Seattle Valv ty Data

Larmrapporter från brandkåren i Seattle.

Kommentar

Microsoft tillhandahåller Azure Open Datasets i befintligt fall. Microsoft ger inga garantier, uttryckliga eller underförstådda garantier eller villkor för din användning av datauppsättningarna. I den utsträckning som tillåts enligt din lokala lag frånsäger sig Microsoft allt ansvar för eventuella skador eller förluster, inklusive direkt, följdriktig, särskild, indirekt, tillfällig eller straffbar, till följd av din användning av datauppsättningarna.

Datamängden tillhandahålls enligt de ursprungliga villkor som gällde när Microsoft tog emot källdatan. Datamängden kan innehålla data från Microsoft.

Volym och kvarhållning

Datamängden lagras i Parquet-format. Den uppdateras dagligen och innehåller cirka 800 000 rader (20 MB) under 2019.

Datamängden innehåller historiska poster som ackumulerats från 2010 fram till nutid. Du kan använda parameterinställningar i vår SDK till att hämta data inom ett specifikt tidsintervall.

Lagringsplats

Datamängden lagras i Azure-regionen Östra USA. Vi rekommenderar att du letar upp beräkningsresurser i USA, östra för tillhörighet.

Ytterligare information

Den här datamängden hämtas från Seattles myndigheter. Mer information finns på seattles webbplats. Visa licensiering och attribution för villkoren för att använda den här datauppsättningen. Du kan skicka ett e-postmeddelande till open.data@seattle.gov om du har frågor om datakällan.

Kolumner

Name	Datatyp	Unik	Värden (exempel)	beskrivning
Adress	sträng	196,965	517 3rd Av 318 2nd Av Et S	Plats för incidenten.
category	sträng	232	Aid Response Medic Response	Svarstyp.
dataSubtype	sträng	1	911_Fire	"911_Fire"
Datatyp	sträng	1	Säkerhet	"Valv ty"
Datetime	timestamp	1,533,401	2020-11-04 06:49:00 2019-06-19 13:49:00	Datum och tid för samtalet.
latitude	dubbel	94,332	47.602172 47.600194	Detta är latitudvärdet. Latitudlinjerna är parallella med ekvatorn.
longitud	dubbel	79,492	-122.330863 -122.330541	Detta är longitudvärdet. Longitudlinjerna löper lodrätt mot latitudlinjerna och alla linjer passerar båda polerna.

Förhandsgranskning

Datatyp	dataSubtype	Datetime	category	Underkategori	status	Adress	latitude	longitud	source	extendedProperties
Säkerhet	911_Fire	2021-04-28 05:22:00	Skräpbrand	null	null	200 Högskolan St	47.607299	-122.337087	NULL
Säkerhet	911_Fire	2021-04-28 05:15:00	Prioriterad incident	null	null	6. Ave / Olive Way	47.61313	-122.336282	NULL
Säkerhet	911_Fire	2021-04-28 05:12:00	Biståndssvar	null	null	4. Ave S / Seattle Blvd S	47.596486	-122.329046	NULL
Säkerhet	911_Fire	2021-04-28 05:09:00	Skräpbrand	null	null	3. Ave / University St	47.607763	-122.335976	NULL
Säkerhet	911_Fire	2021-04-28 04:57:00	Svar med låg skärpa	null	null	533 3rd Ave W	47.623717	-122.360635	NULL
Säkerhet	911_Fire	2021-04-28 04:57:00	Trans till AMR	null	null	4638 S Austin St	47.534702	-122.274812	NULL
Säkerhet	911_Fire	2021-04-28 04:55:00	Prioriterad incident	null	null	8. Ave N / Harrison St	47.622051	-122.341066	NULL

Dataåtkomst

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

Exempel är inte tillgängligt för den här kombinationen av plattform/paket.

SQL

Exempel är inte tillgängligt för den här kombinationen av plattform/paket.

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

Exempel är inte tillgängligt för den här kombinationen av plattform/paket.

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

Exempel är inte tillgängligt för den här kombinationen av plattform/paket.

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

Exempel är inte tillgängligt för den här kombinationen av plattform/paket.

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];

Exempel

• Se exemplet City Valv ty Analytics på GitHub.

Nästa steg

Visa resten av datauppsättningarna i katalogen Öppna datamängder.