Datos abiertos
Los datos son públicos: descárgalos tú
No necesitas descargar todo Gaia ni tener un telescopio. Basta con pedir una región, unas columnas y unos filtros adecuados a tu pregunta.
1 · Acceso
Tres caminos hacia el mismo catálogo
Archivo web
Explora las tablas y escribe consultas ADQL directamente en el navegador. Ideal para empezar.
TAP y astroquery
TAP es el protocolo de consulta; astroquery es una biblioteca de Python que permite repetir y automatizar las consultas.
DataLink
Da acceso a productos asociados, como espectros y curvas de luz, cuando existen para una fuente.
ADQL (Astronomical Data Query Language) es un lenguaje de consultas muy parecido a SQL, con funciones para geometría en el cielo. Si nunca has usado SQL, no importa: el constructor de abajo escribe la consulta por ti y explica cada línea.
También puedes usar TOPCAT, un programa gratuito para explorar tablas astronómicas que se conecta al mismo servicio TAP.
2 · Herramienta
Construye tu consulta
Elige una región y unos filtros. La consulta, el código de Python y el enlace de descarga se actualizan al instante.
Qué hace cada línea
TOP impone un máximo de filas. Si una descarga devuelve exactamente ese número, probablemente está incompleta: sube el límite o reduce la región. Los centros de los cúmulos de ejemplo son aproximados; los filtros dejan fuera parte de la población real (por ejemplo, estrellas binarias).
3 · Paso a paso
Descargar desde el archivo web
El camino más directo: sin instalar nada y sin crear una cuenta.
El archivo avisa que, mientras se prepara Gaia DR4, puede estar inestable y algunas consultas pueden agotar el tiempo. Para trabajos grandes o frecuentes recomienda registrarse; para una región pequeña no hace falta.
Abre el archivo
Entra en gea.esac.esa.int/archive. Si aparece un aviso, ciérralo.
Ve a «Search» y elige «Advanced (ADQL)»
Es el editor donde se escriben las consultas. A la izquierda verás la lista de tablas; la principal es
gaiadr3.gaia_source.Pega tu consulta
Copia la consulta ADQL del constructor de arriba y pégala en el cuadro de texto.
Pulsa «Submit Query»
El archivo crea un trabajo («job»). Espera a que su estado indique que terminó.
Elige el formato y descarga
En «Download format» elige CSV (se abre en cualquier hoja de cálculo o en Python) y descarga el resultado del trabajo.
Anota lo que hiciste
Guarda la consulta, la fecha de descarga y el número de filas junto al archivo. Sin eso, nadie podrá repetir tu experimento.
4 · Programático
Repetir la consulta con Python
Con astroquery, la misma consulta se ejecuta desde un programa. Así puedes repetirla, cambiar un parámetro o automatizar decenas de regiones.
Instala las bibliotecas
Una sola vez, en la terminal:
pip install astroquery pandas matplotlib
Ejecuta la consulta
El código de la pestaña «Python» del constructor envía la consulta como trabajo asíncrono, convierte el resultado en una tabla de pandas y la guarda en CSV.
Comprueba el número de filas
Con los filtros de la conferencia deberías obtener 12 206. Si obtienes exactamente el valor de TOP, el resultado está truncado.
Cuidado con source_id. Es un entero de hasta 19 cifras. Las hojas de cálculo y JavaScript solo conservan unas 15–16 cifras exactas y lo redondean en silencio. Léelo siempre como texto: en pandas, dtype={"source_id": str}.
5 · Diccionario
Qué significa cada columna
Las columnas que usamos en la conferencia, con sus unidades.
| Columna | Unidad | Qué es |
|---|---|---|
source_id | — | Identificador único de la fuente en Gaia DR3. Guárdalo como texto. |
ra, dec | grados | Ascensión recta y declinación (sistema ICRS, época de referencia J2016.0). |
parallax | mas | Paralaje ϖ. Para paralajes precisos, d (pc) ≈ 1000 / ϖ. |
parallax_error | mas | Incertidumbre (1σ) del paralaje. |
parallax_over_error | — | Paralaje dividido por su error: una medida de señal sobre ruido. |
pmra | mas/año | Movimiento propio en ascensión recta, μα* (ya incluye el factor cos δ). |
pmdec | mas/año | Movimiento propio en declinación, μδ. |
pmra_error, pmdec_error | mas/año | Incertidumbres de los movimientos propios. |
phot_g_mean_mag | mag | Magnitud media en la banda G. Números menores = más brillante. |
bp_rp | mag | Color BP − RP. Mayor valor = estrella más roja y, en general, más fría. |
ruwe | — | Calidad del ajuste astrométrico (cerca de 1 es bueno). No mide pertenencia a un cúmulo. |
radial_velocity | km/s | Velocidad a lo largo de la línea de visión. Solo existe para unos 33,8 millones de fuentes. |
6 · Primer análisis
Abre los datos y reproduce la selección
Descarga la muestra exacta de la conferencia y repite en pocas líneas la selección de 586 candidatas y su diagrama color-magnitud.
import numpy as np import pandas as pd import matplotlib.pyplot as plt # 1. Leer la tabla (source_id como texto para no perder cifras) df = pd.read_csv("gaia_dr3_pleyades.csv", dtype={"source_id": str}) print(len(df), "fuentes") # 12206 # 2. Regla explícita: paralaje entre 5 y 9 mas y movimiento a menos # de 6 mas/año del punto (20, -45) en_paralaje = df.parallax.between(5, 9, inclusive="neither") en_movimiento = np.hypot(df.pmra - 20, df.pmdec + 45) < 6 cand = df[en_paralaje & en_movimiento] print(len(cand), "candidatas") # 586 print("mediana del paralaje:", cand.parallax.median()) # ≈ 7.36 mas # 3. Magnitud absoluta aproximada (sin extinción ni punto cero) MG_todas = df.phot_g_mean_mag + 5 * np.log10(df.parallax) - 10 MG_cand = cand.phot_g_mean_mag + 5 * np.log10(cand.parallax) - 10 # 4. Diagrama color-magnitud plt.figure(figsize=(5, 6)) plt.scatter(df.bp_rp, MG_todas, s=1, c="0.7", label="muestra") plt.scatter(cand.bp_rp, MG_cand, s=4, c="teal", label="candidatas") plt.xlim(-0.5, 4); plt.ylim(14, -4) # brillantes arriba plt.xlabel("Color BP − RP (mag)"); plt.ylabel("M_G (mag)") plt.legend(); plt.show()
La selección usa conocimiento previo de una región conocida: no es un descubrimiento automático ni certifica pertenencia. Prueba a cambiar los cortes y explica por qué cambia el resultado.
7 · Ciencia reproducible
Para que otra persona pueda repetirlo
Un experimento con datos públicos solo es útil si otro puede rehacerlo. Antes de compartir resultados, marca lo que ya guardaste.
¿Cómo aprende una red neuronal con estos datos? Ir a redes neuronales →