Indice des prix à la production aux États-Unis - Marchandises

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.

Environ 10 000 indices des prix à la production pour des produits individuels et des groupes de produits sont publiés chaque mois. Les indices des prix à la production sont disponibles pour presque toutes les industries des secteurs producteurs de biens de l’économie américaine (industrie minière, industrie manufacturière, agriculture, pêche et foresterie) ainsi que pour le gaz naturel, l’électricité, la construction et les biens en concurrence avec ceux fabriqués dans les secteurs de production, tels que les déchets et les mises au rebut. Le programme d’indices des prix à la production couvre environ 72 % de la production du secteur des services, telle que mesurée par les recettes déclarées lors du recensement économique de 2007. Les données incluent les 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 ; et 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 producteur aux États-Unis - Industrie

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/wp/wp.footnote.
group_code	string	56	02 01	Code identifiant le principal groupe de produits couvert par l’indice. Voir https://download.bls.gov/pub/time.series/wp/wp.group pour les codes et noms de groupes.
group_name	string	56	Denrées alimentaires et aliments pour animaux transformés Produits agricoles	Nom du principal groupe de produits couvert par l’indice. Voir https://download.bls.gov/pub/time.series/wp/wp.group pour les codes et noms de groupes.
item_code	string	2 949	1 11	Identifie l’élément auquel les observations de données se rapportent. Voir https://download.bls.gov/pub/time.series/wp/wp.item pour les codes et noms d’éléments.
item_name	string	3 410	Entreposage, stockage et services connexes Location de voitures particulières	Noms complets des éléments. Voir https://download.bls.gov/pub/time.series/wp/wp.item pour les codes et noms d’éléments.
period	string	13	M06 M07	Identifie la période pendant laquelle les données sont observées. Voir https://download.bls.gov/pub/time.series/wp/wp.period pour la liste des valeurs de périodes.
saisonnier	string	2	U S	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	5 458	WPU101 WPU091	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/wp/wp.series pour des informations sur les séries telles que le code, le nom, l’année de début et de fin, etc.
series_title	string	4 379	Données sur les marchandises IPP pour les services d’extraction minière, sans correction des variations saisonnières Données sur les marchandises IPP pour les services de traitement des métaux, sans correction des variations saisonnières	Titre des 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/wp/wp.series pour des informations sur les séries telles que l’ID, le nom, l’année de début et de fin, etc.
valeur	float	6 788	100 99,0999984741211	Indice des prix pour l’élément.
year	int	26	2018 2017	Identifie l’année d’observation.

Préversion

item_code	group_code	series_id	year	period	valeur	footnote_codes	saisonnier	series_title	group_name	item_name
120922	05	WPU05120922	2008	M06	100	NaN	U	Données sur les marchandises IPP pour les combustibles et produits connexes et l’électricité : mines souterraines de charbon bitumineux préparé, concassé, criblé et calibré mécaniquement uniquement, sans correction des variations saisonnières	Combustibles et produits connexes et électricité	Mines souterraines de charbon bitumineux préparé, concassé, criblé et calibré mécaniquement uniquement
120922	05	WPU05120922	2008	M07	104,6	NaN	U	Données sur les marchandises IPP pour les combustibles et produits connexes et l’électricité : mines souterraines de charbon bitumineux préparé, concassé, criblé et calibré mécaniquement uniquement, sans correction des variations saisonnières	Combustibles et produits connexes et électricité	Mines souterraines de charbon bitumineux préparé, concassé, criblé et calibré mécaniquement uniquement
120922	05	WPU05120922	2008	M08	104,4	NaN	U	Données sur les marchandises IPP pour les combustibles et produits connexes et l’électricité : mines souterraines de charbon bitumineux préparé, concassé, criblé et calibré mécaniquement uniquement, sans correction des variations saisonnières	Combustibles et produits connexes et électricité	Mines souterraines de charbon bitumineux préparé, concassé, criblé et calibré mécaniquement uniquement
120922	05	WPU05120922	2008	M09	98,3	NaN	U	Données sur les marchandises IPP pour les combustibles et produits connexes et l’électricité : mines souterraines de charbon bitumineux préparé, concassé, criblé et calibré mécaniquement uniquement, sans correction des variations saisonnières	Combustibles et produits connexes et électricité	Mines souterraines de charbon bitumineux préparé, concassé, criblé et calibré mécaniquement uniquement
120922	05	WPU05120922	2008	M10	101,5	NaN	U	Données sur les marchandises IPP pour les combustibles et produits connexes et l’électricité : mines souterraines de charbon bitumineux préparé, concassé, criblé et calibré mécaniquement uniquement, sans correction des variations saisonnières	Combustibles et produits connexes et électricité	Mines souterraines de charbon bitumineux préparé, concassé, criblé et calibré mécaniquement uniquement
120922	05	WPU05120922	2008	M11	95,2	NaN	U	Données sur les marchandises IPP pour les combustibles et produits connexes et l’électricité : mines souterraines de charbon bitumineux préparé, concassé, criblé et calibré mécaniquement uniquement, sans correction des variations saisonnières	Combustibles et produits connexes et électricité	Mines souterraines de charbon bitumineux préparé, concassé, criblé et calibré mécaniquement uniquement

Accès aux données

Azure Notebooks

azureml-opendatasets

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

labor = UsLaborPPICommodity()
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_commodity/"

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 UsLaborPPICommodity

labor = UsLaborPPICommodity()
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_commodity/"
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_commodity/"
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.