Se usa para índices, contadores y cantidades discretas.

str : Cadena de texto. Secuencia inmutable de caracteres Unicode.

bool : Valor lógico: True o False. Es un subtipo de int (True == 1, False == 0).

None : Ausencia de valor. Equivalente a NULL en SQL o null en otros lenguajes. Se verifica con is None, no con == None.

NaN (Not a Number) : Valor especial de punto flotante que representa un dato faltante o inválido. np.nan en NumPy, generado automáticamente por pandas al leer celdas vacías. A diferencia de None, es de tipo float y permite operar con arrays numéricos. NaN != NaN es siempre True — para verificar usar np.isnan() o pd.isna().

lista : Colección ordenada y mutable de elementos de cualquier tipo. Se define con corchetes: [1, "texto", True]. Permite índices, slices y .append().

tupla : Como una lista pero inmutable — no se puede modificar después de creada. Se define con paréntesis: (3.5, 270). Python la usa automáticamente para retornar múltiples valores de una función: return media, std devuelve una tupla.

diccionario : Colección de pares clave-valor. Las claves son únicas. Se define con llaves: {"lat": -31.9, "lon": -71.5}. Acceso en O(1) por clave.

índice (index) : Posición numérica de un elemento en una secuencia. En Python comienza en 0. Índices negativos cuentan desde el final: lista[-1] es el último elemento.

slice : Selección de un rango de elementos: lista[2:5] extrae los elementos en posiciones 2, 3 y 4 (el límite superior no se incluye). También funciona en arrays y DataFrames.

comprehension : Forma compacta de construir una lista, conjunto o diccionario. [x*2 for x in lista if x > 0] es equivalente a un for + append pero en una línea.

función : Bloque de código con nombre que recibe parámetros, ejecuta una tarea y opcionalmente retorna un valor. Se define con def. Permite reutilizar lógica sin repetirla.

módulo : Archivo .py que contiene funciones, clases y variables importables. import numpy as np carga el módulo numpy con el alias np.

paquete : Carpeta que contiene módulos y un archivo __init__.py. Numpy, pandas y matplotlib son paquetes.

scope (alcance) : Región del código donde una variable es visible. Las variables definidas dentro de una función son locales — no existen fuera de ella. Para compartir datos entre funciones, usar el valor de retorno.

excepción : Error en tiempo de ejecución. Se captura con try / except. Los tipos más comunes: FileNotFoundError, KeyError (clave inexistente en dict), IndexError (índice fuera de rango), TypeError (tipo incorrecto), ValueError (valor inválido).

Herramientas y entorno

entorno virtual : Instalación aislada de Python con sus propios paquetes, independiente del sistema global. Permite que distintos proyectos usen versiones distintas de las mismas librerías sin conflictos.

conda : Gestor de paquetes y entornos incluido en Anaconda. A diferencia de pip, resuelve dependencias binarias (C, Fortran) además de Python. Comandos principales: conda create, conda activate, conda install, conda env export.

pip : Gestor de paquetes oficial de Python. Instala desde PyPI. Se usa junto con conda para paquetes que no están en los repositorios de conda.

environment.yml : Archivo YAML que describe un entorno conda: nombre, canales, y lista de paquetes con versiones exactas. Se genera con conda env export y permite recrear el entorno exacto en otro equipo con conda env create -f environment.yml.

YAML (YAML Ain't Markup Language) : Formato de texto para configuración y datos estructurados. Más legible que JSON: no usa comillas en strings simples y admite comentarios con #. Estándar para archivos de configuración de proyectos y pipelines. Se lee en Python con yaml.safe_load() del paquete pyyaml.

tqdm : Librería para barras de progreso. Envuelve cualquier iterable: for x in tqdm(lista) muestra una barra con porcentaje, velocidad y tiempo estimado. Especialmente útil en loops que procesan decenas o cientos de archivos.

logging : Módulo de la librería estándar de Python para registrar mensajes de diagnóstico. A diferencia de print, cada mensaje tiene timestamp y nivel de severidad (DEBUG, INFO, WARNING, ERROR). Permite escribir simultáneamente a consola y a un archivo de log sin modificar el código.

NumPy

array : Estructura de datos central de NumPy. Arreglo multidimensional de elementos del mismo tipo. A diferencia de una lista, permite operaciones matemáticas directas sobre todos sus elementos sin loop.

dtype : Tipo de dato de los elementos de un array NumPy. Los más comunes: float64 (64 bits, predeterminado para floats), float32 (32 bits, usado en modelos numéricos y datos satelitales para ahorrar memoria), int32, int64, bool. Se verifica con array.dtype y se convierte con array.astype(np.float64).

float32 vs float64 : float64 tiene ~15 dígitos significativos de precisión; float32 tiene ~7. Los archivos NetCDF de modelos oceánicos (CROCO) y datos satelitales suelen usar float32 para reducir tamaño en disco. Al operar entre float32 y float64, NumPy convierte todo a float64 automáticamente.

shape : Tupla con las dimensiones de un array. (186, 11) significa 186 filas y 11 columnas. array.shape, array.ndim (número de dimensiones), array.size (total de elementos).

vectorización : Aplicar una operación a todos los elementos de un array sin escribir un loop explícito. vel * 1.944 convierte todos los valores a nudos en una sola instrucción, más rápido que un for.

broadcasting : Regla de NumPy que permite operar arrays de distinto tamaño cuando sus formas son compatibles. Operaciones entre un array y un escalar, o entre arrays de formas como (N,) y (N, M), se "expanden" automáticamente.

máscara booleana : Array de True/False del mismo tamaño que otro array, usado para seleccionar o modificar elementos. vel[vel > 0.5] aplica una máscara generada por la comparación.

Pandas

DataFrame : Tabla de datos con filas y columnas etiquetadas. Equivalente a una hoja de Excel pero operable desde código. Cada columna es una Series.

Series : Columna de un DataFrame: array unidimensional con un índice. Tiene nombre, dtype y las mismas operaciones que un array NumPy.

índice (Index) : Etiquetas de las filas. Por defecto es numérico (0, 1, 2…). En series temporales es un DatetimeIndex. El índice es lo que usa loc para seleccionar filas.

DatetimeIndex : Índice de fechas y horas. Permite filtrar por rango (df['2025-10':'2026-03']), resamplear (df.resample('1h').mean()) y agrupar por hora, día o mes.

loc vs iloc : loc selecciona por etiqueta del índice; iloc selecciona por posición numérica. Con un índice numérico parecen iguales, pero con DatetimeIndex la diferencia es crucial: df.loc['2025-10-01'] filtra por fecha, df.iloc[0] siempre es la primera fila.

resampleo (resample) : Cambiar la resolución temporal de una serie. df.resample('1h').mean() agrupa en ventanas de 1 hora y calcula la media de cada una.

groupby : Divide el DataFrame en grupos según el valor de una columna, aplica una función a cada grupo y combina los resultados. Equivalente a una tabla dinámica por categoría.

rolling : Ventana deslizante sobre una Serie temporal. df['vel'].rolling('1h').mean() calcula la media del último hora en cada punto. Se usa para suavizar series con ruido de alta frecuencia.

pd.cut : Divide una columna continua en intervalos discretos con etiquetas. pd.cut(df['vel'], bins=[0, 0.1, 0.5, 1.0], labels=['calma','leve','fuerte']) asigna una categoría a cada valor. Se usa para construir tablas de incidencia velocidad × dirección.

merge : Une dos DataFrames por una columna común, equivalente a un JOIN de SQL. El parámetro how controla qué filas se conservan: inner (solo matches), left (todas las del primero), outer (todas las de ambos).

concat : Apila DataFrames con la misma estructura vertialmente (más filas) u horizontalmente (más columnas). Se usa para unir datos de distintos períodos antes de calcular estadísticas globales.

pathlib.Path : Clase de la librería estándar para manejar rutas de archivos de forma orientada a objetos y multiplataforma. Path('/ruta') / 'subcarpeta' / 'archivo.csv' construye rutas sin concatenar strings con / o os.path.join.

Visualización

Figure : El contenedor principal de matplotlib. Todo gráfico existe dentro de una Figure. Se crea con plt.figure() o plt.subplots(). Controla el tamaño total (figsize) y el guardado (fig.savefig()).

Axes : El panel de dibujo dentro de una Figure. Contiene los ejes X e Y, los datos graficados, etiquetas y leyenda. Una Figure puede tener varios Axes (subplots).

backend : Motor que matplotlib usa para renderizar y mostrar figuras. Agg: sin ventana, renderiza a memoria (para guardar archivos). TkAgg: ventana Tkinter interactiva, estable en Spyder. Qt5Agg: ventana Qt5, puede interferir con el event loop de Spyder. inline: hook de IPython sobre Agg que embebe la figura como imagen en la consola.

event loop : Bucle de escucha continua de eventos (clics, teclado, redimensionado) que necesita cualquier ventana de escritorio para responder al usuario. Python solo puede correr un event loop a la vez en el hilo principal, por eso plt.show() bloquea la ejecución hasta que se cierra la ventana.

matplotlib.widgets : Módulo de matplotlib que provee controles interactivos dentro del canvas de una figura: Slider, Button, CheckButtons, RadioButtons. No requieren construir una aplicación Qt o Tk completa, pero están limitados al espacio del gráfico.

FuncAnimation : Clase de matplotlib.animation que crea animaciones llamando repetidamente a una función de actualización. El resultado se puede mostrar en vivo o exportar como GIF (requiere pillow) o MP4 (requiere ffmpeg).

GridSpec : Clase de matplotlib.gridspec para layouts de subplots con tamaños desiguales. Permite definir height_ratios y width_ratios para que algunos paneles sean más grandes que otros, y posicionar cada Axes en celdas arbitrarias de la grilla.

twin axes : Técnica de matplotlib para superponer dos variables con escalas distintas en el mismo panel. ax2 = ax1.twinx() crea un eje Y derecho que comparte el eje X con el izquierdo. Útil para comparar velocidad y temperatura en la misma serie temporal.

PyQt5 : Librería para construir aplicaciones de escritorio completas en Python usando el framework Qt5. Permite crear ventanas con menús, botones y tablas, y embeber matplotlib como un widget (FigureCanvasQTAgg). Más potente que matplotlib.widgets pero más complejo. Los scripts PyQt5 deben correrse fuera de Spyder.

Formatos y estándares

NetCDF (.nc) : Formato científico para datos multidimensionales con coordenadas etiquetadas (tiempo, profundidad, latitud, longitud). Estándar en oceanografía y meteorología. Se lee con xarray.

xarray Dataset : Estructura de datos para archivos NetCDF. Equivalente a un diccionario de arrays NumPy con coordenadas nombradas. Permite seleccionar por nombre de coordenada: ds['temp'].sel(ocean_time='2024-01-01').

coordenadas sigma (σ) : Sistema de coordenadas verticales usado en modelos oceánicos (CROCO, ROMS) donde σ = 0 es la superficie y σ = −1 es el fondo. Los niveles siguen la forma del fondo en vez de ser planos horizontales fijos.

STAC (SpatioTemporal Asset Catalog) : Estándar JSON para catálogos de datos geoespaciales. Permite buscar imágenes satelitales por área, fecha y colección mediante una API REST, sin descargar los archivos.

MGRS (Military Grid Reference System) : Sistema de grilla mundial que divide la superficie terrestre en celdas de 100 km × 100 km identificadas por un código alfanumérico (ej. 19HBB). Sentinel-2 organiza sus imágenes por tile MGRS.

GCP (Ground Control Points, puntos de control terrestre) : Pares de puntos con coordenadas conocidas en píxeles y en el mundo real. Se usan para georreferenciar imágenes: ajustar la transformación píxel → coordenada geográfica.

OCR (Optical Character Recognition, reconocimiento óptico de caracteres) : Proceso de extraer texto desde una imagen. En el manual se usa para digitalizar valores de profundidad desde cartas batimétricas escaneadas, combinando OpenCV (preprocesamiento) y Tesseract (reconocimiento).

ADCP (Acoustic Doppler Current Profiler) : Instrumento oceanográfico que mide velocidad y dirección de corrientes a múltiples profundidades usando el efecto Doppler sobre partículas en suspensión. Genera matrices de datos (tiempo × profundidad).