US National Employment Hours and Earnings (Время занятости и заработная плата граждан США)

Статья
09/02/2024

Программа статистики текущей занятости (CES) предоставляет подробную оценку отрасли в плане занятости несельскохозяйственного персонала, рабочем времени и окладах в Соединенных Штатах.

Примечание.

Корпорация Майкрософт предоставляет Открытые наборы данных Azure как есть. Корпорация Майкрософт не предоставляет никаких гарантий (явных или подразумеваемых) и не определяет никаких условий в связи с использованием этих наборов данных. В рамках, допускаемых местным законодательством, корпорация Майкрософт отказывается от ответственности за ущерб и убытки (в том числе прямые, косвенные, специальные, опосредованные, случайные и штрафные), понесенные в результате использования вами этих наборов данных.

Этот набор данных предоставляется на тех же условиях, на которых корпорация Майкрософт получила исходные данные. Этот набор может включать данные, полученные от корпорации Майкрософт.

README, содержащий файл с подробной информацией об этом наборе данных, доступен в исходном местоположении набора данных.

Источник этого набора данных — государственные статистические данные о текущей занятости (CES), опубликованные Бюро трудовой статистики (BLS) США. Просмотрите Ссылки и информацию об авторских правах и Важные уведомления о веб-сайте, чтобы получить сведения об условиях, связанных с использованием этого набора данных.

Место хранения

Этот набор данных хранится в регионе Azure "Восточная часть США". Для обеспечения приближенности рекомендуется выделять вычислительные ресурсы в регионе "Восточная часть США".

US State Employment Hours and Earnings (Время занятости и заработная плата в штатах США)
US Local Area Unemployment Statistics (Статистика безработицы в США по географическим областям)
US Labor Force Statistics (Статистика по занятому населению США)

Столбцы

Имя.	Тип данных	Уникальный	Значения (пример)	Description
data_type_code	строка	37	1 10	См. раздел https://download.bls.gov/pub/time.series/ce/ce.datatype.
data_type_text	строка	37	ВСЕ СОТРУДНИКИ, ТЫСЯЧИ СОТРУДНИКОВ ЖЕНЩИН, ТЫСЯЧИ	См. раздел https://download.bls.gov/pub/time.series/ce/ce.datatype.
footnote_codes	строка	2	nan P
industry_code	строка	902	30000000 32000000	Различные отрасли. См. раздел https://download.bls.gov/pub/time.series/ce/ce.industry.
industry_name	строка	895	Скоропортящиеся товары Товары длительного пользования	Различные отрасли. См. раздел https://download.bls.gov/pub/time.series/ce/ce.industry.
период	строка	13	M03 M06	См. раздел https://download.bls.gov/pub/time.series/ce/ce.period.
сезонные корректировки	строка	2	U S
series_id	строка	26,021	CEU3100000008 CEU9091912001	Различные типы рядов данных, доступные в наборе данных. См. раздел https://download.bls.gov/pub/time.series/ce/ce.series.
series_title	строка	25,685	Все сотрудники, тысячи, товары длительного пользования, без сезонной корректировки Все сотрудники, тысячи, скоропортящиеся товары, без сезонной корректировки	Заголовки различных типов рядов данных, доступных в наборе данных. См. раздел https://download.bls.gov/pub/time.series/ce/ce.series.
supersector_code	строка	22	31 60	Классификация отраслей или секторов более высокого уровня. См. раздел https://download.bls.gov/pub/time.series/ce/ce.supersector.
supersector_name	строка	22	Товары длительного пользования Профессиональные и деловые услуги	Классификация отраслей или секторов более высокого уровня. См. раздел https://download.bls.gov/pub/time.series/ce/ce.supersector.
значение	с плавающей запятой	572,372	38.5 38.400001525878906
год	INT	81	2017 2012

Предварительный просмотр

data_type_code	industry_code	supersector_code	series_id	год	период	значение	footnote_codes	сезонные корректировки	series_title	supersector_name	industry_name	data_type_text
26	5000000	5	CES0500000026	1939	M04	52	не число	S	Все сотрудники, среднее изменение за 3 месяца, с поправкой на сезонность, в тысячах, всего частное лицо, с поправкой на сезонность	Всего частных	Всего частных	ВСЕ СОТРУДНИКИ, СРЕДНЕЕ ИЗМЕНЕНИЕ ЗА 3 МЕСЯЦА, С СЕЗОННОЙ КОРРЕКТИРОВКОЙ, ТЫСЯЧИ
26	5000000	5	CES0500000026	1939	M05	65	не число	S	Все сотрудники, среднее изменение за 3 месяца, с поправкой на сезонность, в тысячах, всего частное лицо, с поправкой на сезонность	Всего частных	Всего частных	ВСЕ СОТРУДНИКИ, СРЕДНЕЕ ИЗМЕНЕНИЕ ЗА 3 МЕСЯЦА, С СЕЗОННОЙ КОРРЕКТИРОВКОЙ, ТЫСЯЧИ
26	5000000	5	CES0500000026	1939	M06	74	не число	S	Все сотрудники, среднее изменение за 3 месяца, с поправкой на сезонность, в тысячах, всего частное лицо, с поправкой на сезонность	Всего частных	Всего частных	ВСЕ СОТРУДНИКИ, СРЕДНЕЕ ИЗМЕНЕНИЕ ЗА 3 МЕСЯЦА, С СЕЗОННОЙ КОРРЕКТИРОВКОЙ, ТЫСЯЧИ
26	5000000	5	CES0500000026	1939	M07	103	не число	S	Все сотрудники, среднее изменение за 3 месяца, с поправкой на сезонность, в тысячах, всего частное лицо, с поправкой на сезонность	Всего частных	Всего частных	ВСЕ СОТРУДНИКИ, СРЕДНЕЕ ИЗМЕНЕНИЕ ЗА 3 МЕСЯЦА, С СЕЗОННОЙ КОРРЕКТИРОВКОЙ, ТЫСЯЧИ
26	5000000	5	CES0500000026	1939	M08	108	не число	S	Все сотрудники, среднее изменение за 3 месяца, с поправкой на сезонность, в тысячах, всего частное лицо, с поправкой на сезонность	Всего частных	Всего частных	ВСЕ СОТРУДНИКИ, СРЕДНЕЕ ИЗМЕНЕНИЕ ЗА 3 МЕСЯЦА, С СЕЗОННОЙ КОРРЕКТИРОВКОЙ, ТЫСЯЧИ
26	5000000	5	CES0500000026	1939	M09	152	не число	S	Все сотрудники, среднее изменение за 3 месяца, с поправкой на сезонность, в тысячах, всего частное лицо, с поправкой на сезонность	Всего частных	Всего частных	ВСЕ СОТРУДНИКИ, СРЕДНЕЕ ИЗМЕНЕНИЕ ЗА 3 МЕСЯЦА, С СЕЗОННОЙ КОРРЕКТИРОВКОЙ, ТЫСЯЧИ
26	5000000	5	CES0500000026	1939	M10	307	не число	S	Все сотрудники, среднее изменение за 3 месяца, с поправкой на сезонность, в тысячах, всего частное лицо, с поправкой на сезонность	Всего частных	Всего частных	ВСЕ СОТРУДНИКИ, СРЕДНЕЕ ИЗМЕНЕНИЕ ЗА 3 МЕСЯЦА, С СЕЗОННОЙ КОРРЕКТИРОВКОЙ, ТЫСЯЧИ
26	5000000	5	CES0500000026	1939	M11	248	не число	S	Все сотрудники, среднее изменение за 3 месяца, с поправкой на сезонность, в тысячах, всего частное лицо, с поправкой на сезонность	Всего частных	Всего частных	ВСЕ СОТРУДНИКИ, СРЕДНЕЕ ИЗМЕНЕНИЕ ЗА 3 МЕСЯЦА, С СЕЗОННОЙ КОРРЕКТИРОВКОЙ, ТЫСЯЧИ

Доступ к данным

Записные книжки Azure

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

usLaborEHENational = UsLaborEHENational()
usLaborEHENational_df = usLaborEHENational.to_pandas_dataframe()

usLaborEHENational_df.info()

# 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_national/"

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

Azure Databricks

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

usLaborEHENational = UsLaborEHENational()
usLaborEHENational_df = usLaborEHENational.to_spark_dataframe()

display(usLaborEHENational_df.limit(5))

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

Образец для комбинации платформа/пакет недоступен.

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

Следующие шаги

Ознакомьтесь с другими наборами в каталоге Открытых наборов данных.

Поделиться через

US National Employment Hours and Earnings (Время занятости и заработная плата граждан США)

Место хранения

Столбцы

Предварительный просмотр

Доступ к данным

Записные книжки Azure

Azure Databricks

Azure Synapse

Следующие шаги

Обратная связь

Дополнительные ресурсы

Поделиться через

US National Employment Hours and Earnings (Время занятости и заработная плата граждан США)

Место хранения

Связанные наборы данных

Столбцы

Предварительный просмотр

Доступ к данным

Записные книжки Azure

Azure Databricks

Azure Synapse

Следующие шаги

Обратная связь

Дополнительные ресурсы