Compartir a través de

Índice de precios al consumo de Estados Unidos

  • Artículo

El índice de precios al consumo (IPC) es una medida de la variación media a lo largo del tiempo en los precios que pagan los consumidores urbanos por una cesta de la compra de bienes de consumo y servicios.

Nota

Microsoft proporciona Azure Open Datasets "tal cual". Microsoft no ofrece ninguna garantía, expresa o implícita, ni condición con respecto al uso que usted haga de los conjuntos de datos. En la medida en la que lo permita su legislación local, Microsoft declina toda responsabilidad por posibles daños o pérdidas, incluidos los daños directos, consecuenciales, especiales, indirectos, incidentales o punitivos, que resulten de su uso de los conjuntos de datos.

Este conjunto de datos se proporciona bajo los términos originales con los que Microsoft recibió los datos de origen. El conjunto de datos puede incluir datos procedentes de Microsoft.

En la ubicación original del conjunto de datos hay disponible un archivo LÉAME que contiene información detallada sobre el conjunto de datos.

Este conjunto de datos se genera a partir de los datos de índice de precios al consumo, publicados por la Oficina de Estadísticas Laborales (BLS, por sus siglas en inglés). Revise la información de vínculos y copyright y los avisos importantes del sitio web para conocer los términos y condiciones.

Ubicación de almacenamiento

Este conjunto de datos se almacena en la región Este de EE. UU. de Azure. Se recomienda buscar la afinidad de los recursos de proceso en esta región.

Columnas

Nombre Tipo de datos Único Valores (ejemplo) Descripción
area_code string 70 0000 0300 Código único que se utiliza para identificar un área geográfica específica. Todos los códigos de área están disponibles aquí: http://download.bls.gov/pub/time.series/cu/cu.area
area_name string 69 U.S. city average South Nombre del área geográfica específica. Consulte https://download.bls.gov/pub/time.series/cu/cu.area para obtener todos los nombres y los códigos de áreas.
footnote_codes string 3 nan U Identifica una nota al pie de la serie de datos. La mayoría de los valores son nulos.
item_code string 515 SA0E SAF11 Identifica el producto al que pertenece la observación de los datos. Consulte https://download.bls.gov/pub/time.series/cu/cu.item para obtener todos los nombres y los códigos de los productos.
item_name string 515 Energy Food at home Nombres completos de los productos. Consulte https://download.bls.gov/pub/time.series/cu/cu.txt para obtener los nombres y los códigos de los productos.
period string 16 S01 S02 Identifica el período para el que se observan los datos. Formato: M01-M13 o S01-S03 (M = Mensual, M13 = Promedio anual, S = Semestral). Por ejemplo: M06 = Junio. Consulte https://download.bls.gov/pub/time.series/cu/cu.period para ver los nombres y los códigos de los períodos.
periodicity_code string 3 R S Frecuencia de la observación de los datos. S = Semestral; R = Periódica.
seasonal (estacional) string 1,043 EE. UU. Código que indica si los datos se han desestacionalizado. S = Desestacionalizado; U = No desestacionalizado.
series_id string 16,683 CWURS400SA0E CWUR0100SA0E Código que identifica la serie específica. Una serie temporal hace referencia a un conjunto de datos observados a lo largo de un período prolongado a intervalos constantes (es decir, mensualmente, trimestralmente, semestralmente, anualmente). La Oficina de Estadísticas Laborales (BLS) suele generar datos de series temporales a intervalos mensuales y los datos abarcan desde un bien de consumo específico en un área geográfica concreta cuyo precio se recopila mensualmente hasta una categoría de trabajadores de un sector específico cuya tasa de empleo se registra mensualmente, etc. Para obtener más información, vea https://download.bls.gov/pub/time.series/cu/cu.txt.
series_title string 8,336 Alcoholic drinks in U.S. city average, all urban consumers, not seasonally adjusted Transportation in Los Angeles-Long Beach-Anaheim, CA, all urban consumers, not seasonally adjusted Nombre de la serie del elemento series_id correspondiente. Consulte https://download.bls.gov/pub/time.series/cu/cu.series para obtener los identificadores y los nombres de las series.
value FLOAT 310,603 100.0 101.0999984741211 Índice de precios del artículo.
year int 25 2018 2017 Identifica el año de observación.

Vista previa

area_code item_code series_id year period value footnote_codes seasonal (estacional) periodicity_code series_title item_name area_name
S49E SEHF01 CUURS49ESEHF01 2017 M12 279.974 nan U R Electricity in San Diego-Carlsbad, CA, all urban consumers, not seasonally adjusted Electricity San Diego-Carlsbad, CA
S49E SEHF01 CUURS49ESEHF01 2017 M12 279.974 nan U R Electricity in San Diego-Carlsbad, CA, all urban consumers, not seasonally adjusted Electricity San Diego-Carlsbad, CA
S49E SEHF01 CUURS49ESEHF01 2017 M12 279.974 nan U R Electricity in San Diego-Carlsbad, CA, all urban consumers, not seasonally adjusted Electricity San Diego-Carlsbad, CA
S49E SEHF01 CUURS49ESEHF01 2017 M12 279.974 nan U R Electricity in San Diego-Carlsbad, CA, all urban consumers, not seasonally adjusted Electricity San Diego-Carlsbad, CA
S49E SEHF01 CUURS49ESEHF01 2017 M12 279.974 nan U R Electricity in San Diego-Carlsbad, CA, all urban consumers, not seasonally adjusted Electricity San Diego-Carlsbad, CA
S49E SEHF01 CUURS49ESEHF01 2017 M12 279.974 nan U R Electricity in San Diego-Carlsbad, CA, all urban consumers, not seasonally adjusted Electricity San Diego-Carlsbad, CA

Acceso a datos

Azure Notebooks

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

usLaborCPI = UsLaborCPI()
usLaborCPI_df = usLaborCPI.to_pandas_dataframe()

usLaborCPI_df.info()

Azure Databricks

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

usLaborCPI = UsLaborCPI()
usLaborCPI_df = usLaborCPI.to_spark_dataframe()

display(usLaborCPI_df.limit(5))

Azure Synapse

Ejemplo no disponible para esta combinación de plataforma y paquete.

Pasos siguientes

Consulte el resto de los conjuntos de datos en el catálogo de Open Datasets.