Seattle Kasa ty Verileri

Makale
12/06/2023

Seattle İtfaiyesi 911 görev dağıtımları.

Dekont

Microsoft, Azure Open Datasets'i "olduğu gibi" sağlar. Microsoft, veri kümelerini kullanımınızla ilgili olarak açık veya zımni hiçbir garanti veya koşul sağlamaz. Yerel yasalarınız kapsamında izin verilen ölçüde, Microsoft veri kümelerini kullanımınızdan kaynaklanan doğrudan, sonuçsal, özel, dolaylı, arızi veya cezai dahil olmak üzere tüm zarar veya kayıplar için tüm sorumluluğu kabul etmez.

Bu veri kümesi Microsoft’un kaynak verileri aldığı orijinal hükümler kapsamında sağlanır. Veri kümesi Microsoft’tan alınan verileri içerebilir.

Birim ve saklama

Bu veri kümesi Parquet biçiminde depolanır. Günlük olarak güncelleştirilir ve 2019'da yaklaşık 800.000 satır (20 MB) içerir.

Bu veri kümesi 2010’dan bugüne kadar birikmiş geçmiş kayıtları içerir. Belirli bir zaman aralığı içindeki verileri getirmek için SDK’mızdaki parametre ayarlarını kullanabilirsiniz.

Depolama konumu

Bu veri kümesi Doğu ABD Azure bölgesinde depolanır. Benzeşim için Doğu ABD'de işlem kaynaklarını bulmanızı öneririz.

Ek bilgi

Bu veri kümesi Seattle şehir yönetiminden alınır. Daha fazla bilgi için Seattle şehrinin web sitesine bakın. Bu veri kümesini kullanma koşulları için Lisanslama ve İlişkilendirme'yi görüntüleyin. Veri kaynağı hakkında sorularınız olursa open.data@seattle.gov adresine e-posta gönderin.

Sütunlar

Adı	Veri türü	Benzersiz	Değerler (örnek)	Açıklama
adres	Dize	196,965	517 3. Av 318 2. Av Et S	Olayın konumu.
category	Dize	232	Yardım Yanıtı Medic Yanıtı	Yanıt Türü.
dataSubtype	Dize	1	911_Fire	"911_Fire"
Datatype	Dize	1	Güvenlik	"Kasa ty"
tarih saat	timestamp	1,533,401	2020-11-04 06:49:00 2019-06-19 13:49:00	Çağrının tarihi ve saati.
latitude	çift	94,332	47.602172 47.600194	Enlem değeridir. Enlem çizgileri ekvatora paraleldir.
boylam	çift	79,492	-122.330863 -122.330541	Boylam değeridir. Boylam çizgileri enlem çizgilerine dik iner ve her iki kutuptan geçer.

Önizleme

Datatype	dataSubtype	tarih saat	category	Alt kategori	durum	adres	latitude	boylam	kaynak
Güvenlik	911_Fire	28.04.2021 05:22:00	Çöp Ateşi	null	null	200 Üniversite St	47.607299	-122.337087	boş
Güvenlik	911_Fire	28.04.2021 05:15:00	Önceliklendirilen Olay	null	null	6. Ave / Zeytin Yolu	47.61313	-122.336282	boş
Güvenlik	911_Fire	28.04.2021 05:12:00	Yardım Yanıtı	null	null	4. Ave S / Seattle Blvd S	47.596486	-122.329046	boş
Güvenlik	911_Fire	28.04.2021 05:09:00	Çöp Ateşi	null	null	3. Ave / Üniversite St	47.607763	-122.335976	boş
Güvenlik	911_Fire	28.04.2021 04:57:00	Düşük Acuity Yanıtı	null	null	533 3. Ave W	47.623717	-122.360635	boş
Güvenlik	911_Fire	28.04.2021 04:57:00	AMR'ye Dönüştürme	null	null	4638 S Austin St	47.534702	-122.274812	boş
Güvenlik	911_Fire	28.04.2021 04:55:00	Önceliklendirilen Olay	null	null	8. Ave N / Harrison St	47.622051	-122.341066	boş

Veri erişimi

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];

Örnekler

GitHub'da City Kasa ty Analytics örneğine bakın.

Sonraki adımlar

Açık Veri Kümeleri kataloğundaki diğer veri kümelerini görüntüleyin.