Dati sulla sicurezza Seattle

Risposte a chiamate al numero 911 del Seattle Fire Department.

Nota

Microsoft fornisce set di dati aperti di Azure “così come sono”. Microsoft non fornisce alcuna garanzia, espressa o implicita, né alcuna condizione in merito all'uso dei set di dati da parte dell'utente. Nella misura consentita dalle leggi locali, Microsoft declina ogni responsabilità per eventuali danni o perdite, inclusi danni diretti, consequenziali, speciali, indiretti, accidentali o punitivi, derivanti dall'uso dei set di dati da parte dell'utente.

Questo set di dati viene fornito in conformità con le condizioni originali in base alle quali Microsoft ha ricevuto i dati di origine. Il set di dati potrebbe includere dati provenienti da Microsoft.

Volume e conservazione

Il set di dati viene archiviato nel formato Parquet. Viene aggiornato ogni giorno e contiene circa 800.000 righe (20 MB) nel 2019.

Questo set di dati include record cronologici accumulati dal 2010 a oggi. Puoi usare le impostazioni dei parametri nell'SDK per recuperare i dati entro un intervallo di tempo specifico.

Posizione di archiviazione

Questo set di dati è archiviato nell'area Stati Uniti orientali di Azure. È consigliabile posizionare le risorse di calcolo negli Stati Uniti orientali per finalità di affinità.

Informazioni aggiuntive

Il set di dati viene generato dalla pubblica amministrazione della città di Seattle. Per altre informazioni, vedere il sito Web della città di Seattle. Visualizzare le Licenze e attribuzione per le condizioni di utilizzo di questo set di dati. Invia un messaggio di posta elettronica a open.data@seattle.gov se hai domande sull'origine dati.

Colonne

Nome	Tipo di dati	Unica	Valori (esempio)	Descrizione
address	string	196,965	517 3rd Av 318 2nd Av Et S	Posizione dell'evento.
category	string	232	Intervento di aiuto Intervento medico	Tipo di risposta.
dataSubtype	string	1	911_Fire	“911_Fire”
dataType	string	1	Sicurezza	“Sicurezza”
dateTime	timestamp	1,533,401	04-11-2020 06:49:00 19-06-2019 13:49:00	Data e ora della chiamata.
latitude	double	94,332	47.602172 47.600194	Valore della latitudine. Le linee della latitudine sono parallele all'equatore.
longitude	double	79,492	-122.330863 -122.330541	Valore della longitudine. Le linee della longitudine sono perpendicolari alle linee della latitudine e attraversano tutte entrambi i poli.

Anteprima

dataType	dataSubtype	dateTime	category	sottocategoria	stato	address	latitude	longitude	source	extendedProperties
Sicurezza	911_Fire	28/04/2021 5:22:00	Incendio di rifiuti	Null	Null	200 University St	47.607299	-122.337087	Null
Sicurezza	911_Fire	28/04/2021 5:15:00	Evento imprevisto di valutazione	Null	Null	6th Ave / Olive Way	47.61313	-122.336282	Null
Sicurezza	911_Fire	28/04/2021 5:12:00	Intervento di aiuto	Null	Null	4th Ave S / Seattle Blvd S	47.596486	-122.329046	Null
Sicurezza	911_Fire	28/04/2021 5:09:00	Incendio di rifiuti	Null	Null	3rd Ave / University St	47.607763	-122.335976	Null
Sicurezza	911_Fire	28/04/2021 4:57:00	Risposta a bassa intensità	Null	Null	533 3rd Ave W	47.623717	-122.360635	Null
Sicurezza	911_Fire	28/04/2021 4:57:00	Trasmetti a AMR	Null	Null	4638 S Austin St	47.534702	-122.274812	Null
Sicurezza	911_Fire	28/04/2021 4:55:00	Evento imprevisto di valutazione	Null	Null	8th Ave N / Harrison St	47.622051	-122.341066	Null

Accesso ai dati

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

Campione non disponibile per questa combinazione di piattaforma/pacchetto.

SQL

Campione non disponibile per questa combinazione di piattaforma/pacchetto.

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

Campione non disponibile per questa combinazione di piattaforma/pacchetto.

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

Campione non disponibile per questa combinazione di piattaforma/pacchetto.

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

Campione non disponibile per questa combinazione di piattaforma/pacchetto.

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];

Esempi

• Vedere l'esempio City Safety Analytics su GitHub.

Passaggi successivi

Visualizzare il resto dei set di dati nel catalogo dei set di dati aperti.