US Labor Force Statistics (美國勞動力統計資料)

勞動力統計資料：依年齡、性別、種族與族裔群體分列勞動力、勞動力參與率及適齡的勞動人口。 美國境內。

此資料集的來源是美國勞工統計局 (BLS) 所發佈的目前就業統計資料 - CES (全國) 資料。 如需此資料集相關的使用條款及條件，請參閱 Copyright Information (連結與著作權資訊) 及 Important Web Site Notices (重要網站聲明)。

注意

Microsoft 依「現況」提供 Azure 開放資料集。 針對　貴用戶對資料集的使用方式，Microsoft 不提供任何明示或默示的擔保、保證或條件。 在　貴用戶當地法律允許的範圍內，針對因使用資料集而導致的任何直接性、衍生性、特殊性、間接性、附隨性或懲罰性損害或損失，Microsoft 概不承擔任何責任。

此資料集是根據 Microsoft 接收來源資料的原始條款所提供。 資料集可能包含源自 Microsoft 的資料。

儲存位置

此資料集儲存於美國東部 Azure 區域。 建議您在美國東部配置計算資源，以確保同質性。

相關資料集

• US National Employment Hours and Earnings (美國全國的工時與工資)
• US State Employment Hours and Earnings (美國各州的工時與工資)
• US Local Area Unemployment Statistics (美國各地區域的失業統計資料)

資料行

名稱	資料類型	唯一	Values (sample)
absn_code	int	4	3 和 4
activity_code	int	7	8 3
ages_code	int	35	10 17
born_code	int	3	1 和 2
cert_code	int	5	4 3
chld_code	int	6	2 5
class_code	int	14	2 1
disa_code	int	3	2 1
duration_code	int	11	18 6
education_code	int	9	40 19
entr_code	int	3	1 和 2
expr_code	int	3	1 和 2
footnote_codes	字串	7	nan 4.0
hheader_code	int	2	1
hour_code	int	13	1 16
indy_code	int	323	368 169
jdes_code	int	3	1 和 2
lfst_code	int	33	20 30
look_code	int	7	1 6
mari_code	int	5	2 1
mjhs_code	int	6	1 5
occupation_code	int	566	8999 4999
orig_code	int	14	1 和 2
pcts_code	int	23	5 8
Period	字串	18	M07 M06
periodicity_code	字串	3	M Q
race_code	int	14	1 3
rjnw_code	int	9	1 3
rnlf_code	int	11	63 64
rwns_code	int	17	10 1
seasonal	字串	2	U S
seek_code	int	2	1
series_id	字串	45,478	LNU01300000 LNU02034560
series_title	字串	34,264	(未調整) 就業水準 - 農業和相關產業 (未調整) 平民勞動力
sexs_code	int	3	1 和 2
tdat_code	int	6	1 4
value	float	121,742	3.0 4.0
vets_code	int	8	25 1
wkst_code	int	7	1 4
year	int	80	2018 2017

預覽​​

series_id	year	Period	value	footnote_codes	lfst_code	periodicity_code	series_title	absn_code	activity_code	ages_code	cert_code	class_code	duration_code	education_code	entr_code	expr_code	hheader_code	hour_code	indy_code	jdes_code	look_code	mari_code	mjhs_code	occupation_code	orig_code	pcts_code	race_code	rjnw_code	rnlf_code	rwns_code	seek_code	sexs_code	tdat_code	vets_code	wkst_code	born_code	chld_code	disa_code	seasonal
LNS11000031Q	1,972	Q01	4300	NAN	10	Q	(季節性) 平民勞動力 - 20 年。 & 以上，黑人或非裔美國男性	0	0	17	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	3	0	0	0	0	1	0	0	0	0	0	0	S
LNS11000031Q	1,972	Q02	4370	NAN	10	Q	(季節性) 平民勞動力 - 20 年。 & 以上，黑人或非裔美國男性	0	0	17	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	3	0	0	0	0	1	0	0	0	0	0	0	S
LNS11000031Q	1,972	Q03	4397	NAN	10	Q	(季節性) 平民勞動力 - 20 年。 & 以上，黑人或非裔美國男性	0	0	17	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	3	0	0	0	0	1	0	0	0	0	0	0	S
LNS11000031Q	1,972	Q04	4381	NAN	10	Q	(季節性) 平民勞動力 - 20 年。 & 以上，黑人或非裔美國男性	0	0	17	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	3	0	0	0	0	1	0	0	0	0	0	0	S
LNS11000031Q	1,973	Q01	4408	NAN	10	Q	(季節性) 平民勞動力 - 20 年。 & 以上，黑人或非裔美國男性	0	0	17	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	3	0	0	0	0	1	0	0	0	0	0	0	S
LNS11000031Q	1,973	Q02	4445	NAN	10	Q	(季節性) 平民勞動力 - 20 年。 & 以上，黑人或非裔美國男性	0	0	17	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	3	0	0	0	0	1	0	0	0	0	0	0	S
LNS11000031Q	1,973	Q03	4477	NAN	10	Q	(季節性) 平民勞動力 - 20 年。 & 以上，黑人或非裔美國男性	0	0	17	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	3	0	0	0	0	1	0	0	0	0	0	0	S
LNS11000031Q	1,973	Q04	4,523	NAN	10	Q	(季節性) 平民勞動力 - 20 年。 & 以上，黑人或非裔美國男性	0	0	17	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	3	0	0	0	0	1	0	0	0	0	0	0	S
LNS11000031Q	1974	Q01	4574	NAN	10	Q	(季節性) 平民勞動力 - 20 年。 & 以上，黑人或非裔美國男性	0	0	17	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	3	0	0	0	0	1	0	0	0	0	0	0	S
LNS11000031Q	1974	Q02	4538	NAN	10	Q	(季節性) 平民勞動力 - 20 年。 & 以上，黑人或非裔美國男性	0	0	17	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	3	0	0	0	0	1	0	0	0	0	0	0	S

資料存取

Azure Notebooks

azureml-opendatasets

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

labor = UsLaborLFS()
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 = "lfs/"

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

此平台/封裝組合沒有可用的樣本。

Azure Databricks

azureml-opendatasets

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

labor = UsLaborLFS()
labor_df = labor.to_spark_dataframe()

display(labor_df.limit(5))

azure-storage

此平台/封裝組合沒有可用的樣本。

pyspark

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

此平台/封裝組合沒有可用的樣本。

azure-storage

此平台/封裝組合沒有可用的樣本。

pyspark

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

下一步

檢視開放資料集目錄中的其餘資料集。