science Dieses Produkt oder diese Funktion ist experimentell (pre-GA). Pre-GA-Produkte und ‑Funktionen werden eventuell nur eingeschränkt unterstützt. Außerdem sind Änderungen an diesen Produkten und Funktionen möglicherweise nicht mit anderen pre-GA-Versionen kompatibel. Pre-GA-Angebote sind durch die dienstspezifischen Nutzungsbedingungen für die Google Maps Platform abgedeckt. Weitere Informationen finden Sie unter den Beschreibungen der Startphase. Melden Sie sich an, um Places Insights zu testen.
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Die Funktion PLACES_COUNT_PER_H3 verwendet einen geografischen Bereich für die Suche und gibt eine Tabelle mit der Anzahl der Orte pro H3-Zelle im Suchbereich zurück.
Da die Funktion PLACES_COUNT_PER_GEO eine Tabelle zurückgibt, rufen Sie sie mit einer FROM-Klausel auf.
Eingabeparameter:
Erforderlich: Der geography-Filterparameter, der den Suchbereich angibt. Der Parameter geography hat einen Wert, der durch den BigQuery-Datentyp GEOGRAPHY definiert wird. Dieser Datentyp unterstützt Punkte, Linienzüge und Polygone.
Beispiele für die Verwendung verschiedener Arten von Suchregionen, z. B. Viewports und Linien, finden Sie unter Funktion PLACES_COUNT.
Erforderlich: Der h3_resolution-Filterparameter, der die H3-Auflösung angibt, die zum Aggregieren der Anzahl der Orte in jeder H3-Zelle verwendet wird. Unterstützte Werte sind 0 bis 8.
Optional: Zusätzliche Filterparameter, um Ihre Suche einzugrenzen.
Liefert:
Eine Tabelle mit einer Zeile pro H3-Zelle. Die Tabelle enthält die Spalten h3_cell_index (STRING), geography (GEOGRAPHY), die das Polygon für die H3-Zelle definieren, count (INT64) und sample_place_ids (ARRAY<STRING>). sample_place_ids enthält bis zu 250 Orts-IDs für jede H3-Zelle.
Beispiel: Rollstuhlgerechte Minimärkte und Lebensmittelgeschäfte pro H3-Zelle zählen
Im folgenden Beispiel wird die Anzahl der betriebsbereiten, rollstuhlgerechten Convenience- und Lebensmittelgeschäfte pro H3-Zelle in New York City berechnet. Die H3-Zellen haben eine Auflösungsebene von 8.
DECLAREgeoGEOGRAPHY;-- Get the geography for New York City.SETgeo=(SELECTgeometryFROM`bigquery-public-data.overture_maps.division_area`WHEREcountry='US'ANDnames.primary='City of New York'LIMIT1);SELECT*FROM`maps-platform-analytics-hub.sample_places_insights_us.PLACES_COUNT_PER_H3`(JSON_OBJECT('geography',geo,'types',["convenience_store","grocery_store"],'wheelchair_accessible_entrance',true,'business_status',['OPERATIONAL'],'h3_resolution',8));
Die Antwort für die Funktion:
Ergebnisse visualisieren
Die folgenden Bilder zeigen diese Daten in Looker Studio als Karte mit Flächen.
Je dunkler die H3-Zelle ist, desto höher ist die Konzentration der Ergebnisse:
So importieren Sie Ihre Daten in Looker Studio:
Führen Sie die Funktion oben aus, um die Ergebnisse zu generieren.
Klicken Sie in den BigQuery-Ergebnissen auf Öffnen in > Looker Studio. Ihre Ergebnisse werden automatisch in Looker Studio importiert.
In Looker Studio wird eine Standardberichtsseite erstellt und mit einem Titel, einer Tabelle und einem Balkendiagramm der Ergebnisse initialisiert.
Wählen Sie alles auf der Seite aus und löschen Sie es.
Klicken Sie auf Einfügen > Karte mit ausgefüllten Bereichen, um Ihrem Bericht eine Karte mit ausgefüllten Bereichen hinzuzufügen.
Konfigurieren Sie die Felder unter Diagrammtypen > Einrichtung wie unten dargestellt:
Die gefüllte Karte sieht dann so aus: Optional können Sie Diagrammtypen –> Stile auswählen, um die Darstellung der Karte weiter zu konfigurieren.
Weitere Informationen und ein Beispiel für die Visualisierung von Places Insights-Ergebnissen finden Sie unter Abfrageergebnisse visualisieren.
[null,null,["Zuletzt aktualisiert: 2025-07-17 (UTC)."],[],[],null,["The `PLACES_COUNT_PER_H3` function takes a geographic area to search\nand returns a table of places counts per [H3](https://h3geo.org/docs/) cell in\nthe search area.\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 `geography` [filter parameter](/maps/documentation/placesinsights/experimental/filter-params) that\n specifies the search area. The `geography` parameter a value defined by\n 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 For examples of using different types of search geographies, such as\n viewports and lines, see\n [`PLACES_COUNT` function](/maps/documentation/placesinsights/experimental/places-count).\n - **Required** : The `h3_resolution` [filter parameter](/maps/documentation/placesinsights/experimental/filter-params) that\n specifies the [H3](https://h3geo.org/docs/) resolution used to aggregate\n the count of places in each H3 cell. Supported value are from 0 to 8.\n\n - **Optional** : Additional [filter](/maps/documentation/placesinsights/experimental/filter-params) parameters to refine\n your search.\n\n- Returns:\n\n - A table with one row per H3 cell. The table contains the columns `h3_cell_index` (`STRING`), `geography` (`GEOGRAPHY`) which defines the polygon representing the H3 cell, and `count` (`INT64`).\n\nExample: Count wheelchair accessible convenience and grocery stores per H3 cell\n\nThe example below computes the number of operational, wheelchair accessible\nconvenience and grocery stores per H3 cell in New York City. The H3 cells use a\n[resolution level](https://h3geo.org/docs/core-library/restable) of 8.\n\nThis example uses the [Overture Maps\nData](https://console.cloud.google.com/marketplace/product/bigquery-public-data/overture-maps)\nBigQuery [public dataset](https://cloud.google.com/bigquery/public-data) to get\nthe geography for New York City.\n| **Note:** Because the response table contains a `geography` field, you can visualize it using tools that support BigQuery `GEOGRAPHY` types. For an example of visualizing the results of a function, see [Visualize\nresults](#visualize_results). For more information and example on visualizing Places Insights results, see [Visualize query results](/maps/documentation/placesinsights/visualize-data). \n\n```googlesql\nDECLARE geo GEOGRAPHY;\n\n-- Get the geography for New York City.\nSET geo = (SELECT geometry FROM `bigquery-public-data.overture_maps.division_area`\n WHERE country = 'US' AND names.primary = 'City of New York' LIMIT 1);\n\nSELECT * FROM `maps-platform-analytics-hub.sample_places_insights_us.PLACES_COUNT_PER_H3`(\n JSON_OBJECT(\n 'geography', geo,\n 'types', [\"convenience_store\",\"grocery_store\"],\n 'wheelchair_accessible_entrance', true,\n 'business_status', ['OPERATIONAL'],\n 'h3_resolution', 8\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.\nThe darker the H3 cell the higher the concentration of results:\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)."]]
