ee.FeatureCollection.randomColumn

Добавляет в коллекцию столбец детерминированных псевдослучайных чисел. Выходные данные представляют собой числа двойной точности с плавающей запятой. При использовании «равномерного» распределения (по умолчанию) выходные данные находятся в диапазоне [0, 1). При использовании «нормального» распределения выходные данные имеют µ=0, σ=1, но не имеют явных ограничений.

Использование	Возврат
FeatureCollection. randomColumn ( columnName , seed , distribution , rowKeys )	FeatureCollection

Аргумент	Тип	Подробности
это: collection	FeatureCollection	Входная коллекция, в которую нужно добавить случайный столбец.
columnName	Строка, по умолчанию: «случайная».	Имя добавляемого столбца.
seed	Длинный, по умолчанию: 0	Начальное число, используемое при генерации случайных чисел.
distribution	Строка, по умолчанию: "uniform"	Тип распределения создаваемых случайных чисел; один из «равномерных» или «нормальных».
rowKeys	Список, необязательно	Список свойств, которые должны однозначно и повторяемо идентифицировать элемент коллекции, используемый для генерации случайного числа. По умолчанию — [система:индекс].

Примеры

Редактор кода (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());

Настройка Python

См. страницу «Среда Python» для получения информации об API Python и использовании geemap для интерактивной разработки.

import ee
import geemap.core as geemap

Колаб (Питон)

# 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())