Guia de início rápido H3 (Databricks SQL)
O início rápido das funções geoespaciais H3 nesta página ilustra o seguinte:
- Como carregar conjuntos de dados de geolocalização no Unity Catalog.
- Como converter latitude e longitude columns em células H3 columns.
- Como converter polígono de código postal ou multipolígono WKT columns para célula H3 columns.
- Como consultar a análise de embarque e desembarque do Aeroporto LaGuardia para o Distrito Financeiro de Manhattan.
- Como renderizar contagens agregadas H3 em um mapa.
Exemplos de blocos de notas e consultas
Preparar dados do Unity Catalog
Neste caderno nós:
- Set o conjunto de dados de táxi público do Databricks Filesystem.
- Set atualize o conjunto de dados NYC Zip Code.
Preparar dados do Unity Catalog
Consultas SQL Databricks com Databricks Runtime 11.3 LTS e superior
Consulta 1: Verifique se os dados de base foram configurados. Consulte Bloco de notas.
use catalog geospatial_docs;
use database nyc_taxi;
show tables;
-- Verify initial data is setup (see instructions in setup notebook)
-- select format_number(count(*),0) as count from yellow_trip;
-- select * from nyc_zipcode;
Consulta 2: H3 NYC CEP - Aplicar h3_polyfillash3 na resolução 12
.
use catalog geospatial_docs;
use database nyc_taxi;
-- drop table if exists nyc_zipcode_h3_12;
create table if not exists nyc_zipcode_h3_12 as (
select
explode(h3_polyfillash3(geom_wkt, 12)) as cell,
zipcode,
po_name,
county
from
nyc_zipcode
);
-- optional: zorder by `cell`
optimize nyc_zipcode_h3_12 zorder by (cell);
select
*
from
nyc_zipcode_h3_12;
Consulta 3: H3 Taxi Trips - Aplicar h3_longlatash3 na resolução 12
.
use catalog geospatial_docs;
use database nyc_taxi;
-- drop table if exists yellow_trip_h3_12;
create table if not exists yellow_trip_h3_12 as (
select
h3_longlatash3(pickup_longitude, pickup_latitude, 12) as pickup_cell,
h3_longlatash3(dropoff_longitude, dropoff_latitude, 12) as dropoff_cell,
*
except
(
rate_code_id,
store_and_fwd_flag
)
from
yellow_trip
);
-- optional: zorder by `pickup_cell`
-- optimize yellow_trip_h3_12 zorder by (pickup_cell);
select
*
from
yellow_trip_h3_12
where pickup_cell is not null;
Consulta 4: Captadores LGA H3 - Captadores 25M do LaGuardia (LGA)
use catalog geospatial_docs;
use database nyc_taxi;
create
or replace view lga_pickup_h3_12 as (
select
t.*
except(cell),
s.*
from
yellow_trip_h3_12 as s
inner join nyc_zipcode_h3_12 as t on s.pickup_cell = t.cell
where
t.zipcode = '11371'
);
select
format_number(count(*), 0) as count
from
lga_pickup_h3_12;
-- select
-- *
-- from
-- lga_pickup_h3_12;
Consulta 5: H3 Financial District Dropoffs - 34M total de dropoffs no Financial District
use catalog geospatial_docs;
use database nyc_taxi;
create
or replace view fd_dropoff_h3_12 as (
select
t.*
except(cell),
s.*
from
yellow_trip_h3_12 as s
inner join nyc_zipcode_h3_12 as t on s.dropoff_cell = t.cell
where
t.zipcode in ('10004', '10005', '10006', '10007', '10038')
);
select
format_number(count(*), 0) as count
from
fd_dropoff_h3_12;
-- select * from fd_dropoff_h3_12;
Consulta 6: H3 LGA-FD - 827K dropoffs em FD com pickup de LGA
use catalog geospatial_docs;
use database nyc_taxi;
create
or replace view lga_fd_dropoff_h3_12 as (
select
*
from
fd_dropoff_h3_12
where
pickup_cell in (
select
distinct pickup_cell
from
lga_pickup_h3_12
)
);
select
format_number(count(*), 0) as count
from
lga_fd_dropoff_h3_12;
-- select * from lga_fd_dropoff_h3_12;
Consulta 7: LGA-FD por código postal - Contagem de devoluções FD por código postal + gráfico de barras
use catalog geospatial_docs;
use database nyc_taxi;
select
zipcode,
count(*) as count
from
lga_fd_dropoff_h3_12
group by
zipcode
order by
zipcode;
Consulta 8: LGA-FD por H3 - Contagem de devoluções FD por célula H3 + visualização do marcador de mapa
use catalog geospatial_docs;
use database nyc_taxi;
select
zipcode,
dropoff_cell,
h3_centerasgeojson(dropoff_cell) :coordinates [0] as dropoff_centroid_x,
h3_centerasgeojson(dropoff_cell) :coordinates [1] as dropoff_centroid_y,
format_number(count(*), 0) as count_disp,
count(*) as `count`
from
lga_fd_dropoff_h3_12
group by
zipcode,
dropoff_cell
order by
zipcode,
`count` DESC;
Notebooks para Databricks Runtime 11.3 LTS e superior
Guia de início rápido-Python: H3 NYC Taxi LaGuardia para Manhattan
Mesma estrutura de início rápido que no Databricks SQL, usando ligações Python do Spark em Notebooks + kepler.gl.
Guia de início rápido-Scala: H3 NYC Taxi LaGuardia para Manhattan
A mesma estrutura de início rápido do Databricks SQL, usando ligações Spark Scala dentro de Notebooks + kepler.gl através de células Python.
Guia de início rápido-SQL: H3 NYC Taxi LaGuardia para Manhattan
Mesma estrutura de início rápido do Databricks SQL, usando ligações Spark SQL dentro de Notebooks + kepler.gl através de células Python.