Aller au contenu principal

h3_try_coverash3

Renvoie un tableau d’ ID de cellules H3 représentés sous forme d’entiers longs, correspondant à des hexagones ou des pentagones de la résolution spécifiée qui couvrent au minimum la géographie linéaire ou surfacique d’entrée. L'expression renvoie None si la géographie n'est pas linéaire (linestring ou multilinestring), surfacique (polygon ou multipolygon) ou si une erreur est détectée lors de l'analyse de l'entrée. L'expression renvoie une erreur si la résolution d'entrée est non valide. représentation de la géographie.

Les représentations d'entrée acceptables sont WKT, GeoJSON et WKB. Dans les deux premiers cas, l'entrée est attendue d'être de type chaîne de caractères, tandis que dans le dernier cas, l'entrée est attendue d'être de type BINARY.

Pour la fonction Databricks SQL correspondante, consultez la fonctionh3_try_coverash3.

Syntaxe

Python
from pyspark.databricks.sql import functions as dbf

dbf.h3_try_coverash3(col1=<col1>, col2=<col2>)

parameter

parameter

Type

Description

col1

pyspark.sql.Column OU str

Une chaîne représentant une géographie linéaire ou surfacique dans le système de référence de coordonnées WGS84 au format WKT ou GeoJSON, ou un BINARY représentant une géographie linéaire ou surfacique dans le système de référence de coordonnées WGS84 au format WKB.

col2

pyspark.sql.Column, str, ou int

La résolution des ID de cellule H3 qui couvrent la géographie.

parameter

Type

Description

col1

pyspark.sql.Column OU str

Une chaîne représentant une géographie linéaire ou surfacique dans le système de référence de coordonnées WGS84 au format WKT ou GeoJSON, ou un BINARY représentant une géographie linéaire ou surfacique dans le système de référence de coordonnées WGS84 au format WKB.

col2

pyspark.sql.Column, str, ou int

La résolution des ID de cellule H3 qui couvrent la géographie.

Exemples

Python
from pyspark.databricks.sql import functions as dbf
df = spark.createDataFrame([('POLYGON((-122.4194 37.7749,-118.2437 34.0522,-74.0060 40.7128,-122.4194 37.7749))', 1),],['wkt', 'res'])
df.select(dbf.h3_try_coverash3('wkt', 'res').alias('result')).collect()
Output
[Row(result=[581650447186526207, 581672437419081727, 581698825698148351, 581707621791170559,     581716417884192767, 582248581512036351, 581637253046992895, 581641651093503999,     581646049140015103])]
Python
df_invalid = spark.createDataFrame([('invalid input', 1),], ['wkt', 'res'])
df_invalid.select(dbf.h3_try_coverash3('wkt', 'res').alias('result')).collect()
Output
[Row(result=None)]