US Producer Price Index - Commodities

Il Producer Price Index (PPI), ovvero l'indice dei prezzi alla produzione, è un indicatore della variazione media nel tempo dei prezzi di vendita ricevuti dai produttori nazionali per i beni prodotti. I prezzi inclusi nel PPI corrispondono ai prezzi della prima transazione commerciale per i prodotti e servizi compresi nel paniere.

Nota

Microsoft fornisce i set di dati aperti di Azure così come sono e non fornisce né garanzie, esplicite o implicite, né specifica alcuna condizione in relazione all'uso dei set di dati. Nella misura consentita dalla legge locale, Microsoft declina tutte le responsabilità per eventuali danni o perdite, incluse dirette, consequenziali, speciali, indirette, accidentali o irreversibili, risultanti dall'uso dei set di dati.

Questo set di dati viene fornito in conformità con le condizioni originali in base alle quali Microsoft ha ricevuto i dati di origine. Il set di dati potrebbe includere dati provenienti da Microsoft.

Ogni mese vengono rilasciati circa 10.000 PPI per singoli prodotti e gruppi di prodotti. Gli indici PPI sono disponibili per l'output di quasi tutte le industrie nei settori di produzione di beni dell'economia statunitense: industria mineraria e manifatturiera, agricoltura, pesca e silvicoltura, oltre a gas naturale, elettricità, edilizia e beni competitivi con quelli realizzati nei settori produttivi, come rifiuti e materiali di scarto. Il programma PPI copre approssimativamente il 72% dell'output del settore dei servizi, secondo le misurazioni per fatturato riportate nel censimento economico del 2007. I dati sono pubblicati per i settori seguenti: commercio all'ingrosso e al dettaglio, trasporto e stoccaggio, informazioni, finanza e assicurazioni, leasing, affitto e intermediazione immobiliare, servizi professionali, scientifici e tecnici, servizi di amministrazione, assistenza e gestione dei rifiuti, assistenza sanitaria e sociale, ospitalità.

Il file LEGGIMI contenente informazioni dettagliate su questo set di dati è disponibile nella posizione del set di dati originale. Per altre informazioni, vedi le domande frequenti.

Il set di dati è generato dai dati del Producer Price Index pubblicati da US Bureau of Labor Statistics (BLS). Per informazioni sui termini e sulle condizioni per l'utilizzo di questo set di dati, vedi le informazioni sui collegamenti e sul copyright e le informative importanti sul sito Web.

Posizione di archiviazione

Questo set di dati è archiviato nell'area Stati Uniti orientali di Azure. L'allocazione delle risorse di calcolo nell'area Stati Uniti orientali è consigliata per motivi di affinità.

Set di dati correlati

• US Consumer Price Index
• US Producer Price Index - Industry

Colonne

Nome	Tipo di dati	Unica	Valori (esempio)	Descrizione
footnote_codes	string	3	nan P	Identifica le note a piè di pagina per la serie temporale. La maggior parte dei valori è Null. Vedere https://download.bls.gov/pub/time.series/wp/wp.footnote.
group_code	string	56	02 01	Codice che identifica il gruppo di merci principale coperto dall'indice. Vedi https://download.bls.gov/pub/time.series/wp/wp.group per informazioni sui codici e sui nomi dei gruppi.
group_name	string	56	Alimenti elaborati e prodotti agricoli	Nome del gruppo di merci principale coperto dall'indice. Vedi https://download.bls.gov/pub/time.series/wp/wp.group per informazioni sui codici e sui nomi dei gruppi.
item_code	string	2.949	1 11	Identifica l'elemento a cui fanno riferimento le osservazioni di dati. Vedi https://download.bls.gov/pub/time.series/wp/wp.item per informazioni sui codici e sui nomi degli elementi.
item_name	string	3.410	Immagazzinaggio, conservazione e servizi correlati Noleggio di auto passeggeri	Nomi completi degli elementi. Vedi https://download.bls.gov/pub/time.series/wp/wp.item per informazioni sui codici e sui nomi degli elementi.
period	string	13	M06 M07	Identifica il periodo dell'osservazione dei dati. Vedi https://download.bls.gov/pub/time.series/wp/wp.period per l'elenco dei valori dei periodi.
seasonal	string	2	U S	Codice che identifica se i dati vengono modificati in base alla stagione. S= con modifica stagionale; U= senza modifica stagionale
series_id	string	5.458	WPU101 WPU091	Codice che identifica le serie specifiche. Una serie temporale fa riferimento a un set di dati osservato per un periodo esteso di tempo in intervalli di tempo coerenti. Vedi https://download.bls.gov/pub/time.series/wp/wp.series per informazioni dettagliate sulla serie, ad esempio codice, nome, anno di inizio e fine e così via.
series_title	string	4.379	Dati PPI Commodity per i servizi minerari, dati PPI Commodity non modificati in base alla stagione per i servizi di trattamento dei metalli	Titolo della serie specifica. Una serie temporale fa riferimento a un set di dati osservato per un periodo esteso di tempo in intervalli di tempo coerenti. Per i dettagli della serie, come ID, nome, anno di inizio e di fine e così via, vedere https://download.bls.gov/pub/time.series/wp/wp.series.
value	float	6.788	100.0 99.0999984741211	Indice di prezzo per l'elemento.
year	int	26	2018 2017	Identifica l'anno dell'osservazione.

Anteprima

item_code	group_code	series_id	year	period	value	footnote_codes	seasonal	series_title	group_name	item_name
120922	05	WPU05120922	2008	M06	100	nan	U	Dati PPI Commodity per i combustibili e i prodotti correlati e prodotti minerari di carbone in sotterraneo bituminoso preparati ad alimentazione, solo schiacciati/setacciati/dimensionati meccanicamente, non modificati in base alla stagione	Combustibili e prodotti correlati e alimentazione	Prodotti minerari di carbone in sotterraneo bituminoso preparati, solo schiacciati/setacciati/dimensionati meccanicamente
120922	05	WPU05120922	2008	M07	104.6	nan	U	Dati PPI Commodity per i combustibili e i prodotti correlati e prodotti minerari di carbone in sotterraneo bituminoso preparati ad alimentazione, solo schiacciati/setacciati/dimensionati meccanicamente, non modificati in base alla stagione	Combustibili e prodotti correlati e alimentazione	Prodotti minerari di carbone in sotterraneo bituminoso preparati, solo schiacciati/setacciati/dimensionati meccanicamente
120922	05	WPU05120922	2008	M08	104.4	nan	U	Dati PPI Commodity per i combustibili e i prodotti correlati e prodotti minerari di carbone in sotterraneo bituminoso preparati ad alimentazione, solo schiacciati/setacciati/dimensionati meccanicamente, non modificati in base alla stagione	Combustibili e prodotti correlati e alimentazione	Prodotti minerari di carbone in sotterraneo bituminoso preparati, solo schiacciati/setacciati/dimensionati meccanicamente
120922	05	WPU05120922	2008	M09	98.3	nan	U	Dati PPI Commodity per i combustibili e i prodotti correlati e prodotti minerari di carbone in sotterraneo bituminoso preparati ad alimentazione, solo schiacciati/setacciati/dimensionati meccanicamente, non modificati in base alla stagione	Combustibili e prodotti correlati e alimentazione	Prodotti minerari di carbone in sotterraneo bituminoso preparati, solo schiacciati/setacciati/dimensionati meccanicamente
120922	05	WPU05120922	2008	M10	101.5	nan	U	Dati PPI Commodity per i combustibili e i prodotti correlati e prodotti minerari di carbone in sotterraneo bituminoso preparati ad alimentazione, solo schiacciati/setacciati/dimensionati meccanicamente, non modificati in base alla stagione	Combustibili e prodotti correlati e alimentazione	Prodotti minerari di carbone in sotterraneo bituminoso preparati, solo schiacciati/setacciati/dimensionati meccanicamente
120922	05	WPU05120922	2008	M11	95,2	nan	U	Dati PPI Commodity per i combustibili e i prodotti correlati e prodotti minerari di carbone in sotterraneo bituminoso preparati ad alimentazione, solo schiacciati/setacciati/dimensionati meccanicamente, non modificati in base alla stagione	Combustibili e prodotti correlati e alimentazione	Prodotti minerari di carbone in sotterraneo bituminoso preparati, solo schiacciati/setacciati/dimensionati meccanicamente

Accesso ai dati

Azure Notebooks

azureml-opendatasets

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

labor = UsLaborPPICommodity()
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_commodity/"

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

Campione non disponibile per questa combinazione di piattaforma/pacchetto.

Azure Databricks

azureml-opendatasets

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

labor = UsLaborPPICommodity()
labor_df = labor.to_spark_dataframe()

display(labor_df.limit(5))

azure-storage

Campione non disponibile per questa combinazione di piattaforma/pacchetto.

pyspark

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "laborstatisticscontainer"
blob_relative_path = "ppi_commodity/"
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

Campione non disponibile per questa combinazione di piattaforma/pacchetto.

azure-storage

Campione non disponibile per questa combinazione di piattaforma/pacchetto.

pyspark

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "laborstatisticscontainer"
blob_relative_path = "ppi_commodity/"
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'))

Passaggi successivi

Visualizzare il resto dei set di dati nel catalogo dei set di dati aperti.