US State Employment Hours and Earnings (米国州労働時間および賃金)

Current Employment Statistics (CES) プログラムでは、米国の給与支払い名簿を基に、非農業部門雇用者数、労働時間、賃金の詳細な業界推定値を生成します。

注意

Microsoft は、Azure Open Datasets を "現状有姿" で提供します。 Microsoft は、データセットの使用に関して、明示または黙示を問わず、いかなる保証も行わないものとし、条件を定めることもありません。 現地の法律の下で認められている範囲内で、Microsoft は、データセットの使用に起因する、直接的、派生的、特別、間接的、偶発的、または懲罰的なものを含めたいかなる損害または損失に対しても一切の責任を負わないものとします。

このデータセットは、Microsoft がソース データを受け取った元の条件に基づいて提供されます。 データセットには、Microsoft が提供するデータが含まれている場合があります。

このデータセットは、米国労働統計局 (BLS) によって公開されている State and Metro Area Employment, Hours & Earnings data (州および大都市圏の雇用、労働時間、賃金) のデータをソースとしています。 このデータセットの使用に関する諸条件については、「Linking and Copyright Information (リンクおよび著作権情報)」と「Important Web Site Notices (Web サイトに関する重要な通知)」を確認してください。

保存先

このデータセットは、米国東部 Azure リージョンに保存されています。 アフィニティのために、米国東部でコンピューティング リソースを割り当てることをお勧めします。

関連データセット

• US National Employment Hours and Earnings (全米労働時間および賃金)
• US Local Area Unemployment Statistics (米国地域別失業統計)
• US Labor Force Statistics (米国労働力統計)

[列]

Name	データ型	一意	値 (サンプル)
area_code	string	446	0 31084
area_name	string	446	Statewide Los Angeles-Long Beach-Glendale, CA Metropolitan Division (州全体 ロサンゼルス - ロング ビーチ - カリフォルニア州グレンデール 大都市圏)
data_type_code	string	9	1 3
data_type_text	string	9	All Employees, In Thousands Average Weekly Hours of All Employees (全従業員、千単位 全従業員の平均週時間)
footnote_codes	string	3	nan P
industry_code	string	343	0 5000000
industry_name	string	343	Total Nonfarm Total Private (非農業の合計 民営の合計)
period	string	13	M04 M05
季節	string	2	U S
series_id	string	23,853	SMU12000000000000001 SMU36000000000000001
state_code	string	53	6 48
state_name	string	53	California Texas (カリフォルニア テキサス)
supersector_code	string	22	90 60
supersector_name	string	22	Government Professional and Business Services (統治機関の専門職とビジネス サービス)
value	float	132,565	0.30000001192092896 0.10000000149011612
year	INT	81	2014 2018

プレビュー

area_code	state_code	data_type_code	industry_code	supersector_code	series_id	year	period	value	footnote_codes	季節	supersector_name	industry_name	data_type_text	state_name	area_name
13460	41	26	0	0	SMS41134600000000026	1990	M04	0.2	nan	S	Total Nonfarm (非農業の合計)	Total Nonfarm (非農業の合計)	ALL EMPLOYEES, 3-MONTH AVERAGE CHANGE, SEASONALLY ADJUSTED, THOUSANDS (全従業員、3 か月の平均変化、季節調整済み、千単位)	オレゴン	Bend-Redmond, OR (オレゴン州ベンド - レドモンド)
13460	41	26	0	0	SMS41134600000000026	1990	M05	0.2	nan	S	Total Nonfarm (非農業の合計)	Total Nonfarm (非農業の合計)	ALL EMPLOYEES, 3-MONTH AVERAGE CHANGE, SEASONALLY ADJUSTED, THOUSANDS (全従業員、3 か月の平均変化、季節調整済み、千単位)	オレゴン	Bend-Redmond, OR (オレゴン州ベンド - レドモンド)
13460	41	26	0	0	SMS41134600000000026	1990	M06	0.1	nan	S	Total Nonfarm (非農業の合計)	Total Nonfarm (非農業の合計)	ALL EMPLOYEES, 3-MONTH AVERAGE CHANGE, SEASONALLY ADJUSTED, THOUSANDS (全従業員、3 か月の平均変化、季節調整済み、千単位)	オレゴン	Bend-Redmond, OR (オレゴン州ベンド - レドモンド)
13460	41	26	0	0	SMS41134600000000026	1990	M07	0.1	nan	S	Total Nonfarm (非農業の合計)	Total Nonfarm (非農業の合計)	ALL EMPLOYEES, 3-MONTH AVERAGE CHANGE, SEASONALLY ADJUSTED, THOUSANDS (全従業員、3 か月の平均変化、季節調整済み、千単位)	オレゴン	Bend-Redmond, OR (オレゴン州ベンド - レドモンド)
13460	41	26	0	0	SMS41134600000000026	1990	M08	0.2	nan	S	Total Nonfarm (非農業の合計)	Total Nonfarm (非農業の合計)	ALL EMPLOYEES, 3-MONTH AVERAGE CHANGE, SEASONALLY ADJUSTED, THOUSANDS (全従業員、3 か月の平均変化、季節調整済み、千単位)	オレゴン	Bend-Redmond, OR (オレゴン州ベンド - レドモンド)
13460	41	26	0	0	SMS41134600000000026	1990	M09	0.2	nan	S	Total Nonfarm (非農業の合計)	Total Nonfarm (非農業の合計)	ALL EMPLOYEES, 3-MONTH AVERAGE CHANGE, SEASONALLY ADJUSTED, THOUSANDS (全従業員、3 か月の平均変化、季節調整済み、千単位)	オレゴン	Bend-Redmond, OR (オレゴン州ベンド - レドモンド)
13460	41	26	0	0	SMS41134600000000026	1990	M10	0.1	nan	S	Total Nonfarm (非農業の合計)	Total Nonfarm (非農業の合計)	ALL EMPLOYEES, 3-MONTH AVERAGE CHANGE, SEASONALLY ADJUSTED, THOUSANDS (全従業員、3 か月の平均変化、季節調整済み、千単位)	オレゴン	Bend-Redmond, OR (オレゴン州ベンド - レドモンド)

データ アクセス

Azure Notebooks

azureml-opendatasets

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

usLaborEHEState = UsLaborEHEState()
usLaborEHEState_df = usLaborEHEState.to_pandas_dataframe()

usLaborEHEState_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 = "ehe_state/"

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

このプラットフォームとパッケージの組み合わせでは、サンプルは利用できません。

Azure Databricks

azureml-opendatasets

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

usLaborEHEState = UsLaborEHEState()
usLaborEHEState_df = usLaborEHEState.to_spark_dataframe()

display(usLaborEHEState_df.limit(5))

azure-storage

このプラットフォームとパッケージの組み合わせでは、サンプルは利用できません。

pyspark

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

このプラットフォームとパッケージの組み合わせでは、サンプルは利用できません。

azure-storage

このプラットフォームとパッケージの組み合わせでは、サンプルは利用できません。

pyspark

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

次のステップ

Open Datasets カタログの残りのデータセットを表示します。