'); })();
遥感云计算
GISer
2022-05-14
目录

FeatureCollection

# 简介

要素集（FeatureCollection）是PIE-Engine下的矢量数据集对象，是Feature的一个集合。众多的Feature对象要求具有相同的属性字段，几何图形的坐标系也要相同。PIE-Engine Studio提供构建要素集算子及要素集相关算法，包括但不限于加载要素集，获取要素集属性信息、几何信息，渲染要素集，要素集内Feature循环计算，要素集指定属性进行聚合统计计算。

# FeatureCollection

函数 返回值
FeatureCollection(args,columns) FeatureCollection
参数 类型 说明
args String|PIEGeometry|PIEFeature|Array 矢量数据路径或单个PIEGeomery对象或单个PIEFeature对象或PIEFeature对象Array
columns String 未启用
var featureCollection = pie.FeatureCollection('NGCC/CHINA_PROVINCE_BOUNDARY');
print(featureCollection);

# aggregate_array

根据属性名获得FeatureCollection中所有Feature对象的属性值信息，输出这些属性值的集合。

函数 返回值
aggregate_array (property) List
参数 类型 说明
property String 属性名
// 在feature1中添加值为10的“addProp”属性
var feature1=pie.Feature(pie.Geometry.Point([118.5, 31.6] , null)).set("addProp",10);
print("feature1",feature1);

// 在feature2中添加值为2的“addProp”属性
var feature2=pie.Feature(pie.Geometry.Point([118.5, 30.6] , null)).set("addProp",2);
print("feature2",feature2);

// 合并feature1和feature2至要素集
var fCol=pie.FeatureCollection([feature1,feature2]);

// 统计"addProp"属性值的集合
var array=fCol.aggregate_array("addProp");
print("array",array);

# aggregate_count

根据属性名获得FeatureCollection中所有Feature对象的属性值信息，计算其中非空属性值的数目。

函数 返回值
aggregate_count (property) Number
参数 类型 说明
property String 属性名
// 在feature1中添加值为10的“addProp”属性
var feature1=pie.Feature(pie.Geometry.Point([118.5, 31.6] , null)).set("addProp",10);
print("feature1",feature1);

// 在feature2中添加值为2的“addProp”属性
var feature2=pie.Feature(pie.Geometry.Point([118.5, 30.6] , null)).set("addProp",2);
print("feature2",feature2);

// 合并feature1和feature2至要素集
var fCol=pie.FeatureCollection([feature1,feature2]);
// 统计"addProp"中非空属性值的数目
var count=fCol.aggregate_count("addProp");
print(count);

# aggregate_first

根据属性名获得FeatureCollection中所有Feature对象的属性值信息，计算其中首个对象的属性值。

函数 返回值
aggregate_first (property) String|Number|Boolean|Object|List
参数 类型 说明
property String 属性名
// 在feature1中添加值为10的“addProp”属性
var feature1=pie.Feature(pie.Geometry.Point([118.5, 31.6] , null)).set("addProp",10);
print("feature1",feature1);

// 在feature2中添加值为2的“addProp”属性
var feature2=pie.Feature(pie.Geometry.Point([118.5, 30.6] , null)).set("addProp",2);
print("feature2",feature2);

// 合并feature1和feature2至要素集
var fCol=pie.FeatureCollection([feature1,feature2]);
print("fCol",fCol);

// 返回"addProp"属性首个对象的属性值
var first=fCol.aggregate_first("addProp");
print(first);

# aggregate_mean

根据属性名获得FeatureCollection中所有Feature对象的属性值信息，输出这些属性值的平均值。

函数 返回值
aggregate_mean (property) Number
参数 类型 说明
property String 属性名
// 在feature1中添加值为10的“addProp”属性
var feature1=pie.Feature(pie.Geometry.Point([118.5, 31.6] , null)).set("addProp",10);
print("feature1",feature1);

// 在feature2中添加值为2的“addProp”属性
var feature2=pie.Feature(pie.Geometry.Point([118.5, 30.6] , null)).set("addProp",2);
print("feature2",feature2);

// 合并feature1和feature2至要素集
var fCol=pie.FeatureCollection([feature1,feature2]);
print("fCol",fCol);

// 返回"addProp"属性值平均值
var mean=fCol.aggregate_mean("addProp");
print(mean);

# aggregate_max

根据属性名获得FeatureCollection中所有Feature对象的属性值信息，输出这些属性值的最大值。

函数 返回值
aggregate_max (property) Number
参数 类型 说明
property String 属性名
// 在feature1中添加值为10的“addProp”属性
var feature1=pie.Feature(pie.Geometry.Point([118.5, 31.6] , null)).set("addProp",10);
print("feature1",feature1);

// 在feature2中添加值为2的“addProp”属性
var feature2=pie.Feature(pie.Geometry.Point([118.5, 30.6] , null)).set("addProp",2);
print("feature2",feature2);

// 合并feature1和feature2至要素集
var fCol=pie.FeatureCollection([feature1,feature2]);
print("fCol",fCol);

// 返回"addProp"属性中最大属性值
var max=fCol.aggregate_max("addProp");
print(max);

# aggregate_min

根据属性名获得FeatureCollection中所有Feature对象的属性值信息，输出这些属性值的最小值。

函数 返回值
aggregate_min (property) Number
参数 类型 说明
property String 属性名
// 在feature1中添加值为10的“addProp”属性
var feature1=pie.Feature(pie.Geometry.Point([118.5, 31.6] , null)).set("addProp",10);
print("feature1",feature1);

// 在feature2中添加值为2的“addProp”属性
var feature2=pie.Feature(pie.Geometry.Point([118.5, 30.6] , null)).set("addProp",2);
print("feature2",feature2);

// 合并feature1和feature2至要素集
var fCol=pie.FeatureCollection([feature1,feature2]);
print("fCol",fCol);

// 返回"addProp"属性值的最小值
var min=fCol.aggregate_min("addProp");
print(min);

# aggregate_sum

根据属性名获得FeatureCollection中所有Feature对象的属性值信息，输出这些属性值的和。

函数 返回值
aggregate_sum (property) Number
参数 类型 说明
property String 属性名
// 在feature1中添加值为10的“addProp”属性
var feature1=pie.Feature(pie.Geometry.Point([118.5, 31.6] , null)).set("addProp",10);
print("feature1",feature1);

// 在feature2中添加值为2的“addProp”属性
var feature2=pie.Feature(pie.Geometry.Point([118.5, 30.6] , null)).set("addProp",2);
print("feature2",feature2);

// 合并feature1和feature2至要素集
var fCol=pie.FeatureCollection([feature1,feature2]);
print("fCol",fCol);

// 返回"addProp"属性值的和
var sum=fCol.aggregate_sum("addProp");
print(sum);

# classify

对FeatureCollection中的每个要素进行分类。

函数 返回值
classify(classifier, outputName) FeatureCollection
参数 类型 说明
classifier ClassifierRT/ClassifierSVM/ ClassifierNormalBayes 分类器
outputName String 要添加的输出属性的名称，默认为"classification"
Map.setCenter(0, 0, 0);
// 加载原始矢量和栅格数据
var image = pie.Image('user/17090142114/PGDB001/World84').select(["B1", "B2", "B3"]);
var featureCollection = pie.FeatureCollection('user/17090142114/PGDB001/WorldROI');

// 获得训练样本，并且按照7:3分成训练样本和验证样本
var sampleFeatureCollection = image.sampleRegions(featureCollection, ["type"], 50000);
sampleFeatureCollection = sampleFeatureCollection.randomColumn('random');
var trainingFeatures = sampleFeatureCollection.filter(pie.Filter.lte("random", 0.7));
var testingFeatures = sampleFeatureCollection.filter(pie.Filter.gt("random", 0.7));

// 构建SVM分类器，并训练数据
var classifer = pie.Classifier.svm().train(trainingFeatures, "type", ["B1", "B2", "B3"]);

// 影像分类，并加载显示
var resultImage = image.classify(classifer, "classifyA");
var visParam = {
  opacity:1,
  uniqueValue:'1,2,3,4',
  palette: 'EAF2F5,000032,1F3600,FAFFC8'
};
Map.addLayer(resultImage, visParam,"ClassifyImage");

// 评估训练样本的精度
var checkM = classifer.confusionMatrix();
print(checkM.getInfo());
print(checkM.acc().getInfo());
print(checkM.kappa().getInfo());

// 评估验证样本的精度
var predictResult = testingFeatures.classify(classifer,"classification");
var errorM=predictResult.errorMatrix("type","classification");
print(errorM.getInfo());
print(errorM.acc().getInfo());
print(errorM.kappa().getInfo());

# errorMatrix

通过比较FeatureCollection的两列（一列包含实际值，另一列包含预测值），计算FeatureCollection的二维错误矩阵，其中数值从0开始。矩阵的轴0（行）对应于实际值，轴1（列）对应于预测值。

函数 返回值
errorMatrix(actual, predicted, order) ConfusionMatrix
参数 类型 说明
actual String 包含实际值的属性的名称
predicted String 包含预测值的属性的名称
order List 未启用
Map.setCenter(0, 0, 0);
// 加载原始矢量和栅格数据
var image = pie.Image('user/17090142114/PGDB001/World84').select(["B1", "B2", "B3"]);
var featureCollection = pie.FeatureCollection('user/17090142114/PGDB001/WorldROI');

// 获得训练样本，并且按照7:3分成训练样本和验证样本
var sampleFeatureCollection = image.sampleRegions(featureCollection, ["type"], 50000);
sampleFeatureCollection = sampleFeatureCollection.randomColumn('random');
var trainingFeatures = sampleFeatureCollection.filter(pie.Filter.lte("random", 0.7));
var testingFeatures = sampleFeatureCollection.filter(pie.Filter.gt("random", 0.7));

// 构建SVM分类器，并训练数据
var classifer = pie.Classifier.svm().train(trainingFeatures, "type", ["B1", "B2", "B3"]);

// 影像分类，并加载显示
var resultImage = image.classify(classifer, "classifyA");
var visParam = {
  opacity:1,
  uniqueValue:'1,2,3,4',
  palette: 'EAF2F5,000032,1F3600,FAFFC8'
};
Map.addLayer(resultImage, visParam,"ClassifyImage");

// 评估训练样本的精度
var checkM = classifer.confusionMatrix();
print(checkM.getInfo());
print(checkM.acc().getInfo());
print(checkM.kappa().getInfo());

// 评估验证样本的精度
var predictResult = testingFeatures.classify(classifer,"classification");
var errorM=predictResult.errorMatrix("type","classification");
print(errorM.getInfo());
print(errorM.acc().getInfo());
print(errorM.kappa().getInfo());

# filter

对FeatureCollection对象通过指定过滤器进行过滤，返回过滤后的FeatureCollection对象。

函数 返回值
filter(filter) FeatureCollection
参数 类型 说明
filter Filter 过滤器对象
var beijing = pie.FeatureCollection('NGCC/CHINA_PROVINCE_BOUNDARY')
        .filter(pie.Filter.eq('name', '北京市'))
        .first()
        .geometry();
Map.centerObject(beijing, 7);
Map.addLayer(beijing, null, "BeiJing");

# filterBounds

对FeatureCollection对象进行空间范围过滤，筛选出在给定空间范围内的feature，返回过滤后的FeatureCollection对象。

函数 返回值
filterBounds(geometry) FeatureCollection
参数 类型 说明
geometry Geometry 过滤空间范围
var polygon = pie.Geometry.Polygon(
        [[[120, 41], [121, 41], [121, 42], [120, 42],[120, 41]]], null);

var neimeng = pie.FeatureCollection('NGCC/CHINA_PROVINCE_BOUNDARY')
        .filterBounds(polygon)
        .first()
        .geometry();

Map.centerObject(neimeng, 3);
Map.addLayer(neimeng, null, 'NeiMeng');

# first

获得第一个Feature对象。

函数 返回值
first() Feature
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
var feature = featureCollection.first();

# geometries

获得FeatureCollection下几何图形信息，几何信息以Json形式表示。

函数 返回值
geometries(tolerance) PIEList
参数 类型 说明
this ImageCollection 要进行计算的影像集合
tolerance Number 结果简化距离范围，单位米，默认距离为0，表示不简化
var featureCollection = pie.FeatureCollection().load('user/101/public/shape/Shi_HeBei');
var geometryList = featureCollection.geometries(2000);
print(geometryList);

# get

根据属性名获得FeatureCollection下的属性值信息。

函数 返回值
get(key) String|Number|Boolean|Object|List
参数 类型 说明
key String 属性名
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
featureCollection = featureCollection.set("key1",{name:123});
var value = featureCollection.get("key1");
print(value);

# getArray

根据属性名获得FeatureCollection下的属性值信息，并且将其转换为数组类型。

函数 返回值
getArray(property) Array
参数 类型 说明
property String 属性名
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
var dict = {key1: [1, 2, 3, 4, 5, 6], key2: 12.34, key3: "12.34"};
featureCollection = featureCollection.setMulti(dict);
var value = featureCollection.getArray("key1");
print(value);

# getAt

获得指定编号的Feature对象。

函数 返回值
getAt(index) Feature
参数 类型 说明
index Number Feature的编号
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
var feature = featureCollection.getAt(0);

# getInfo

快捷计算相关的值。

函数 返回值
getInfo() Number|Object
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
var count = featureCollection.size().getInfo();
print(count);

# getNumber

根据属性名获得FeatureCollection下的属性值信息，并且将其转换为数值类型。

函数 返回值
getNumber(property) Number
参数 类型 说明
property String 属性名
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
var dict = {key1: [1, 2, 3, 4, 5, 6], key2: 12.34, key3: "12.34"};
featureCollection = featureCollection.setMulti(dict);
var value = featureCollection.getNumber("key3");
print(value);

# getString

根据属性名获得FeatureCollection下的属性值信息，并且将其转换为字符串类型。

函数 返回值
getString(property) String
参数 类型 说明
property String 属性名
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
var dict = {key1: [1, 2, 3, 4, 5, 6], key2: 12.34, key3: "12.34"};
featureCollection = featureCollection.setMulti(dict);
var value = featureCollection.getString("key2").getInfo();
print(value);

# id

返回FeatureCollection对象的id。

函数 返回值
id() String
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
var id = featureCollection.id().getInfo();
print(id);

# limit

返回集合中前几个要素的集合。

函数 返回值
limit(count) FeatureCollection
参数 类型 说明
this FeatureCollection 要进行合并的要素集合
count Number 数值，要返回的要素的个数
// 定义要素数据集1
var geometry1 = pie.Geometry.Polygon([[[117, 31], [118, 31], [118, 32], [117, 32], [117, 31]]]);
var properties1 = {name: "Test1", age: 12};
var feature1 = pie.Feature(geometry1, properties1).set("id", "1111");
var collection1 = pie.FeatureCollection(feature1);

// 定义要素数据集2
var geometry2 = pie.Geometry.Polygon([[[117, 32.1], [118, 32.1], [118, 33.1], [117, 33.1], [117, 32.1]]]);
var properties2 = {name: "Test2", age: 18};
var feature2 = pie.Feature(geometry2, properties2).set("id", "2222");
var collection2 = pie.FeatureCollection(feature2);

// 要素数据集合并，并添加到地图
var fCollection = collection1.merge(collection2).limit(1);
print(fCollection);
fCollection = fCollection.limit(1);
print(fCollection);

# load

FeatureCollection对象加载数据，一般在FeatureCollection初始化的时候会默认调用该方法。

函数 返回值
load(id) FeatureCollection
参数 类型 说明
id String 数据路径
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
print(featureCollection);

# map

针对FeatureCollection中的每个Feature进行循环计算。

函数 返回值
map(algorithm,dropNulls) FeatureCollection
参数 类型 说明
algorithm Function 参数是Feature的方法，返回Feature
dropNulls Boolean 是否允许返回空值
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
var featureCollectionNew = featureCollection.map(function (feature) {
  var geometry = feature.geometry();
  var featureNew = pie.Feature(geometry.centroid());
  return featureNew;
})
Map.addLayer(featureCollectionNew,{ color:'00FF00FF',width:1,fillColor:'00FF0000',pointSize:20});
Map.setCenter(118,39.7,3);

# merge

实现两个要素集合（FeatureCollection）的合并，要求要合并的两个FeatureCollection几何图形类型一致。

函数 返回值
merge(fCollection) FeatureCollection
参数 类型 说明
fCollection FeaturerCollection 进行合并的要素集合
// 定义要素数据集1
var geometry1 = pie.Geometry.Polygon([[[117, 31], [118, 31], [118, 32], [117, 32], [117, 31]]]);
var properties1 = {name: "Test1", age: 12};
var feature1 = pie.Feature(geometry1, properties1).set("id", "1111");
var collection1 = pie.FeatureCollection(feature1);

// 定义要素数据集2
var geometry2 = pie.Geometry.Polygon([[[117, 32.1], [118, 32.1], [118, 33.1], [117, 33.1], [117, 32.1]]]);
var properties2 = {name: "Test2", age: 18};
var feature2 = pie.Feature(geometry2, properties2).set("id", "2222");
var collection2 = pie.FeatureCollection(feature2);

// 要素数据集合并，并添加到地图
var fCollection = collection1.merge(collection2);
Map.addLayer(fCollection);
Map.setCenter(117.5,32,6);

# propertyNames

返回FeatureCollection对象的属性名列表。

函数 返回值
propertyNames() List
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
featureCollection = featureCollection.set("key1", {name:123});
var propertyNames = featureCollection.propertyNames();
print(propertyNames);

# randomColumn

向FeatureCollection中添加一列确定性伪随机数。输出为双精度浮点数。设置“uniform”分布（默认值）时，输出为[0，1]的范围内的均匀分布随机数。设置“normal”分布时，输出为μ=0，𝛔=1的正态分布随机数，此时数值范围没有明确的限制。

函数 返回值
randomColumn (columnName="random", seed=0, distribution= "uniform") FeatureCollection
参数 类型 说明
columnName String 新增列的名称，默认为 "random"
seed Long 随机种子，默认为0
distribution String 生成随机数的分布类型。赋值为'uniform' 、'normal'之一
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
featureCollection = featureCollection.randomColumn('random');
Map.addLayer(featureCollection,{ color:'FF0000FF',width:1,fillColor:'00FF0000',pointSize:10});
Map.setCenter(118,39.7,3);

# reduceColumns

将指定的selector中的属性值根据reducer计算，返回一个字典对象。

函数 返回值
reduceColumns(reducer,selectors,weightSelector) Object
参数 类型 说明
reducer Reducer 统计器，目前仅支持toList统计器
selectors Array 要统计的属性列表
weightSelector Array 各个属性的权重，目前未启用
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
var value = featureCollection.reduceColumns(pie.Reducer.toList(),["name"]);
print(value);

# set

设置FeatureCollection下的属性信息，如果存在就覆盖更新，如果不存在则直接创建。

函数 返回值
set(key,value) Void
参数 类型 说明
key String 属性名
value String|Number|Boolean|Object|List 属性值
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
featureCollection = featureCollection.set("key1",{name:123});
var value = featureCollection.get("key1");
print(value);
//有两种方法均可获取name的值123
//推荐使用如下方法：
var v = pie.Dictionary(featureCollection.get("key1")).get("name");
print(v);
//不推荐使用getInfo，会使页面卡住
var vv = featureCollection.get("key1").getInfo()["name"];
print(vv)

# setMulti

批量设置FeatureCollection下的属性信息，如果存在就覆盖更新，如果不存在则直接创建。

函数 返回值
setMulti(properties) Void
参数 类型 说明
properties Dictionary 属性键值对，以字典形式传入
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
var dict = {key1: [1, 2, 3, 4, 5, 6], key2: 12.34, key3: "12.34"};
featureCollection = featureCollection.setMulti(dict);
print(featureCollection);

# size

获得矢量数据中PIEFeature的个数。

函数 返回值
size() Number
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
var count = featureCollection.size();
print(count);

# style

FeatureCollection数据渲染显示，返回渲染绘制后的Image对象。

函数 返回值
style(style) Image
参数 类型 说明
style Json对象 数据可视化样式，参考示例
var featureCollection = pie.FeatureCollection().load('NGCC/CHINA_PROVINCE_BOUNDARY');
var image = featureCollection.style({color:'FFFF00FF',width:1,fillColor:'00FFFFFF'});
Map.addLayer(image);
Map.setCenter(118,39.7,2);
有问题，我来改改 (opens new window)
上次更新: 2022/05/15, 05:29:22
Feature
Filter

← Filter→

最近更新
01
太湖水体浑浊度计算
05-25
02
太湖水域蓝藻密度分析
05-25
03
北京城市建设用地情况分析
05-25
更多文章>
Theme by Vdoing | Copyright © 2021-2022 蜀ICP备2021024989号-3