สถิติของคอลัมน์ FeatureCollection

หากต้องการลดพร็อพเพอร์ตี้ขององค์ประกอบใน FeatureCollection ให้ใช้ featureCollection.reduceColumns() ลองดูตัวอย่างของเล่นต่อไปนี้

เครื่องมือแก้ไขโค้ด (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']
}));

การตั้งค่า Python

ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap สําหรับการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้า สภาพแวดล้อม Python

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']
    )
)

โปรดทราบว่าระบบจะถ่วงน้ำหนักอินพุตตามพร็อพเพอร์ตี้ weight ที่ระบุ ผลลัพธ์ที่ได้จึงมีดังนี้

mean: 2.333333333333333

ตัวอย่างที่ซับซ้อนขึ้นคือ FeatureCollection ของบล็อกสํามะโนประชากรของสหรัฐอเมริกาที่มีข้อมูลสํามะโนประชากรเป็นแอตทริบิวต์ ตัวแปรที่น่าสนใจคือประชากรทั้งหมดและจำนวนที่พักอาศัยทั้งหมด คุณสามารถหาผลรวมได้โดยระบุอาร์กิวเมนต์ตัวลดผลรวมให้กับ reduceColumns() และพิมพ์ผลลัพธ์

เครื่องมือแก้ไขโค้ด (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);

การตั้งค่า Python

ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap สําหรับการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้า สภาพแวดล้อม Python

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)

เอาต์พุตคือ Dictionary ที่แสดงพร็อพเพอร์ตี้แบบรวมตามรีดิวเซอร์ที่ระบุ

sum: [85579,36245]

โปรดทราบว่าตัวอย่างข้างต้นใช้ตัวกรอง notNull() เพื่อรวมเฉพาะฟีเจอร์ที่มีรายการที่ไม่ใช่ค่าว่างสําหรับพร็อพเพอร์ตี้ที่เลือกในคอลเล็กชันที่จะลดลง แนวทางปฏิบัติแนะนำคือให้ตรวจสอบรายการ Null เพื่อจับข้อมูลที่หายไปโดยไม่คาดคิดและหลีกเลี่ยงข้อผิดพลาดที่เกิดจากการคำนวณที่มีค่า Null

นอกจากนี้ โปรดทราบว่า FeatureCollection ต่างจาก imageCollection.reduce() ตรงที่ตัวลดจำนวนใน FeatureCollection ต้องซ้ำกันอย่างชัดเจนโดยใช้ repeat() ต่างจาก imageCollection.reduce() ที่ตัวลดจำนวนจะซ้ำกันโดยอัตโนมัติสำหรับแต่ละย่านความถี่ กล่าวโดยละเอียดคือ ให้ใช้ตัวลด m ครั้งสําหรับอินพุต m ระบบอาจแสดงข้อผิดพลาดต่อไปนี้เนื่องจากไม่ได้ใช้ตัวลดซ้ำ