미국 국가 고용 시간 및 소득

아티클
03/05/2024

CES(Current Employment Statistics) 프로그램은 미국의 급여 대장에 있는 노동자의 농장 이외 고용, 시간 및 소득의 자세한 산업 예상치를 생성합니다.

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 정보에 대한 파일이 포함된 추가 정보는 원본 데이터 세트 위치에서 사용할 수 있습니다.

이 데이터 세트는 BLS(미국 노동 통계국)에서 게시한 현재 고용 통계 - CES(미국) 데이터에서 제공됩니다. 이 데이터 세트 사용과 관련된 사용 약관은 연결 및 저작권 정보 및 중요한 웹 사이트 고지 사항을 검토하세요.

스토리지 위치

이 데이터 세트는 미국 동부 Azure 지역에 저장됩니다. 선호도를 위해 미국 동부에 컴퓨팅 리소스를 할당하는 것이 좋습니다.

열

이름	데이터 형식	고유한	값(샘플)	설명
data_type_code	string	37	1 10	https://download.bls.gov/pub/time.series/ce/ce.datatype를 참조하세요.
data_type_text	string	37	ALL EMPLOYEES, THOUSANDS WOMEN EMPLOYEES, THOUSANDS	https://download.bls.gov/pub/time.series/ce/ce.datatype를 참조하세요.
footnote_codes	문자열	2	nan P
industry_code	string	902	30000000 32000000	여러 가지 산업이 포함됩니다. https://download.bls.gov/pub/time.series/ce/ce.industry를 참조하세요.
industry_name	string	895	Nondurable goods Durable goods	여러 가지 산업이 포함됩니다. https://download.bls.gov/pub/time.series/ce/ce.industry를 참조하세요.
기간	string	13	M03 M06	https://download.bls.gov/pub/time.series/ce/ce.period를 참조하세요.
seasonal	문자열	2	미국
series_id	string	26,021	CEU3100000008 CEU9091912001	데이터 세트에서 여러 가지 유형의 데이터 계열을 사용할 수 있습니다. https://download.bls.gov/pub/time.series/ce/ce.series를 참조하세요.
series_title	string	25,685	All employees, thousands, durable goods, not seasonally adjusted All employees, thousands, nondurable goods, not seasonally adjusted	데이터 세트에서 사용할 수 있는 여러 가지 유형의 데이터 계열 제목입니다. https://download.bls.gov/pub/time.series/ce/ce.series를 참조하세요.
supersector_code	string	22	31 60	더 높은 수준의 산업 또는 부문 분류입니다. https://download.bls.gov/pub/time.series/ce/ce.supersector를 참조하세요.
supersector_name	string	22	Durable Goods Professional and business services	더 높은 수준의 산업 또는 부문 분류입니다. https://download.bls.gov/pub/time.series/ce/ce.supersector를 참조하세요.
value	float	572,372	38.5 38.400001525878906
연도	int	81	2017 2012

미리 보기를

data_type_code	industry_code	supersector_code	series_id	연도	기간	value	footnote_codes	seasonal	series_title	supersector_name	industry_name	data_type_text
26	5000000	5	CES0500000026	1939	M04	52	nan	S	All employees, 3-month average change, seasonally adjusted, thousands, total private, seasonally adjusted	Total private	Total private	ALL EMPLOYEES, 3-MONTH AVERAGE CHANGE, SEASONALLY ADJUSTED, THOUSANDS
26	5000000	5	CES0500000026	1939	M05	65	nan	S	All employees, 3-month average change, seasonally adjusted, thousands, total private, seasonally adjusted	Total private	Total private	ALL EMPLOYEES, 3-MONTH AVERAGE CHANGE, SEASONALLY ADJUSTED, THOUSANDS
26	5000000	5	CES0500000026	1939	M06	74	nan	S	All employees, 3-month average change, seasonally adjusted, thousands, total private, seasonally adjusted	Total private	Total private	ALL EMPLOYEES, 3-MONTH AVERAGE CHANGE, SEASONALLY ADJUSTED, THOUSANDS
26	5000000	5	CES0500000026	1939	M07	103	nan	S	All employees, 3-month average change, seasonally adjusted, thousands, total private, seasonally adjusted	Total private	Total private	ALL EMPLOYEES, 3-MONTH AVERAGE CHANGE, SEASONALLY ADJUSTED, THOUSANDS
26	5000000	5	CES0500000026	1939	M08	108	nan	S	All employees, 3-month average change, seasonally adjusted, thousands, total private, seasonally adjusted	Total private	Total private	ALL EMPLOYEES, 3-MONTH AVERAGE CHANGE, SEASONALLY ADJUSTED, THOUSANDS
26	5000000	5	CES0500000026	1939	M09	152	nan	S	All employees, 3-month average change, seasonally adjusted, thousands, total private, seasonally adjusted	Total private	Total private	ALL EMPLOYEES, 3-MONTH AVERAGE CHANGE, SEASONALLY ADJUSTED, THOUSANDS
26	5000000	5	CES0500000026	1939	M10	307	nan	S	All employees, 3-month average change, seasonally adjusted, thousands, total private, seasonally adjusted	Total private	Total private	ALL EMPLOYEES, 3-MONTH AVERAGE CHANGE, SEASONALLY ADJUSTED, THOUSANDS
26	5000000	5	CES0500000026	1939	M11	248	nan	S	All employees, 3-month average change, seasonally adjusted, thousands, total private, seasonally adjusted	Total private	Total private	ALL EMPLOYEES, 3-MONTH AVERAGE CHANGE, SEASONALLY ADJUSTED, THOUSANDS

데이터 액세스

Azure Notebooks

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

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

usLaborEHENational_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 = "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

Azure Databricks

# 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 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

이 플랫폼/패키지 조합에는 샘플을 사용할 수 없습니다.

# 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'))

다음 단계

Open Datasets 카탈로그에서 나머지 데이터 세트를 봅니다.