H3 Hızlı Başlangıç (Databricks SQL)
Bu sayfadaki H3 jeo-uzamsal işlevleri hızlı başlangıcı aşağıdakileri gösterir:
- Unity Kataloğu'na coğrafi konum veri kümelerini yükleme.
- Enlem ve boylam sütunlarını H3 hücre sütunlarına dönüştürme.
- Posta kodu çokgen veya çok kutuplu WKT sütunlarını H3 hücre sütunlarına dönüştürme.
- LaGuardia Havaalanı'ndan Manhattan'ın Finans Bölgesi'ne teslim alma ve bırakma analizini sorgulama.
- Bir haritada H3 toplama sayılarını işleme.
Örnek not defterleri ve sorgular
Unity Katalog Verilerini Hazırlama
Bu not defterinde:
- Databricks Dosya Sistemi'nden genel taksi veri kümesini ayarlayın.
- NYC Posta Kodu veri kümesini ayarlayın.
Unity Kataloğu verilerini hazırlama
Databricks Runtime 11.3 LTS ve üzeri ile Databricks SQL Sorguları
Sorgu 1: Temel verilerin ayarlandığını doğrulayın. Bkz. Not Defteri.
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;
Sorgu 2: H3 NYC Posta Kodu - çözümde 12
h3_polyfillash3 uygulayın.
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;
Sorgu 3: H3 Taksi Yolculukları - çözümde 12
h3_longlatash3 uygulayın.
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;
Sorgu 4: H3 LGA Teslim Alımları - LaGuardia'dan 25M teslim almalar (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;
Sorgu 5: H3 Financial District Dropoffs - Financial District'te toplam 34M düşüş
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;
Sorgu 6: H3 LGA-FD - LGA'dan teslim alma ile FD'de 827K bırakmalar
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;
Sorgu 7: Posta koduna göre LGA-FD - Posta kodu + çubuk grafiğe göre FD bırakmalarını sayma
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;
Sorgu 8: H3 tarafından LGA-FD - H3 hücre + harita işaretçisi görselleştirmeye göre FD bırakmalarını sayma
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;
Databricks Runtime 11.3 LTS ve üzeri için not defterleri
Hızlı Başlangıç-Python: H3 NYC Taxi LaGuardia'dan Manhattan'a
Not Defterleri + kepler.gl içinde Spark Python bağlamalarını kullanarak Databricks SQL ile aynı hızlı başlangıç yapısı.
Hızlı Başlangıç-Scala: H3 NYC Taxi LaGuardia'dan Manhattan'a
Databricks SQL ile aynı hızlı başlangıç yapısı, Not Defterleri + kepler.gl Python hücreleri aracılığıyla Spark Scala bağlamalarını kullanma.
Hızlı Başlangıç-SQL: H3 NYC Taxi LaGuardia -Manhattan
Databricks SQL ile aynı hızlı başlangıç yapısı, Not Defterleri içindeki Spark SQL bağlamalarını kullanma + Python hücreleri aracılığıyla kepler.gl .