ee.FeatureCollection.randomColumn

Koleksiyona, deterministik sözde rastgele sayılar sütunu ekler. Çıkışlar, çift hassasiyetli kayan nokta sayılarıdır. "Düzenli" dağılım (varsayılan) kullanıldığında çıkışlar [0, 1] aralığındadır. "Normal" dağılım kullanıldığında çıkışlar μ=0, σ=1 değerine sahiptir ancak açık sınırlara sahip değildir.

Kullanım	İadeler
FeatureCollection.randomColumn(columnName, seed, distribution, rowKeys)	FeatureCollection

Bağımsız Değişken	Tür	Ayrıntılar
bu: collection	FeatureCollection	Rastgele sütun eklenecek giriş koleksiyonu.
columnName	Dize, varsayılan: "random"	Eklenecek sütunun adı.
seed	Uzun, varsayılan: 0	Rastgele sayılar oluşturulurken kullanılan bir tohum.
distribution	Dize, varsayılan: "uniform"	Oluşturulacak rastgele sayıların dağılım türü. "Tekdüze" veya "normal" seçeneklerinden biri.
rowKeys	Liste, isteğe bağlı	Rastgele sayıyı oluşturmak için kullanılan, koleksiyondaki bir öğeyi benzersiz ve tekrarlanabilir şekilde tanımlaması gereken özelliklerin listesi. Varsayılan olarak [system:index] değerine ayarlanır.

Örnekler

Kod Düzenleyici (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 kurulumu

Python API'si ve etkileşimli geliştirme için geemap kullanımı hakkında bilgi edinmek üzere Python Ortamı sayfasına bakın.

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())