미국 소비자 물가 지수

아티클
03/04/2024

CPI(소비자 물가 지수)는 도시 소비자가 장바구니 소비재 및 서비스에 지불한 가격의 시간에 따른 평균 변동을 측정한 값입니다.

참고 항목

Microsoft는 Azure Open Datasets를 “있는 그대로” 제공합니다. Microsoft는 귀하의 데이터 세트 사용과 관련하여 어떠한 명시적이거나 묵시적인 보증, 보장 또는 조건을 제공하지 않습니다. 귀하가 거주하는 지역의 법규가 허용하는 범위 내에서 Microsoft는 귀하의 데이터 세트 사용으로 인해 발생하는 일체의 직접적, 결과적, 특별, 간접적, 부수적 또는 징벌적 손해 또는 손실을 비롯한 모든 손해 또는 손실에 대한 모든 책임을 부인합니다.

이 데이터 세트는 Microsoft가 원본 데이터를 받은 원래 사용 약관에 따라 제공됩니다. 데이터 세트에는 Microsoft가 제공한 데이터가 포함될 수 있습니다.

이 데이터 세트에 대한 자세한 정보를 포함하는 추가 정보는 원본 데이터 세트 위치에서 사용할 수 있습니다.

이 데이터 세트는 미국 BLS(노동 통계국)에서 게시한 소비자 물가 지수 데이터에서 생성됩니다. 사용 약관에 대해서는 링크 및 저작권 정보와 중요한 웹 사이트 고지 사항을 검토하세요.

스토리지 위치

이 데이터 세트는 미국 동부 Azure 지역에 저장됩니다. 선호도의 경우 미국 동부에서 컴퓨팅 리소스를 찾는 것이 좋습니다.

열

이름	데이터 형식	고유한	값(샘플)	설명
area_code	string	70	0000 0300	특정 지역을 식별하는 데 사용되는 고유한 코드입니다. 전체 지역 코드는 http://download.bls.gov/pub/time.series/cu/cu.area를 참조하세요.
area_name	string	69	U.S. city average South	특정 지역의 이름입니다. 모든 지역 이름 및 코드는 https://download.bls.gov/pub/time.series/cu/cu.area를 참조하세요.
footnote_codes	string	3	nan U	데이터 계열의 각주를 식별합니다. 대부분 값은 null입니다.
item_code	string	515	SA0E SAF11	데이터 관찰이 적용되는 항목을 식별합니다. 모든 항목 이름 및 코드는 https://download.bls.gov/pub/time.series/cu/cu.item을 참조하세요.
item_name	string	515	Energy Food at home	항목의 전체 이름입니다. 항목 이름 및 코드는 https://download.bls.gov/pub/time.series/cu/cu.txt를 참조하세요.
기간	string	16	S01 S02	데이터가 관찰된 기간을 식별합니다. 형식: M01-M13 또는 S01-S03(M=매월, M13=연간 평균, S=반기) 예: M06=6월 기간 이름 및 코드는 https://download.bls.gov/pub/time.series/cu/cu.period를 참조하세요.
periodicity_code	string	3	R S	데이터 관찰 빈도입니다. S=Semi-Annual; R=Regular.
seasonal	string	1,043	미국	데이터가 계절에 따라 조정되었는지 여부를 식별하는 코드입니다. S=Seasonally Adjusted; U=Unadjusted.
series_id	string	16,683	CWURS400SA0E CWUR0100SA0E	특정 계열을 식별하는 코드입니다. 시계열은 일관된 시간 간격(월별, 분기별, 연 2회, 연간)으로 장기간 관찰된 데이터 세트를 의미합니다. 일반적으로 BLS 시계열 데이터는 월 간격으로 생성되며 가격이 매월 수집되는 특정 지역의 특정 소비자 항목에서 고용률이 매월 기록되는 특정 산업 근로자 범주 등에 이르는 데이터를 나타냅니다. 자세한 내용은 https://download.bls.gov/pub/time.series/cu/cu.txt를 참조하세요.
series_title	string	8,336	Alcoholic drinks in U.S. city average, all urban consumers, not seasonally adjusted Transportation in Los Angeles-Long Beach-Anaheim, CA, all urban consumers, not seasonally adjusted	해당 series_id의 계열 이름입니다. 시리즈 ID 및 이름은 https://download.bls.gov/pub/time.series/cu/cu.series를 참조하세요.
value	float	310,603	100.0 101.0999984741211	항목에 대한 가격 지수입니다.
연도	int	25	2018 2017	관찰 연도를 식별합니다.

미리 보기를

area_code	item_code	series_id	연도	기간	value	footnote_codes	seasonal	periodicity_code	series_title	item_name	area_name
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279.974	nan	U	R	Electricity in San Diego-Carlsbad, CA, all urban consumers, not seasonally adjusted	Electricity	San Diego-Carlsbad, CA
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279.974	nan	U	R	Electricity in San Diego-Carlsbad, CA, all urban consumers, not seasonally adjusted	Electricity	San Diego-Carlsbad, CA
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279.974	nan	U	R	Electricity in San Diego-Carlsbad, CA, all urban consumers, not seasonally adjusted	Electricity	San Diego-Carlsbad, CA
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279.974	nan	U	R	Electricity in San Diego-Carlsbad, CA, all urban consumers, not seasonally adjusted	Electricity	San Diego-Carlsbad, CA
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279.974	nan	U	R	Electricity in San Diego-Carlsbad, CA, all urban consumers, not seasonally adjusted	Electricity	San Diego-Carlsbad, CA
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279.974	nan	U	R	Electricity in San Diego-Carlsbad, CA, all urban consumers, not seasonally adjusted	Electricity	San Diego-Carlsbad, CA

데이터 액세스

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

이 플랫폼/패키지 조합에는 샘플을 사용할 수 없습니다.

# 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'))

다음 단계

Open Datasets 카탈로그에서 나머지 데이터 세트를 봅니다.