Nationale Beschäftigungszeit und Einnahmen in den USA

Artikel
12/06/2023

Das CES-Programm (Current Employment Statistics) produziert detaillierte Branchenschätzungen für nicht landwirtschaftliche Beschäftigung, Arbeitszeit und Einnahmen von Arbeitnehmern in den USA, die Gehaltsabrechnungen erhalten.

Hinweis

Microsoft stellt Datasets der Plattform Azure Open Datasets auf einer „As is“-Basis (d. h. ohne Mängelgewähr) zur Verfügung. Microsoft übernimmt weder ausdrücklich noch stillschweigend die Gewährleistung für Ihre Nutzung der Datasets und sichert keinerlei Garantien oder Bedingungen zu. Soweit nach örtlich anwendbarem Recht zulässig, lehnt Microsoft jegliche Haftung für Schäden oder Verluste ab. Dies schließt direkte, indirekte, besondere oder zufällige Schäden oder Verluste sowie Folge- und Strafschäden und damit verbundene Verluste ein, die sich aus Ihrer Nutzung der Datasets ergeben.

Für die Bereitstellung dieses Datasets gelten die ursprünglichen Nutzungsbedingungen, unter denen Microsoft die Quelldaten bezogen hat. Das Dataset kann Daten von Microsoft enthalten.

Die INFODATEI mit der Datei für ausführliche Informationen zu diesem Dataset ist am ursprünglichen Speicherort des Datasets verfügbar.

Dieses Dataset wird aus den vom US Bureau of Labor Statistics (BLS) veröffentlichten Daten der aktuellen (nationalen) Beschäftigungsstatistik erzeugt. Lesen Sie die Informationen zu Verknüpfungen und Copyright und wichtige Hinweise zur Website, um mehr über die Bestimmungen für die Nutzung dieses Datasets zu erfahren.

Speicherort

Dieses Dataset wird in der Azure-Region „USA, Osten“ gespeichert. Aus Gründen der Affinität wird die Zuweisung von Computeressourcen in der Region „USA, Osten“ empfohlen.

Spalten

Name	Datentyp	Eindeutig	Beispielwerte	BESCHREIBUNG
data_type_code	Zeichenfolge	37	1 10	Siehe https://download.bls.gov/pub/time.series/ce/ce.datatype.
data_type_text	Zeichenfolge	37	ALLE MITARBEITER, TAUSENDE WEIBLICHE MITARBEITER, TAUSENDE	Siehe https://download.bls.gov/pub/time.series/ce/ce.datatype.
footnote_codes	Zeichenfolge	2	nan P
industry_code	Zeichenfolge	902	30000000 32000000	Unterschiedliche abgedeckte Branchen. Siehe https://download.bls.gov/pub/time.series/ce/ce.industry
industry_name	Zeichenfolge	895	Verbrauchsgüter Langlebige Güter	Unterschiedliche abgedeckte Branchen. Siehe https://download.bls.gov/pub/time.series/ce/ce.industry
period (Zeitraum)	Zeichenfolge	13	M03 M06	Siehe https://download.bls.gov/pub/time.series/ce/ce.period.
saisonal	Zeichenfolge	2	U S A
series_id	Zeichenfolge	26.021	CEU3100000008 CEU9091912001	Unterschiedliche im Dataset verfügbare Datenserientypen. Siehe https://download.bls.gov/pub/time.series/ce/ce.series
series_title	Zeichenfolge	25.685	Alle Beschäftigten, Tausende, Verbrauchsgüter, nicht saisonabhängig angepasst Alle Mitarbeiter, Tausende, Verbrauchsgüter, nicht saisonabhängig angepasst	Titel der unterschiedlichen im Dataset verfügbare Datenserientypen. Siehe https://download.bls.gov/pub/time.series/ce/ce.series
supersector_code	Zeichenfolge	22	31 60	Klassifizierung für Branche oder Sektor auf höherer Ebene. Siehe https://download.bls.gov/pub/time.series/ce/ce.supersector.
supersector_name	Zeichenfolge	22	Langlebige Güter Professionelle und geschäftliche Dienste	Klassifizierung für Branche oder Sektor auf höherer Ebene. Siehe https://download.bls.gov/pub/time.series/ce/ce.supersector.
value	float	572.372	38,5 38,400001525878906
year	INT	81	2017 2012

Vorschau

data_type_code	industry_code	supersector_code	series_id	year	period (Zeitraum)	value	footnote_codes	saisonal	series_title	supersector_name	industry_name	data_type_text
26	5000000	5	CES0500000026	1939	M04	52	nan	E	Alle Mitarbeiter, Veränderung im 3-Monats-Durchschnitt, saisonabhängig angepasst, Tausende, gesamt privat, saisonabhängig angepasst	Gesamt privat	Gesamt privat	ALLE MITARBEITER, VERÄNDERUNG IM 3-MONATS-DURCHSCHNITT, SAISONABHÄNGIG ANGEPASST, TAUSENDE
26	5000000	5	CES0500000026	1939	M05	65	nan	E	Alle Mitarbeiter, Veränderung im 3-Monats-Durchschnitt, saisonabhängig angepasst, Tausende, gesamt privat, saisonabhängig angepasst	Gesamt privat	Gesamt privat	ALLE MITARBEITER, VERÄNDERUNG IM 3-MONATS-DURCHSCHNITT, SAISONABHÄNGIG ANGEPASST, TAUSENDE
26	5000000	5	CES0500000026	1939	M06	74	nan	E	Alle Mitarbeiter, Veränderung im 3-Monats-Durchschnitt, saisonabhängig angepasst, Tausende, gesamt privat, saisonabhängig angepasst	Gesamt privat	Gesamt privat	ALLE MITARBEITER, VERÄNDERUNG IM 3-MONATS-DURCHSCHNITT, SAISONABHÄNGIG ANGEPASST, TAUSENDE
26	5000000	5	CES0500000026	1939	M07	103	nan	E	Alle Mitarbeiter, Veränderung im 3-Monats-Durchschnitt, saisonabhängig angepasst, Tausende, gesamt privat, saisonabhängig angepasst	Gesamt privat	Gesamt privat	ALLE MITARBEITER, VERÄNDERUNG IM 3-MONATS-DURCHSCHNITT, SAISONABHÄNGIG ANGEPASST, TAUSENDE
26	5000000	5	CES0500000026	1939	M08	108	nan	E	Alle Mitarbeiter, Veränderung im 3-Monats-Durchschnitt, saisonabhängig angepasst, Tausende, gesamt privat, saisonabhängig angepasst	Gesamt privat	Gesamt privat	ALLE MITARBEITER, VERÄNDERUNG IM 3-MONATS-DURCHSCHNITT, SAISONABHÄNGIG ANGEPASST, TAUSENDE
26	5000000	5	CES0500000026	1939	M09	152	nan	E	Alle Mitarbeiter, Veränderung im 3-Monats-Durchschnitt, saisonabhängig angepasst, Tausende, gesamt privat, saisonabhängig angepasst	Gesamt privat	Gesamt privat	ALLE MITARBEITER, VERÄNDERUNG IM 3-MONATS-DURCHSCHNITT, SAISONABHÄNGIG ANGEPASST, TAUSENDE
26	5000000	5	CES0500000026	1939	M10	307	nan	E	Alle Mitarbeiter, Veränderung im 3-Monats-Durchschnitt, saisonabhängig angepasst, Tausende, gesamt privat, saisonabhängig angepasst	Gesamt privat	Gesamt privat	ALLE MITARBEITER, VERÄNDERUNG IM 3-MONATS-DURCHSCHNITT, SAISONABHÄNGIG ANGEPASST, TAUSENDE
26	5000000	5	CES0500000026	1939	M11	248	nan	E	Alle Mitarbeiter, Veränderung im 3-Monats-Durchschnitt, saisonabhängig angepasst, Tausende, gesamt privat, saisonabhängig angepasst	Gesamt privat	Gesamt privat	ALLE MITARBEITER, VERÄNDERUNG IM 3-MONATS-DURCHSCHNITT, SAISONABHÄNGIG ANGEPASST, TAUSENDE

Datenzugriff

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

Für diese Kombination aus Plattform und Paket ist kein Beispiel verfügbar.

# 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'))

Nächste Schritte

Machen Sie sich mit den restlichen Datasets im Open Datasets-Katalog vertraut.

Share via

Nationale Beschäftigungszeit und Einnahmen in den USA

Speicherort

Spalten

Vorschau

Datenzugriff

Azure Notebooks

Azure Databricks

Azure Synapse

Nächste Schritte

Zusätzliche Ressourcen

Share via

Nationale Beschäftigungszeit und Einnahmen in den USA

Speicherort

Zugehörige Datasets

Spalten

Vorschau

Datenzugriff

Azure Notebooks

Azure Databricks

Azure Synapse

Nächste Schritte

Zusätzliche Ressourcen