纽约黄色出租车数据集（DuckDB）：yellow_tripdata 表和 SQL 练习

yellow_tripdata 收录了 2024 年 1 月纽约黄色出租车的行程，近 300 万行，已导入 DuckDB 用于分析型 SQL。 在 SQLtest.online 上，你可以直接在浏览器中查询这些数据：做自动判题的练习，或在练习场中运行自己的查询，无需安装任何软件。

• 1 张表，19 列
• 2,964,624 次行程
• 2024 年 1 月
• 19 道 SQL 练习

什么是 NYC Yellow Taxi

数据来自纽约市出租车和豪华轿车委员会（TLC）每月发布的行程记录。每一行是一次行程：上下车时间、距离、乘客人数、上下车区域、支付方式以及车费的各个组成部分。

DuckDB 是采用列式存储的嵌入式分析数据库，对数百万行的聚合只需不到一秒。因此这个数据集非常适合练习真正的数据分析：时间序列、分布、百分位数和数据清洗。

数据库包含什么

所有数据都在一张表 yellow_tripdata 中。所有列都允许 NULL，没有键和约束。PULocationID 和 DOLocationID 是 TLC 出租车区域编号。少数行程的上车时间不在 2024 年 1 月内，还有一些金额为零或负数：真实数据需要清洗，部分练习正是关于这一点。

各表的数据量：

表结构

点击表名可查看它的列、示例行和键。

示例查询

这些查询展示了数据之间是如何关联的。复制任意一条，在练习场中运行即可。

行程时长：用 DuckDB 的 date_diff 计算上下车之间的时间。

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;

快速计数：DuckDB 的 GROUP BY ALL 会按所有非聚合列分组。

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

按主题分类的 SQL 练习

基于这个数据集共有 19 道练习，从整体统计到时间序列和数据质量检查。答案会在真实的 DuckDB 上自动检查。 右侧数字是该主题的练习数量，彩色圆点表示难度范围。

• 分析查询 19

从哪里开始

NYC Yellow Taxi 数据库的前几道练习：

1. 整体旅行统计
2. 按支付类型计算平均费用
3. 最长的行程
4. 每月统计
5. 最受欢迎的接送区域
6. 按支付类型比较小费
7. 按月份的主要接送区域
8. 乘客行程分析
9. 按距离范围的行程效率
10. 每英里成本异常高的区域

全部 NYC Yellow Taxi 练习 →