Die Earth Engine hat
nicht kommerzielle Kontingentstufen eingeführt, um gemeinsam genutzte Rechenressourcen zu schützen und eine zuverlässige Leistung für alle sicherzustellen. Für nicht kommerzielle Projekte wird standardmäßig die Community-Stufe verwendet. Sie können die Stufe eines Projekts aber jederzeit ändern.
Google uses AI technology to translate content into your preferred language. AI translations can contain errors.
ee.data.computeFeatures (Python only)
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Berechnet eine Liste von Features, indem eine Berechnung auf Features angewendet wird.
Gibt Folgendes zurück:
Eine Liste von GeoJSON-Features, die mit planaren Kanten auf EPSG:4326 umprojektiert wurden.
| Nutzung | Ausgabe |
ee.data.computeFeatures(params) | Liste |
| Argument | Typ | Details |
params | Objekt | Ein Objekt mit Parametern mit den folgenden möglichen Werten:
expression: Der zu berechnende Ausdruck.
pageSize: Die maximale Anzahl der Ergebnisse pro Seite. Der Server gibt möglicherweise weniger Bilder als angefordert zurück. Wenn nicht angegeben, beträgt die Standardseitengröße 1.000 Ergebnisse pro Seite.
fileFormat: Wenn vorhanden, wird ein Ausgabeformat für die Tabellendaten angegeben. Die Funktion sendet für jede Seite eine Netzwerkanfrage, bis die gesamte Tabelle abgerufen wurde. Die Anzahl der Abrufe hängt von der Anzahl der Zeilen in der Tabelle und von pageSize ab.
pageToken wird ignoriert. Unterstützte Formate sind:
PANDAS_DATAFRAME für einen Pandas-DataFrame und
GEOPANDAS_GEODATAFRAME für einen GeoPandas-GeoDataFrame.
pageToken: Ein Token, das eine Ergebnisseite identifiziert, die vom Server zurückgegeben werden soll.
workloadTag: Vom Nutzer bereitgestelltes Tag zur Nachverfolgung dieser Berechnung. |
Beispiele
Python einrichten
Informationen zur Python API und zur Verwendung von geemap für die interaktive Entwicklung finden Sie auf der Seite
Python-Umgebung.
import ee
import geemap.core as geemap
Colab (Python)
# Region of interest.
pt = ee.Geometry.Point([-122.0679107870136, 36.983302098145906])
# Imagery of interest.
images = (ee.ImageCollection('LANDSAT/LC08/C02/T1_L2')
.filterBounds(pt).filterDate('2021-01-01', '2021-12-31'))
def point_overlay(image):
"""Extracts image band values for pixel-point intersection."""
return ee.Feature(pt, image.reduceRegion('first', pt, 30))
# Convert an ImageCollection to a FeatureCollection.
features = images.map(point_overlay)
features_dict = ee.data.computeFeatures({'expression': features})
display(features_dict)
# Do something with the features...
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2025-10-30 (UTC).
[null,null,["Zuletzt aktualisiert: 2025-10-30 (UTC)."],[],["The `ee.data.computeFeatures` function computes and returns a list of GeoJSON features, reprojected to EPSG:4326. It applies a user-defined computation (specified in the `expression` parameter) to features. Key parameters include `pageSize` for controlling results per page, `fileFormat` for specifying tabular output formats like Pandas or GeoPandas DataFrames, `pageToken` for paginated results, and `workloadTag` for computation tracking. The provided example demonstrates extracting band values from an `ImageCollection` using a point's intersection.\n"]]