ee.FeatureCollection.randomColumn

 Fügt einer Sammlung eine Spalte mit deterministischen pseudozufälligen Zahlen hinzu. Die Ausgabe besteht aus Gleitkommazahlen mit doppelter Genauigkeit. Bei Verwendung der „gleichmäßigen“ Verteilung (Standardeinstellung) liegen die Ausgabewerte im Bereich [0, 1]. Bei der Verwendung der Normalverteilung haben die Ausgabewerte μ=0, σ=1, aber keine expliziten Grenzen.

Nutzung	Ausgabe
FeatureCollection.randomColumn(columnName, seed, distribution, rowKeys)	FeatureCollection

Argument	Typ	Details
das: collection	FeatureCollection	Die Eingabesammlung, der eine zufällige Spalte hinzugefügt werden soll.
columnName	String, Standard: „random“	Der Name der Spalte, die hinzugefügt werden soll.
seed	Lang, Standard: 0	Ein Startwert, der beim Generieren der Zufallszahlen verwendet wird.
distribution	String, Standard: „uniform“	Der Verteilungstyp der zu generierenden Zufallszahlen. Mögliche Werte sind „uniform“ (gleichmäßig) oder „normal“.
rowKeys	Liste, optional	Eine Liste von Eigenschaften, die ein Element der Sammlung eindeutig und wiederholbar identifizieren sollten, um die Zufallszahl zu generieren. Standardeinstellung: [system:index]

Beispiele

Code-Editor (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());

Python einrichten

Auf der Seite Python-Umgebung finden Sie Informationen zur Python API und zur Verwendung von geemap für die interaktive Entwicklung.

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())