Bezpečnostní data Seattlu

Výjezdy hasičů v Seattlu v reakci na zavolání na linku 911.

Poznámka

Microsoft poskytuje datové sady Azure Open Datasets podle toho, jak je. Společnost Microsoft neposkytuje žádné záruky, výslovné nebo implicitní záruky nebo podmínky týkající se vašeho používání datových sad. V rozsahu povoleném podle vašeho místního práva Microsoft zřeknou veškerou odpovědnost za případné škody nebo ztráty, včetně přímých, následných, speciálních, nepřímých, náhodných nebo represivních, vyplývajících z vašeho používání datových sad.

Na tuto datovou sadu se vztahují původní podmínky, které Microsoft přijal se zdrojovými daty. Datová sada může obsahovat data pocházející z Microsoftu.

Objem a uchovávání

Tato datová sada se uchovává ve formátu Parquet. Aktualizuje se každý den a obsahuje přibližně 800 000 řádků (20 MB) v roce 2019.

Tato datová sada obsahuje historické záznamy shromážděné od roku 2010 až do současnosti. Pomocí nastavení parametrů v naší sadě SDK můžete načíst data v určitém časovém rozsahu.

Umístění úložiště

Tato datová sada se uchovává v oblasti Azure Východní USA. Pro spřažení doporučujeme vyhledat výpočetní prostředky v oblasti USA – východ.

Další informace

Zdrojem této datové sady je vedení města Seattle. Další informace najdete na webu Města Seattle. Pro podmínky použití této datové sady si prohlédněte podmínky licencování a přiřazení. Pokud ohledně tohoto zdroje dat máte jakékoli dotazy, zašlete e-mail na adresu open.data@seattle.gov.

Sloupce

Name	Datový typ	Jedinečná	Hodnoty (ukázka)	Popis
adresa	řetězec	196,965	517 3. Av 318 2nd Av Et S	Místo incidentu
category	řetězec	232	Odpověď lékaře pomoci	Typ reakce
dataSubtype	řetězec	1	911_Fire	"911_Fire"
dataType	řetězec	1	Bezpečnost	"Bezpečnost"
data a času.	časové razítko	1,533,401	2020-11-04 06:49:00 2019-06-19 13:49:00	Datum a čas volání
zeměpisná šířka	double	94,332	47.602172 47.600194	Toto je hodnota zeměpisné šířky. Čáry zeměpisné šířky jsou rovnoběžné s rovníkem.
Délky	double	79,492	-122.330863 -122.330541	Toto je hodnota zeměpisné délky. Čáry zeměpisné délky jsou kolmé na čáry zeměpisné šířky a všechny procházejí oběma póly.

Preview

dataType	dataSubtype	data a času.	category	Podkategorie	status	adresa	zeměpisná šířka	Délky	source	extendedProperties
Bezpečnost	911_Fire	4.28.2021 5:22:00	Požár odpadků	null	null	200 University St	47.607299	-122.337087	null
Bezpečnost	911_Fire	4.28.2021 5:15:00	Triaged Incident	null	null	6. Ave / Olivová cesta	47.61313	-122.336282	null
Bezpečnost	911_Fire	4/28/2021 5:12:00	Odpověď na podporu	null	null	4. Ave S / Seattle Blvd S	47.596486	-122.329046	null
Bezpečnost	911_Fire	4/28/2021 5:09:00	Požár odpadků	null	null	3. Ave / Univerzita St.	47.607763	-122.335976	null
Bezpečnost	911_Fire	4/28/2021 4:57:00	Odpověď nízké přesnosti	null	null	533 3. Ave W	47.623717	-122.360635	null
Bezpečnost	911_Fire	4/28/2021 4:57:00	Trans do AMR	null	null	4638 S Austin St	47.534702	-122.274812	null
Bezpečnost	911_Fire	4/28/2021 4:55:00	Třídění incidentů	null	null	8. Ave N / Harrison St	47.622051	-122.341066	null

Přístup k datům

Azure Notebooks

azureml-opendatasets

Tip

Obsah souboru DownloadNotebook?serviceType=AzureNotebooks&package=azureml-opendatasets&registryId=city_safety_seattle. Otevřete GitHub.

# 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

Tip

Místo toho si poznámkový blok stáhněte.

# 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

Ukázka není k dispozici pro tuto kombinaci platforem nebo balíčků.

SQL

Ukázka není k dispozici pro tuto kombinaci platforem nebo balíčků.

Azure Databricks

azureml-opendatasets

Tip

Místo toho si poznámkový blok stáhněte.

# 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

Ukázka není k dispozici pro tuto kombinaci platforem nebo balíčků.

pyspark

Tip

Místo toho si poznámkový blok stáhněte.

# 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

Ukázka není k dispozici pro tuto kombinaci platforem nebo balíčků.

Azure Synapse

azureml-opendatasets

Tip

Místo toho si poznámkový blok stáhněte.

# 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

Ukázka není k dispozici pro tuto kombinaci platforem nebo balíčků.

pyspark

Tip

Místo toho si poznámkový blok stáhněte.

# 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];

Příklady

• Podívejte se na příklad analýzy bezpečnosti města na GitHub.

Další kroky

Zobrazte zbývající datové sady v katalogu Open Datasets.