Ore e guadagni per il settore dell'occupazione nazionale negli Stati Uniti

Il programma Current Employment Statistics (CES) genera stime dettagliate per il settore dell'occupazione non agricola con informazioni su ore e guadagni dei lavoratori stipendiati negli Stati Uniti.

Nota

Microsoft fornisce set di dati aperti di Azure su base "as is". Microsoft non garantisce garanzie, garanzie o condizioni esplicite o implicite rispetto all'uso dei set di dati. Nella misura consentita dalla legge locale, Microsoft disclamò tutte le responsabilità per eventuali danni o perdite, inclusi danni diretti, consequenziali, speciali, indiretti, accidentali o punitivi, derivanti dall'uso dei set di dati.

Questo set di dati viene fornito in conformità con le condizioni originali in base alle quali Microsoft ha ricevuto i dati di origine. Il set di dati potrebbe includere dati provenienti da Microsoft.

README contenente file per informazioni dettagliate su questo set di dati è disponibile nel percorso del set di dati originale.

Il set di dati viene generato dai dati del programma Current Employment Statistics - CES (National) pubblicati da US Bureau of Labor Statistics (BLS). Per informazioni sui termini e sulle condizioni per l'utilizzo di questo set di dati, vedi le informazioni sui collegamenti e sul copyright e le informative importanti sul sito Web.

Posizione di archiviazione

Questo set di dati è archiviato nell'area Stati Uniti orientali di Azure. L'allocazione delle risorse di calcolo nell'area Stati Uniti orientali è consigliata per motivi di affinità.

Set di dati correlati

• Ore e guadagni per il settore dell'occupazione a livello statale negli Stati Uniti
• Statistiche relative alla disoccupazione a livello di area locale negli Stati Uniti
• Statistiche relative alla forza lavoro negli Stati Uniti

Colonne

Nome	Tipo di dati	Univoco	Valori (esempio)	Descrizione
data_type_code	string	37	1 10	Vedere https://download.bls.gov/pub/time.series/ce/ce.datatype
data_type_text	string	37	TUTTI I DIPENDENTI, MIGLIAIA DI DIPENDENTI, MIGLIAIA	Vedere https://download.bls.gov/pub/time.series/ce/ce.datatype
footnote_codes	string	2	nan P
industry_code	string	902	30000000 32000000	Settori diversi coperti. Vedere https://download.bls.gov/pub/time.series/ce/ce.industry
industry_name	string	895	Beni durevoli non durevoli	Settori diversi coperti. Vedere https://download.bls.gov/pub/time.series/ce/ce.industry
period	string	13	M03 M06	Vedere https://download.bls.gov/pub/time.series/ce/ce.period
Stagionale	string	2	I T
series_id	string	26,021	CEU3100000008 CEU9091912001	Tipi diversi di serie di dati disponibili nel set di dati. Vedere https://download.bls.gov/pub/time.series/ce/ce.series
series_title	string	25,685	Tutti i dipendenti, migliaia, beni durevoli, non regolati stagionalmente Tutti i dipendenti, migliaia, beni non permanenti, non regolati stagionalmente	Titolo dei diversi tipi di serie di dati disponibili nel set di dati. Vedere https://download.bls.gov/pub/time.series/ce/ce.series
supersector_code	string	22	31 60	Classificazione del settore o del settore di livello superiore. Vedere https://download.bls.gov/pub/time.series/ce/ce.supersector
supersector_name	string	22	Servizi professionali e aziendali per beni durevoli	Classificazione del settore o del settore di livello superiore. Vedere https://download.bls.gov/pub/time.series/ce/ce.supersector
Valore	float	572,372	38.5 38.400001525878906
anno	INT	81	2017 2012

Anteprima

data_type_code	industry_code	supersector_code	series_id	anno	period	Valore	footnote_codes	Stagionale	series_title	supersector_name	industry_name	data_type_text
26	5000000	5	CES050000026	1939	M04	52	nan	S	Tutti i dipendenti, variazione media di 3 mesi, rettificata stagionalmente, migliaia, totale privato, regolare stagionalmente	Totale privato	Totale privato	TUTTI I DIPENDENTI, VARIAZIONE MEDIA DI 3 MESI, RETTIFICATA STAGIONALMENTE, MIGLIAIA
26	5000000	5	CES050000026	1939	M05	65	nan	S	Tutti i dipendenti, variazione media di 3 mesi, rettificata stagionalmente, migliaia, totale privato, regolare stagionalmente	Totale privato	Totale privato	TUTTI I DIPENDENTI, VARIAZIONE MEDIA DI 3 MESI, RETTIFICATA STAGIONALMENTE, MIGLIAIA
26	5000000	5	CES050000026	1939	M06	74	nan	S	Tutti i dipendenti, variazione media di 3 mesi, rettificata stagionalmente, migliaia, totale privato, regolare stagionalmente	Totale privato	Totale privato	TUTTI I DIPENDENTI, VARIAZIONE MEDIA DI 3 MESI, RETTIFICATA STAGIONALMENTE, MIGLIAIA
26	5000000	5	CES050000026	1939	M07	103	nan	S	Tutti i dipendenti, variazione media di 3 mesi, rettificata stagionalmente, migliaia, totale privato, regolare stagionalmente	Totale privato	Totale privato	TUTTI I DIPENDENTI, VARIAZIONE MEDIA DI 3 MESI, RETTIFICATA STAGIONALMENTE, MIGLIAIA
26	5000000	5	CES050000026	1939	M08	108	nan	S	Tutti i dipendenti, variazione media di 3 mesi, rettificata stagionalmente, migliaia, totale privato, regolare stagionalmente	Totale privato	Totale privato	TUTTI I DIPENDENTI, VARIAZIONE MEDIA DI 3 MESI, RETTIFICATA STAGIONALMENTE, MIGLIAIA
26	5000000	5	CES050000026	1939	M09	152	nan	S	Tutti i dipendenti, variazione media di 3 mesi, rettificata stagionalmente, migliaia, totale privato, regolare stagionalmente	Totale privato	Totale privato	TUTTI I DIPENDENTI, VARIAZIONE MEDIA DI 3 MESI, RETTIFICATA STAGIONALMENTE, MIGLIAIA
26	5000000	5	CES050000026	1939	M10	307	nan	S	Tutti i dipendenti, variazione media di 3 mesi, rettificata stagionalmente, migliaia, totale privato, regolare stagionalmente	Totale privato	Totale privato	TUTTI I DIPENDENTI, VARIAZIONE MEDIA DI 3 MESI, RETTIFICATA STAGIONALMENTE, MIGLIAIA
26	5000000	5	CES050000026	1939	M11	248	nan	S	Tutti i dipendenti, variazione media di 3 mesi, rettificata stagionalmente, migliaia, totale privato, regolare stagionalmente	Totale privato	Totale privato	TUTTI I DIPENDENTI, VARIAZIONE MEDIA DI 3 MESI, RETTIFICATA STAGIONALMENTE, MIGLIAIA

Accesso ai dati

Azure Notebooks

azureml-opendatasets

Suggerimento

Scaricare invece il notebook.

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

usLaborEHENational = UsLaborEHENational()
usLaborEHENational_df = usLaborEHENational.to_pandas_dataframe()

usLaborEHENational_df.info()

azure-storage

Suggerimento

Scaricare invece il notebook.

# 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 = "ehe_national/"

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

Esempio non disponibile per questa combinazione di piattaforma/pacchetto.

Azure Databricks

azureml-opendatasets

Suggerimento

Scaricare invece il notebook.

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

usLaborEHENational = UsLaborEHENational()
usLaborEHENational_df = usLaborEHENational.to_spark_dataframe()

display(usLaborEHENational_df.limit(5))

azure-storage

Esempio non disponibile per questa combinazione di piattaforma/pacchetto.

pyspark

Suggerimento

Scaricare invece il notebook.

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

Esempio non disponibile per questa combinazione di piattaforma/pacchetto.

azure-storage

Esempio non disponibile per questa combinazione di piattaforma/pacchetto.

pyspark

Suggerimento

Scaricare invece il notebook.

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

Passaggi successivi

Visualizzare il resto dei set di dati nel catalogo Open Datasets.