USA népessége irányítószám szerint

Cikk
12/06/2023

Az USA népessége nem és faj szerint minden egyes 2000-től és 2010-től származó usa-beli irányítószámhoz decenniális népszámlálás alapján.

Ez az adatkészlet Egyesült Államok Census Bureau Decennial Census Dataset API-jaiból származik. Az adatkészlet használatával kapcsolatos feltételekért tekintse meg a használati feltételeket és a szabályzatokat és közleményeket.

Megjegyzés:

A Microsoft az Azure Open Datasets szolgáltatást "adott módon" biztosítja. A Microsoft nem vállal kifejezett vagy vélelmezett garanciát vagy feltételeket az adathalmazok Ön általi használatára vonatkozóan. A microsoft a helyi jogszabályok által megengedett mértékben kizár minden felelősséget az adathalmazok használatából eredő károkért vagy veszteségekért, beleértve a közvetlen, következményi, különleges, közvetett, incidenses vagy büntető jellegű károkat is.

Az adatkészletet a Microsoft forrásadataihoz tartozó eredeti feltételek szerint szolgáltatjuk. A készlet tartalmazhat Microsofttól származó adatokat.

Kötet és megőrzés

Az adatkészlet Parketta formátumban van tárolva, és 2010-es adatokat tartalmaz.

Tárolási hely

Az adatkészlet tárolási helye a Kelet-USA Azure-régió. Az affinitás érdekében Kelet-USA régión belüli számítási erőforrások lefoglalását javasoljuk.

Az Egyesült Államok lakossága megye szerint

Oszlopok

Név	Adattípus	Egyedi	Values (sample)	Leírás
decennialTime	sztring	1	2010	A decenniális összeírás időpontja például 2010, 2000.
maxAge	egész	23	54 21	A kortartomány maximuma. Ha null, akkor minden életkorban érvényes, vagy a kortartománynak nincs felső határa, például 85 éves > .
minAge	egész	23	45 30	A kortartomány minimuma. Ha az érték null, akkor minden életkorra vonatkozik.
népesség	egész	29,274	1 2	A szegmens lakossága.
Verseny	sztring	8	MÁS FAJ EGYEDÜL FEKETE VAGY AFRIKAI AMERIKAI EGYEDÜL	Faji hovatartozás kategória a népszámlálási adatok között. Ha az érték null, akkor minden fajra vonatkozik.
szex	sztring	3	Női férfi	Férfi vagy nő. Ha az érték null, akkor mindkét nemre vonatkozik.
Év	egész	1	2010	A tízévenkénti idő éve (egész szám).
irányítószám	sztring	33,120	39218 87420	5 számjegyű irányítószám-alapú terület-kimutatás (ZCTA5).

Előnézet megtekintése

decennialTime	irányítószám	népesség	Verseny	szex	minAge	maxAge	Év
2010	77477	265	CSAK FEHÉR	Nő	15	17	2010
2010	77477	107	MÁS FAJ EGYEDÜL	Nő	15	17	2010
2010	77477	12	MÁS FAJ EGYEDÜL	Nő	65	66	2010
2010	77477	101	CSAK ÁZSIAI	Nő	60	61	2010
2010	77477	221	CSAK ÁZSIAI	Férfi	10	14	2010
2010	77478	256	CSAK FEHÉR	Nő	15	17	2010
2010	77478	17	MÁS FAJ EGYEDÜL	Nő	15	17	2010
2010	77478	3	MÁS FAJ EGYEDÜL	Nő	65	66	2010

Az adatok elérése

Azure Notebooks

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

population = UsPopulationZip()
population_df = population.to_pandas_dataframe()

population_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 = "censusdatacontainer"
folder_name = "release/us_population_zip/"

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 UsPopulationZip

population = UsPopulationZip()
population_df = population.to_spark_dataframe()

display(population_df.limit(5))

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "censusdatacontainer"
blob_relative_path = "release/us_population_zip/"
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

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

population = UsPopulationZip()
population_df = population.to_spark_dataframe()

# Display top 5 rows
display(population_df.limit(5))

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "censusdatacontainer"
blob_relative_path = "release/us_population_zip/"
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'))

További lépések

Tekintse meg a többi adathalmazt az Open Datasets katalógusban.