science این محصول یا ویژگی در Experimental (قبل از GA) است. محصولات و ویژگی‌های Pre-GA ممکن است پشتیبانی محدودی داشته باشند، و تغییرات در محصولات و ویژگی‌های pre-GA ممکن است با سایر نسخه‌های pre-GA سازگار نباشد. پیشنهادات قبل از GA تحت پوشش شرایط خاص سرویس پلتفرم Google Maps هستند. برای اطلاعات بیشتر، به توضیحات مرحله راه اندازی مراجعه کنید. برای آزمایش Places Insights ثبت نام کنید !
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
تابع PLACES_COUNT_PER_GEO آرایه ای از مناطق جغرافیایی را برای جستجو می گیرد و جدولی از تعداد مکان ها در هر منطقه را برمی گرداند. به عنوان مثال، اگر آرایه ای از کدهای پستی را به عنوان منطقه جستجو مشخص کنید، پاسخ حاوی یک جدول با یک ردیف جداگانه برای هر کد پستی است.
از آنجا که تابع PLACES_COUNT_PER_GEO یک جدول را برمی گرداند، آن را با استفاده از یک عبارت FROM فراخوانی کنید.
پارامترهای ورودی:
مورد نیاز : پارامتر فیلترgeographies که ناحیه جستجو را مشخص می کند. پارامتر geographies آرایه ای از مقادیر تعریف شده توسط نوع داده BigQuery GEOGRAPHY را می گیرد که از نقاط، رشته های خط و چند ضلعی ها پشتیبانی می کند.
اختیاری : پارامترهای فیلتر اضافی برای اصلاح جستجوی شما.
برمی گرداند:
جدولی با یک ردیف در هر منطقه جغرافیایی. این جدول شامل ستون‌های geography ( GEOGRAPHY )، count ( INT64 ) و sample_place_ids ( ARRAY<STRING> ) است که sample_place_ids حاوی حداکثر 250 شناسه مکان برای هر منطقه جغرافیایی است.
مثال: تعداد رستوران های هر شهرستان نیویورک را محاسبه کنید
این مثال جدولی از تعداد رستوران های عملیاتی در هر شهرستان در شهر نیویورک ایجاد می کند.
این مثال از مجموعه داده عمومی BigQuery اداره آمار ایالات متحده برای بدست آوردن مرزهای سه شهرستان در شهر نیویورک استفاده می کند: "Queens"، "Kings"، "New York". مرزهای هر شهرستان در ستون county_geom قرار دارد.
سپس این مثال از تابع BigQuery ST_SIMPLIFY برای برگرداندن نسخه ساده شده county_geom استفاده می کند. تابع ST_SIMPLIFY زنجیره های تقریبا مستقیم لبه ها را با یک لبه بلند جایگزین می کند.
تاریخ آخرین بهروزرسانی 2025-07-17 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-07-17 بهوقت ساعت هماهنگ جهانی."],[],[],null,["The `PLACES_COUNT_PER_GEO` function takes an array of geographic areas to search\nand returns a table of places counts per area. For example, if you specify an\narray of zip codes as the search area, the response contains a table with a\nseparate row for each zip code.\n\nBecause the `PLACES_COUNT_PER_GEO` function returns a table, call it using\na `FROM` clause.\n\n- Input parameters:\n\n - **Required** : The `geographies`\n [filter parameter](/maps/documentation/placesinsights/experimental/filter-params) that specifies the search area. The\n `geographies` parameter takes an array of values defined by the BigQuery\n [`GEOGRAPHY`](https://cloud.google.com/bigquery/docs/reference/standard-sql/data-types#geography_type)\n data type, which supports points, linestrings, and polygons.\n\n - **Optional** : Additional [filter](/maps/documentation/placesinsights/experimental/filter-params) parameters to refine your\n search.\n\n- Returns:\n\n - A table with one row per geographic area. The table contains the columns `geography` (`GEOGRAPHY`) and `count` (`INT64`).\n\nExample: Calculate the number of restaurants in each county of New York City\n\nThis example generates a table of counts of operational restaurants per county\nin New York City.\n| **Note:** Because the response table contains a `geographies` field, you can visualize it using tools that support BigQuery `GEOGRAPHY` types. For an example of visualizing the results of a function, see [Visualize\n| results](#visualize_results). For more information and example on visualizing Places Insights results, see [Visualize query results](/maps/documentation/placesinsights/visualize-data).\n\nThis example uses the [United States Census Bureau\nData](https://console.cloud.google.com/marketplace/product/united-states-census-bureau/us-geographic-boundaries)\nBigQuery [public dataset](https://cloud.google.com/bigquery/public-data) to get\nthe boundaries for the three counties in New York City: \"Queens\",\"Kings\", \"New\nYork\". The boundaries of each county are contained in the `county_geom` column.\n\nThis example then uses the BigQuery\n[`ST_SIMPLIFY`](https://cloud.google.com/bigquery/docs/reference/standard-sql/geography_functions#st_simplify)\nfunction to return a simplified version of `county_geom`. The `ST_SIMPLIFY`\nfunction replaces nearly straight chains of edges with a single long edge. \n\n```googlesql\nDECLARE geos ARRAY\u003cGEOGRAPHY\u003e;\n\nSET geos = (SELECT ARRAY_AGG(ST_SIMPLIFY(county_geom, 100))\n FROM `bigquery-public-data.geo_us_boundaries.counties`\n WHERE county_name IN (\"Queens\",\"Kings\", \"New York\") AND state_fips_code = \"36\");\n\nSELECT * FROM `maps-platform-analytics-hub.sample_places_insights_us.PLACES_COUNT_PER_GEO`(\n JSON_OBJECT(\n 'geographies', geos,\n 'types', [\"restaurant\"],\n 'business_status', [\"OPERATIONAL\"]\n )\n);\n```\n\nThe response for the function:\n\nVisualize results\n\nThe following images show this data displayed in Looker Studio as a filled map,\nincluding the outline of each county:\n\nTo import your data into Looker Studio:\n\n1. Run the function above to generate the results.\n\n2. In the BigQuery results, click **Open in -\\\u003e Looker Studio**. Your results\n are automatically imported into Looker Studio.\n\n3. Looker Studio creates a default report page and initializes it with a title,\n table, and bar graph of the results.\n\n4. Select everything on the page and delete it.\n\n5. Click **Insert -\\\u003e Filled map** to add a filled map to your report.\n\n6. Under **Chart types -\\\u003e Setup** configure the fields as shown below::\n\n7. The filled map appears as above. You can optionally select **Chart types -\\\u003e\n Styles** to further configure the appearance of the map.\n\nFor more information and example on visualizing Places Insights results, see\n[Visualize query results](/maps/documentation/placesinsights/visualize-data)."]]
