Datos de seguridad de Seattle

Servicios de los bomberos de Seattle por llamadas al 911.

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. Se actualiza diariamente y contiene unas 800 000 filas (20 MB) en 2019.

Este conjunto de datos contiene registros históricos acumulados desde 2010 hasta la actualidad. 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 buscar la afinidad de los recursos de proceso en esta región.

Información adicional

Este conjunto de datos se alimenta con los datos de la administración pública de la ciudad de Seattle. Para más información, consulte el sitio web de la ciudad de Seattle. Consulte Licencia y atribución de los términos de uso de este conjunto de datos. Envíe un correo electrónico a la dirección open.data@seattle.gov si tiene alguna duda sobre el origen de los datos.

Columnas

Nombre	Tipo de datos	Único	Valores (ejemplo)	Descripción
address	string	196,965	517 3rd Av 318 2nd Av Et S	Ubicación del incidente.
category	string	232	Aid Response Medic Response	Tipo de respuesta.
dataSubtype	string	1	911_Fire	“911_Fire”
dataType	string	1	Seguridad	“Safety”
dateTime	timestamp	1,533,401	2020-11-04 06:49:00 2019-06-19 13:49:00	Fecha y hora de la llamada.
latitude	double	94,332	47.602172 47.600194	Este es el valor de la latitud. Las líneas de la latitud son paralelas al ecuador.
longitude	double	79,492	-122.330863 -122.330541	Este es el valor de la longitud. Las líneas de la longitud son perpendiculares a las líneas de la latitud y todas pasan por los dos polos.

Vista previa

dataType	dataSubtype	dateTime	category	subcategory	status	address	latitude	longitude	source	extendedProperties
Seguridad	911_Fire	4/28/2021 5:22:00 AM	Rubbish Fire	null	null	200 University St	47.607299	-122.337087	null
Seguridad	911_Fire	4/28/2021 5:15:00 AM	Triaged Incident	null	null	6th Ave / Olive Way	47.61313	-122.336282	null
Seguridad	911_Fire	4/28/2021 5:12:00 AM	Aid Response	null	null	4th Ave S / Seattle Blvd S	47.596486	-122.329046	null
Seguridad	911_Fire	4/28/2021 5:09:00 AM	Rubbish Fire	null	null	3rd Ave / University St	47.607763	-122.335976	null
Seguridad	911_Fire	4/28/2021 4:57:00 AM	Low Acuity Response	null	null	533 3rd Ave W	47.623717	-122.360635	null
Seguridad	911_Fire	4/28/2021 4:57:00 AM	Trans to AMR	null	null	4638 S Austin St	47.534702	-122.274812	null
Seguridad	911_Fire	4/28/2021 4:55:00 AM	Triaged Incident	null	null	8th Ave N / Harrison St	47.622051	-122.341066	null

Acceso a datos

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

Ejemplo no disponible para esta combinación de plataforma y paquete.

SQL

Ejemplo no disponible para esta combinación de plataforma y paquete.

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

Ejemplo no disponible para esta combinación de plataforma y paquete.

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

Ejemplo no disponible para esta combinación de plataforma y paquete.

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

Ejemplo no disponible para esta combinación de plataforma y paquete.

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];

Ejemplos

• Consulte el ejemplo City Safety Analytics en GitHub.

Pasos siguientes

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