ee.FeatureCollection.randomColumn

הוספת עמודה של מספרים פסאודו-אקראיים דטרמיניסטיים לאוסף. הפלט הוא מספרים של נקודה צפה (floating-point) ברמת דיוק כפולה. כשמשתמשים בהתפלגות 'uniform' (ברירת המחדל), הפלט נמצא בטווח [0, 1). כשמשתמשים בהתפלגות 'נורמלית', הערכים של הפלט הם μ=0, σ=1, אבל אין להם מגבלות מפורשות.

שימוש	החזרות
FeatureCollection.randomColumn(columnName, seed, distribution, rowKeys)	FeatureCollection

ארגומנט	סוג	פרטים
זה: collection	FeatureCollection	אוסף הקלט שאליו רוצים להוסיף עמודה אקראית.
columnName	מחרוזת, ברירת המחדל: 'random'	השם של העמודה שרוצים להוסיף.
seed	ארוך, ברירת המחדל: 0	זרע שמשמש ליצירת המספרים האקראיים.
distribution	מחרוזת, ברירת המחדל: uniform	סוג ההתפלגות של המספרים האקראיים שייווצרו. אפשר לבחור באפשרויות 'עקבי' או 'נורמלי'.
rowKeys	רשימה, אופציונלי	רשימה של מאפיינים שצריכים לזהות באופן ייחודי וחזרתי אלמנט בקולקציה, המשמשת ליצירת המספר האקראי. ברירת המחדל היא [system:index].

דוגמאות

Code Editor‏ (JavaScript)

// FeatureCollection of power plants in Belgium.
var fc = ee.FeatureCollection('WRI/GPPD/power_plants')
            .filter('country_lg == "Belgium"');
print('N features in collection', fc.size());

// Add a uniform distribution random value column to the FeatureCollection.
fc = fc.randomColumn();

// Randomly split the collection into two sets, 30% and 70% of the total.
var randomSample30 = fc.filter('random < 0.3');
print('N features in 30% sample', randomSample30.size());

var randomSample70 = fc.filter('random >= 0.3');
print('N features in 70% sample', randomSample70.size());

הגדרת Python

בדף סביבת Python מפורט מידע על Python API ועל השימוש ב-geemap לפיתוח אינטראקטיבי.

import ee
import geemap.core as geemap

Colab (Python)

# FeatureCollection of power plants in Belgium.
fc = ee.FeatureCollection('WRI/GPPD/power_plants').filter(
    'country_lg == "Belgium"')
display('N features in collection:', fc.size())

# Add a uniform distribution random value column to the FeatureCollection.
fc = fc.randomColumn()

# Randomly split the collection into two sets, 30% and 70% of the total.
random_sample_30 = fc.filter('random < 0.3')
display('N features in 30% sample:', random_sample_30.size())

random_sample_70 = fc.filter('random >= 0.3')
display('N features in 70% sample:', random_sample_70.size())