NYC Taxi & Limousine Commission - yellow taxi trip records

Los registros de carreras de taxis amarillos incluyen campos que recopilan la fecha, la hora y el lugar donde se recoge y se deja a los pasajeros, las distancias de las carreras, las tarifas desglosadas, los tipos de tarifa, los tipos de pago y los recuentos de pasajeros notificados por el conductor.

Nota

Microsoft proporciona Azure Open Datasets "tal cual". Microsoft no ofrece ninguna garantía, expresa o implícita, ni condición con respecto al uso que usted haga de los conjuntos de datos. En la medida en la que lo permita su legislación local, Microsoft declina toda responsabilidad por posibles daños o pérdidas, incluidos los daños directos, consecuenciales, especiales, indirectos, incidentales o punitivos, que resulten de su uso de los conjuntos de datos.

Este conjunto de datos se proporciona bajo los términos originales con los que Microsoft recibió los datos de origen. El conjunto de datos puede incluir datos procedentes de Microsoft.

Volumen y retención

Este conjunto de datos se almacena en formato Parquet. Hay alrededor de 1500 millones de filas (50 GB) en total desde 2018.

Este conjunto de datos contiene registros históricos acumulados desde 2009 hasta 2018. Puede usar la configuración de parámetros de nuestro SDK para recuperar los datos de un intervalo de tiempo específico.

Ubicación de almacenamiento

Este conjunto de datos se almacena en la región Este de EE. UU. de Azure. Se recomienda asignar recursos de proceso de la misma región por afinidad.

Información adicional

NYC Taxi and Limousine Commission (TLC):

Proveedores de tecnología autorizados por los programas TPEP (Taxicab Passenger Enhancement Program) y LPEP (Livery Passenger Enhancement Program) recopilaron y proporcionaron los datos a NYC Taxi and Limousine Commission (TLC). TLC no creó los datos de las carreras y no hace ninguna declaración respecto a la exactitud de estos datos.

Vea la ubicación original del conjunto de datos y los términos originales de uso.

Columnas

Nombre Tipo de datos Único Valores (ejemplo) Descripción
doLocationId string 265 161 236 Parada de taxi de TLC donde se desconectó el taxímetro.
endLat double 961 994 41.366138 40.75
endLon double 1 144 935 -73.137393 -73.9824
extra double 877 0.5 1.0 Diversos extras y suplementos. Actualmente, solo se incluyen los cargos de 0,50 USD y 1 USD por hora punta y tarifa nocturna.
fareAmount double 18 935 6.5 4.5 Tarifa que calcula el taxímetro en función del tiempo y la distancia.
improvementSurcharge string 60 0.3 0 Suplemento de 0,30 USD por mejoras del servicio que se aplica a la carrera al bajar la bandera. El suplemento por mejoras se comenzó a cobrar en 2015.
mtaTax double 360 0.5 -0.5 Impuesto MTA de 0,50 USD que se aplica automáticamente en función de la tarifa utilizada.
passengerCount int 64 1 2 Número de pasajeros en el vehículo. Este valor lo proporciona el conductor.
paymentType string 6282 CSH CRD Código numérico que indica cómo pagó el pasajero la carrera. 1= Tarjeta de crédito 2= Efectivo 3= Gratis 4= Conflicto 5= Desconocido 6= Carrera anulada
puLocationId string 266 237 161 Parada de taxi de TLC donde se conectó el taxímetro.
puMonth int 12 3 5
puYear int 29 2012 2011
rateCodeID int 56 1 2 Código de la tarifa final en vigor cuando termina la carrera. 1= Tarifa estándar 2= JFK 3= Newark 4= Nassau o Westchester 5= tarifa negociada 6= Carrera en grupo
startLat double 833 016 41.366138 40.7741
startLon double 957 428 -73.137393 -73.9821
storeAndFwdFlag string 8 N 0 Esta marca indica si el registro de la carrera se mantuvo en la memoria del vehículo antes de enviarlo al proveedor, lo que se conoce también como “almacenar y reenviar”, porque el vehículo no tenía conexión con el servidor. Y= almacenar y reenviar carrera N= no almacenar ni reenviar carrera
tipAmount double 12 121 1.0 2.0 Este campo se rellena automáticamente para las propinas mediante tarjeta de crédito. No se incluyen las propinas en efectivo.
tollsAmount double 6 634 5.33 4.8 Importe total de todos los peajes pagados durante la carrera.
totalAmount double 39 707 7.0 7.8 Importe total que se cobra a los pasajeros. No incluye las propinas en efectivo.
tpepDropoffDateTime timestamp 290 185 010 2010-11-07 01:29:00 2013-11-03 01:22:00 Fecha y hora de la desconexión del taxímetro.
tpepPickupDateTime timestamp 289 948 585 2010-11-07 01:00:00 2009-11-01 01:05:00 Fecha y hora de la conexión del taxímetro.
tripDistance double 14 003 1.0 0.9 Distancia recorrida de la carrera (en millas) que indica el taxímetro.
vendorID string 7 VTS CMT Código que indica el proveedor del programa TPEP que proporcionó el registro. 1= Creative Mobile Technologies, LLC; 2= VeriFone Inc.
vendorID int 2 2 1 Código que indica el proveedor del programa LPEP que proporcionó el registro. 1= Creative Mobile Technologies, LLC; 2= VeriFone Inc.

Vista previa

vendorID tpepPickupDateTime tpepDropoffDateTime passengerCount tripDistance puLocationId doLocationId rateCodeID storeAndFwdFlag paymentType fareAmount extra mtaTax improvementSurcharge tipAmount tollsAmount totalAmount puYear puMonth
2 1/24/2088 12:25:39 AM 1/24/2088 7:28:25 AM 1 4.05 24 162 1 No 2 14.5 0 0,5 0,3 0 0 15,3 2088 1
2 1/24/2088 12:15:42 AM 1/24/2088 12:19:46 AM 1 0.63 41 166 1 No 2 4.5. 0 0,5 0,3 0 0 5.3 2088 1
2 11/4/2084 12:32:24 PM 11/4/2084 12:47:41 PM 1 1,34 238 236 1 No 2 10 0 0,5 0,3 0 0 10,8 2084 11
2 11/4/2084 12:25:53 PM 11/4/2084 12:29:00 PM 1 0,32 238 238 1 No 2 4 0 0,5 0,3 0 0 4.8 2084 11
2 11/4/2084 12:08:33 PM 11/4/2084 12:22:24 PM 1 1,85 236 238 1 No 2 10 0 0,5 0,3 0 0 10,8 2084 11
2 11/4/2084 11:41:35 AM 11/4/2084 11:59:41 AM 1 1.65 68 237 1 No 2 12.5 0 0,5 0,3 0 0 13.3 2084 11
2 11/4/2084 11:27:28 AM 11/4/2084 11:39:52 AM 1 1.07 170 68 1 No 2 9 0 0,5 0,3 0 0 9.8 2084 11
2 11/4/2084 11:19:06 AM 11/4/2084 11:26:44 AM 1 1.3 107 170 1 No 2 7.5 0 0,5 0,3 0 0 8.3 2084 11
2 11/4/2084 11:02:59 AM 11/4/2084 11:15:51 AM 1 1,85 113 137 1 No 2 10 0 0,5 0,3 0 0 10,8 2084 11
2 11/4/2084 10:46:05 AM 11/4/2084 10:50:09 AM 1 0.62 231 231 1 No 2 4.5. 0 0,5 0,3 0 0 5.3 2084 11

Acceso a datos

Azure Notebooks

# This is a package in preview.
from azureml.opendatasets import NycTlcYellow

from datetime import datetime
from dateutil import parser


end_date = parser.parse('2018-06-06')
start_date = parser.parse('2018-05-01')
nyc_tlc = NycTlcYellow(start_date=start_date, end_date=end_date)
nyc_tlc_df = nyc_tlc.to_pandas_dataframe()

nyc_tlc_df.info()

Azure Databricks

# This is a package in preview.
# You need to pip install azureml-opendatasets in Databricks cluster. https://docs.microsoft.com/en-us/azure/data-explorer/connect-from-databricks#install-the-python-library-on-your-azure-databricks-cluster
from azureml.opendatasets import NycTlcYellow

from datetime import datetime
from dateutil import parser


end_date = parser.parse('2018-06-06')
start_date = parser.parse('2018-05-01')
nyc_tlc = NycTlcYellow(start_date=start_date, end_date=end_date)
nyc_tlc_df = nyc_tlc.to_spark_dataframe()

display(nyc_tlc_df.limit(5))

Azure Synapse

# This is a package in preview.
from azureml.opendatasets import NycTlcYellow

from datetime import datetime
from dateutil import parser

end_date = parser.parse('2018-06-06')
start_date = parser.parse('2018-05-01')
nyc_tlc = NycTlcYellow(start_date=start_date, end_date=end_date)
nyc_tlc_df = nyc_tlc.to_spark_dataframe()

# Display top 5 rows
display(nyc_tlc_df.limit(5))

Pasos siguientes

Consulte el resto de los conjuntos de datos en el catálogo de Open Datasets.