ee.FeatureCollection.randomColumn

Menambahkan kolom angka pseudorandom deterministik ke koleksi. Output-nya adalah angka floating point presisi ganda. Saat menggunakan distribusi 'seragam' (default), output berada dalam rentang [0, 1). Dengan menggunakan distribusi 'normal', output memiliki μ=0, σ=1, tetapi tidak memiliki batas eksplisit.

Penggunaan	Hasil
FeatureCollection.randomColumn(columnName, seed, distribution, rowKeys)	FeatureCollection

Argumen	Jenis	Detail
ini: collection	FeatureCollection	Koleksi input tempat kolom acak akan ditambahkan.
columnName	String, default: "random"	Nama kolom yang akan ditambahkan.
seed	Panjang, default: 0	Seed yang digunakan saat membuat angka acak.
distribution	String, default: "uniform"	Jenis distribusi angka acak yang akan dihasilkan; salah satu dari 'seragam' atau 'normal'.
rowKeys	Daftar, opsional	Daftar properti yang harus mengidentifikasi elemen koleksi secara unik dan berulang, yang digunakan untuk menghasilkan angka acak. Setelan defaultnya adalah [system:index].

Contoh

Editor Kode (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());

Penyiapan Python

Lihat halaman Lingkungan Python untuk mengetahui informasi tentang Python API dan penggunaan geemap untuk pengembangan interaktif.

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())