Seattle Széf ty Data

A Seattle-i tűzoltóság segélyhívásra reagáló intézkedései.

Megjegyzés:

A Microsoft az Azure Open Datasets szolgáltatást "adott módon" biztosítja. A Microsoft nem vállal kifejezett vagy vélelmezett garanciát vagy feltételeket az adathalmazok Ön általi használatára vonatkozóan. A microsoft a helyi jogszabályok által megengedett mértékben kizár minden felelősséget az adathalmazok használatából eredő károkért vagy veszteségekért, beleértve a közvetlen, következményi, különleges, közvetett, incidenses vagy büntető jellegű károkat is.

Az adatkészletet a Microsoft forrásadataihoz tartozó eredeti feltételek szerint szolgáltatjuk. A készlet tartalmazhat Microsofttól származó adatokat.

Kötet és megőrzés

Az adatkészlet Parketta formátumban van tárolva. Naponta frissül, és 2019-ben körülbelül 800 000 sort (20 MB) tartalmaz.

Az adatkészlet a 2010-től napjainkig összegyűlt rekordokat tartalmazza. Adott időtartomány adatainak beolvasásához az általunk biztosított SDK paraméterbeállításait használhatja.

Tárolási hely

Az adatkészlet tárolási helye a Kelet-USA Azure-régió. Javasoljuk, hogy az USA keleti régiójában keresse meg a számítási erőforrásokat az affinitás érdekében.

További információk

Az adatkészlet Seattle város közigazgatási szerveitől származik. További információkért lásd Seattle város webhelyét. Tekintse meg az adathalmaz használati feltételeinek licencelését és hozzárendelését. Az adatforrással kapcsolatos kérdéseket e-mailben teheti fel ezen a címen: open.data@seattle.gov.

Oszlopok

Név	Adattípus	Egyedi	Values (sample)	Leírás
Cím	sztring	196,965	517 3. av 318 2. Av Et S	Az incidens helye.
kategória	sztring	232	Támogatási válasz – Medic válasz	Válasz típusa.
dataSubtype	sztring	1	911_Fire	"911_Fire"
Adattípus	sztring	1	Biztonság	"Széf ty"
Datetime	timestamp	1,533,401	2020-11-04 06:49:00 2019-06-19 13:49:00	A hívás dátuma és időpontja.
latitude	double	94,332	47.602172 47.600194	Ez a földrajzi szélesség értéke. A földrajzi szélességi vonalak párhuzamosak az egyenlítővel.
hosszúság	double	79,492	-122.330863 -122.330541	Ez a földrajzi hosszúság értéke. A hosszúsági körök merőlegesek a szélességi körökre, és mindkét sarkkört érintik.

Előnézet megtekintése

Adattípus	dataSubtype	Datetime	kategória	Alkategória	status	Cím	latitude	hosszúság	forrás	extendedProperties
Biztonság	911_Fire	2021. 04. 28. 05:22:00	Szeméttűz	null	null	200 University St	47.607299	-122.337087	null
Biztonság	911_Fire	2021.04.28. 05:15:00	Triaged incidens	null	null	6. Ave / Olive Way	47.61313	-122.336282	null
Biztonság	911_Fire	2021.04.28. 05:12:00	Támogatási válasz	null	null	4. Ave S / Seattle Blvd S	47.596486	-122.329046	null
Biztonság	911_Fire	2021.04.28. 05:09:00	Szeméttűz	null	null	3. Ave / University St	47.607763	-122.335976	null
Biztonság	911_Fire	2021.04.28. 04:57:00	Alacsony acuity válasz	null	null	533 3. Ave W	47.623717	-122.360635	null
Biztonság	911_Fire	2021.04.28. 04:57:00	Trans to AMR	null	null	4638 S Austin St	47.534702	-122.274812	null
Biztonság	911_Fire	2021.04.28. 04:55:00	Triaged incidens	null	null	8. Ave N / Harrison St	47.622051	-122.341066	null

Az adatok elérése

Azure Notebooks

azureml-opendatasets

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

from datetime import datetime
from dateutil import parser


end_date = parser.parse('2016-01-01')
start_date = parser.parse('2015-05-01')
safety = SeattleSafety(start_date=start_date, end_date=end_date)
safety = safety.to_pandas_dataframe()

safety.info()

azure-storage

# Pip install packages
import os, sys

!{sys.executable} -m pip install azure-storage-blob
!{sys.executable} -m pip install pyarrow
!{sys.executable} -m pip install pandas

# Azure storage access info
azure_storage_account_name = "azureopendatastorage"
azure_storage_sas_token = r""
container_name = "citydatacontainer"
folder_name = "Safety/Release/city=Seattle"

from azure.storage.blob import BlockBlobServicefrom azure.storage.blob import BlobServiceClient, BlobClient, ContainerClient

if azure_storage_account_name is None or azure_storage_sas_token is None:
    raise Exception(
        "Provide your specific name and key for your Azure Storage account--see the Prerequisites section earlier.")

print('Looking for the first parquet under the folder ' +
      folder_name + ' in container "' + container_name + '"...')
container_url = f"https://{azure_storage_account_name}.blob.core.windows.net/"
blob_service_client = BlobServiceClient(
    container_url, azure_storage_sas_token if azure_storage_sas_token else None)

container_client = blob_service_client.get_container_client(container_name)
blobs = container_client.list_blobs(folder_name)
sorted_blobs = sorted(list(blobs), key=lambda e: e.name, reverse=True)
targetBlobName = ''
for blob in sorted_blobs:
    if blob.name.startswith(folder_name) and blob.name.endswith('.parquet'):
        targetBlobName = blob.name
        break

print('Target blob to download: ' + targetBlobName)
_, filename = os.path.split(targetBlobName)
blob_client = container_client.get_blob_client(targetBlobName)
with open(filename, 'wb') as local_file:
    blob_client.download_blob().download_to_stream(local_file)

# Read the parquet file into Pandas data frame
import pandas as pd

print('Reading the parquet file into Pandas data frame')
df = pd.read_parquet(filename)

# you can add your filter at below
print('Loaded as a Pandas data frame: ')
df

pyspark

A minta nem érhető el ehhez a platform-/csomagkombinációhoz.

SQL

A minta nem érhető el ehhez a platform-/csomagkombinációhoz.

Azure Databricks

azureml-opendatasets

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

from datetime import datetime
from dateutil import parser


end_date = parser.parse('2016-01-01')
start_date = parser.parse('2015-05-01')
safety = SeattleSafety(start_date=start_date, end_date=end_date)
safety = safety.to_spark_dataframe()

display(safety.limit(5))

azure-storage

A minta nem érhető el ehhez a platform-/csomagkombinációhoz.

pyspark

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "citydatacontainer"
blob_relative_path = "Safety/Release/city=Seattle"
blob_sas_token = r""

# Allow SPARK to read from Blob remotely
wasbs_path = 'wasbs://%s@%s.blob.core.windows.net/%s' % (blob_container_name, blob_account_name, blob_relative_path)
spark.conf.set(
  'fs.azure.sas.%s.%s.blob.core.windows.net' % (blob_container_name, blob_account_name),
  blob_sas_token)
print('Remote blob path: ' + wasbs_path)

# SPARK read parquet, note that it won't load any data yet by now
df = spark.read.parquet(wasbs_path)
print('Register the DataFrame as a SQL temporary view: source')
df.createOrReplaceTempView('source')

# Display top 10 rows
print('Displaying top 10 rows: ')
display(spark.sql('SELECT * FROM source LIMIT 10'))

SQL

A minta nem érhető el ehhez a platform-/csomagkombinációhoz.

Azure Synapse

azureml-opendatasets

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

from datetime import datetime
from dateutil import parser


end_date = parser.parse('2016-01-01')
start_date = parser.parse('2015-05-01')
safety = SeattleSafety(start_date=start_date, end_date=end_date)
safety = safety.to_spark_dataframe()

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

azure-storage

A minta nem érhető el ehhez a platform-/csomagkombinációhoz.

pyspark

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "citydatacontainer"
blob_relative_path = "Safety/Release/city=Seattle"
blob_sas_token = r""

# Allow SPARK to read from Blob remotely
wasbs_path = 'wasbs://%s@%s.blob.core.windows.net/%s' % (blob_container_name, blob_account_name, blob_relative_path)
spark.conf.set(
  'fs.azure.sas.%s.%s.blob.core.windows.net' % (blob_container_name, blob_account_name),
  blob_sas_token)
print('Remote blob path: ' + wasbs_path)

# SPARK read parquet, note that it won't load any data yet by now
df = spark.read.parquet(wasbs_path)
print('Register the DataFrame as a SQL temporary view: source')
df.createOrReplaceTempView('source')

# Display top 10 rows
print('Displaying top 10 rows: ')
display(spark.sql('SELECT * FROM source LIMIT 10'))

SQL

SELECT
    TOP 100 *
FROM
    OPENROWSET(
        BULK             'https://azureopendatastorage.blob.core.windows.net/citydatacontainer/Safety/Release/city=Seattle/*.parquet',
        FORMAT         = 'parquet'
    ) AS [r];

Példák

• Tekintse meg a City Széf ty Analytics-példát a GitHubon.

További lépések

Tekintse meg a többi adathalmazt az Open Datasets katalógusban.