ee.FeatureCollection.randomColumn

Adiciona uma coluna de números pseudoaleatórios determinísticos a uma coleção. As saídas são números de ponto flutuante de dupla precisão. Ao usar a distribuição "uniforme" (padrão), as saídas estão no intervalo [0, 1]. Usando a distribuição "normal", as saídas têm μ=0, σ=1, mas não têm limites explícitos.

Uso	Retorna
FeatureCollection.randomColumn(columnName, seed, distribution, rowKeys)	FeatureCollection

Argumento	Tipo	Detalhes
collection	FeatureCollection	A coleção de entrada a que você quer adicionar uma coluna aleatória.
columnName	String, padrão: "random"	O nome da coluna a ser adicionada.
seed	Longo, padrão: 0	Uma semente usada ao gerar os números aleatórios.
distribution	String, padrão: "uniform"	O tipo de distribuição de números aleatórios a ser produzido, que pode ser "uniforme" ou "normal".
rowKeys	Lista, opcional	Uma lista de propriedades que identificam de forma exclusiva e repetida um elemento da coleção, usada para gerar o número aleatório. O padrão é [system:index].

Exemplos

Editor de código (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());

Configuração do Python

Consulte a página Ambiente Python para informações sobre a API Python e o uso de geemap para desenvolvimento interativo.

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())