Statystyki kolumn kolekcji funkcji

Aby zredukować właściwości funkcji w funkcji FeatureCollection, użyj instrukcji featureCollection.reduceColumns(). Rozważ ten przykład:

Edytor kodu (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']
}));

Konfiguracja Pythona

Informacje o interfejsie Python API i o używaniu pakietu geemap do programowania interaktywnego znajdziesz na stronie Python Environment.

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']
    )
)

Pamiętaj, że wartości wejściowe są ważone zgodnie z określoną właściwością weight. W efekcie:

mean: 2.333333333333333

Bardziej skomplikowanym przykładem jest FeatureCollection bloków spisu powszechnego w Stanach Zjednoczonych z danymi spisu jako atrybutami. Interesujące nas zmienne to łączna liczba ludności i łączna liczba lokali mieszkalnych. Możesz uzyskać ich sumę, podając argument sumowania do funkcji reduceColumns() i wydrukowując wynik:

Edytor kodu (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);

Konfiguracja Pythona

Informacje o interfejsie Python API i o używaniu pakietu geemap do programowania interaktywnego znajdziesz na stronie Python Environment.

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)

Dane wyjściowe to wartość Dictionary reprezentująca zsumowaną właściwość zgodnie ze wskazanym reduktorem:

sum: [85579,36245]

W tym przykładzie użyto filtra notNull(), aby uwzględnić tylko te cechy z niezerowymi wartościami, które występują w wybranych usługach w zbiorze. Warto sprawdzać, czy nie ma w nich wartości null, aby wykrywać nieoczekiwane brakujące dane i unikać błędów wynikających z obliczeń zawierających wartości null.

Pamiętaj też, że w odróżnieniu od funkcji imageCollection.reduce(), w której reduktor jest automatycznie powtarzany dla każdego pasma, reduktor w funkcji FeatureCollection musi być powtarzany za pomocą funkcji repeat(). W szczególności powtórz reduktor m razy dla m wejść. W efekcie niepowtarzania reduktora może wystąpić ten błąd: