Gezintiyi Atla

San Francisco Safety Data

San Francisco 911 Fire 311 Public Safety

San Francisco’daki itfaiye hizmet çağrıları ve 311 olayları.

Yangın Hizmet Çağrıları, çağrılara verilen tüm itfaiye birimi yanıtlarını içerir. Her kayıt; çağrı numarasını, olay numarasını, adresi, birim tanımlayıcısını, çağrı türünü ve dağıtımı içerir. Tüm geçerli zaman aralıkları da dahildir. Bu veri kümesi yanıtları temel aldığı için ve çoğu çağrı birden fazla birimi ilgilendirdiği için, her çağrı numarasına ait birden fazla kayıt vardır. Adresler belirli bir adres değildir, bir blok numarası, kavşak veya telefon kulübesi ile ilişkilidir.

311 Olayları genellikle bir yer veya şeyle (örneğin parklar, caddeler veya binalar) ilişkili olan ve 1 Temmuz 2008 veya sonrasında oluşturulmuş olayları içerir. Genellikle bir kullanıcı tarafından kendi gereksinimleriyle ilgili olarak (örneğin, varlık veya iş vergisi soruları, otopark izni istekleri) kaydedilen olaylar dahil değildir. Daha fazla bilgi için Program Bağlantısı’na bakın.

Hacim ve Saklama

Bu veri kümesi Parquet biçiminde depolanır. 2019 itibarıyla yaklaşık 6 milyon satır (400 MB) ile günlük olarak güncelleştirilir.

Bu veri kümesi 2015’ten 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’deki işlem kaynaklarının ayrılması önerilir.

Ek Bilgiler

Bu veri kümesi San Francisco şehir yönetiminden alınır. Aşağıdaki bağlantılarda daha fazla ayrıntı bulunabilir: İtfaiye Çağrıları, 311 Olayları.

Bu veri kümesini kullanma koşulları için buraya bakın.

Bildirimler

MICROSOFT, AZURE AÇIK VERİ KÜMELERİNİ “OLDUĞU GİBİ” SAĞLAR. MICROSOFT, VERİ KÜMELERİNİ KULLANMANIZLA İLGİLİ AÇIK VEYA ÖRTÜLÜ HİÇBİR GARANTİ VEYA TAAHHÜTTE BULUNMAZ. YEREL KANUNLARINIZIN İZİN VERDİĞİ ÖLÇÜDE, MICROSOFT DOĞRUDAN, BAĞLI, ÖZEL, DOLAYLI, TESADÜFİ VEYA CEZA GEREKTİRENLER DE DAHİL OLMAK ÜZERE HERHANGİ BİR HASAR YA DA KAYIPLA İLGİLİ HİÇBİR SORUMLULUK KABUL ETMEZ.

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

Access

Available inWhen to use
Azure Notebooks

Quickly explore the dataset with Jupyter notebooks hosted on Azure or your local machine.

Azure Databricks

Use this when you need the scale of an Azure managed Spark cluster to process the dataset.

Azure Synapse

Use this when you need the scale of an Azure managed Spark cluster to process the dataset.

Preview

dataType dataSubtype dateTime category subcategory status address latitude longitude source extendedProperties
Safety 911_Fire 6/17/2021 2:44:16 AM Potentially Life-Threatening Medical Incident null 15TH ST/JULIAN AV 37.7665992188642 -122.421056630869 null
Safety 911_Fire 6/17/2021 2:43:28 AM Potentially Life-Threatening Medical Incident null 2400 Block of 20TH AVE 37.7420672879133 -122.476766376613 null
Safety 911_Fire 6/17/2021 2:43:28 AM Potentially Life-Threatening Medical Incident null 2400 Block of 20TH AVE 37.7420672879133 -122.476766376613 null
Safety 911_Fire 6/17/2021 2:43:28 AM Potentially Life-Threatening Medical Incident null 2400 Block of 20TH AVE 37.7420672879133 -122.476766376613 null
Safety 911_Fire 6/17/2021 2:41:33 AM Non Life-threatening Medical Incident null 800 Block of INNES AVE 37.731421657054 -122.374864504136 null
Safety 911_Fire 6/17/2021 2:24:11 AM Non Life-threatening Medical Incident null 700 Block of MISSOURI ST 37.7572418129803 -122.395894468026 null
Safety 911_Fire 6/17/2021 2:24:04 AM Non Life-threatening Medical Incident null LA PLAYA/JUDAH ST 37.7602823232259 -122.509141220867 null
Safety 911_Fire 6/17/2021 2:20:41 AM Potentially Life-Threatening Medical Incident null 400 Block of MINNA ST 37.7819492675836 -122.406272435641 null
Safety 911_Fire 6/17/2021 2:20:41 AM Potentially Life-Threatening Medical Incident null 400 Block of MINNA ST 37.7819492675836 -122.406272435641 null
Safety 911_Fire 6/17/2021 2:20:41 AM Potentially Life-Threatening Medical Incident null 400 Block of MINNA ST 37.7819492675836 -122.406272435641 null
Name Data type Unique Values (sample) Description
address string 283,413 Not associated with a specific address
0 Block of 6TH ST

Olayın adresi (not: arayanın gizliliğini korumak için caddenin orta blokuna, kavşağa veya en yakın telefon kulübesi konumuna genelleştirilmiş adres ve konum).

category string 108 Street and Sidewalk Cleaning
Potentially Life-Threatening

311 hizmet isteği türünün veya 911 yangın çağrıları için çağrı türü grubunun okunaklı adı.

dataSubtype string 2 911_Fire
311_All

“911_Fire” veya “311_All”.

dataType string 1 Safety

“Güvenlik”

dateTime timestamp 6,550,564 2020-07-28 06:40:26
2016-06-18 14:19:13

Hizmet isteğinin yapıldığı veya yangın çağrısının alındığı tarih ve saat.

latitude double 1,647,832 37.777624238929
37.786117211838

WGS84 projeksiyonu kullanılarak konumun enlemi.

longitude double 1,585,922 -122.39998111124
-122.419854245692

WGS84 projeksiyonu kullanılarak konumun boylamı.

source string 9 Phone
Mobile/Open311

Hizmet isteğinin alındığı mekanizma veya yol; genellikle “Telefon”, “Metin/SMS”, “Web sitesi”, “Mobil Uygulama”, “Twitter” vb. şeklindedir ancak koşullar sisteme göre farklılık gösterebilir.

status string 3 Closed
Open

Hizmet isteğinin geçerli durumunun tek sözcüklü göstergesi. (Not: GeoReport V2 yalnızca “açık” ve “kapalı” olabilir)

subcategory string 1,271 Medical Incident
Bulky Items

311 olayları için hizmet isteği alt türünün veya 911 yangın çağrıları için çağrı türünün okunaklı adı.

Select your preferred service:

Azure Notebooks

Azure Databricks

Azure Synapse

Azure Notebooks

Package: Language: Python Python
In [1]:
# This is a package in preview.
from azureml.opendatasets import SanFranciscoSafety

from datetime import datetime
from dateutil import parser


end_date = parser.parse('2016-01-01')
start_date = parser.parse('2015-05-01')
safety = SanFranciscoSafety(start_date=start_date, end_date=end_date)
safety = safety.to_pandas_dataframe()
ActivityStarted, to_pandas_dataframe Looking for parquet files... Reading them into Pandas dataframe... Reading Safety/Release/city=SanFrancisco/part-00125-tid-8598556649077331715-e7875271-3301-48fe-88c1-a6ce35841072-136781.c000.snappy.parquet under container citydatacontainer Done. ActivityCompleted: Activity=to_pandas_dataframe, HowEnded=Success, Duration=58673.14 [ms]
In [2]:
safety.info()
<class 'pandas.core.frame.DataFrame'> Int64Index: 361411 entries, 10 to 5821034 Data columns (total 11 columns): dataType 361411 non-null object dataSubtype 361411 non-null object dateTime 361411 non-null datetime64[ns] category 361409 non-null object subcategory 361411 non-null object status 231935 non-null object address 361411 non-null object latitude 361411 non-null float64 longitude 361411 non-null float64 source 231935 non-null object extendedProperties 117871 non-null object dtypes: datetime64[ns](1), float64(2), object(8) memory usage: 33.1+ MB
In [1]:
# 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
In [2]:
# Azure storage access info
azure_storage_account_name = "azureopendatastorage"
azure_storage_sas_token = r""
container_name = "citydatacontainer"
folder_name = "Safety/Release/city=SanFrancisco"
In [3]:
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)
In [4]:
# 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)
In [5]:
# you can add your filter at below
print('Loaded as a Pandas data frame: ')
df
In [6]:
 

Azure Databricks

Package: Language: Python Python
In [1]:
# This is a package in preview.
# You need to pip install azureml-opendatasets in Databricks cluster. https://docs.microsoft.com/en-us/azure/data-explorer/connect-from-databricks#install-the-python-library-on-your-azure-databricks-cluster
from azureml.opendatasets import SanFranciscoSafety

from datetime import datetime
from dateutil import parser


end_date = parser.parse('2016-01-01')
start_date = parser.parse('2015-05-01')
safety = SanFranciscoSafety(start_date=start_date, end_date=end_date)
safety = safety.to_spark_dataframe()
ActivityStarted, to_spark_dataframe ActivityStarted, to_spark_dataframe_in_worker ActivityCompleted: Activity=to_spark_dataframe_in_worker, HowEnded=Success, Duration=3754.51 [ms] ActivityCompleted: Activity=to_spark_dataframe, HowEnded=Success, Duration=3757.76 [ms]
In [2]:
display(safety.limit(5))
dataTypedataSubtypedateTimecategorysubcategorystatusaddresslatitudelongitudesourceextendedProperties
Safety911_Fire2015-11-07T19:49:04.000+0000Potentially Life-ThreateningMedical IncidentnullMISSION ST/23RD ST37.753836588542-122.418593946321nullnull
Safety911_Fire2015-08-06T05:23:02.000+0000AlarmAlarmsnull200 Block of 10TH ST37.773466489733-122.413546904215nullnull
Safety911_Fire2015-07-28T13:34:52.000+0000Potentially Life-ThreateningMedical IncidentnullHOWARD ST/MAIN ST37.790612669554-122.393407939021nullnull
Safety911_Fire2015-06-24T10:39:57.000+0000Non Life-threateningMedical Incidentnull200 Block of BRIDGEVIEW DR37.734209339882-122.397590096788nullnull
Safety911_Fire2015-06-22T15:58:28.000+0000AlarmAlarmsnull100 Block of POST ST37.788796325286-122.403991276137nullnull
In [1]:
# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "citydatacontainer"
blob_relative_path = "Safety/Release/city=SanFrancisco"
blob_sas_token = r""
In [2]:
# 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)
In [3]:
# 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')
In [4]:
# Display top 10 rows
print('Displaying top 10 rows: ')
display(spark.sql('SELECT * FROM source LIMIT 10'))

Azure Synapse

Package: Language: Python Python
In [18]:
# This is a package in preview.
from azureml.opendatasets import SanFranciscoSafety

from datetime import datetime
from dateutil import parser


end_date = parser.parse('2016-01-01')
start_date = parser.parse('2015-05-01')
safety = SanFranciscoSafety(start_date=start_date, end_date=end_date)
safety = safety.to_spark_dataframe()
In [19]:
# Display top 5 rows
display(safety.limit(5))
Out[19]:
In [1]:
# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "citydatacontainer"
blob_relative_path = "Safety/Release/city=SanFrancisco"
blob_sas_token = r""
In [2]:
# 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)
In [3]:
# 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')
In [4]:
# Display top 10 rows
print('Displaying top 10 rows: ')
display(spark.sql('SELECT * FROM source LIMIT 10'))

City Safety

From the Urban Innovation Initiative at Microsoft Research, databricks notebook for analytics with safety data (311 and 911 call data) from major U.S. cities. Analyses show frequency distributions and geographic clustering of safety issues within cities.