你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

旧金山安全数据

项目
12/06/2023

旧金山市消防部门呼叫服务和 311 事件。

注意

Microsoft 按“原样”提供 Azure 开放数据集。 Microsoft 对数据集的使用不提供任何担保（明示或暗示）、保证或条件。在当地法律允许的范围内，Microsoft 对使用数据集而导致的任何损害或损失不承担任何责任，包括直接、必然、特殊、间接、偶发或惩罚性损害或损失。

此数据集是根据 Microsoft 接收源数据的原始条款提供的。数据集可能包含来自 Microsoft 的数据。

消防呼叫服务包括所有消防单位对呼叫的响应。每个记录都包括呼叫号码、事件编号、地址、消防单位标识符、呼叫类型和处理情况。其中还包括所有相关的时间间隔。因为此数据集基于响应，并且由于大多数呼叫涉及多个单位，所以每个呼叫号码都有多个记录。地址与街区号、交叉点或电话亭关联，而不与特定地址关联。

311 案例包括与某个地点或景物（例如，公园、街道或建筑物）相关的案例，于 2008 年 7 月 1 日之后创建。不包括用户记录的与其自身需求相关的案例。例如，财产或商业税务问题、停车许可请求等。有关详细信息，请参阅计划链接。

数量和保留期

此数据集以 Parquet 格式存储。每天更新一次，截至 2019 年约有 600 万行 (400 MB)。

此数据集包含从 2015 年至今累积的历史记录。可使用我们的 SDK 中的参数设置来提取特定时间范围内的数据。

存储位置

此数据集存储在美国东部 Azure 区域。建议将计算资源分配到美国东部地区，以实现相关性。

列

名称	数据类型	唯一	值（示例）	说明
address	string	280,652	Not associated with a specific address 0 Block of 6TH ST	事件地址（注意：为保护呼叫者的隐私，地址和位置泛化为街道的中间街区、交叉点或最近的电话亭位置）。
category	string	108	Street and Sidewalk Cleaning Potentially Life-Threatening	311 服务请求类型或 911 火灾报警呼叫类型组的人类可读名称。
dataSubtype	字符串	2	911_Fire 311_All	“911_Fire”或“311_All”。
dataType	字符串	1	安全	“安全”
dateTime	timestamp	6,496,563	2020-10-19 12:28:08 2020-07-28 06:40:26	发出服务请求或收到火灾报警的日期和时间。
latitude	Double	1,615,369	37.777624238929 37.786117211838	位置纬度，采用 WGS84 投影。
longitude	Double	1,554,612	-122.39998111124 -122.419854245692	位置经度，采用 WGS84 投影。
source	字符串	9	Phone Mobile/Open311	服务请求接收机制或路径；通常是“手机”、“短信”、“网站”、“移动应用”、“Twitter”等，但术语可能因系统而异。
状态	字符串	3	Closed Open	服务请求当前状态的单字指示符。（注意：GeoReport V2 仅允许“待处理”和“已结案”）
子类别	string	1,270	Medical Incident Bulky Items	311 事件的服务请求子类型或 911 火灾报警的呼叫类型的人类可读名称。

预览

dataType	dataSubtype	dateTime	category	子类别	状态	address	latitude	longitude	source
安全	911_Fire	4/26/2021 2:56:13 AM	不会造成人身伤害	医疗事故	Null	700 Block of GEARY ST	37.7863607914647	-122.415616900246	null
安全	911_Fire	4/26/2021 2:56:13 AM	不会造成人身伤害	医疗事故	Null	700 Block of GEARY ST	37.7863607914647	-122.415616900246	null
安全	911_Fire	4/26/2021 2:54:03 AM	不会造成人身伤害	医疗事故	Null	0 Block of ESSEX ST	37.7860048266229	-122.395077258809	null
安全	911_Fire	4/26/2021 2:54:03 AM	不会造成人身伤害	医疗事故	Null	0 Block of ESSEX ST	37.7860048266229	-122.395077258809	null
安全	911_Fire	4/26/2021 2:52:17 AM	不会造成人身伤害	医疗事故	Null	700 Block of 29TH AVE	37.7751770865322	-122.488604397217	null
安全	911_Fire	4/26/2021 2:50:28 AM	可能会造成人身伤害	医疗事故	Null	1000 Block of GEARY ST	37.7857350982044	-122.420555240691	null
安全	911_Fire	4/26/2021 2:50:28 AM	可能会造成人身伤害	医疗事故	Null	1000 Block of GEARY ST	37.7857350982044	-122.420555240691	null
安全	911_Fire	4/26/2021 2:33:52 AM	不会造成人身伤害	医疗事故	Null	100 Block of BELVEDERE ST	37.767791696654	-122.449332294394	null
安全	911_Fire	4/26/2021 2:33:52 AM	不会造成人身伤害	医疗事故	Null	100 Block of BELVEDERE ST	37.767791696654	-122.449332294394	null
安全	911_Fire	4/26/2021 2:33:51 AM	可能会造成人身伤害	医疗事故	Null	100 Block of 6TH ST	37.7807920802756	-122.408385745499	null

数据访问

Azure Notebooks

# This is a package in preview.
from azureml.opendatasets import NycSafety

from datetime import datetime
from dateutil import parser


end_date = parser.parse('2016-01-01')
start_date = parser.parse('2015-05-01')
safety = NycSafety(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=NewYorkCity"

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 NycSafety

from datetime import datetime
from dateutil import parser


end_date = parser.parse('2016-01-01')
start_date = parser.parse('2015-05-01')
safety = NycSafety(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=NewYorkCity"
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 NycSafety

from datetime import datetime
from dateutil import parser

end_date = parser.parse('2016-01-01')
start_date = parser.parse('2015-05-01')
safety = NycSafety(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=NewYorkCity"
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'))

示例

请参阅 GitHub 上的城市安全分析示例。

后续步骤

查看开放数据集目录中的其余数据集。