Данные по безопасности в Сиэтле

Отправка по вызовам 911 в управлении пожарной охраны Сиэтла.

Примечание.

Корпорация Майкрософт предоставляет Открытые наборы данных Azure как есть. Корпорация Майкрософт не предоставляет никаких гарантий (явных или подразумеваемых) и не определяет никаких условий в связи с использованием этих наборов данных. В рамках, допускаемых местным законодательством, корпорация Майкрософт отказывается от ответственности за ущерб и убытки (в том числе прямые, косвенные, специальные, опосредованные, случайные и штрафные), понесенные в результате использования вами этих наборов данных.

Этот набор данных предоставляется на тех же условиях, на которых корпорация Майкрософт получила исходные данные. Этот набор может включать данные, полученные от корпорации Майкрософт.

Объем данных и их хранение

Этот набор данных хранится в формате Parquet. Он обновляется ежедневно и содержит около 800000 строк (20 МБ) в 2019 году.

Этот набор данных содержит архивные записи, собранные с 2010 года по сегодняшний день. Вы можете использовать параметры из нашего пакета SDK, чтобы получить данные за определенный диапазон времени.

Место хранения

Этот набор данных хранится в регионе Azure "Восточная часть США". Мы рекомендуем размещать вычислительные ресурсы в восточной части США для соответствия.

Дополнительная информация:

Этот набор данных получен от администрации города Сиэтл. Для получения дополнительной информации посетите веб-сайт города Сиэтл. Ознакомьтесь с условиями использования этого набора данных Лицензирование и авторство. Если у вас есть вопросы об источнике данных, напишите на адрес open.data@seattle.gov.

Столбцы

Имя.	Тип данных	Уникальный	Значения (пример)	Description
address	строка	196,965	517 3rd Av 318 2nd Av Et S	Место происшествия.
Категория	строка	232	Реагирование на помощь Медицинское реагирование	Тип ответа.
dataSubtype	строка	1	911_Fire	“911_Fire”
dataType	строка	1	Безопасность	“Безопасность”
dateTime	TIMESTAMP	1,533,401	2020-11-04 06:49:00 2019-06-19 13:49:00	Дата и время звонка.
широта	двойной точности	94,332	47.602172 47.600194	Это значение широты. Линии широты располагаются параллельно экватору.
долгота	двойной точности	79,492	-122.330863 -122.330541	Это значение долготы. Линии долготы параллельны линиям широты и проходят через оба полюса.

Предварительный просмотр

dataType	dataSubtype	dateTime	Категория	подкатегория	статус	address	широта	долгота	source	extendedProperties
Безопасность	911_Fire	4/28/2021 5:22:00 AM	Мусор Огонь	null	null	200 University St	47.607299	-122.337087	null
Безопасность	911_Fire	4/28/2021 5:15:00 AM	Инцидент с рассмотренными событиями	null	null	6th Ave / Olive Way	47.61313	-122.336282	null
Безопасность	911_Fire	4/28/2021 5:12:00 AM	Помощь в ответе	null	null	4th Ave S / Seattle Blvd S	47.596486	-122.329046	null
Безопасность	911_Fire	4/28/2021 5:09:00 AM	Мусор Огонь	null	null	3rd Ave / University St	47.607763	-122.335976	null
Безопасность	911_Fire	4/28/2021 4:57:00 AM	Низкий отклик реакции	null	null	533 3rd Ave W	47.623717	-122.360635	null
Безопасность	911_Fire	4/28/2021 4:57:00 AM	Перевод в AMR	null	null	4638 S Austin St	47.534702	-122.274812	null
Безопасность	911_Fire	4/28/2021 4:55:00 AM	Инцидент с рассмотренными событиями	null	null	8th Ave N / Harrison St	47.622051	-122.341066	null

Доступ к данным

Записные книжки Azure

azureml-opendatasets

# 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()

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=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

pyspark

Образец для комбинации платформа/пакет недоступен.

SQL

Образец для комбинации платформа/пакет недоступен.

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 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

Образец для комбинации платформа/пакет недоступен.

pyspark

# 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'))

SQL

Образец для комбинации платформа/пакет недоступен.

Azure Synapse

azureml-opendatasets

# 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

Образец для комбинации платформа/пакет недоступен.

pyspark

# 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'))

SQL

SELECT
    TOP 100 *
FROM
    OPENROWSET(
        BULK             'https://azureopendatastorage.blob.core.windows.net/citydatacontainer/Safety/Release/city=Seattle/*.parquet',
        FORMAT         = 'parquet'
    ) AS [r];

Примеры

• См. пример анализа безопасности City на GitHub.

Следующие шаги

Ознакомьтесь с другими наборами в каталоге Открытых наборов данных.