Statistieken over beroepsbevolking VS

Artikel
01/10/2024

Beroepsbevolkingsstatistieken, beroepsbevolking, participatiegraad van de beroepsbevolking en de burgerbevolking (niet-institutioneel) op leeftijd, geslacht, ras en etnische bevolkingsgroepen. in de Verenigde Staten.

Deze gegevensset is afkomstig uit Current Employment Statistics - CES-gegevens (nationaal) gepubliceerd door US Bureau of Labor Statistics (BLS). Lees Informatie over koppelingen en auteursrechten en Belangrijke websitemededelingen voor de voorwaarden met betrekking tot het gebruik van deze gegevensset.

Notitie

Microsoft biedt Azure Open Datasets op basis van 'zoals is'. Microsoft geeft geen garanties, uitdrukkelijk of impliciet, garanties of voorwaarden met betrekking tot uw gebruik van de gegevenssets. Voor zover toegestaan volgens uw lokale wetgeving, wijst Microsoft alle aansprakelijkheid af voor eventuele schade of verliezen, waaronder directe, gevolgschade, speciale, indirecte, incidentele of strafbare gegevenssets, die het gevolg zijn van uw gebruik van de gegevenssets.

Deze gegevensset wordt geleverd onder de oorspronkelijke voorwaarden dat Microsoft de brongegevens heeft ontvangen. De gegevensset kan gegevens bevatten die afkomstig zijn van Microsoft.

Opslaglocatie

Deze gegevensset wordt opgeslagen in de Azure-regio US - oost. Het wordt aanbevolen om rekenresources in US - oost toe te wijzen voor affiniteit.

Kolommen

Naam	Gegevenstype	Uniek	Waarden (voorbeeld)
absn_code	int	4	3 4
activity_code	int	7	8 3
ages_code	int	35	10 17
born_code	int	3	1 2
cert_code	int	5	4 3
chld_code	int	6	2 5
class_code	int	14	2 1
disa_code	int	3	2 1
duration_code	int	11	18 6
education_code	int	9	40 19
entr_code	int	3	1 2
expr_code	int	3	1 2
footnote_codes	tekenreeks	7	nan 4.0
hheader_code	int	2	1
hour_code	int	13	1 16
indy_code	int	323	368 169
jdes_code	int	3	1 2
lfst_code	int	33	20 30
look_code	int	7	1 6
mari_code	int	5	2 1
mjhs_code	int	6	1 5
occupation_code	int	566	8999 4999
orig_code	int	14	1 2
pcts_code	int	23	5 8
Periode	tekenreeks	18	M07 M06
periodicity_code	tekenreeks	3	M Q
race_code	int	14	3
rjnw_code	int	9	3
rnlf_code	int	11	63 64
rwns_code	int	17	10 1
Seizoensgebonden	tekenreeks	2	U S
seek_code	int	2	1
series_id	tekenreeks	45,478	LNU01300000 LNU02034560
series_title	tekenreeks	34,264	(Unadj) Werkgelegenheidsniveau - Landbouw en verwante industrieën (Unadj) Civiele beroepsbevolking
sexs_code	int	3	1 2
tdat_code	int	6	1 4
waarde	zwevend	121,742	3.0 4.0
vets_code	int	8	25 1
wkst_code	int	7	1 4
jaar	int	80	2018 2017

Preview

series_id	jaar	Periode	waarde	footnote_codes	lfst_code	periodicity_code	series_title	ages_code	race_code	sexs_code	Seizoensgebonden
LNS11000031Q	1972	Q01	4300	nan	10	K	(Zeeën) Civiele beroepsbevolking - 20 jaar. & over, Zwarte of Afrikaanse Amerikaanse Mannen	17	3	1	S
LNS11000031Q	1972	Q02	4370	nan	10	K	(Zeeën) Civiele beroepsbevolking - 20 jaar. & over, Zwarte of Afrikaanse Amerikaanse Mannen	17	3	1	S
LNS11000031Q	1972	Q03	4397	nan	10	K	(Zeeën) Civiele beroepsbevolking - 20 jaar. & over, Zwarte of Afrikaanse Amerikaanse Mannen	17	3	1	S
LNS11000031Q	1972	Q04	4381	nan	10	K	(Zeeën) Civiele beroepsbevolking - 20 jaar. & over, Zwarte of Afrikaanse Amerikaanse Mannen	17	3	1	S
LNS11000031Q	1973	Q01	4408	nan	10	K	(Zeeën) Civiele beroepsbevolking - 20 jaar. & over, Zwarte of Afrikaanse Amerikaanse Mannen	17	3	1	S
LNS11000031Q	1973	Q02	4445	nan	10	K	(Zeeën) Civiele beroepsbevolking - 20 jaar. & over, Zwarte of Afrikaanse Amerikaanse Mannen	17	3	1	S
LNS11000031Q	1973	Q03	4477	nan	10	K	(Zeeën) Civiele beroepsbevolking - 20 jaar. & over, Zwarte of Afrikaanse Amerikaanse Mannen	17	3	1	S
LNS11000031Q	1973	Q04	4523	nan	10	K	(Zeeën) Civiele beroepsbevolking - 20 jaar. & over, Zwarte of Afrikaanse Amerikaanse Mannen	17	3	1	S
LNS11000031Q	1974	Q01	4574	nan	10	K	(Zeeën) Civiele beroepsbevolking - 20 jaar. & over, Zwarte of Afrikaanse Amerikaanse Mannen	17	3	1	S
LNS11000031Q	1974	Q02	4538	nan	10	K	(Zeeën) Civiele beroepsbevolking - 20 jaar. & over, Zwarte of Afrikaanse Amerikaanse Mannen	17	3	1	S

Toegang tot gegevens

Azure Notebooks

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

labor = UsLaborLFS()
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 = "lfs/"

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 UsLaborLFS

labor = UsLaborLFS()
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 = "lfs/"
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

Voorbeeld niet beschikbaar voor deze combinatie van platform/pakket.

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

Volgende stappen

Bekijk de rest van de gegevenssets in de catalogus Open Datasets.