# Пример: 3,5 млн поездок такси по HTTPS

> Запросите Parquet-файл с 3,5 млн поездок такси Нью-Йорка по HTTPS с помощью DuckDB SQL, а затем постройте в DuckLocal графики поездок по часам и типам оплаты.

Source: https://ducklocal.app/docs/ru/example-nyc-taxi

Нью-Йорк публикует каждую поездку жёлтого такси как файл Parquet. Январь 2025
года — это один файл на 59 МБ с 3 475 226 строками, и DuckLocal может
запрашивать его там, где он лежит: без шага загрузки, без кластера, без
импорта. Это руководство проведёт вас от первого взгляда до трёх графиков и
дашборда, запрос за запросом. О более широком подходе «сначала файлы» см.
[локальный анализ данных с DuckDB SQL](https://ducklocal.app/ru/use-cases/local-data-analysis/).

Это руководство предполагает, что вы прошли [Ваши первые 10 минут](tutorial.md) или уже знакомы с основами: нажатие **⌘↵** (Ctrl+Enter в Windows и Linux) выполняет запрос в редакторе, а область результатов включает вкладку **График**.

Файл:

```text
https://d37ci6vzurychx.cloudfront.net/trip-data/yellow_tripdata_2025-01.parquet
```

::: tip Сеть
Первый запрос по адресу `https://` заставляет DuckDB скачать расширение
`httpfs`, поэтому один раз нужно быть онлайн. После этого каждый запрос
читает только те части файла, которые ему нужны — файл Parquet хранит каждый
столбец отдельно, и DuckDB запрашивает диапазоны байтов, а не файл целиком.
:::

## 1. Посмотрите, прежде чем запрашивать

Вставьте это во вкладку запроса и нажмите **⌘↵**:

```sql
SELECT *
FROM 'https://d37ci6vzurychx.cloudfront.net/trip-data/yellow_tripdata_2025-01.parquet'
LIMIT 100;
```

Сто строк, двадцать столбцов: время посадки и высадки, расстояние, тариф,
чаевые, зоны посадки и высадки и способ оплаты поездки. Чтобы увидеть каждый
столбец с его типом, а не прокручивать таблицу вбок, примените `DESCRIBE` к
тому же запросу:

```sql
DESCRIBE SELECT *
FROM 'https://d37ci6vzurychx.cloudfront.net/trip-data/yellow_tripdata_2025-01.parquet';
```

Используемые ниже:

| Столбец | Тип | Значение |
| --- | --- | --- |
| `tpep_pickup_datetime` | TIMESTAMP | Когда включился счётчик |
| `fare_amount` | DOUBLE | Тариф по счётчику в долларах |
| `tip_amount` | DOUBLE | Чаевые в долларах — только оплаченные картой, см. шаг 4 |
| `payment_type` | BIGINT | `1` кредитная карта, `2` наличные, `3` без оплаты, `4` спор |

## 2. Месяц, час за часом

Сколько поездок началось в каждый час января?

```sql
SELECT date_trunc('hour', tpep_pickup_datetime) AS hour,
       count(*) AS trips
FROM 'https://d37ci6vzurychx.cloudfront.net/trip-data/yellow_tripdata_2025-01.parquet'
WHERE tpep_pickup_datetime >= '2025-01-01'
  AND tpep_pickup_datetime <  '2025-02-01'
GROUP BY 1
ORDER BY 1;
```

Он агрегирует все 3,5 млн строк в 744 — по одной на каждый час месяца — за
пару секунд. Переключитесь на **График**: первый столбец — метка времени,
поэтому DuckLocal рисует график области по времени. Каждый день виден как пик,
и пики поднимаются и опускаются вместе с неделей; самый загруженный час месяца — 18:00 в четверг 16 января, 13 288 поездок.

Две детали делают график честным:

- **Предложение `WHERE`.** Двадцать две поездки в файле начались вне
  января: 21 в новогоднюю ночь, одна — через 44 секунды после начала февраля.
  Без фильтра они добавляют четыре лишних часа на краях графика.
- **`ORDER BY 1`.** Графики рисуют строки в том порядке, в котором их вернул
  запрос. `GROUP BY` не обещает никакого порядка, поэтому без него линия
  шла бы зигзагом.

744 точки меньше лимита графика в 1 500 точек, поэтому каждый час рисуется
как есть, а не усредняется по интервалам. Проверьте заголовок графика: в нём
сказано, сколько точек нарисовано.

## 3. Форма дня

Сложите месяц в один день: поездки по часам суток, с 00:00 до 23:00.

```sql
SELECT format('{:02d}:00', hour(tpep_pickup_datetime)) AS pickup_hour,
       count(*) AS trips
FROM 'https://d37ci6vzurychx.cloudfront.net/trip-data/yellow_tripdata_2025-01.parquet'
GROUP BY 1
ORDER BY 1;
```

Теперь **График** рисует 24 столбца. Город тише всего в 04:00 (20 033 поездки
за весь месяц) и оживлённее всего в 18:00 (267 951) — более чем в тринадцать
раз больше.

::: warning Почему час — это текст
Подпись намеренно строится через `format('{:02d}:00', …)`. График результатов
рисует **первый числовой столбец**, а простой `hour(…)` — это число. Оно
стало бы высотой столбцов, и вы получили бы аккуратную лестницу от 0 до 23
вместо количества поездок. Текстовый первый столбец — это подпись, а не
значение. Дополнение нулями (`04:00`, а не `4:00`) сохраняет правильный
порядок текста при `ORDER BY`.
:::

## 4. Кто даёт чаевые?

Чаевые как доля тарифа в зависимости от способа оплаты поездки:

```sql
SELECT CASE payment_type
         WHEN 1 THEN 'Credit card' WHEN 2 THEN 'Cash'
         WHEN 3 THEN 'No charge'   WHEN 4 THEN 'Dispute'
         ELSE 'Other'
       END AS payment,
       round(100 * avg(tip_amount / fare_amount), 1) AS tip_pct,
       count(*) AS trips
FROM 'https://d37ci6vzurychx.cloudfront.net/trip-data/yellow_tripdata_2025-01.parquet'
WHERE fare_amount > 0
GROUP BY 1
ORDER BY trips DESC;
```

| payment | tip_pct | trips |
| --- | --- | --- |
| Credit card | 26.8 | 2444292 |
| Other | 2.7 | 455288 |
| Cash | 0.0 | 375850 |
| Dispute | 0.0 | 38787 |
| No charge | 0.1 | 15493 |

Пассажиры, платящие картой, оставляют около 27 % тарифа; платящие наличными,
судя по данным, ничего. Это данные, а не пассажиры: счётчик записывает только
чаевые, оплаченные картой. Чаевые наличными попадают в руки водителя и
никогда не доходят до файла. Понимать, откуда берётся столбец, так же важно,
как и сам SQL.

`WHERE fare_amount > 0` не даёт возвратам и нулевым тарифам делить на ноль или
переворачивать знак. График рисует `tip_pct`, потому что это первый числовой
столбец; поставьте `trips` первым, чтобы вместо этого нарисовать объём.

## 5. Сохраните это как дашборд

Три запроса, которые стоит выполнять снова, достойны [дашборда](dashboards.md). Скачайте [nyc-taxi.dash](https://ducklocal.app/docs/samples/nyc-taxi.dash): в нём есть тренд по часам, столбцы по часам суток, график чаевых и таблица с числами за ними. Перетащите его в окно DuckLocal, и он откроется как вкладка, которая выполняет все запросы и рисует все графики.

Поскольку SQL читает абсолютный адрес `https://`, файл работает так и там, где его откроют. Прежде чем делиться им, `ducklocal check` может выполнить все запросы, чтобы доказать, что он работает:

```bash
ducklocal check nyc-taxi.dash                         # syntax and references only
ducklocal check nyc-taxi.dash --database any.duckdb   # also runs each query
```

## 6. То же самое из терминала

CLI отвечает без окна — именно так спросил бы ИИ-агент:

```bash
ducklocal query --format md --sql "
  SELECT format('{:02d}:00', hour(tpep_pickup_datetime)) AS pickup_hour,
         count(*) AS trips
  FROM 'https://d37ci6vzurychx.cloudfront.net/trip-data/yellow_tripdata_2025-01.parquet'
  GROUP BY 1 ORDER BY trips DESC LIMIT 3"
```

## Что дальше

- **Работайте офлайн или быстрее.** Каждый запрос снова читает нужные
  столбцы по сети. Чтобы сохранить копию, выполните `SELECT *` из шага 1 без
  `LIMIT` и используйте **Экспорт Parquet…** — затем перетащите локальный
  файл, и он станет представлением, к которому можно обращаться по имени.
- **Больше месяцев.** Файлы следуют одному шаблону, `yellow_tripdata_YYYY-MM.parquet`.
  DuckDB читает их список как одну таблицу:
  `FROM read_parquet(['https://…/yellow_tripdata_2025-01.parquet', 'https://…/yellow_tripdata_2025-02.parquet'])`.
  Glob (`*`) не работает по обычному HTTPS, потому что веб-сервер нельзя
  перечислить; он работает в [S3](s3.md).
- **Зоны.** `PULocationID` и `DOLocationID` — это номера зон такси; NYC
  Taxi & Limousine Commission (TLC) публикует таблицу соответствий с их названиями.

Данные публикует
[TLC](https://www.nyc.gov/site/tlc/about/tlc-trip-record-data.page),
которая также документирует каждый столбец.
