Bezpečnostní data v San Franciscu

Volání o zásah hasičů a případy 311 v San Francisku.

Poznámka:

Microsoft poskytuje datové sady Azure Open Datasets na bázi "tak, jak je". Společnost Microsoft neposkytuje žádné záruky, výslovné ani předpokládané záruky ani podmínky týkající se vašeho používání datových sad. V rozsahu povoleném vaším místním zákonem společnost Microsoft odmítá veškerou odpovědnost za případné škody nebo ztráty, včetně přímých, následných, zvláštních, nepřímých, náhodných nebo represivních, vyplývajících z vašeho používání datových sad.

Na tuto datovou sadu se vztahují původní podmínky, které Microsoft přijal se zdrojovými daty. Datová sada může obsahovat data pocházející z Microsoftu.

Volání o zásah hasičů zahrnují všechny reakce hasičských jednotek na volání. Každý záznam obsahuje číslo volání, číslo incidentu, adresu, identifikátor jednotky, typ volání a povahu volání. K dispozici jsou také všechny relevantní časové intervaly. Vzhledem k tomu, že je tato datová sada založená na reakcích a většina volání zahrnovala několik jednotek, pro každé číslo volání existuje několik záznamů. Adresy jsou spojené s číslem bloku, průsečíkem nebo polem volání, nikoli s konkrétní adresou.

311 Případy zahrnují případy spojené s místem nebo věcí (například parky, ulice nebo budovy) a vytvořené po 1. červenci 2008. Případy, které uživatel zaprotokoluje o svých vlastních potřebách, jsou vyloučeny. Například otázky týkající se nemovitostí nebo obchodní daně, žádosti o parkovací povolení atd. Další informace najdete v odkazu na program.

Objem a uchovávání

Tato datová sada se uchovává ve formátu Parquet. Aktualizuje se každý den o přibližně 6M řádků (400 MB) od roku 2019.

Tato datová sada obsahuje historické záznamy shromážděné od roku 2015 až do současnosti. Pomocí nastavení parametrů v naší sadě SDK můžete načíst data v určitém časovém rozsahu.

Dočasné úložiště

Tato datová sada se uchovává v oblasti Azure Východní USA. Kvůli přidružení se doporučuje přidělovat výpočetní prostředky v oblasti Východní USA.

Související datové sady

• Volání hasičského sboru
• 311 Případů

Sloupce

Name	Datový typ	Jedinečný	Values (sample)	Popis
adresa	string	280,652	Nepřidružuje se ke konkrétní adrese 0 Bloku 6TH ST.	Adresa incidentu (poznámka: adresa a umístění zobecněné na střední blok ulice, průsečíku nebo nejbližšího místa call boxu pro ochranu osobních údajů volajícího).
category	string	108	Ulice a chodník čištění potenciálně vyhrožující život	Lidsky čitelný název typu žádosti o služby 311 nebo skupiny typů volání v případě volání hasičů na lince 911
dataSubtype	string	2	911_Fire 311_All	"911_Fire" nebo "311_All".
Datatype	string	0	Bezpečnost	"Bezpečnost"
data a času.	časové razítko	6,496,563	2020-10-19 12:28:08 2020-07-28 06:40:26	Datum a čas vytvoření žádosti o služby nebo zavolání hasičů.
zeměpisná šířka	double	1,615,369	37.777624238929 37.786117211838	Zeměpisná šířka místa v zobrazení WGS84
longitude	double	1,554,612	-122.39998111124 -122.419854245692	Zeměpisná délka místa v zobrazení WGS84
zdroj	string	9	Mobilní telefon / Open311	Mechanismus nebo cesta, podle kterého byla přijata žádost o služby; obvykle "Telefon", "Text/SMS", "Web", "Mobilní aplikace", "X" atd., ale termíny se mohou lišit podle systému.
stav	string	3	Zavřené otevřené	Jednoslovný indikátor aktuálního stavu žádosti o služby. (Poznámka: GeoReport V2 povoluje "otevřít" a "uzavřeno")
podkategorie	string	1,270	Hromadné položky lékařského incidentu	Lidsky čitelný název podtypu žádosti o služby pro případy 311 nebo typu volání v případě volání hasičů na lince 911

Preview

Datatype	dataSubtype	data a času.	category	podkategorie	stav	adresa	zeměpisná šířka	longitude	zdroj	extendedProperties
Bezpečnost	911_Fire	26.4.2021 2:56:13	Neoživožující život	Lékařský incident	null	700 Blok GEARY ST	37.7863607914647	-122.415616900246	null
Bezpečnost	911_Fire	26.4.2021 2:56:13	Neoživožující život	Lékařský incident	null	700 Blok GEARY ST	37.7863607914647	-122.415616900246	null
Bezpečnost	911_Fire	26.4.2021 2:54:03	Neoživožující život	Lékařský incident	null	0 Blok ESSEX ST	37.7860048266229	-122.395077258809	null
Bezpečnost	911_Fire	26.4.2021 2:54:03	Neoživožující život	Lékařský incident	null	0 Blok ESSEX ST	37.7860048266229	-122.395077258809	null
Bezpečnost	911_Fire	26.4.2021 2:52:17	Neoživožující život	Lékařský incident	null	700 Blok 29TH AVE	37.7751770865322	-122.488604397217	null
Bezpečnost	911_Fire	26.4.2021 2:50:28	Potenciálně život vyhrožující	Lékařský incident	null	1000 Blok GEARY ST	37.7857350982044	-122.420555240691	null
Bezpečnost	911_Fire	26.4.2021 2:50:28	Potenciálně život vyhrožující	Lékařský incident	null	1000 Blok GEARY ST	37.7857350982044	-122.420555240691	null
Bezpečnost	911_Fire	26.4.2021 2:33:52	Neoživožující život	Lékařský incident	null	100 Blok BELVEDERE ST	37.767791696654	-122.449332294394	null
Bezpečnost	911_Fire	26.4.2021 2:33:52	Neoživožující život	Lékařský incident	null	100 Blok BELVEDERE ST	37.767791696654	-122.449332294394	null
Bezpečnost	911_Fire	26.4.2021 2:33:51	Potenciálně život vyhrožující	Lékařský incident	null	100 Blok 6TH ST	37.7807920802756	-122.408385745499	null

Přístup k datům

Azure Notebooks

azureml-opendatasets

# 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()

azure-storage

# 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

pyspark

Ukázka není k dispozici pro tuto kombinaci platformy nebo balíčku.

Azure Databricks

azureml-opendatasets

# 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

Ukázka není k dispozici pro tuto kombinaci platformy nebo balíčku.

pyspark

# 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

azureml-opendatasets

# 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

Ukázka není k dispozici pro tuto kombinaci platformy nebo balíčku.

pyspark

# 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'))

Příklady

• Podívejte se na příklad Analýzy bezpečnosti města na GitHubu.

Další kroky

Prohlédněte si zbývající datové sady v katalogu Open Datasets.