Arbeidsuren en salarissen voor VS (per staat)

Het CES-programma (Current Employment Statistics) levert gedetailleerde bedrijfstakramingen voor de werkgelegenheid, uren en inkomsten van werknemers op loonlijsten in de niet-agrarische sector 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.

Deze gegevensset is afkomstig van State and Metro Area Employment, Hours & Earnings data 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)
• Werkloosheidsstatistieken voor VS (lokale regio)
• Statistieken over beroepsbevolking VS

Kolommen

Naam	Gegevenstype	Uniek	Waarden (voorbeeld)
area_code	tekenreeks	446	0 31084
area_name	tekenreeks	446	Statewide Los Angeles-Long Beach-Glendale, CA Metropolitan Division
data_type_code	tekenreeks	9	3
data_type_text	tekenreeks	9	Alle werknemers, in duizenden gemiddeld wekelijkse uren van alle werknemers
footnote_codes	tekenreeks	3	nan P
industry_code	tekenreeks	343	0 5000000
industry_name	tekenreeks	343	Totaal totaal niet-farmtotaal privé
periode	tekenreeks	13	M04 M05
Seizoensgebonden	tekenreeks	2	U S
series_id	tekenreeks	23,853	SMU12000000000000001 SMU36000000000000001
state_code	tekenreeks	53	6 48
state_name	tekenreeks	53	Californië Texas
supersector_code	tekenreeks	22	90 60
supersector_name	tekenreeks	22	Overheidsprofessionals en zakelijke services
waarde	zwevend	132,565	0.30000001192092896 0.10000000149011612
jaar	int	81	2014 2018

Preview uitvoeren

area_code	state_code	data_type_code	industry_code	supersector_code	series_id	jaar	periode	waarde	footnote_codes	Seizoensgebonden	supersector_name	industry_name	data_type_text	state_name	area_name
13460	41	26	0	0	SMS41134600000000026	1990	M04	0,2	nan	S	Totaal aantal niet-farm	Totaal aantal niet-farm	Alle werknemers, gemiddelde verandering van 3 maanden, in duizenden, seizoensgebonden aangepast	Oregon	Bend-Redmond, OR
13460	41	26	0	0	SMS41134600000000026	1990	M05	0,2	nan	S	Totaal aantal niet-farm	Totaal aantal niet-farm	Alle werknemers, gemiddelde verandering van 3 maanden, in duizenden, seizoensgebonden aangepast	Oregon	Bend-Redmond, OR
13460	41	26	0	0	SMS41134600000000026	1990	M06	0,1	nan	S	Totaal aantal niet-farm	Totaal aantal niet-farm	Alle werknemers, gemiddelde verandering van 3 maanden, in duizenden, seizoensgebonden aangepast	Oregon	Bend-Redmond, OR
13460	41	26	0	0	SMS41134600000000026	1990	M07	0,1	nan	S	Totaal aantal niet-farm	Totaal aantal niet-farm	Alle werknemers, gemiddelde verandering van 3 maanden, in duizenden, seizoensgebonden aangepast	Oregon	Bend-Redmond, OR
13460	41	26	0	0	SMS41134600000000026	1990	M08	0,2	nan	S	Totaal aantal niet-farm	Totaal aantal niet-farm	Alle werknemers, gemiddelde verandering van 3 maanden, in duizenden, seizoensgebonden aangepast	Oregon	Bend-Redmond, OR
13460	41	26	0	0	SMS41134600000000026	1990	M09	0,2	nan	S	Totaal aantal niet-farm	Totaal aantal niet-farm	Alle werknemers, gemiddelde verandering van 3 maanden, in duizenden, seizoensgebonden aangepast	Oregon	Bend-Redmond, OR
13460	41	26	0	0	SMS41134600000000026	1990	M10	0,1	nan	S	Totaal aantal niet-farm	Totaal aantal niet-farm	Alle werknemers, gemiddelde verandering van 3 maanden, in duizenden, seizoensgebonden aangepast	Oregon	Bend-Redmond, OR

Toegang tot gegevens

Azure Notebooks

azureml-opendatasets

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

usLaborEHEState = UsLaborEHEState()
usLaborEHEState_df = usLaborEHEState.to_pandas_dataframe()

usLaborEHEState_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 = "ehe_state/"

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 UsLaborEHEState

usLaborEHEState = UsLaborEHEState()
usLaborEHEState_df = usLaborEHEState.to_spark_dataframe()

display(usLaborEHEState_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 = "ehe_state/"
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 = "ehe_state/"
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.