ee.FeatureCollection.aggregate_total_sd
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
جمع آوری بیش از یک ویژگی معین از اشیاء در یک مجموعه، محاسبه کل std. انحراف مقادیر ویژگی انتخاب شده
| استفاده | برمی گرداند | FeatureCollection. aggregate_total_sd (property) | شماره |
| استدلال | تایپ کنید | جزئیات | این: collection | مجموعه ویژگی ها | مجموعه برای جمع آوری بیش از. |
property | رشته | ویژگی مورد استفاده از هر عنصر مجموعه. |
نمونه ها
ویرایشگر کد (جاوا اسکریپت)
// FeatureCollection of power plants in Belgium.
var fc = ee.FeatureCollection('WRI/GPPD/power_plants')
.filter('country_lg == "Belgium"');
print('Total std. deviation of power plant capacities (MW)',
fc.aggregate_total_sd('capacitymw')); // 462.9334545609107 راه اندازی پایتون
برای اطلاعات در مورد API پایتون و استفاده از geemap برای توسعه تعاملی به صفحه محیط پایتون مراجعه کنید.
import ee
import geemap.core as geemap
کولب (پایتون)
# FeatureCollection of power plants in Belgium.
fc = ee.FeatureCollection('WRI/GPPD/power_plants').filter(
'country_lg == "Belgium"')
print('Total std. deviation of power plant capacities (MW):',
fc.aggregate_total_sd('capacitymw').getInfo()) # 462.9334545609107
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشی‌های سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبت‌شده Oracle و/یا شرکت‌های وابسته به آن است.
تاریخ آخرین به‌روزرسانی 2025-07-24 به‌وقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین به‌روزرسانی 2025-07-24 به‌وقت ساعت هماهنگ جهانی."],[[["\u003cp\u003e\u003ccode\u003eaggregate_total_sd\u003c/code\u003e calculates the total standard deviation of a specified property across all features within a FeatureCollection.\u003c/p\u003e\n"],["\u003cp\u003eIt takes a FeatureCollection and the property name as input, returning the total standard deviation as a number.\u003c/p\u003e\n"],["\u003cp\u003eThis function is useful for understanding the dispersion or variability of a specific property within a dataset, like the capacities of power plants in a region.\u003c/p\u003e\n"]]],["The `aggregate_total_sd` function calculates the total standard deviation of a specified property across a FeatureCollection. It takes the collection and the property name as input, returning a numerical value representing the total standard deviation. In practice, you can use the function to calculate the total standard deviation of power plant capacities (MW) in a given Feature Collection, as shown in the provided examples. Both Python and JavaScript code snippets are available.\n"],null,["# ee.FeatureCollection.aggregate_total_sd\n\nAggregates over a given property of the objects in a collection, calculating the total std. deviation of the values of the selected property.\n\n\u003cbr /\u003e\n\n| Usage | Returns |\n|--------------------------------------------------|---------|\n| FeatureCollection.aggregate_total_sd`(property)` | Number |\n\n| Argument | Type | Details |\n|--------------------|-------------------|----------------------------------------------------------|\n| this: `collection` | FeatureCollection | The collection to aggregate over. |\n| `property` | String | The property to use from each element of the collection. |\n\nExamples\n--------\n\n### Code Editor (JavaScript)\n\n```javascript\n// FeatureCollection of power plants in Belgium.\nvar fc = ee.FeatureCollection('WRI/GPPD/power_plants')\n .filter('country_lg == \"Belgium\"');\n\nprint('Total std. deviation of power plant capacities (MW)',\n fc.aggregate_total_sd('capacitymw')); // 462.9334545609107\n```\nPython setup\n\nSee the [Python Environment](/earth-engine/guides/python_install) page for information on the Python API and using\n`geemap` for interactive development. \n\n```python\nimport ee\nimport geemap.core as geemap\n```\n\n### Colab (Python)\n\n```python\n# FeatureCollection of power plants in Belgium.\nfc = ee.FeatureCollection('WRI/GPPD/power_plants').filter(\n 'country_lg == \"Belgium\"')\n\nprint('Total std. deviation of power plant capacities (MW):',\n fc.aggregate_total_sd('capacitymw').getInfo()) # 462.9334545609107\n```"]]
