Werkloosheidsstatistieken voor VS (lokale regio)

Het LAUS-programma (Local Area Unemployment Statistics) levert maandelijkse en jaarlijkse gegevens over de werkgelegenheid, werkeloosheid en beroepsbevolking voor volkstellingsregio's en -afdelingen, staten, districten, grootstedelijke gebieden en vele steden in de Verenigde Staten.

Notitie

Microsoft biedt Azure Open Datasets op basis van 'zoals is'. Microsoft geeft geen garanties, uitdrukkelijk of impliciet, garanties of voorwaarden met betrekking tot uw gebruik van de gegevenssets. Voor zover toegestaan volgens uw lokale wetgeving, wijst Microsoft alle aansprakelijkheid af voor eventuele schade of verliezen, waaronder directe, gevolgschade, speciale, indirecte, incidentele of strafbare gegevenssets, die het gevolg zijn van uw gebruik van de gegevenssets.

Deze gegevensset wordt geleverd onder de oorspronkelijke voorwaarden dat Microsoft de brongegevens heeft ontvangen. De gegevensset kan gegevens bevatten die afkomstig zijn van Microsoft.

LEESMIJ met bestand voor gedetailleerde informatie over deze gegevensset is beschikbaar op de oorspronkelijke locatie van de gegevensset.

Deze gegevensset is afkomstig uit gegevens van de Local Area Unemployment Statistics (werkeloosheidsstatistieken voor lokale gebieden) gepubliceerd door US Bureau of Labor Statistics (BLS). Lees Informatie over koppelingen en auteursrechten en Belangrijke websitemededelingen voor de voorwaarden met betrekking tot het gebruik van deze gegevensset.

Opslaglocatie

Deze gegevensset wordt opgeslagen in de Azure-regio US - oost. Het wordt aanbevolen om rekenresources in US - oost toe te wijzen voor affiniteit.

Gerelateerde gegevenssets

• Arbeidsuren en salarissen voor VS (nationaal)
• Arbeidsuren en salarissen voor VS (per staat)
• Statistieken over beroepsbevolking VS

Kolommen

Naam	Gegevenstype	Uniek	Waarden (voorbeeld)	Beschrijving
area_code	tekenreeks	8,290	ST3400000000000 RD8200000000000	De code waarmee het geografische gebied wordt aangeduid. Zie https://download.bls.gov/pub/time.series/la/la.area.
area_text	tekenreeks	8,238	District van Columbia Oregon	De naam van het geografische gebied. Zie https://download.bls.gov/pub/time.series/la/la.area
area_type_code	tekenreeks	14	F G	De unieke code waarmee het gebiedstype wordt gedefinieerd. Zie https://download.bls.gov/pub/time.series/la/la.area_type
areatype_text	tekenreeks	14	Provincies en equivalenten Steden en steden boven de 25.000 inwoners	De naam van het gebiedstype.
footnote_codes	tekenreeks	5	nan P
measure_code	tekenreeks	4	5 4	De code waarmee het gemeten element wordt aangegeven. 03: werkloosheidscijfer, 04: werkloosheid, 05: werkzaam 06: beroepsbevolking. Zie https://download.bls.gov/pub/time.series/la/la.measure.
measure_text	tekenreeks	4	werkgelegenheidswerkloosheid	De naam van het gemeten element. Zie https://download.bls.gov/pub/time.series/la/la.measure
periode	tekenreeks	13	M07 M05	Hiermee wordt de periode aangegeven, doorgaans de maand. Zie https://download.bls.gov/pub/time.series/la/la.period
Seizoensgebonden	tekenreeks	2	U S
series_id	tekenreeks	33,476	LASST160000000000006 LASST200000000000006	De code die de specifieke reeks aangeeft. Zie https://download.bls.gov/pub/time.series/la/la.series voor de complete lijst van reeksen.
series_title	tekenreeks	33,268	Werkgelegenheid: Philadelphia County/city, PA (U) Beroepsbevolking: Manassas city, VA (U)	De titel waarmee de serie wordt geïdentificeerd. Zie https://download.bls.gov/pub/time.series/la/la.series voor de complete lijst van reeksen.
srd_code	tekenreeks	53	48 23	De code van de staat, regio of afdeling.
srd_text	tekenreeks	53	Texas Maine
waarde	zwevend	600,099	4.0 5.0	De waarde voor de specifieke meting.
jaar	int	44	2009 2008

Preview uitvoeren

area_code	area_type_code	srd_code	measure_code	series_id	jaar	periode	waarde	footnote_codes	Seizoensgebonden	series_title	measure_text	srd_text	areatype_text	area_text
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M01	4.7	nan	U	Werkloosheidscijfer: Resourcee-Auburn, NY Gecombineerde Statistische Ruimte (U)	Werkloosheid	New York	Gecombineerde gebieden	Azure-Auburn, gecombineerd statistische gebied van NY
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M02	4.7	nan	U	Werkloosheidscijfer: Resourcee-Auburn, NY Gecombineerde Statistische Ruimte (U)	Werkloosheid	New York	Gecombineerde gebieden	Azure-Auburn, gecombineerd statistische gebied van NY
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M03	4.2	nan	U	Werkloosheidscijfer: Resourcee-Auburn, NY Gecombineerde Statistische Ruimte (U)	Werkloosheid	New York	Gecombineerde gebieden	Azure-Auburn, gecombineerd statistische gebied van NY
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M04	3,6	nan	U	Werkloosheidscijfer: Resourcee-Auburn, NY Gecombineerde Statistische Ruimte (U)	Werkloosheid	New York	Gecombineerde gebieden	Azure-Auburn, gecombineerd statistische gebied van NY
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M05	3,6	nan	U	Werkloosheidscijfer: Resourcee-Auburn, NY Gecombineerde Statistische Ruimte (U)	Werkloosheid	New York	Gecombineerde gebieden	Azure-Auburn, gecombineerd statistische gebied van NY
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M06	3,6	nan	U	Werkloosheidscijfer: Resourcee-Auburn, NY Gecombineerde Statistische Ruimte (U)	Werkloosheid	New York	Gecombineerde gebieden	Azure-Auburn, gecombineerd statistische gebied van NY
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M07	3,6	nan	U	Werkloosheidscijfer: Resourcee-Auburn, NY Gecombineerde Statistische Ruimte (U)	Werkloosheid	New York	Gecombineerde gebieden	Azure-Auburn, gecombineerd statistische gebied van NY

Toegang tot gegevens

Azure Notebooks

azureml-opendatasets

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

usLaborLAUS = UsLaborLAUS()
usLaborLAUS_df = usLaborLAUS.to_pandas_dataframe()

usLaborLAUS_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 = "laus/"

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

Voorbeeld niet beschikbaar voor deze combinatie van platform/pakket.

Azure Databricks

azureml-opendatasets

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

usLaborLAUS = UsLaborLAUS()
usLaborLAUS_df = usLaborLAUS.to_spark_dataframe()

display(usLaborLAUS_df.limit(5))

azure-storage

Voorbeeld niet beschikbaar voor deze combinatie van platform/pakket.

pyspark

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

Voorbeeld niet beschikbaar voor deze combinatie van platform/pakket.

azure-storage

Voorbeeld niet beschikbaar voor deze combinatie van platform/pakket.

pyspark

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

Volgende stappen

Bekijk de rest van de gegevenssets in de catalogus Open Datasets.