NYC Taxi & Limousine Commission - record relativi alle corse dei taxi verdi
I record relativi alle corse dei taxi verdi includono campi contenenti data e ora di partenza e di arrivo, luogo di partenza e di arrivo, distanze delle corse, dettaglio delle tariffe, tipi di tariffa, tipi di pagamento e numero di passeggeri segnalato dal tassista.
Nota
Microsoft fornisce set di dati aperti di Azure "come sono". Microsoft non offre alcuna garanzia esplicita o implicita, o condizione relativamente all'uso dei set di dati da parte dell'utente. Nella misura massima consentita dalle leggi locali, Microsoft non riconosce alcuna responsabilità relativa a danni o perdite, inclusi i danni diretti, consequenziali, speciali, indiretti, incidentali 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. Al 2018 sono presenti in totale circa 80 milioni di righe (2 GB).
Questo set di dati include record cronologici accumulati dal 2009 al 2018. 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. L'allocazione delle risorse di calcolo nell'area Stati Uniti orientali è consigliata per motivi di affinità.
Informazioni aggiuntive
NYC Taxi and Limousine Commission (TLC):
I dati sono stati raccolti e forniti a NYC Taxi and Limousine Commission (TLC) da fornitori di soluzioni tecnologiche autorizzati in conformità con i programmi Taxicab e Livery Passenger Enhancement Program (TPEP/LPEP). I dati relativi alle corse non sono stati creati da TLC e TLC non rilascia alcuna dichiarazione relativamente alla correttezza di tali dati.
Vedere il percorso del set di dati originale e le condizioni per l'utilizzo originali.
Colonne
| Nome | Tipo di dati | Unica | Valori (esempio) | Descrizione |
|---|---|---|---|---|
| doLocationId | string | 264 | 74 42 | DOLocationID dell'area taxi TLC in cui è stato attivato il tassametro. |
| dropoffLatitude | double | 109.721 | 40.7743034362793 40.77431869506836 | Deprecato a partire da 2016.07 |
| dropoffLongitude | double | 75.502 | -73.95272827148438 -73.95274353027344 | Deprecato a partire da 2016.07 |
| extra | double | 202 | 0.5 1.0 | Extra e maggiorazioni vari. Include attualmente solo gli addebiti pari a 0,50 USD e 1 USD per l'ora di punta e per la notte. |
| fareAmount | double | 10.367 | 6.0 5.5 | Tariffa in base a durata e distanza calcolata dal tassametro. |
| improvementSurcharge | string | 92 | 0.3 0 | Maggiorazione di $ 0,30 per il miglioramento del servizio aggiunta alla tariffa fissa sulle corse dei taxi chiamati in strada. La maggiorazione per il miglioramento del servizio viene applicata dal 2015. |
| lpepDropoffDatetime | timestamp | 58.100.713 | 22-05-2016 00:00:00 09-05-2016 00:00:00 | Data e ora in cui è stato disattivato il tassametro. |
| lpepPickupDatetime | timestamp | 58,157.349 | 22-10-2013 12:40:36 09-08-2014 15:54:25 | Data e ora in cui è stato attivato il contatore. |
| mtaTax | double | 34 | 0.5 -0.5 | Imposta MTA di $ 0,50 automaticamente attivata in base alla tariffa del tassametro in uso. |
| passengerCount | int | 10 | 1 2 | Numero di passeggeri nel veicolo. Si tratta di un valore immesso dall'autista. |
| paymentType | int | 5 | 2 1 | Codice numerico che indica il modo in cui il passeggero ha pagato la corsa. 1= Carta di credito 2= Contanti 3= Nessun addebito 4= Controversia 5= Sconosciuto 6= Viaggio annullato |
| pickupLatitude | double | 95.110 | 40.721351623535156 40.721336364746094 | Deprecato a partire da 2016.07 |
| pickupLongitude | double | 55.722 | -73.84429931640625 -73.84429168701172 | Deprecato a partire da 2016.07 |
| puLocationId | string | 264 | 74 41 | Valore TLC Taxi Zone in cui è stato attivato il tassametro. |
| puMonth | int | 12 | 3 5 | |
| puYear | int | 14 | 2015 2016 | |
| rateCodeID | int | 7 | 1 5 | Codice di tariffa finale in vigore alla fine della corsa. 1= Tariffa standard 2= JFK 3= Newark 4= Nassau o Westchester 5= Tariffa negoziata 6= Corsa di gruppo |
| storeAndFwdFlag | string | 2 | N Y | Questo flag indica se il record della corsa è stato conservato nella memoria del veicolo prima dell'invio al fornitore, noto anche come "archiviazione e inoltro" perché il veicolo non disponeva di una connessione al server. Y= corsa con archiviazione e inoltro N= non una corsa con archiviazione e inoltro |
| tipAmount | double | 6,206 | 1.0 2.0 | Importo delle mance: questo campo viene popolato automaticamente per le mance tramite carta di credito. Le mance in contanti non sono incluse. |
| tollsAmount | double | 2,150 | 5.54 5.76 | Importo totale di tutti i pedaggi pagati durante la corsa. |
| totalAmount | double | 20,188 | 7.8 6.8 | Importo totale addebitato ai passeggeri. Non include le mance in contanti. |
| tripDistance | double | 7,060 | 0.9 1.0 | Distanza percorsa durante la corsa in miglia segnalata dal tassametro. |
| tripType | int | 3 | 1 2 | Codice che indica se la corsa ha avuto inizio con una richiesta a bordo strada o una chiamata ufficiale assegnata automaticamente in base alla tariffa del tassametro in uso ma modificabile dal guidatore. 1= Street-hail 2= Dispatch |
| vendorID | int | 2 | 2 1 | Codice che indica il fornitore LPEP che ha fornito il record. 1= Creative Mobile Technologies, LLC; 2= VeriFone Inc. |
Anteprima
| vendorID | lpepPickupDatetime | lpepDropoffDatetime | passengerCount | tripDistance | puLocationId | doLocationId | rateCodeID | storeAndFwdFlag | paymentType | fareAmount | extra | mtaTax | improvementSurcharge | tipAmount | tollsAmount | totalAmount | tripType | puYear | puMonth |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2 | 24/06/2081 17:40:37 | 24/06/2081 18:42:47 | 1 | 16.95 | 93 | 117 | 1 | N | 1 | 52 | 1 | 0.5 | 0,3 | 0 | 2.16 | 55.96 | 1 | 2081 | 6 |
| 2 | 28/11/2030 12:19:29 | 28/11/2030 12:25:37 | 1 | 1.08 | 42 | 247 | 1 | N | 2 | 6.5 | 0 | 0.5 | 0,3 | 0 | 0 | 7.3 | 1 | 2030 | 11 |
| 2 | 28/11/2030 12:14:50 | 28/11/2030 12:14:54 | 1 | 0.03 | 42 | 42 | 5 | N | 2 | 5 | 0 | 0 | 0 | 0 | 0 | 5 | 2 | 2030 | 11 |
| 2 | 14/11/2020 11:38:07 | 14/11/2020 11:42:22 | 1 | 0,63 | 129 | 129 | 1 | N | 2 | 4.5 | 1 | 0.5 | 0,3 | 0 | 0 | 6.3 | 1 | 2020 | 11 |
| 2 | 14/11/2020 9:55:36 | 14/11/2020 10:04:54 | 1 | 3.8 | 82 | 138 | 1 | N | 2 | 12.5 | 1 | 0.5 | 0,3 | 0 | 0 | 14.3 | 1 | 2020 | 11 |
| 2 | 26/08/2019 16:18:37 | 26/08/2019 16:19:35 | 1 | 0 | 264 | 264 | 1 | N | 2 | 1 | 0 | 0.5 | 0,3 | 0 | 0 | 1.8 | 1 | 2019 | 8 |
| 2 | 1/07/2019 8:28:33 | 1/07/2019 8:32:33 | 1 | 0.71 | 7 | 7 | 1 | N | 1 | 5 | 0 | 0.5 | 0,3 | 1,74 | 0 | 7.54 | 1 | 2019 | 7 |
| 2 | 1/07/2019 12:04:53 | 1/07/2019 12:21:56 | 1 | 2.71 | 223 | 145 | 1 | N | 2 | 13 | 0.5 | 0.5 | 0,3 | 0 | 0 | 14.3 | 1 | 2019 | 7 |
| 2 | 1/07/2019 12:04:11 | 1/07/2019 12:21:15 | 1 | 3.14 | 166 | 142 | 1 | N | 2 | 14.5 | 0.5 | 0.5 | 0,3 | 0 | 0 | 18.55 | 1 | 2019 | 7 |
| 2 | 1/07/2019 12:03:37 | 1/07/2019 12:09:27 | 1 | 0,78 | 74 | 74 | 1 | N | 1 | 6 | 0.5 | 0.5 | 0,3 | 1,46 | 0 | 8.76 | 1 | 2019 | 7 |
Accesso ai dati
Azure Notebooks
# This is a package in preview.
from azureml.opendatasets import NycTlcGreen
from datetime import datetime
from dateutil import parser
end_date = parser.parse('2018-06-06')
start_date = parser.parse('2018-05-01')
nyc_tlc = NycTlcGreen(start_date=start_date, end_date=end_date)
nyc_tlc_df = nyc_tlc.to_pandas_dataframe()
nyc_tlc_df.info()
Azure Databricks
# 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 NycTlcGreen
from datetime import datetime
from dateutil import parser
end_date = parser.parse('2018-06-06')
start_date = parser.parse('2018-05-01')
nyc_tlc = NycTlcGreen(start_date=start_date, end_date=end_date)
nyc_tlc_df = nyc_tlc.to_spark_dataframe()
display(nyc_tlc_df.limit(5))
Azure Synapse
# This is a package in preview.
from azureml.opendatasets import NycTlcGreen
from datetime import datetime
from dateutil import parser
end_date = parser.parse('2018-06-06')
start_date = parser.parse('2018-05-01')
nyc_tlc = NycTlcGreen(start_date=start_date, end_date=end_date)
nyc_tlc_df = nyc_tlc.to_spark_dataframe()
# Display top 5 rows
display(nyc_tlc_df.limit(5))
# Display data statistic information
display(nyc_tlc_df, summary = True)
Passaggi successivi
Visualizzare il resto dei set di dati nel catalogo dei set di dati aperti.