Komisja NYC Taxi & Limousine - zielone rekordy przejazdów taksówką
Rekordy dotyczące przejazdów zielonymi taksówkami zawierają pola daty i godziny rozpoczęcia oraz zakończenia kursu, miejsca rozpoczęcia i zakończenia kursu, pokonanej odległości, wyszczególnionych opłat, taryfy, metody płatności oraz liczby pasażerów podanej przez kierowcę.
Uwaga
Firma Microsoft udostępnia zestawy danych Azure Open Datasets w zasadzie "tak jak to jest". Firma Microsoft nie udziela żadnych gwarancji, wyraźnych lub domniemanych, gwarancji ani warunków w odniesieniu do korzystania z zestawów danych. W zakresie dozwolonym na mocy prawa lokalnego firma Microsoft nie ponosi odpowiedzialności za wszelkie szkody lub straty, w tym bezpośrednie, wynikowe, specjalne, pośrednie, przypadkowe lub karne wynikające z korzystania z zestawów danych.
Zestaw danych jest udostępniany zgodnie z pierwotnymi warunkami, na jakich firma Microsoft otrzymała dane źródłowe. Zestaw danych może zawierać dane pozyskane z firmy Microsoft.
Wolumin i przechowywanie
Ten zestaw danych jest przechowywany w formacie Parquet. Łącznie od 2018 r. istnieje około 80 mln wierszy (2 GB).
Ten zestaw danych zawiera historyczne rekordy z lat 2009–2018. Aby pobrać dane z konkretnego przedziału czasowego, należy użyć ustawień parametrów w zestawie SDK.
Lokalizacja magazynu
Ten zestaw danych jest przechowywany w regionie platformy Azure Wschodnie stany USA. Zalecamy przydzielanie zasobów obliczeniowych w regionie Wschodnie stany USA z uwagi na koligację.
Dodatkowe informacje
Komisja ds. taksówek i limuzyn miasta Nowy Jork (TLC):
Dane zostały zebrane i przekazane komisji nowojorskiej Taxi and Limousine Commission (TLC) przez dostawców technologii autoryzowanych w ramach Taxicab & Livery Passenger Enhancement Programs (TPEP/LPEP). Dane dotyczące przejazdów nie zostały utworzone przez TLC i komisja nie gwarantuje rzetelności tych danych.
Wyświetl oryginalną lokalizację zestawu danych i oryginalne warunki użytkowania.
Kolumny
| Nazwa | Typ danych | Unikatowe | Wartości (przykład) | Opis |
|---|---|---|---|---|
| doLocationId | ciąg | 264 | 74 42 | DOLocationID: strefa taksówkowa TLC, w której wyłączono taksometr. |
| dropoffLatitude | double | 109,721 | 40.7743034362793 40.77431869506836 | Przestarzałe od lipca 2016 |
| dropoffLongitude | double | 75,502 | -73.95272827148438 -73.95274353027344 | Przestarzałe od lipca 2016 |
| Dodatkowych | double | 202 | 0.5 1.0 | Różne opłaty dodatkowe. Obecnie ta wartość obejmuje tylko opłaty w wysokości 0,50 USD i 1 USD stosowane w godzinach szczytu i w nocy. |
| fareAmount | double | 10,367 | 6.0 5.5 | Opłata za czas i odległość według taksometru. |
| improvementSurcharge | ciąg | 92 | 0.3 0 | Opłata dodatkowa na fundusz modernizacyjny w wysokości 0,30 USD, naliczana w momencie rozpoczęcia przejazdu (kurs niezaplanowany). Pobieranie tej opłaty dodatkowej rozpoczęto w roku 2015. |
| lpepDropoffDatetime | sygnatura czasowa | 58,100,713 | 2016-05-22 00:00:00 2016-05-09 00:00:00 | Data i godzina wyłączenia taksometru. |
| lpepPickupDatetime | sygnatura czasowa | 58,157,349 | 2013-10-22 12:40:36 2014-08-09 15:54:25 | Data i godzina włączenia taksometru. |
| mtaTax | double | 34 | 0.5 -0.5 | Podatek miejski (MTA) w wysokości 0,50 USD, naliczany automatycznie w zależności od stosowanej taryfy taksometru. |
| pasażerCount | int | 10 | 1 2 | Liczba pasażerów w pojeździe. Tę wartość wprowadza kierowca. |
| typ płatności | int | 5 | 2 1 | Kod liczbowy oznaczający metodę płatności za przejazd. 1 = Karta kredytowa 2 = Gotówka 3 = Bez opłaty 4 = Spór 5 = Nieznany 6 = Nieważna podróż |
| pickupLatitude | double | 95,110 | 40.721351623535156 40.721336364746094 | Przestarzałe od lipca 2016 |
| pickupLongitude | double | 55,722 | -73.84429931640625 -73.84429168701172 | Przestarzałe od lipca 2016 |
| puLocationId | ciąg | 264 | 74 41 | Strefa taksówkowa TLC, w której włączono taksometr. |
| puMonth | int | 12 | 3 5 | |
| okres puYear | int | 14 | 2015 2016 | |
| rateCodeID | int | 7 | 1 5 | Kod taryfy stosowanej w momencie zakończenia przejazdu. 1 = stawka standardowa 2 = JFK 3 = Newark 4 = Nassau lub Westchester 5 = wynegocjowana taryfa 6 = jazda grupowa |
| storeAndFwdFlag | ciąg | 2 | N Y | Ta flaga wskazuje, czy rekord podróży był przechowywany w pamięci pojazdu przed wysłaniem do dostawcy, znany również jako "przechowywanie i przekazywanie", ponieważ pojazd nie miał połączenia z serwerem. Y = przechować i przesyłać dalej N = nie sklep i podróż do przodu |
| tipAmount | double | 6,206 | 1.0 2.0 | Kwota napiwku — pole wypełniane automatycznie w przypadku napiwków doliczonych do płatności kartą kredytową. Nie obejmuje napiwków w gotówce. |
| tollsAmount | double | 2,150 | 5.54 5.76 | Łączna kwota wszystkich opłat drogowych uiszczonych podczas przejazdu. |
| totalAmount | double | 20,188 | 7.8 6.8 | Łączna opłata obciążająca pasażerów. Nie obejmuje napiwków w gotówce. |
| tripDistance | double | 7,060 | 0.9 1.0 | Odległość przejazdu w milach według taksometru. |
| tripType | int | 3 | 1 2 | Kod określający rodzaj przejazdu: „z ulicy” lub wysłany przez dyspozytora. Jest określany automatycznie na podstawie stosowanej taryfy taksometru, ale może być zmieniony przez kierowcę. 1 = grad uliczny 2 = wysyłka |
| Vendorid | int | 2 | 2 1 | Kod wskazujący dostawcę danego rekordu w ramach programu LPEP. 1 = Creative Mobile Technologies, LLC; 2 = VeriFone Inc. |
Wersja zapoznawcza
| Vendorid | lpepPickupDatetime | lpepDropoffDatetime | pasażerCount | tripDistance | puLocationId | doLocationId | rateCodeID | storeAndFwdFlag | typ płatności | fareAmount | Dodatkowych | mtaTax | improvementSurcharge | tipAmount | tollsAmount | totalAmount | tripType | okres 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 | 28.01.2030 12:19:29 | 11/28/2030 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 | 11/28/2030 12:14:50 | 11/28/2030 12:14:54 | 1 | 0.03 | 42 | 42 | 5 | N | 2 | 5 | 0 | 0 | 0 | 0 | 0 | 5 | 2 | 2030 | 11 |
| 2 | 11.14.2020 11:38:07 | 11.14.2020 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 | 11.14.2020 9:55:36 | 11.14.2020 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 19:19:35 | 1 | 0 | 264 | 264 | 1 | N | 2 | 1 | 0 | 0,5 | 0.3 | 0 | 0 | 1.8 | 1 | 2019 | 8 |
| 2 | 7/1/2019 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 |
Dostęp do danych
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://docs.microsoft.com/en-us/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)
Następne kroki
Wyświetl pozostałe zestawy danych w katalogu Open Datasets (Otwarte zestawy danych).