英国房地产价格数据集

此数据包含英格兰和威尔士房地产支付的价格。自1995年以来，数据可用，未压缩形式的数据集大小约为4 GiB（在 ClickHouse 中只占约278 MiB）。

• 来源: https://www.gov.uk/government/statistical-data-sets/price-paid-data-downloads
• 字段说明: https://www.gov.uk/guidance/about-the-price-paid-data
• 包含 HM Land Registry 数据 © Crown copyright 和数据库版权 2021。该数据根据开放政府许可证 v3.0 进行许可。

创建表

预处理和插入数据

我们将使用 url 函数将数据流式传输到 ClickHouse。我们需要先对一些传入数据进行预处理，包括：

• 将 postcode 拆分为两个不同的列 - postcode1 和 postcode2，这对存储和查询更为优化
• 将 time 字段转换为日期，因为它只包含00:00时间
• 忽略 UUid 字段，因为我们在分析中不需要它
• 使用 transform 函数将 type 和 duration 转换为更可读的 Enum 字段
• 将 is_new 字段从单字符字符串（Y/N）转换为 UInt8 字段，值为0或1
• 删除最后两列，因为它们的值都是相同的（值为0）

url 函数将数据从网络服务器流式传输到您的 ClickHouse 表中。以下命令将500万行插入到 uk_price_paid 表中：

等待数据插入 - 这将根据网络速度花费一两分钟时间。

验证数据

让我们通过查看插入了多少行来验证它是否成功：

在运行此查询时，数据集中有27,450,499行。让我们看看 ClickHouse 中该表的存储大小是多少：

注意，该表的大小仅为221.43 MiB！

运行一些查询

让我们运行一些查询以分析数据：

查询 1. 每年的平均价格

查询 2. 伦敦每年的平均价格

2020年房价发生了一些变化！但这可能并不令人惊讶...

查询 3. 最昂贵的邻里

用投影加速查询

我们可以使用投影来加速这些查询。有关此数据集的示例，请参见 "Projections"。

在游乐场中测试

数据集也可以在 在线游乐场 中使用。