H3-snabbstart (Databricks SQL)

Snabbstarten för geospatiala H3-funktioner på den här sidan illustrerar följande:

• Så här läser du in geoplatsdatauppsättningar i Unity-katalogen.
• Konvertera latitud- och longitudkolumner till H3-cellkolumner.
• Konvertera postnummerpolygon- eller flerpolygon-WKT-kolumner till H3-cellkolumner.
• Så här gör du en förfrågan om hämt- och avlämninganalys från LaGuardia flygplats till Manhattans finanskvarter.
• Så här renderar du Aggregeringsantal för H3 på en karta.

Exempel på notebook-filer och frågor

Förbereda Unity-katalogdata

I den här notebook-filen:

• Konfigurera den offentliga taxidatauppsättningen från Databricks-filsystemet.
• Konfigurera datauppsättningen NYC-postnummerområde.

Förbered Unity-katalogdata

Hämta bärbar dator

Databricks SQL-frågor med Databricks Runtime 11.3 LTS och senare

Fråga 1: Kontrollera att basdata har konfigurerats. Se Notebook.

use catalog geospatial_docs;
use database nyc_taxi;
show tables;
-- Verify initial data is setup (see instructions in setup notebook)
-- select format_number(count(*),0) as count from yellow_trip;
-- select * from nyc_zipcode;

Fråga 2: H3 NYC-postnummer – Tillämpa h3_polyfillash3 vid upplösning 12.

use catalog geospatial_docs;
use database nyc_taxi;
-- drop table if exists nyc_zipcode_h3_12;
create table if not exists nyc_zipcode_h3_12 as (
  select
    explode(h3_polyfillash3(geom_wkt, 12)) as cell,
    zipcode,
    po_name,
    county
  from
    nyc_zipcode
);
-- optional: zorder by `cell`
optimize nyc_zipcode_h3_12 zorder by (cell);
select
  *
from
  nyc_zipcode_h3_12;

Fråga 3: H3 TaxiResor – Tillämpa h3_longlatash3 vid lösning 12.

use catalog geospatial_docs;
use database nyc_taxi;
-- drop table if exists yellow_trip_h3_12;
create table if not exists yellow_trip_h3_12 as (
  select
    h3_longlatash3(pickup_longitude, pickup_latitude, 12) as pickup_cell,
    h3_longlatash3(dropoff_longitude, dropoff_latitude, 12) as dropoff_cell,
    *
  except
    (
      rate_code_id,
      store_and_fwd_flag
    )
  from
    yellow_trip
);
-- optional: zorder by `pickup_cell`
-- optimize yellow_trip_h3_12 zorder by (pickup_cell);
select
  *
from
  yellow_trip_h3_12
 where pickup_cell is not null;

Fråga 4: H3 LGA Pickups - 25M pickups från LaGuardia (LGA)

use catalog geospatial_docs;
use database nyc_taxi;
create
or replace view lga_pickup_h3_12 as (
  select
    t.*
  except(cell),
    s.*
  from
    yellow_trip_h3_12 as s
    inner join nyc_zipcode_h3_12 as t on s.pickup_cell = t.cell
  where
    t.zipcode = '11371'
);
select
  format_number(count(*), 0) as count
from
  lga_pickup_h3_12;
-- select
  --   *
  -- from
  --   lga_pickup_h3_12;

Fråga 5: H3 Financial District Dropoffs – totalt 34 miljoner avlämningar i finansdistriktet

use catalog geospatial_docs;
use database nyc_taxi;
create
or replace view fd_dropoff_h3_12 as (
  select
    t.*
  except(cell),
    s.*
  from
    yellow_trip_h3_12 as s
    inner join nyc_zipcode_h3_12 as t on s.dropoff_cell = t.cell
  where
    t.zipcode in ('10004', '10005', '10006', '10007', '10038')
);
select
  format_number(count(*), 0) as count
from
  fd_dropoff_h3_12;
-- select * from fd_dropoff_h3_12;

Fråga 6: H3 LGA-FD – 827 000 avlämningar i FD med upphämtning från LGA

use catalog geospatial_docs;
use database nyc_taxi;
create
or replace view lga_fd_dropoff_h3_12 as (
  select
    *
  from
    fd_dropoff_h3_12
  where
    pickup_cell in (
      select
        distinct pickup_cell
      from
        lga_pickup_h3_12
    )
);
select
  format_number(count(*), 0) as count
from
  lga_fd_dropoff_h3_12;
-- select * from lga_fd_dropoff_h3_12;

Fråga 7: LGA-FD efter postnummer – Räkna FD-avlämningar efter postnummer + stapeldiagram

use catalog geospatial_docs;
use database nyc_taxi;
select
  zipcode,
  count(*) as count
from
  lga_fd_dropoff_h3_12
group by
  zipcode
order by
  zipcode;

Fråga 8: LGA-FD efter H3 – Räkna FD-avlämningar efter H3-cell + kartmarkörvisualisering

use catalog geospatial_docs;
use database nyc_taxi;
select
  zipcode,
  dropoff_cell,
  h3_centerasgeojson(dropoff_cell) :coordinates [0] as dropoff_centroid_x,
  h3_centerasgeojson(dropoff_cell) :coordinates [1] as dropoff_centroid_y,
  format_number(count(*), 0) as count_disp,
  count(*) as `count`
from
  lga_fd_dropoff_h3_12
group by
  zipcode,
  dropoff_cell
order by
  zipcode,
  `count` DESC;

Notebook-filer för Databricks Runtime 11.3 LTS och senare

Snabbstart-Python: H3 NYC Taxi LaGuardia till Manhattan

Hämta bärbar dator

Samma snabbstartsstruktur som i Databricks SQL med hjälp av Spark Python-bindningar i Notebooks + kepler.gl.

Snabbstart-Scala: H3 NYC Taxi LaGuardia till Manhattan

Hämta bärbar dator

Samma snabbstartsstruktur som i Databricks SQL, med Spark Scala-bindningar i Notebooks + kepler.gl via Python-celler.

Snabbstart-SQL: H3 NYC Taxi LaGuardia till Manhattan

Hämta bärbar dator

Samma snabbstartsstruktur som i Databricks SQL med hjälp av Spark SQL-bindningar i Notebooks + kepler.gl via Python-celler.