미국 생산자 물가 지수 - 상품

아티클
03/10/2024

PPI(생산자 물가 지수)는 국내 생산자가 얻는 산출물 판매 가격의 시간에 따른 평균 변동을 측정한 값입니다. PPI에 포함된 가격은 해당 제품 및 서비스의 첫 번째 상거래에서 나온 것입니다.

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.

매월 개별 제품 및 제품 그룹에 대해 약 10,000개의 PPI가 릴리스됩니다. PPI는 미국 경제의 제품 생산 부문에 속한 거의 모든 산업(광업, 제조업, 농업, 어업, 임업, 천연가스업, 전기업, 건설업뿐 아니라 생산 부문에서 제조된 제품의 경쟁 제품(예: 폐기물) 재활용업)의 산출물로 구성됩니다. 2007 Economic Census에서 보고된 수익 기준으로 측정된 바에 따르면 PPI 프로그램은 약 72%의 서비스 부문 산출물에 적용됩니다. 데이터에는 도매 및 소매업, 운송 및 창고업, 정보, 금융 및 보험, 부동산 중개, 임대 및 리스, 전문, 과학 및 기술 서비스, 행정, 지원 및 폐기물 관리 서비스, 건강 관리 및 사회적 지원, 숙박업 등의 부문에 속한 산업이 포함됩니다.

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

이 데이터 세트는 미국 BLS(노동 통계국)에서 게시한 생산자 물가 지수 데이터에서 생성됩니다. 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
footnote_codes	string	3	nan P	데이터 계열의 각주를 식별합니다. 대부분 값은 null입니다. https://download.bls.gov/pub/time.series/wp/wp.footnote을(를) 참조하세요.
group_code	string	56	02 01	지수가 적용되는 주요 상품 그룹을 식별하는 코드입니다. 그룹 코드 및 이름은 https://download.bls.gov/pub/time.series/wp/wp.group을 참조하세요.
group_name	string	56	Processed foods and feeds Farm products	지수가 적용되는 주요 상품 그룹의 이름입니다. 그룹 코드 및 이름은 https://download.bls.gov/pub/time.series/wp/wp.group을 참조하세요.
item_code	string	2,949	1 11	데이터 관찰이 적용되는 항목을 식별합니다. 항목 코드 및 이름은 https://download.bls.gov/pub/time.series/wp/wp.item을 참조하세요.
item_name	string	3,410	Warehousing, storage, and related services Passenger car rental	항목의 전체 이름입니다. 항목 코드 및 이름은 https://download.bls.gov/pub/time.series/wp/wp.item을 참조하세요.
기간	string	13	M06 M07	데이터가 관찰된 기간을 식별합니다. 기간 값의 목록은 https://download.bls.gov/pub/time.series/wp/wp.period를 참조하세요.
seasonal	문자열	2	미국	데이터가 계절에 따라 조정되었는지 여부를 식별하는 코드입니다. S=Seasonally Adjusted; U=Unadjusted
series_id	string	5,458	WPU101 WPU091	특정 계열을 식별하는 코드입니다. 시계열은 일관된 시간 간격으로 긴 기간 동안 관찰된 데이터 세트를 의미합니다. 코드, 이름, 시작 및 종료 연도 등의 시리즈에 관한 자세한 내용은 https://download.bls.gov/pub/time.series/wp/wp.series를 참조하세요.
series_title	string	4,379	PPI Commodity data for Mining services, not seasonally adjusted PPI Commodity data for Metal treatment services, not seasonally adjusted	특정 계열의 제목입니다. 시계열은 일관된 시간 간격으로 긴 기간 동안 관찰된 데이터 세트를 의미합니다. ID, 이름, 시작 및 종료 연도 등의 시리즈에 관한 자세한 내용은 https://download.bls.gov/pub/time.series/wp/wp.series를 참조하세요.
value	float	6,788	100.0 99.0999984741211	항목에 대한 가격 지수입니다.
연도	int	26	2018 2017	관찰 연도를 식별합니다.

미리 보기를

item_code	group_code	series_id	연도	기간	value	footnote_codes	seasonal	series_title	group_name	item_name
120922	05	WPU05120922	2008	M06	100	nan	U	PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/sized only, not seasonally adjusted	Fuels and related products and power	Prepared bituminous coal underground mine, mechanically crushed/screened/sized only
120922	05	WPU05120922	2008	M07	104.6	nan	U	PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/sized only, not seasonally adjusted	Fuels and related products and power	Prepared bituminous coal underground mine, mechanically crushed/screened/sized only
120922	05	WPU05120922	2008	M08	104.4	nan	U	PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/sized only, not seasonally adjusted	Fuels and related products and power	Prepared bituminous coal underground mine, mechanically crushed/screened/sized only
120922	05	WPU05120922	2008	M09	98.3	nan	U	PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/sized only, not seasonally adjusted	Fuels and related products and power	Prepared bituminous coal underground mine, mechanically crushed/screened/sized only
120922	05	WPU05120922	2008	M10	101.5	nan	U	PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/sized only, not seasonally adjusted	Fuels and related products and power	Prepared bituminous coal underground mine, mechanically crushed/screened/sized only
120922	05	WPU05120922	2008	M11	95.2	nan	U	PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/sized only, not seasonally adjusted	Fuels and related products and power	Prepared bituminous coal underground mine, mechanically crushed/screened/sized only

데이터 액세스

Azure Notebooks

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

labor = UsLaborPPICommodity()
labor_df = labor.to_pandas_dataframe()

labor_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 = "ppi_commodity/"

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 UsLaborPPICommodity

labor = UsLaborPPICommodity()
labor_df = labor.to_spark_dataframe()

display(labor_df.limit(5))

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