你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

美国全国工作时数及收入

项目
09/03/2024

当前就业统计 (CES) 计划对美国非农就业、工时和工人收入进行了详细的行业估计。

注意

Microsoft 按“原样”提供 Azure 开放数据集。 Microsoft 对数据集的使用不提供任何担保（明示或暗示）、保证或条件。在当地法律允许的范围内，Microsoft 对使用数据集而导致的任何损害或损失不承担任何责任，包括直接、必然、特殊、间接、偶发或惩罚性损害或损失。

此数据集是根据 Microsoft 接收源数据的原始条款提供的。数据集可能包含来自 Microsoft 的数据。

原始数据集位置中提供了自述文件，其中包含有关此数据集的详细信息。

此数据集来源于美国劳工统计局 (BLS) 发布的当前就业统计数据 - CES（国家）数据。要了解与使用此数据集相关的条款和条件，请查看链接与版权信息以及重要网站声明。

存储位置

此数据集存储在美国东部 Azure 区域。建议将计算资源分配到美国东部地区，以实现相关性。

列

名称	数据类型	唯一	值（示例）	说明
data_type_code	字符串	37	1 10	请参见https://download.bls.gov/pub/time.series/ce/ce.datatype
data_type_text	字符串	37	所有员工，数千位员工，上千	请参见https://download.bls.gov/pub/time.series/ce/ce.datatype
footnote_codes	字符串	2	nan P
industry_code	字符串	902	30000000 32000000	包含的不同行业。请参阅https://download.bls.gov/pub/time.series/ce/ce.industry
industry_name	字符串	895	非耐用品耐用品	包含的不同行业。请参阅https://download.bls.gov/pub/time.series/ce/ce.industry
period	字符串	13	M03 M06	请参见https://download.bls.gov/pub/time.series/ce/ce.period
季节性	字符串	2	U S
series_id	字符串	26,021	CEU3100000008 CEU9091912001	数据集中可用的不同数据系列类型。请参阅https://download.bls.gov/pub/time.series/ce/ce.series
series_title	字符串	25,685	所有员工，数千，耐用品，非季节性调整，所有员工，数千，非耐用品，非季节性调整	数据集可用数据系列类型的标题。请参阅https://download.bls.gov/pub/time.series/ce/ce.series
supersector_code	字符串	22	31 60	粗略的行业或部门分类。请参见https://download.bls.gov/pub/time.series/ce/ce.supersector
supersector_name	字符串	22	耐用品，专业和业务服务	粗略的行业或部门分类。请参见https://download.bls.gov/pub/time.series/ce/ce.supersector
值	FLOAT	572,372	38.5 38.400001525878906
year	int	81	2017 2012

预览

data_type_code	industry_code	supersector_code	series_id	year	period	值	footnote_codes	季节性	series_title	supersector_name	industry_name	data_type_text
26	5000000	5	CES0500000026	1939	M04	52	nan	S	所有员工，3 个月的平均变动，季节性调整，数千，私有总数，季节性调整	私有总计	私有总计	所有员工，3 个月的平均变动，季节性调整，数千
26	5000000	5	CES0500000026	1939	M05	65	nan	S	所有员工，3 个月的平均变动，季节性调整，数千，私有总数，季节性调整	私有总计	私有总计	所有员工，3 个月的平均变动，季节性调整，数千
26	5000000	5	CES0500000026	1939	M06	74	nan	S	所有员工，3 个月的平均变动，季节性调整，数千，私有总数，季节性调整	私有总计	私有总计	所有员工，3 个月的平均变动，季节性调整，数千
26	5000000	5	CES0500000026	1939	M07	103	nan	S	所有员工，3 个月的平均变动，季节性调整，数千，私有总数，季节性调整	私有总计	私有总计	所有员工，3 个月的平均变动，季节性调整，数千
26	5000000	5	CES0500000026	1939	M08	108	nan	S	所有员工，3 个月的平均变动，季节性调整，数千，私有总数，季节性调整	私有总计	私有总计	所有员工，3 个月的平均变动，季节性调整，数千
26	5000000	5	CES0500000026	1939	M09	152	nan	S	所有员工，3 个月的平均变动，季节性调整，数千，私有总数，季节性调整	私有总计	私有总计	所有员工，3 个月的平均变动，季节性调整，数千
26	5000000	5	CES0500000026	1939	M10	307	nan	S	所有员工，3 个月的平均变动，季节性调整，数千，私有总数，季节性调整	私有总计	私有总计	所有员工，3 个月的平均变动，季节性调整，数千
26	5000000	5	CES0500000026	1939	M11	248	nan	S	所有员工，3 个月的平均变动，季节性调整，数千，私有总数，季节性调整	私有总计	私有总计	所有员工，3 个月的平均变动，季节性调整，数千

数据访问

Azure Notebooks

# 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

没有适用于此平台/包组合的示例。

# 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'))

后续步骤

查看开放数据集目录中的其余数据集。

通过

美国全国工作时数及收入

存储位置

列

预览

数据访问

Azure Notebooks

Azure Databricks

Azure Synapse

后续步骤

反馈

其他资源

通过

美国全国工作时数及收入

存储位置

相关数据集

列

预览

数据访问

Azure Notebooks

Azure Databricks

Azure Synapse

后续步骤

反馈

其他资源