Odvětví indexu spotřebitelských cen v USA

Index cen výrobců (PPI) měří průměrnou změnu prodejních cen, za které domácí výrobci prodávají své výstupy, v průběhu času. Ceny zahrnuté do PPI pocházejí z prvních komerčních transakcí produktů a služeb zahrnutých do tohoto indexu.

Poznámka:

Microsoft poskytuje datové sady Azure Open Datasets na bázi "tak, jak je". Společnost Microsoft neposkytuje žádné záruky, výslovné ani předpokládané záruky ani podmínky týkající se vašeho používání datových sad. V rozsahu povoleném vaším místním zákonem společnost Microsoft odmítá veškerou odpovědnost za případné škody nebo ztráty, včetně přímých, následných, zvláštních, nepřímých, náhodných nebo represivních, vyplývajících z vašeho používání datových sad.

Na tuto datovou sadu se vztahují původní podmínky, které Microsoft přijal se zdrojovými daty. Datová sada může obsahovat data pocházející z Microsoftu.

Indexy aktuálních řad v revizi indexu cen výrobců odrážejí pohyby cen čisté produkce výrobců uspořádaných v souladu se systémem klasifikace odvětví v Severní Americe (NAICS). Datová sada změn cen je kompatibilní s širokou škálou časových řad hospodářských údajů založených na systému NAICS, mezi které patří produktivita, výroba, zaměstnanost, mzdy a výdělky.

Systém PPI zahrnuje výstup všech odvětví výrobního sektoru ekonomiky USA (těžba, výroba, zemědělství, rybolov a lesnictví) a také zemní plyn, elektřinu, stavebnictví a zboží, které dokáže konkurovat zboží vyrobenému ve výrobních sektorech, jako je odpadový materiál a šrot. Kromě toho program PPI od ledna 2011 pokrýval více než tři čtvrtiny výstupu odvětví služeb, publikování dat pro vybraná odvětví v následujících odvětvích: velkoobchod a maloobchod; přepravy a skladování; informace; finance a pojištění; realitní makléřství, pronájem a leasing; odborné, vědecké a technické služby; služby správy, podpory a nakládání s odpady; zdravotní péče a sociální pomoc; a ubytování.

Soubor README s podrobnými informacemi o této datové sadě najdete v jejím původním umístění. Další informace najdete v nejčastějších dotazech.

Tato datová sada je vytvořená z údajů indexů cen výrobců zveřejněných vládní agenturou BLS (Bureau of Labor Statistics) v USA. Podmínky a ujednání související s používáním této datové sady najdete v informacích o odkazování a autorských právech a v důležitých upozorněních k webovým stránkám.

Dočasné úložiště

Tato datová sada se uchovává v oblasti Azure Východní USA. Kvůli přidružení se doporučuje přidělovat výpočetní prostředky v oblasti Východní USA.

Související datové sady

• Index spotřebitelských cen v USA
• Index výrobních cen v USA – komodity

Sloupce

Name	Datový typ	Jedinečný	Values (sample)	Popis
footnote_codes	string	3	nan P	Označuje poznámky pro datovou řadu. Většina hodnot je null. Viz třída https://download.bls.gov/pub/time.series/pc/pc.footnote.
industry_code	string	1,064	221122 325412	Kód NAICS pro dané odvětví. Kódy a názvy najdete tady: https://download.bls.gov/pub/time.series/pc/pc.industry.
industry_name	string	842	Výroba elektrické distribuce elektrické energie Farmaceutika	Název odpovídající kódu odvětví. Kódy a názvy najdete tady: https://download.bls.gov/pub/time.series/pc/pc.industry.
perioda	string	13	M06 M07	Určuje období, za které se data sledují. Kompletní seznam najdete tady: https://download.bls.gov/pub/time.series/pc/pc.period.
product_code	string	4,822	324121P 316---	Kód označující produkt, ke kterému se vztahuje pozorování dat. Viz https://download.bls.gov/pub/time.series/pc/pc.product mapování oborových kódů, kódů produktů a názvů produktů.
product_name	string	3,313	Primární produkty Sekundární produkty	Název produktu, ke kterému se vztahuje pozorování dat. Viz https://download.bls.gov/pub/time.series/pc/pc.product mapování oborových kódů, kódů produktů a názvů produktů.
sezónní	string	0	U	Kód určující, jestli jsou data očištěná od sezónních vlivů. S = očištěná od sezónních vlivů; U = neočištěná
series_id	string	4,822	PCU332323332323M PCU333415333415C	Kód označující konkrétní řadu. Časová řada označuje sadu dat zaznamenaných za delší období v konzistentních časových intervalech. Podrobnosti k jednotlivým řadám, jako jsou kód, název, rok zahájení a ukončení, najdete tady: https://download.bls.gov/pub/time.series/pc/pc.series.
series_title	string	4,588	Údaje o odvětví PPI pro distribuci elektrické energie – středozápad – středozápad, ne sezónně upravená data o odvětví PPI pro distribuci elektrické energie - Tichomoří, ne sezónně upravená
hodnota	float (číslo s plovoucí řádovou čárkou)	7,658	100.0 100.4000015258789	Index cen položky
rok	int	22	2015 2017	Určuje rok pozorování

Preview

product_code	industry_code	series_id	rok	perioda	hodnota	footnote_codes	sezónní	series_title	industry_name	product_name
2123240	212324	PCU2123242123240	1998	M01	117	Nan	U	Údaje o ppi průmyslu pro Kaolin a kuličkovou hlínu dolování-Kaolin a kuličkovou hlínu, ne sezónně upraveny	Dolování kaolinu a kuličkové hlíny	Kaolin a kulový jíl
2123240	212324	PCU2123242123240	1998	M02	116.9	Nan	U	Údaje o ppi průmyslu pro Kaolin a kuličkovou hlínu dolování-Kaolin a kuličkovou hlínu, ne sezónně upraveny	Dolování kaolinu a kuličkové hlíny	Kaolin a kulový jíl
2123240	212324	PCU2123242123240	1998	M03	116.3	Nan	U	Údaje o ppi průmyslu pro Kaolin a kuličkovou hlínu dolování-Kaolin a kuličkovou hlínu, ne sezónně upraveny	Dolování kaolinu a kuličkové hlíny	Kaolin a kulový jíl
2123240	212324	PCU2123242123240	1998	M04	116	Nan	U	Údaje o ppi průmyslu pro Kaolin a kuličkovou hlínu dolování-Kaolin a kuličkovou hlínu, ne sezónně upraveny	Dolování kaolinu a kuličkové hlíny	Kaolin a kulový jíl
2123240	212324	PCU2123242123240	1998	M05	116.2	Nan	U	Údaje o ppi průmyslu pro Kaolin a kuličkovou hlínu dolování-Kaolin a kuličkovou hlínu, ne sezónně upraveny	Dolování kaolinu a kuličkové hlíny	Kaolin a kulový jíl
2123240	212324	PCU2123242123240	1998	M06	116.3	Nan	U	Údaje o ppi průmyslu pro Kaolin a kuličkovou hlínu dolování-Kaolin a kuličkovou hlínu, ne sezónně upraveny	Dolování kaolinu a kuličkové hlíny	Kaolin a kulový jíl
2123240	212324	PCU2123242123240	1998	M07	116.6	Nan	U	Údaje o ppi průmyslu pro Kaolin a kuličkovou hlínu dolování-Kaolin a kuličkovou hlínu, ne sezónně upraveny	Dolování kaolinu a kuličkové hlíny	Kaolin a kulový jíl

Přístup k datům

Azure Notebooks

azureml-opendatasets

# This is a package in preview.
from azureml.opendatasets import UsLaborPPIIndustry

labor = UsLaborPPIIndustry()
labor_df = labor.to_pandas_dataframe()

labor_df.info()

azure-storage

# Pip install packages
import os, sys

!{sys.executable} -m pip install azure-storage-blob
!{sys.executable} -m pip install pyarrow
!{sys.executable} -m pip install pandas

# Azure storage access info
azure_storage_account_name = "azureopendatastorage"
azure_storage_sas_token = r""
container_name = "laborstatisticscontainer"
folder_name = "ppi_industry/"

from azure.storage.blob import BlockBlobServicefrom azure.storage.blob import BlobServiceClient, BlobClient, ContainerClient

if azure_storage_account_name is None or azure_storage_sas_token is None:
    raise Exception(
        "Provide your specific name and key for your Azure Storage account--see the Prerequisites section earlier.")

print('Looking for the first parquet under the folder ' +
      folder_name + ' in container "' + container_name + '"...')
container_url = f"https://{azure_storage_account_name}.blob.core.windows.net/"
blob_service_client = BlobServiceClient(
    container_url, azure_storage_sas_token if azure_storage_sas_token else None)

container_client = blob_service_client.get_container_client(container_name)
blobs = container_client.list_blobs(folder_name)
sorted_blobs = sorted(list(blobs), key=lambda e: e.name, reverse=True)
targetBlobName = ''
for blob in sorted_blobs:
    if blob.name.startswith(folder_name) and blob.name.endswith('.parquet'):
        targetBlobName = blob.name
        break

print('Target blob to download: ' + targetBlobName)
_, filename = os.path.split(targetBlobName)
blob_client = container_client.get_blob_client(targetBlobName)
with open(filename, 'wb') as local_file:
    blob_client.download_blob().download_to_stream(local_file)

# Read the parquet file into Pandas data frame
import pandas as pd

print('Reading the parquet file into Pandas data frame')
df = pd.read_parquet(filename)

# you can add your filter at below
print('Loaded as a Pandas data frame: ')
df

pyspark

Ukázka není k dispozici pro tuto kombinaci platformy nebo balíčku.

Azure Databricks

azureml-opendatasets

# This is a package in preview.
from azureml.opendatasets import UsLaborPPIIndustry

labor = UsLaborPPIIndustry()
labor_df = labor.to_spark_dataframe()

display(labor_df.limit(5))

azure-storage

Ukázka není k dispozici pro tuto kombinaci platformy nebo balíčku.

pyspark

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "laborstatisticscontainer"
blob_relative_path = "ppi_industry/"
blob_sas_token = r""

# Allow SPARK to read from Blob remotely
wasbs_path = 'wasbs://%s@%s.blob.core.windows.net/%s' % (blob_container_name, blob_account_name, blob_relative_path)
spark.conf.set(
  'fs.azure.sas.%s.%s.blob.core.windows.net' % (blob_container_name, blob_account_name),
  blob_sas_token)
print('Remote blob path: ' + wasbs_path)

# SPARK read parquet, note that it won't load any data yet by now
df = spark.read.parquet(wasbs_path)
print('Register the DataFrame as a SQL temporary view: source')
df.createOrReplaceTempView('source')

# Display top 10 rows
print('Displaying top 10 rows: ')
display(spark.sql('SELECT * FROM source LIMIT 10'))

Azure Synapse

azureml-opendatasets

Ukázka není k dispozici pro tuto kombinaci platformy nebo balíčku.

azure-storage

Ukázka není k dispozici pro tuto kombinaci platformy nebo balíčku.

pyspark

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "laborstatisticscontainer"
blob_relative_path = "ppi_industry/"
blob_sas_token = r""

# Allow SPARK to read from Blob remotely
wasbs_path = 'wasbs://%s@%s.blob.core.windows.net/%s' % (blob_container_name, blob_account_name, blob_relative_path)
spark.conf.set(
  'fs.azure.sas.%s.%s.blob.core.windows.net' % (blob_container_name, blob_account_name),
  blob_sas_token)
print('Remote blob path: ' + wasbs_path)

# SPARK read parquet, note that it won't load any data yet by now
df = spark.read.parquet(wasbs_path)
print('Register the DataFrame as a SQL temporary view: source')
df.createOrReplaceTempView('source')

# Display top 10 rows
print('Displaying top 10 rows: ')
display(spark.sql('SELECT * FROM source LIMIT 10'))

Další kroky

Prohlédněte si zbývající datové sady v katalogu Open Datasets.