Inner join

Per enumerare tutte le corrispondenze tra gli elementi di due raccolte, utilizza un ee.Join.inner(). L'output di un join interno è un FeatureCollection (anche se unisci un ImageCollection a un altro ImageCollection). Ogni elemento nell'output rappresenta una corrispondenza, in cui gli elementi corrispondenti sono memorizzati in due proprietà dell'elemento. Ad esempio, feature.get('primary') è l'elemento della raccolta principale corrispondente all'elemento della raccolta secondaria memorizzato in feature.get('secondary'). È possibile specificare nomi diversi per queste proprietà come argomenti di inner(), ma ‘primary’ e ‘secondary’ sono i valori predefiniti. Le relazioni one-to-many sono rappresentate da più elementi nell'output. Se un elemento di una delle raccolte non ha una corrispondente, non è presente nell'output.

Gli esempi di join che utilizzano input ImageCollection si applicano senza modifiche agli input FeatureCollection. È anche possibile unire un FeatureCollection a un ImageCollection e viceversa. Considera il seguente esempio pratico di join interno:

Editor di codice (JavaScript)

// Create the primary collection.
var primaryFeatures = ee.FeatureCollection([
  ee.Feature(null, {foo: 0, label: 'a'}),
  ee.Feature(null, {foo: 1, label: 'b'}),
  ee.Feature(null, {foo: 1, label: 'c'}),
  ee.Feature(null, {foo: 2, label: 'd'}),
]);

// Create the secondary collection.
var secondaryFeatures = ee.FeatureCollection([
  ee.Feature(null, {bar: 1, label: 'e'}),
  ee.Feature(null, {bar: 1, label: 'f'}),
  ee.Feature(null, {bar: 2, label: 'g'}),
  ee.Feature(null, {bar: 3, label: 'h'}),
]);

// Use an equals filter to specify how the collections match.
var toyFilter = ee.Filter.equals({
  leftField: 'foo',
  rightField: 'bar'
});

// Define the join.
var innerJoin = ee.Join.inner('primary', 'secondary');

// Apply the join.
var toyJoin = innerJoin.apply(primaryFeatures, secondaryFeatures, toyFilter);

// Print the result.
print('Inner join toy example:', toyJoin);

Configurazione di Python

Per informazioni sull'API Python e sull'utilizzo di geemap per lo sviluppo interattivo, consulta la pagina Ambiente Python.

import ee
import geemap.core as geemap

Colab (Python)

# Create the primary collection.
primary_features = ee.FeatureCollection([
    ee.Feature(None, {'foo': 0, 'label': 'a'}),
    ee.Feature(None, {'foo': 1, 'label': 'b'}),
    ee.Feature(None, {'foo': 1, 'label': 'c'}),
    ee.Feature(None, {'foo': 2, 'label': 'd'}),
])

# Create the secondary collection.
secondary_features = ee.FeatureCollection([
    ee.Feature(None, {'bar': 1, 'label': 'e'}),
    ee.Feature(None, {'bar': 1, 'label': 'f'}),
    ee.Feature(None, {'bar': 2, 'label': 'g'}),
    ee.Feature(None, {'bar': 3, 'label': 'h'}),
])

# Use an equals filter to specify how the collections match.
toy_filter = ee.Filter.equals(leftField='foo', rightField='bar')

# Define the join.
inner_join = ee.Join.inner('primary', 'secondary')

# Apply the join.
toy_join = inner_join.apply(primary_features, secondary_features, toy_filter)

# Print the result.
display('Inner join toy example:', toy_join)

Nell'esempio precedente, tieni presente che la relazione tra le tabelle è definita nel filtro, il che indica che i campi ‘foo’ e ‘bar’ sono i campi di join. Viene quindi specificato e applicato alle raccolte un join interno. Esamina l'output e osserva che ogni possibile corrispondenza è rappresentata come un Feature.

Per un esempio motivato, prendi in considerazione l'unione di oggetti MODIS ImageCollection. I dati sulla qualità MODIS a volte vengono archiviati in una raccolta separata dai dati delle immagini, pertanto un join interno è utile per unire le due raccolte al fine di applicare i dati sulla qualità. In questo caso, i tempi di acquisizione delle immagini sono identici, quindi un filtro uguale gestisce il compito di specificare questa relazione tra le due raccolte:

Editor di codice (JavaScript)

// Make a date filter to get images in this date range.
var dateFilter = ee.Filter.date('2014-01-01', '2014-02-01');

// Load a MODIS collection with EVI data.
var mcd43a4 = ee.ImageCollection('MODIS/MCD43A4_006_EVI')
    .filter(dateFilter);

// Load a MODIS collection with quality data.
var mcd43a2 = ee.ImageCollection('MODIS/006/MCD43A2')
    .filter(dateFilter);

// Define an inner join.
var innerJoin = ee.Join.inner();

// Specify an equals filter for image timestamps.
var filterTimeEq = ee.Filter.equals({
  leftField: 'system:time_start',
  rightField: 'system:time_start'
});

// Apply the join.
var innerJoinedMODIS = innerJoin.apply(mcd43a4, mcd43a2, filterTimeEq);

// Display the join result: a FeatureCollection.
print('Inner join output:', innerJoinedMODIS);

Configurazione di Python

Per informazioni sull'API Python e sull'utilizzo di geemap per lo sviluppo interattivo, consulta la pagina Ambiente Python.

import ee
import geemap.core as geemap

Colab (Python)

# Make a date filter to get images in this date range.
date_filter = ee.Filter.date('2014-01-01', '2014-02-01')

# Load a MODIS collection with EVI data.
mcd43a4 = ee.ImageCollection('MODIS/MCD43A4_006_EVI').filter(date_filter)

# Load a MODIS collection with quality data.
mcd43a2 = ee.ImageCollection('MODIS/006/MCD43A2').filter(date_filter)

# Define an inner join.
inner_join = ee.Join.inner()

# Specify an equals filter for image timestamps.
filter_time_eq = ee.Filter.equals(
    leftField='system:time_start', rightField='system:time_start'
)

# Apply the join.
inner_joined_modis = inner_join.apply(mcd43a4, mcd43a2, filter_time_eq)

# Display the join result: a FeatureCollection.
display('Inner join output:', inner_joined_modis)

Per utilizzare le immagini unite nell'output FeatureCollection, map() una funzione di combinazione sull'output. Ad esempio, le immagini corrispondenti possono essere impilate in modo che le bande di qualità vengano aggiunte ai dati delle immagini:

Editor di codice (JavaScript)

// Map a function to merge the results in the output FeatureCollection.
var joinedMODIS = innerJoinedMODIS.map(function(feature) {
  return ee.Image.cat(feature.get('primary'), feature.get('secondary'));
});

// Print the result of merging.
print('Inner join, merged bands:', joinedMODIS);

Configurazione di Python

Per informazioni sull'API Python e sull'utilizzo di geemap per lo sviluppo interattivo, consulta la pagina Ambiente Python.

import ee
import geemap.core as geemap

Colab (Python)

# Map a function to merge the results in the output FeatureCollection.
joined_modis = inner_joined_modis.map(
    lambda feature: ee.Image.cat(
        feature.get('primary'), feature.get('secondary')
    )
)

# Print the result of merging.
display("Inner join, merged 'bands':", joined_modis)

Sebbene questa funzione sia mappata su un FeatureCollection, il risultato è un ImageCollection. Ogni immagine in ImageCollection risultante contiene tutte le bande delle immagini nella raccolta principale (in questo esempio solo ‘EVI’) e tutte le bande dell'immagine corrispondente nella raccolta secondaria (le bande di qualità).