·xarray

Tableaux et ensembles de données étiquetés à N dimensions en Python. Construit sur NumPy et Dask. Il introduit des étiquettes sous forme de dimensions, de coordonnées et d'attributs au-dessus de tableaux bruts de type NumPy, rendant l'analyse des données en sciences physiques plus intuitive et moins sujette aux erreurs. À utiliser pour travailler avec des données scientifiques multidimensionnelles, des fichiers NetCDF/GRIB/Zarr, des ensembles de données climatiques/météo/océanographiques, la télédétection, l'imagerie géospatiale, de grands ensembles de données à mémoire insuffisante avec Dask et des opérations de tableau étiquetées.

8Installations·0Tendance·@tondevrel

Installation

$npx skills add https://github.com/tondevrel/scientific-agent-skills --skill xarray

Comment installer xarray

Installez rapidement le skill IA xarray dans votre environnement de développement via la ligne de commande

  1. Ouvrir le Terminal: Ouvrez votre terminal ou outil de ligne de commande (Terminal, iTerm, Windows Terminal, etc.)
  2. Exécuter la commande d'installation: Copiez et exécutez cette commande : npx skills add https://github.com/tondevrel/scientific-agent-skills --skill xarray
  3. Vérifier l'installation: Une fois installé, le skill sera automatiquement configuré dans votre environnement de programmation IA et prêt à être utilisé dans Claude Code, Cursor ou OpenClaw

Source : tondevrel/scientific-agent-skills.

Xarray provides a pandas-like experience for multidimensional data. It is the core of the Pangeo ecosystem and is essential for working with NetCDF, GRIB, and Zarr formats.

Official docs: https://docs.xarray.dev/ Tutorials: https://tutorial.xarray.dev/ Search patterns: xr.DataArray, xr.Dataset, ds.sel, ds.groupby, ds.resample, xr.opendataset

| DataArray | A single labeled N-dimensional array. | Like a pandas.Series but N-D. | | Dataset | A dict-like container of multiple DataArrays. | Like a pandas.DataFrame but N-D. |

Tableaux et ensembles de données étiquetés à N dimensions en Python. Construit sur NumPy et Dask. Il introduit des étiquettes sous forme de dimensions, de coordonnées et d'attributs au-dessus de tableaux bruts de type NumPy, rendant l'analyse des données en sciences physiques plus intuitive et moins sujette aux erreurs. À utiliser pour travailler avec des données scientifiques multidimensionnelles, des fichiers NetCDF/GRIB/Zarr, des ensembles de données climatiques/météo/océanographiques, la télédétection, l'imagerie géospatiale, de grands ensembles de données à mémoire insuffisante avec Dask et des opérations de tableau étiquetées. Source : tondevrel/scientific-agent-skills.

Faits (prêts à citer)

Champs et commandes stables pour les citations IA/recherche.

Commande d'installation
npx skills add https://github.com/tondevrel/scientific-agent-skills --skill xarray
Catégorie
{}Analyse de Données
Vérifié
Première apparition
2026-02-22
Mis à jour
2026-03-10

Browse more skills from tondevrel/scientific-agent-skills

Réponses rapides

Qu'est-ce que xarray ?

Tableaux et ensembles de données étiquetés à N dimensions en Python. Construit sur NumPy et Dask. Il introduit des étiquettes sous forme de dimensions, de coordonnées et d'attributs au-dessus de tableaux bruts de type NumPy, rendant l'analyse des données en sciences physiques plus intuitive et moins sujette aux erreurs. À utiliser pour travailler avec des données scientifiques multidimensionnelles, des fichiers NetCDF/GRIB/Zarr, des ensembles de données climatiques/météo/océanographiques, la télédétection, l'imagerie géospatiale, de grands ensembles de données à mémoire insuffisante avec Dask et des opérations de tableau étiquetées. Source : tondevrel/scientific-agent-skills.

Comment installer xarray ?

Ouvrez votre terminal ou outil de ligne de commande (Terminal, iTerm, Windows Terminal, etc.) Copiez et exécutez cette commande : npx skills add https://github.com/tondevrel/scientific-agent-skills --skill xarray Une fois installé, le skill sera automatiquement configuré dans votre environnement de programmation IA et prêt à être utilisé dans Claude Code, Cursor ou OpenClaw

Où se trouve le dépôt source ?

https://github.com/tondevrel/scientific-agent-skills

Détails

Catégorie
{}Analyse de Données
Source
skills.sh
Première apparition
2026-02-22