US Local Area Unemployment Statistics (Statistiques sur le chômage local aux États-Unis)

Article
12/06/2023

Le programme LAUS (de statistiques sur le chômage au niveau local) produit des données mensuelles et annuelles sur l’emploi, le chômage et la population active pour les régions et divisions de recensement, les États, les comtés, les régions métropolitaines et de nombreuses villes des États-Unis.

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.

Le fichier README contenant des informations détaillées sur ce jeu de données est disponible à l’emplacement d’origine du jeu de données.

Ce jeu de données provient des données Local Area Unemployment Statistics publiées par le Bureau of Labor Statistics (BLS) aux États-Unis. 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.

Colonnes

Nom	Type de données	Unique	Valeurs (exemple)	Description
area_code	string	8 290	ST3400000000000 RD8200000000000	Code identifiant la zone géographique. Consultez https://download.bls.gov/pub/time.series/la/la.area.
area_text	string	8 238	Oregon, District de Columbia	Nom de la zone géographique. Consultez https://download.bls.gov/pub/time.series/la/la.area
area_type_code	string	14	F G	Code unique définissant le type de zone. Consultez https://download.bls.gov/pub/time.series/la/la.area_type
areatype_text	string	14	Comtés et villes équivalentes au-dessus de la population 25 000	Nom du type de zone.
footnote_codes	string	5	nan P
measure_code	string	4	5 4	Code identifiant l’élément mesuré. 03 : taux de chômage, 04 : chômage, 05 : emploi, 06 : main-d’œuvre. Consultez https://download.bls.gov/pub/time.series/la/la.measure.
measure_text	string	4	emploi chômage	Nom de l’élément mesuré. Consultez https://download.bls.gov/pub/time.series/la/la.measure
period	string	13	M07 M05	Identifie la période, généralement le mois. Consultez https://download.bls.gov/pub/time.series/la/la.period
saisonnier	string	2	U S
series_id	string	33 476	LASST160000000000006 LASST200000000000006	Code identifiant la série. Voir https://download.bls.gov/pub/time.series/la/la.series pour la liste complète de séries.
series_title	string	33 268	Emploi : Philadelphie comté/ville, PA (U) Labor Force: Manassas city, VA (U)	Titre identifiant la série. Voir https://download.bls.gov/pub/time.series/la/la.series pour la liste complète de séries.
srd_code	string	53	48 23	Code de division, État ou région.
srd_text	string	53	Texas Maine
valeur	float	600 099	4.0 5.0	Valeur de la mesure spécifique.
year	int	44	2009 2008

Préversion

area_code	area_type_code	srd_code	measure_code	series_id	year	period	valeur	footnote_codes	saisonnier	series_title	measure_text	srd_text	areatype_text	area_text
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M01	4,7	NaN	U	Taux de chômage : Syracuse-Auburn, NY Combined Statistical Area (U)	taux de chômage	New York	Combined areas	Syracuse-Auburn, NY Combined Statistical Area
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M02	4,7	NaN	U	Taux de chômage : Syracuse-Auburn, NY Combined Statistical Area (U)	taux de chômage	New York	Combined areas	Syracuse-Auburn, NY Combined Statistical Area
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M03	4,2	NaN	U	Taux de chômage : Syracuse-Auburn, NY Combined Statistical Area (U)	taux de chômage	New York	Combined areas	Syracuse-Auburn, NY Combined Statistical Area
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M04	3.6	NaN	U	Taux de chômage : Syracuse-Auburn, NY Combined Statistical Area (U)	taux de chômage	New York	Combined areas	Syracuse-Auburn, NY Combined Statistical Area
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M05	3.6	NaN	U	Taux de chômage : Syracuse-Auburn, NY Combined Statistical Area (U)	taux de chômage	New York	Combined areas	Syracuse-Auburn, NY Combined Statistical Area
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M06	3.6	NaN	U	Taux de chômage : Syracuse-Auburn, NY Combined Statistical Area (U)	taux de chômage	New York	Combined areas	Syracuse-Auburn, NY Combined Statistical Area
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M07	3.6	NaN	U	Taux de chômage : Syracuse-Auburn, NY Combined Statistical Area (U)	taux de chômage	New York	Combined areas	Syracuse-Auburn, NY Combined Statistical Area

Accès aux données

Azure Notebooks

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

usLaborLAUS = UsLaborLAUS()
usLaborLAUS_df = usLaborLAUS.to_pandas_dataframe()

usLaborLAUS_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 = "laus/"

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 UsLaborLAUS

usLaborLAUS = UsLaborLAUS()
usLaborLAUS_df = usLaborLAUS.to_spark_dataframe()

display(usLaborLAUS_df.limit(5))

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

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

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