ee.FeatureCollection.randomColumn

Aggiunge una colonna di numeri pseudocasuali deterministici a una raccolta. Gli output sono numeri a virgola mobile a precisione doppia. Quando utilizzi la distribuzione "uniforme" (valore predefinito), gli output rientrano nell'intervallo [0, 1). Se utilizzi la distribuzione "normale", gli output hanno μ=0, σ=1, ma non hanno limiti espliciti.

Utilizzo	Resi
FeatureCollection.randomColumn(columnName, seed, distribution, rowKeys)	FeatureCollection

Argomento	Tipo	Dettagli
questo: collection	FeatureCollection	La raccolta di input a cui aggiungere una colonna casuale.
columnName	Stringa, predefinito: "random"	Il nome della colonna da aggiungere.
seed	Long, valore predefinito: 0	Un seed utilizzato per generare i numeri casuali.
distribution	Stringa, predefinito: "uniforme"	Il tipo di distribuzione dei numeri casuali da produrre; uno dei valori "uniforme" o "normale".
rowKeys	Elenco (facoltativo)	Un elenco di proprietà che devono identificare in modo univoco e ripetibile un elemento della raccolta, utilizzato per generare il numero casuale. Il valore predefinito è [system:index].

Esempi

Editor di codice (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());

Configurazione di Python

Per informazioni sull'API Python e sull'utilizzo di geemap per lo sviluppo interattivo, consulta la pagina Ambiente Python.

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"')
display('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.
random_sample_30 = fc.filter('random < 0.3')
display('N features in 30% sample:', random_sample_30.size())

random_sample_70 = fc.filter('random >= 0.3')
display('N features in 70% sample:', random_sample_70.size())