Indeks Harga Konsumen AS

Artikel
09/01/2024

Indeks Harga Konsumen (IHK) adalah ukuran perubahan rata-rata dari waktu ke waktu dalam harga yang dibayar oleh konsumen dari kota untuk sekeranjang pasar barang konsumsi dan jasa.

Catatan

Microsoft menyediakan Azure Open Datasets berdasarkan "apa adanya". Microsoft tidak memberikan jaminan, tersurat maupun tersirat, jaminan atau ketentuan sehubungan dengan penggunaan Anda atas himpunan data. Sejauh diizinkan menurut undang-undang setempat Anda, Microsoft melepaskan semua tanggung jawab atas segala kerusakan atau kerugian, termasuk langsung, konsekuensial, khusus, tidak langsung, insidental, atau hukuman, yang diakibatkan oleh penggunaan Anda atas kumpulan data.

Kumpulan data ini disediakan di bawah ketentuan asli yang diterima Microsoft data sumbernya. Himpunan data mungkin menyertakan data yang bersumber dari Microsoft.

README yang berisi file untuk informasi terperinci tentang himpunan data ini tersedia di lokasi himpunan data asli.

Himpunan data ini dihasilkan dari data Indeks Harga Konsumen yang diterbitkan oleh US Biro Statistik Tenaga Kerja AS (BLS). Ulasan Informasi Penautan dan Hak Cipta dan Pemberitahuan Situs Web Penting untuk syarat dan ketentuan.

Lokasi penyimpanan

Himpunan data ini disimpan di wilayah Azure US Timur. Sebaiknya mencari sumber daya komputasi di US Timur untuk afinitas.

Kolom

Nama	Jenis data	Unik	Nilai (sampel)	Deskripsi
area_code	string	70	0000 0300	Kode unik digunakan untuk mengidentifikasi area geografis tertentu. Kode area lengkap ditemukan di sini: http://download.bls.gov/pub/time.series/cu/cu.area
area_name	string	69	Rata-rata kota AS Selatan	Nama area geografis tertentu. Lihat https://download.bls.gov/pub/time.series/cu/cu.area untuk semua nama area dan kode.
footnote_codes	string	3	nan U	Mengidentifikasi footnote untuk seri data. Sebagian besar nilai adalah null.
item_code	string	515	SA0E SAF11	Mengidentifikasi item yang berkenaan dengan pengamatan data. Lihat https://download.bls.gov/pub/time.series/cu/cu.item untuk semua nama dan kode item.
item_name	string	515	Makanan Berenergi di rumah	Nama lengkap item. Lihat https://download.bls.gov/pub/time.series/cu/cu.txt untuk semua nama dan kode item.
periode	string	16	S01 S02	Mengidentifikasi periode data manakah yang diamati. Format: M01-M13 atau S01-S03 (M=Monthly (Bulanan), M13=Avg Tahunan, S=Semi-Tahunan). Ex: M06=Juni. Lihat https://download.bls.gov/pub/time.series/cu/cu.period untuk nama dan kode periode.
periodicity_code	string	3	R S	Frekuensi pengamatan data. S=Semi-Tahunan; R=Regular.
musiman	string	1.043	A S	Kode yang mengidentifikasi apakah data disesuaikan secara musiman. S=Penyesuaian Musiman; U=Tak disesuaikan.
series_id	string	16.683	CWURS400SA0E CWUR0100SA0E	Kode mengidentifikasi seri tertentu. Rangkaian waktu mengacu pada sekumpulan data yang diamati selama jangka waktu sepanjang interval waktu yang konsisten (artinya, bulanan, triwulanan, semi-tahunan, tahunan). Data seri waktu BLS biasanya diproduksi secara bulanan dan mewakili data mulai dari item konsumen tertentu di area geografis tertentu yang harganya dikumpulkan setiap bulan hingga kategori pekerja di industri tertentu yang tingkat ketenagakerjaannya dicatat setiap bulan, dan seterusnya. Untuk informasi selengkapnya, lihat https://download.bls.gov/pub/time.series/cu/cu.txt
series_title	string	8.336	Minuman beralkohol di rata-rata kota AS, semua konsumen dari kota tidak disesuaikan secara musiman Transportasi di Los Angeles-Long Beach-Anaheim, CA, semua konsumen dari kota, tidak disesuaikan secara musiman	Nama seri dari nama yang sesuai dengan series_id. Lihat https://download.bls.gov/pub/time.series/cu/cu.series untuk id seri dan nama.
value	float	310.603	100.0 101.0999984741211	Indeks harga untuk item.
tahun	int	25	2018 2017	Mengidentifikasi tahun pengamatan.

Pratinjau

area_code	item_code	series_id	tahun	periode	value	footnote_codes	musiman	periodicity_code	series_title	item_name	area_name
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279,974	nan	U	R	Listrik di San Diego-Carlsbad, CA, semua konsumen dari kota, tidak disesuaikan secara musiman	Listrik	San Diego-Carlsbad, CA
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279,974	nan	U	R	Listrik di San Diego-Carlsbad, CA, semua konsumen dari kota, tidak disesuaikan secara musiman	Listrik	San Diego-Carlsbad, CA
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279,974	nan	U	R	Listrik di San Diego-Carlsbad, CA, semua konsumen dari kota, tidak disesuaikan secara musiman	Listrik	San Diego-Carlsbad, CA
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279,974	nan	U	R	Listrik di San Diego-Carlsbad, CA, semua konsumen dari kota, tidak disesuaikan secara musiman	Listrik	San Diego-Carlsbad, CA
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279,974	nan	U	R	Listrik di San Diego-Carlsbad, CA, semua konsumen dari kota, tidak disesuaikan secara musiman	Listrik	San Diego-Carlsbad, CA
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279,974	nan	U	R	Listrik di San Diego-Carlsbad, CA, semua konsumen dari kota, tidak disesuaikan secara musiman	Listrik	San Diego-Carlsbad, CA

Akses data

Azure Notebooks

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

usLaborCPI = UsLaborCPI()
usLaborCPI_df = usLaborCPI.to_pandas_dataframe()

usLaborCPI_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 = "cpi/"

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 UsLaborCPI

usLaborCPI = UsLaborCPI()
usLaborCPI_df = usLaborCPI.to_spark_dataframe()

display(usLaborCPI_df.limit(5))

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

Sampel tidak tersedia untuk kombinasi platform/paket ini.

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

Langkah berikutnya

Lihat himpunan data lainnya di katalog Open Datasets.

Bagikan melalui

Indeks Harga Konsumen AS

Lokasi penyimpanan

Kolom

Pratinjau

Akses data

Azure Notebooks

Azure Databricks

Azure Synapse

Langkah berikutnya

Saran dan Komentar

Sumber Daya Tambahan:

Bagikan melalui

Indeks Harga Konsumen AS

Lokasi penyimpanan

Himpunan data terkait

Kolom

Pratinjau

Akses data

Azure Notebooks

Azure Databricks

Azure Synapse

Langkah berikutnya

Saran dan Komentar

Sumber Daya Tambahan: