science Questo prodotto o questa funzionalità è in versione sperimentale (pre-GA). I prodotti e le funzionalità pre-GA potrebbero avere supporto limitato e le modifiche ai prodotti e alle funzionalità pre-GA potrebbero non essere compatibili con altre versioni pre-GA. Le offerte pre-GA sono coperte dai Termini specifici di servizio di Google Maps Platform. Per ulteriori informazioni, consulta le descrizioni della fase di lancio. Registrati per testare Dati dei luoghi.
Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
La funzione PLACES_COUNT_PER_H3 accetta un'area geografica in cui eseguire la ricerca
e restituisce una tabella con il conteggio dei luoghi per cella H3 nell'area di ricerca.
Poiché la funzione PLACES_COUNT_PER_GEO restituisce una tabella, chiamala utilizzando
una clausola FROM.
Parametri di input:
Obbligatorio: il geographyparametro di filtro che
specifica l'area di ricerca. Il parametro geography è un valore definito dal tipo di dati GEOGRAPHY di BigQuery, che supporta punti, linestring e poligoni.
Per esempi di utilizzo di diversi tipi di aree geografiche di ricerca, come
finestre e linee, consulta la
funzione PLACES_COUNT.
Obbligatorio: il parametro di filtroh3_resolution che
specifica la risoluzione H3 utilizzata per aggregare
il conteggio dei luoghi in ogni cella H3. I valori supportati vanno da 0 a 8.
(Facoltativo): parametri di filtro aggiuntivi per perfezionare la ricerca.
Restituisce:
Una tabella con una riga per ogni cella H3. La tabella contiene le colonne
h3_cell_index (STRING), geography (GEOGRAPHY) che definisce il
poligono che rappresenta la cella H3, count (INT64) e sample_place_ids
(ARRAY<STRING>), dove sample_place_ids contiene fino a 250 ID luogo per
ogni cella H3.
Esempio: conta i minimarket e i negozi di alimentari accessibili alle persone in sedia a rotelle per cella H3
L'esempio riportato di seguito calcola il numero di negozi di alimentari e di generi di prima necessità operativi e accessibili alle sedie a rotelle per cella H3 a New York City. Le celle H3 utilizzano un
livello di risoluzione pari a 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));
La risposta per la funzione:
Visualizzare i risultati
Le immagini seguenti mostrano questi dati visualizzati in Looker Studio come una mappa riempita.
Più scura è la cella H3, maggiore è la concentrazione di risultati:
Per importare i dati in Looker Studio:
Esegui la funzione riportata sopra per generare i risultati.
Nei risultati di BigQuery, fai clic su Apri in -> Looker Studio. I risultati vengono importati automaticamente in Looker Studio.
Looker Studio crea una pagina del report predefinita e la inizializza con un titolo,
una tabella e un grafico a barre dei risultati.
Seleziona tutti i contenuti della pagina ed eliminali.
Fai clic su Inserisci > Mappa coropletica per aggiungere una mappa coropletica al report.
In Tipi di grafici -> Configurazione, configura i campi come mostrato di seguito:
La mappa riempita viene visualizzata come sopra. Se vuoi, puoi selezionare Tipi di grafici ->
Stili per configurare ulteriormente l'aspetto della mappa.
[null,null,["Ultimo aggiornamento 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)."]]
