Dane pokazowe NYC Taxi do samouczków SQL Server dotyczących języków Python i R

Dotyczy: SQL Server 2016 (13.x) i nowsze wersje usługi Azure SQL Managed Instance

W tym artykule wyjaśniono, jak skonfigurować przykładową bazę danych składającą się z danych publicznych z Nowojorskiej Komisji Taksówki i Limuzyny. Te dane są używane w kilku samouczkach języka R i Python na potrzeby analizy w bazie danych w programie SQL Server. Aby przyspieszyć uruchamianie przykładowego kodu, utworzyliśmy 1-procentową reprezentatywną próbkę danych. W systemie plik kopii zapasowej bazy danych jest nieco ponad 90 MB, zapewniając 1,7 miliona wierszy w podstawowej tabeli danych.

Aby ukończyć to ćwiczenie, należy mieć program SQL Server Management Studio (SSMS) lub inne narzędzie, które może przywrócić plik kopii zapasowej bazy danych i uruchomić zapytania T-SQL.

Samouczki i szybkie starty, korzystające z tego zestawu danych, zawierają następujące artykuły:

• Poznaj analizę w bazie danych przy użyciu języka R w programie SQL Server
• Nauka analizy w bazie danych przy użyciu języka Python w programie SQL Server

Pobieranie plików

Przykładowa baza danych to plik kopii zapasowej programu SQL Server 2016 (.bak) hostowany przez firmę Microsoft. Można przywrócić je w programie SQL Server 2016 lub nowszym. Pobieranie pliku rozpoczyna się natychmiast po otwarciu linku.

Rozmiar pliku wynosi około 90 MB.

Uwaga / Notatka

Aby przywrócić przykładową bazę danych w klastrach danych big data programu SQL Server, pobierz NYCTaxi_Sample.bak i postępuj zgodnie z instrukcjami w temacie Przywracanie bazy danych do wystąpienia głównego klastra danych big data programu SQL Server.

1. Pobierz plik kopii zapasowej bazy danych NYCTaxi_Sample.bak .

2. Skopiuj plik do C:\Program files\Microsoft SQL Server\MSSQL-instance-name\MSSQL\Backup lub podobnej ścieżki dla domyślnego Backup folderu wystąpienia.

3. W programie SSMS kliknij prawym przyciskiem myszy pozycję Bazy danych i wybierz polecenie Przywróć pliki i grupy plików.

4. Wprowadź NYCTaxi_Sample jako nazwę bazy danych.

5. Wybierz pozycję Z urządzenia , a następnie otwórz stronę wyboru pliku, aby wybrać plik kopii zapasowej NYCTaxi_Sample.bak . Wybierz pozycję Dodaj , aby wybrać pozycję NYCTaxi_Sample.bak.

6. Zaznacz pole wyboru Przywróć i wybierz przycisk OK , aby przywrócić bazę danych.

Przegląd obiektów bazy danych

Upewnij się, że obiekty bazy danych istnieją w wystąpieniu programu SQL Server przy użyciu programu SQL Server Management Studio. Powinna zostać wyświetlona baza danych, tabele, funkcje i procedury składowane.

Obiekty w bazie danych NYCTaxi_Sample

W poniższej tabeli podsumowano obiekty utworzone w bazie danych demonstracyjnej NYC Taxi.

Nazwa obiektu	Typ obiektu	Opis
NYCTaxi_Sample	baza danych	Tworzy bazę danych i dwie tabele: dbo.nyctaxi_sample tabela: zawiera główny zestaw danych nowojorskich taksówek. Indeks sklepu kolumnowego z klastrowaniem jest dodawany do tabeli w celu zwiększenia wydajności przechowywania i przetwarzania zapytań. Do tej tabeli wstawiono 1% próbek zestawu danych NYC Taxi. dbo.nyc_taxi_models tabela: służy do utrwalania wytrenowanego zaawansowanego modelu analizy.
fnCalculateDistance	funkcja skalarna	Oblicza bezpośrednią odległość między lokalizacjami odbioru a miejscami docelowymi. Ta funkcja jest używana w obszarze Tworzenie funkcji danych, Trenowanie i zapisywanie modelu oraz operacjonalizacja modelu języka R.
fnEngineerFeatures	funkcja zwracająca tabelę	Tworzy nowe funkcje danych na potrzeby trenowania modelu. Ta funkcja jest używana w artykule Tworzenie funkcji danych i operacjonalizacja modelu języka R.

Procedury składowane są tworzone przy użyciu skryptów w językach R i Python, które można znaleźć w różnych samouczkach. Poniższa tabela zawiera podsumowanie procedur składowanych, które można opcjonalnie dodać do bazy danych demonstracyjnej NYC Taxi podczas uruchamiania skryptu z różnych lekcji.

Procedura składowana	Język	Opis
RxPlotHistogram	R	Wywołuje funkcję RevoScaleR rxHistogram , aby wykreślić histogram zmiennej, a następnie zwraca wykres jako obiekt binarny. Ta procedura składowana jest używana w Eksplorowanie i wizualizowanie danych.
RPlotRHist	R	Tworzy grafikę przy użyciu Hist funkcji i zapisuje dane wyjściowe jako lokalny plik PDF. Ta procedura składowana jest używana w Eksplorowanie i wizualizowanie danych.
RxTrainLogitModel	R	Trenuje model regresji logistycznej, wywołując pakiet języka R. Model przewiduje wartość tipped kolumny i jest trenowany przy użyciu losowo wybranej 70% danych. Dane wyjściowe procedury składowanej to wytrenowany model, który jest zapisywany w tabeli dbo.nyc_taxi_models. Ta procedura składowana jest używana do trenowania i zapisywania modelu.
RxPredictBatchOutput	R	Wywołuje wytrenowany model w celu utworzenia przewidywań przy użyciu modelu. Procedura składowana akceptuje zapytanie jako parametr wejściowy i zwraca kolumnę wartości liczbowych zawierających wyniki dla wierszy wejściowych. Ta procedura składowana jest używana w funkcji Przewidywanie potencjalnych wyników.
RxPredictSingleRow	R	Wywołuje wytrenowany model w celu utworzenia przewidywań przy użyciu modelu. Ta procedura składowana akceptuje nową obserwację jako dane wejściowe, z poszczególnymi wartościami cech przekazanymi jako parametry wbudowane i zwraca wartość, która przewiduje wynik nowej obserwacji. Ta procedura składowana jest używana w funkcji Przewidywanie potencjalnych wyników.

Zapytaj dane

W ramach kroku weryfikacji uruchom zapytanie, aby potwierdzić przekazanie danych.

1. W Eksploratorze obiektów w obszarze Bazy danych kliknij prawym przyciskiem myszy bazę danych NYCTaxi_Sample i uruchom nowe zapytanie.

2. Uruchom kilka podstawowych zapytań:

   SELECT TOP(10) * FROM dbo.nyctaxi_sample;
   SELECT COUNT(*) FROM dbo.nyctaxi_sample;
   

Baza danych zawiera 1,7 miliona wierszy.

3. W bazie danych znajduje dbo.nyctaxi_sample się tabela zawierająca zestaw danych. Tabela została zoptymalizowana pod kątem obliczeń zbiorczych poprzez dodanie indeksu columnstore. Uruchom tę instrukcję, aby wygenerować szybkie podsumowanie w tabeli.

   SELECT DISTINCT [passenger_count]
       , ROUND (SUM ([fare_amount]),0) as TotalFares
       , ROUND (AVG ([fare_amount]),0) as AvgFares
   FROM [dbo].[nyctaxi_sample]
   GROUP BY [passenger_count]
   ORDER BY  AvgFares DESC
   

Wyniki powinny być podobne do tych wyświetlanych na poniższym zrzucie ekranu.

Dalsze kroki

Przykładowe dane dotyczące taksówek w Nowym Jorku są teraz dostępne do nauki praktycznej.

• Poznaj analizę w bazie danych przy użyciu języka R w programie SQL Server
• Nauka analizy w bazie danych przy użyciu języka Python w programie SQL Server