Veiligheidsgegevens seattle

Artikel
12/06/2023

911-meldingen voor de brandweer van Seattle.

Notitie

Microsoft biedt Azure Open Datasets op basis van 'zoals is'. Microsoft geeft geen garanties, uitdrukkelijk of impliciet, garanties of voorwaarden met betrekking tot uw gebruik van de gegevenssets. Voor zover toegestaan volgens uw lokale wetgeving, wijst Microsoft alle aansprakelijkheid af voor eventuele schade of verliezen, waaronder directe, gevolgschade, speciale, indirecte, incidentele of strafbare gegevenssets, die het gevolg zijn van uw gebruik van de gegevenssets.

Deze gegevensset wordt geleverd onder de oorspronkelijke voorwaarden dat Microsoft de brongegevens heeft ontvangen. De gegevensset kan gegevens bevatten die afkomstig zijn van Microsoft.

Volume en retentie

Deze gegevensset wordt opgeslagen in de Parquet-indeling. Het wordt dagelijks bijgewerkt en bevat ongeveer 800.000 rijen (20 MB) in 2019.

Deze gegevensset bevat historische records die vanaf 2010 tot heden zijn verzameld. U kunt in onze SDK gebruikmaken van parameterinstellingen om gegevens op te halen binnen een specifiek tijdsbereik.

Opslaglocatie

Deze gegevensset wordt opgeslagen in de Azure-regio US - oost. We raden u aan rekenresources in VS - oost te zoeken voor affiniteit.

Aanvullende informatie

Deze gegevensset is afkomstig van het stadsbestuur van Seattle. Zie de website van Seattle voor meer informatie. Bekijk de licentie- en attributie voor de voorwaarden voor het gebruik van deze gegevensset. Stuur een e-mail naar open.data@seattle.gov als u vragen hebt over de gegevensbron.

Kolommen

Naam	Gegevenstype	Uniek	Waarden (voorbeeld)	Beschrijving
Adres	tekenreeks	196,965	517 3e Av 318 2e Av Et S	De locatie van het incident.
category	tekenreeks	232	Hulpreactie Medic-antwoord	Reactietype.
dataSubtype	tekenreeks	1	911_Fire	"911_Fire"
Datatype	tekenreeks	1	Veiligheid	"Veiligheid"
dateTime	timestamp	1,533,401	2020-11-04 06:49:00 2019-06-19 13:49:00	De datum en tijd van de oproep.
breedtegraad	dubbel	94,332	47.602172 47.600194	Dit is de waarde voor de breedtegraad. Breedtegraden lopen parallel aan de evenaar.
lengtegraad	dubbel	79,492	-122.330863 -122.330541	Dit is de waarde voor de lengtegraad. Lengtegraden staan haaks op breedtegraden en doorkruisen beide polen.

Preview

Datatype	dataSubtype	dateTime	category	Subcategorie	status	Adres	breedtegraad	lengtegraad	source
Veiligheid	911_Fire	28-4-2021 5:22:00 uur	Afvalvuur	Nul	Nul	200 University St	47.607299	-122.337087	Nul
Veiligheid	911_Fire	28-4-2021 5:15:00 uur	Triaged Incident	Nul	Nul	6th Ave / Olive Way	47.61313	-122.336282	Nul
Veiligheid	911_Fire	28-4-2021 5:12:00 uur	Antwoord op hulp	Nul	Nul	4th Ave S / Seattle Azure S	47.596486	-122.329046	Nul
Veiligheid	911_Fire	28-4-2021 5:09:00 uur	Afvalvuur	Nul	Nul	3rd Ave / University St	47.607763	-122.335976	Nul
Veiligheid	911_Fire	28-4-2021 4:57:00 uur	Lage acuiteitsreactie	Nul	Nul	533 3e Ave W	47.623717	-122.360635	Nul
Veiligheid	911_Fire	28-4-2021 4:57:00 uur	Trans naar AMR	Nul	Nul	4638 S Austin St	47.534702	-122.274812	Nul
Veiligheid	911_Fire	28-4-2021 4:55:00 uur	Triaged Incident	Nul	Nul	8e Ave N / Harrison St	47.622051	-122.341066	Nul

Toegang tot gegevens

Azure Notebooks

# 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()

# 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

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 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 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'))

Azure Synapse

# 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 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'))

SELECT
    TOP 100 *
FROM
    OPENROWSET(
        BULK             'https://azureopendatastorage.blob.core.windows.net/citydatacontainer/Safety/Release/city=Seattle/*.parquet',
        FORMAT         = 'parquet'
    ) AS [r];

Voorbeelden

Zie het voorbeeld van City Safety Analytics op GitHub.

Volgende stappen

Bekijk de rest van de gegevenssets in de catalogus Open Datasets.