Amerikaanse bevolking, gerangschikt op district

Artikel
12/06/2023

De bevolking van de Verenigde Staten, gerangschikt op geslacht en ras voor elk Amerikaanse district. Informatie afkomstig uit de volkstellingen van 2000 en 2010.

Deze gegevensset is afkomstig van Verenigde Staten Census Bureau's Decennial Census Dataset API's. Lees de Servicevoorwaarden en Beleidsregels en opmerkingen 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.

Volume en retentie

Deze gegevensset wordt in Parquet-indeling opgeslagen en bevat gegevens voor de jaren 2000 en 2010.

Opslaglocatie

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

Amerikaanse bevolking, gerangschikt op postcode

Kolommen

Naam	Gegevenstype	Uniek	Waarden (voorbeeld)	Beschrijving
countyName	tekenreeks	1,960	Washington County Seattle County	De naam van het district.
decennialTime	tekenreeks	2	2010 2000	De tijd van de decennial census is gebeurd, bijvoorbeeld 2010, 2000.
maxAge	geheel getal (int)	23	9 66	Het maximum in het leeftijdsbereik. Als de waarde null is, geldt dit voor alle leeftijden of het leeftijdsbereik heeft geen bovengrens, bijvoorbeeld leeftijd > 85.
minAge	geheel getal (int)	23	35 67	Het minimum in het leeftijdsbereik. Als deze waarde null is, zijn alle leeftijden op het item van toepassing.
population	geheel getal (int)	47,229	1 2	De invulling van dit segment.
Race	tekenreeks	8	AZIATISCHE ALLEEN TWEE OF MEER RASSEN	De categorie Ras in de volkstellingsgegevens. Als deze waarde null is, zijn alle rassen op het item van toepassing.
Sex	tekenreeks	3	Mannelijk vrouwtje	Man of vrouw. Als deze waarde null is, is elk geslacht op het item van toepassing.
stateName	tekenreeks	52	Texas Georgia	De naam van de staat in de Verenigde Staten.
jaar	geheel getal (int)	2	2010 2000	Jaar (positief geheel getal) van decimale tijd.

Preview

decennialTime	stateName	countyName	population	Race	Sex	minAge	maxAge	jaar
2010	Texas	Crockett County	123	ALLEEN WIT	Mannelijk	5	9	2010
2010	Texas	Crockett County	1	ALLEEN AZIATISCH	Vrouwelijk	67	69	2010
2010	Texas	Crockett County	111	ALLEEN WIT	Vrouwelijk	55	59	2010
2010	Texas	Crockett County	64	TWEE OF MEER RACES	Nul			2010
2010	Texas	Crockett County	18	Nul	Mannelijk	85		2010
2010	Texas	Crockett County	16	AMERIKAANS INDIAAS EN ALASKA NATIVE ALLEEN	Vrouwelijk			2010
2010	Texas	Crockett County	7	ALLEEN WIT	Mannelijk	21	21	2010
2010	Texas	Crockett County	45	Nul	Vrouwelijk	85		2010
2010	Texas	Crockett County	0	NATIVE HAWAIIAN EN ANDERE PACIFIC ISLANDER ALLEEN	Vrouwelijk	67	69	2010

Toegang tot gegevens

Azure Notebooks

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

population = UsPopulationCounty()
population_df = population.to_pandas_dataframe()

population_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 = "censusdatacontainer"
folder_name = "release/us_population_county/"

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 UsPopulationCounty

population = UsPopulationCounty()
population_df = population.to_spark_dataframe()

display(population_df.limit(5))

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "censusdatacontainer"
blob_relative_path = "release/us_population_county/"
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

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

population = UsPopulationCounty()
population_df = population.to_spark_dataframe()

# Display top 5 rows
display(population_df.limit(5))

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "censusdatacontainer"
blob_relative_path = "release/us_population_county/"
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.