ee.FeatureCollection.randomColumn

Ajoute une colonne de nombres pseudo-aléatoires déterministes à une collection. Les sorties sont des nombres à virgule flottante à double précision. Lorsque vous utilisez la distribution "uniforme" (par défaut), les sorties se situent dans la plage [0, 1). Avec la distribution "normale", les sorties ont μ=0, σ=1, mais n'ont pas de limites explicites.

Utilisation	Renvoie
FeatureCollection.randomColumn(columnName, seed, distribution, rowKeys)	FeatureCollection

Argument	Type	Détails
ceci: collection	FeatureCollection	Collection d'entrée à laquelle ajouter une colonne aléatoire.
columnName	Chaîne, valeur par défaut: "random"	Nom de la colonne à ajouter.
seed	Long, par défaut: 0	Graine utilisée lors de la génération des nombres aléatoires.
distribution	Chaîne, valeur par défaut: "uniform"	Type de distribution des nombres aléatoires à générer : "uniforme" ou "normal".
rowKeys	Liste (facultatif)	Liste de propriétés qui doivent identifier de manière unique et reproductible un élément de la collection, utilisée pour générer le nombre aléatoire. La valeur par défaut est [system:index].

Exemples

Éditeur de code (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());

Configuration de Python

Consultez la page Environnement Python pour en savoir plus sur l'API Python et l'utilisation de geemap pour le développement interactif.

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"')
print('N features in collection:', fc.size().getInfo())

# 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')
print('N features in 30% sample:', random_sample_30.size().getInfo())

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