FeatureCollection 列の統計情報

FeatureCollection 内の特徴のプロパティを減らすには、featureCollection.reduceColumns() を使用します。次のサンプルについて考えてみましょう。

コードエディタ（JavaScript）

// Make a toy FeatureCollection.
var aFeatureCollection = ee.FeatureCollection([
  ee.Feature(null, {foo: 1, weight: 1}),
  ee.Feature(null, {foo: 2, weight: 2}),
  ee.Feature(null, {foo: 3, weight: 3}),
]);

// Compute a weighted mean and display it.
print(aFeatureCollection.reduceColumns({
  reducer: ee.Reducer.mean(),
  selectors: ['foo'],
  weightSelectors: ['weight']
}));

Python の設定

Python API とインタラクティブな開発で geemap を使用する方法については、 Python 環境のページをご覧ください。

import ee
import geemap.core as geemap

Colab（Python）

# Make a toy FeatureCollection.
a_feature_collection = ee.FeatureCollection([
    ee.Feature(None, {'foo': 1, 'weight': 1}),
    ee.Feature(None, {'foo': 2, 'weight': 2}),
    ee.Feature(None, {'foo': 3, 'weight': 3}),
])

# Compute a weighted mean and display it.
display(
    a_feature_collection.reduceColumns(
        reducer=ee.Reducer.mean(), selectors=['foo'], weightSelectors=['weight']
    )
)

入力は、指定された weight プロパティに従って重み付けされます。結果は次のようになります。

mean: 2.333333333333333

より複雑な例として、国勢調査データが属性として設定された米国の国勢調査ブロックの FeatureCollection について考えてみましょう。注目すべき変数は、総人口と住宅の総戸数です。合計を取得するには、合計レジューサー引数を reduceColumns() に渡して結果を出力します。

コードエディタ（JavaScript）

// Load US census data as a FeatureCollection.
var census = ee.FeatureCollection('TIGER/2010/Blocks');

// Filter the collection to include only Benton County, OR.
var benton = census.filter(
  ee.Filter.and(
    ee.Filter.eq('statefp10', '41'),
    ee.Filter.eq('countyfp10', '003')
  )
);

// Display Benton County census blocks.
Map.setCenter(-123.27, 44.57, 13);
Map.addLayer(benton);

// Compute sums of the specified properties.
var properties = ['pop10', 'housing10'];
var sums = benton
    .filter(ee.Filter.notNull(properties))
    .reduceColumns({
      reducer: ee.Reducer.sum().repeat(2),
      selectors: properties
    });

// Print the resultant Dictionary.
print(sums);

Python の設定

Python API とインタラクティブな開発で geemap を使用する方法については、 Python 環境のページをご覧ください。

import ee
import geemap.core as geemap

Colab（Python）

# Load US census data as a FeatureCollection.
census = ee.FeatureCollection('TIGER/2010/Blocks')

# Filter the collection to include only Benton County, OR.
benton = census.filter(
    ee.Filter.And(
        ee.Filter.eq('statefp10', '41'), ee.Filter.eq('countyfp10', '003')
    )
)

# Display Benton County census blocks.
m = geemap.Map()
m.set_center(-123.27, 44.57, 13)
m.add_layer(benton)
display(m)

# Compute sums of the specified properties.
properties = ['pop10', 'housing10']
sums = benton.filter(ee.Filter.notNull(properties)).reduceColumns(
    reducer=ee.Reducer.sum().repeat(2), selectors=properties
)

# Print the resultant Dictionary.
display(sums)

出力は、指定されたリデューサーに従って集計されたプロパティを表す Dictionary です。

sum: [85579,36245]

上記の例では、notNull() フィルタを使用して、選択したプロパティのエントリが null 以外の特徴のみを、削減対象のコレクションに含めます。予期しない欠落データを見つけて、null 値を含む計算によるエラーを回避するために、null エントリを確認することをおすすめします。

また、imageCollection.reduce() ではバンドごとに自動的にレジューサーが繰り返されるのとは異なり、FeatureCollection のレジューサーは repeat() を使用して明示的に繰り返す必要があります。具体的には、m 個の入力に対して、m 回レジューサーを繰り返します。リデューサーが繰り返されなかった結果、次のエラーがスローされることがあります。