US Consumer Price Index industry (Indice des prix à la consommation aux États-Unis)

L’indice des prix à la production (IPP) est une mesure de la variation moyenne dans le temps des prix de vente perçus par les producteurs nationaux pour leur production. Les prix inclus dans l’IPP sont ceux de la première transaction commerciale pour les produits et services couverts.

Notes

Microsoft fournit Azure Open Datasets « en l’état ». Microsoft n’offre aucune garantie, expresse ou implicite, ni de conditions relatives à votre utilisation des jeux de données. Dans la mesure autorisée par votre droit local, Microsoft décline toute responsabilité pour les dommages ou pertes, y compris directs, consécutifs, spéciaux, indirects ou punitifs, résultant de votre utilisation des jeux de données.

Ce jeu de données est fourni selon les conditions initiales par lesquelles Microsoft a reçu les données sources. Le jeu de données peut inclure des données provenant de Microsoft.

Les indices de la série actuelle de la révision de l’Indice des prix à la production reflètent les mouvements de prix de la production nette des producteurs organisés selon le système NAICS (North American Industry Classification System). Le jeu de données PC est compatible avec un vaste éventail de séries chronologiques économiques basées sur le NAICS, notamment : productivité, production, emploi, salaires et gains.

L’Indice des prix à la production aux États-Unis est constitué par la production de toutes les industries des secteurs producteurs de biens de l’économie américaine (industries extractives, industries manufacturières, agriculture, pêche et foresterie) ainsi que le gaz naturel, l’électricité, la construction et les biens concurrents avec ceux fabriqués dans les secteurs de production, tels que les déchets et les mises au rebut. En outre, à compter de janvier 2011, l’Indice des prix à la production couvrait plus des trois quarts de la production du secteur des services, en publiant des données pour certaines industries des secteurs suivants : commerce de gros et de détail ; transport et entreposage ; information ; finances et assurances ; courtage immobilier, location et crédit-bail ; services professionnels, scientifiques et techniques ; services administratifs, de soutien et de gestion des déchets ; soins de santé et assistance sociale ; hébergement.

Le fichier README contenant des informations détaillées sur ce jeu de données est disponible à l’emplacement d’origine du jeu de données. Des informations supplémentaires sont disponibles dans les FAQ.

Ce jeu de données est produit à partir des données d’indice des prix à la production publiées par l’US Bureau of Labor Statistics (BLS). Consultez les informations de liaison et de copyright et les avis importants de site web pour connaître les conditions générales relatives à l’utilisation de ce jeu de données.

Emplacement de stockage

Ce jeu de données est stocké dans la région Azure USA Est. L’allocation de ressources de calcul dans la région USA Est est recommandée à des fins d’affinité.

Jeux de données associés

• Indice américain des prix à la consommation
• Indice des prix à la production aux États-Unis - Marchandises

Colonnes

Nom	Type de données	Unique	Valeurs (exemple)	Description
footnote_codes	string	3	nan P	Identifie les notes de bas de page pour la série de données. La plupart des valeurs sont Null. Consultez https://download.bls.gov/pub/time.series/pc/pc.footnote.
industry_code	string	1,064	221122 325412	Code NAICS pour le secteur. Voir https://download.bls.gov/pub/time.series/pc/pc.industry pour les codes et les noms.
industry_name	string	842	Distribution d’énergie électrique Préparation pharmaceutique Fabrication	Nom correspondant au code de l’industrie. Voir https://download.bls.gov/pub/time.series/pc/pc.industry pour les codes et les noms.
period	string	13	M06 M07	Identifie la période pendant laquelle les données sont observées. Voir https://download.bls.gov/pub/time.series/pc/pc.period pour la liste complète.
product_code	string	4,822	324121P 316---	Code identifiant le produit auquel l’observation des données fait référence. Voir https://download.bls.gov/pub/time.series/pc/pc.product pour le mappage des codes d’activité, codes de produits et noms de produits.
product_name	string	3,313	Produits principaux Produits secondaires	Nom du produit auquel l’observation des données fait référence. Voir https://download.bls.gov/pub/time.series/pc/pc.product pour le mappage des codes d’activité, codes de produits et noms de produits.
saisonnier	string	1	U	Code identifiant si les données sont corrigées en fonction des variations saisonnières. S=Corrigées en fonction des variations saisonnières ; U=Non corrigées
series_id	string	4,822	PCU332323332323M PCU333415333415C	Code identifiant les séries spécifiques. Une série chronologique fait référence à un jeu contenant des données observées sur une période étendue sur des intervalles cohérents. Voir https://download.bls.gov/pub/time.series/pc/pc.series pour des informations sur les séries telles que le code, le nom, l’année de début et de fin, etc.
series_title	string	4,588	Données sectorielles d’indice des prix à la production pour la distribution d’énergie électrique dans la région Centre sud-ouest, non ajustées de façon saisonnière, Données sectorielles d’indice des prix à la production pour la distribution d’énergie électrique dans la région Pacifique, non ajustées de façon saisonnière
valeur	float	7,658	100.0 100.4000015258789	Indice des prix pour l’élément.
year	int	22	2015 2017	Identifie l’année d’observation.

Préversion

product_code	industry_code	series_id	year	period	valeur	footnote_codes	saisonnier	series_title	industry_name	product_name
2123240	212324	PCU2123242123240	1998	M01	117	NaN	U	Données sectorielles d’indice des prix à la production pour l’extraction de kaolin et d’argile plastique, non ajustées de façon saisonnière	Extraction de kaolin et d’argile plastique	Kaolin et argile plastique
2123240	212324	PCU2123242123240	1998	M02	116.9	NaN	U	Données sectorielles d’indice des prix à la production pour l’extraction de kaolin et d’argile plastique, non ajustées de façon saisonnière	Extraction de kaolin et d’argile plastique	Kaolin et argile plastique
2123240	212324	PCU2123242123240	1998	M03	116.3	NaN	U	Données sectorielles d’indice des prix à la production pour l’extraction de kaolin et d’argile plastique, non ajustées de façon saisonnière	Extraction de kaolin et d’argile plastique	Kaolin et argile plastique
2123240	212324	PCU2123242123240	1998	M04	116	NaN	U	Données sectorielles d’indice des prix à la production pour l’extraction de kaolin et d’argile plastique, non ajustées de façon saisonnière	Extraction de kaolin et d’argile plastique	Kaolin et argile plastique
2123240	212324	PCU2123242123240	1998	M05	116.2	NaN	U	Données sectorielles d’indice des prix à la production pour l’extraction de kaolin et d’argile plastique, non ajustées de façon saisonnière	Extraction de kaolin et d’argile plastique	Kaolin et argile plastique
2123240	212324	PCU2123242123240	1998	M06	116.3	NaN	U	Données sectorielles d’indice des prix à la production pour l’extraction de kaolin et d’argile plastique, non ajustées de façon saisonnière	Extraction de kaolin et d’argile plastique	Kaolin et argile plastique
2123240	212324	PCU2123242123240	1998	M07	116.6	NaN	U	Données sectorielles d’indice des prix à la production pour l’extraction de kaolin et d’argile plastique, non ajustées de façon saisonnière	Extraction de kaolin et d’argile plastique	Kaolin et argile plastique

Accès aux données

Azure Notebooks

azureml-opendatasets

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

labor = UsLaborPPIIndustry()
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 = "ppi_industry/"

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

Exemple non disponible pour cette combinaison de plateforme et de package.

Azure Databricks

azureml-opendatasets

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

labor = UsLaborPPIIndustry()
labor_df = labor.to_spark_dataframe()

display(labor_df.limit(5))

azure-storage

Exemple non disponible pour cette combinaison de plateforme et de package.

pyspark

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

Exemple non disponible pour cette combinaison de plateforme et de package.

azure-storage

Exemple non disponible pour cette combinaison de plateforme et de package.

pyspark

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

Étapes suivantes

Consultez les autres jeux de données du catalogue Open Datasets.