Набор данных NYC Yellow Taxi (DuckDB): таблица yellow_tripdata и SQL-задачи

yellow_tripdata — поездки жёлтых такси Нью-Йорка за январь 2024 года, почти 3 миллиона строк, загруженные в DuckDB для аналитического SQL. На SQLtest.online с ними можно работать прямо в браузере: решать задачи с автоматической проверкой и писать свои запросы в песочнице, ничего не устанавливая.

• 1 таблица, 19 столбцов
• 2 964 624 поездки
• январь 2024
• 19 SQL-задачи

Что такое NYC Yellow Taxi

Данные взяты из записей о поездках, которые Комиссия такси и лимузинов Нью-Йорка (TLC) публикует каждый месяц. Каждая строка — одна поездка: время посадки и высадки, расстояние, число пассажиров, зоны посадки и высадки, способ оплаты и все составляющие стоимости.

DuckDB — встраиваемая аналитическая СУБД с колоночным хранением, поэтому агрегации по миллионам строк выполняются за доли секунды. На этих данных удобно тренировать настоящую аналитику: временные ряды, распределения, перцентили и очистку данных.

Из чего состоит база

Все данные лежат в одной таблице yellow_tripdata. Все столбцы допускают NULL, ключей и ограничений нет. PULocationID и DOLocationID — номера зон такси TLC. У нескольких поездок время посадки выходит за январь 2024 года, а у некоторых суммы нулевые или отрицательные: настоящие данные нужно чистить, и часть задач именно об этом.

Сколько данных в таблицах:

Структура таблиц

Нажмите на таблицу, чтобы увидеть её столбцы, пример строки и ключи.

Примеры запросов

Эти запросы показывают, как связаны данные. Скопируйте любой и запустите в песочнице.

Длительность поездки — функция DuckDB date_diff между посадкой и высадкой:

SELECT tpep_pickup_datetime,
       date_diff('minute', tpep_pickup_datetime, tpep_dropoff_datetime) AS minutes,
       trip_distance, total_amount
FROM yellow_tripdata
WHERE tpep_pickup_datetime >= '2024-01-01'
ORDER BY tpep_pickup_datetime
LIMIT 3;

Быстрый подсчёт — GROUP BY ALL в DuckDB группирует по всем неагрегированным столбцам:

SELECT store_and_fwd_flag, COUNT(*) AS trips
FROM yellow_tripdata
GROUP BY ALL
ORDER BY trips DESC;

SQL-задачи по темам

Задач на этом наборе данных: 19 — от общей статистики до временных рядов и проверки качества данных. Решение проверяется автоматически на настоящей DuckDB. Число справа — количество задач в теме, цветные метки — диапазон сложности.

• Аналитические запросы 19

С чего начать

Первые задачи по базе NYC Yellow Taxi:

1. Статистика поездок
2. Средняя стоимость по способу оплаты
3. Самые длинные поездки
4. Ежемесячная статистика
5. Самые популярные зоны посадки
6. Сравните чаевые по типу оплаты
7. Лучшие зоны посадки по месяцам
8. Анализ поездок пассажиров
9. Эффективность поездок по диапазону расстояний
10. Зоны с необычно высокой стоимостью за милю

Все задачи по NYC Yellow Taxi →