Amerykański wskaźnik cen dóbr produkcyjnych — towary

Artykuł
12/05/2022
Czas czytania: 6 min

Wskaźnik cen dóbr produkcyjnych (producer price index, PPI) mierzy średnią zmianę cen sprzedaży, które otrzymują krajowi producenci za swoje towary, w czasie. Ceny ujęte we wskaźniku PPI to ceny pierwszej transakcji handlowej za sprzedane produkty i usługi.

Uwaga

Firma Microsoft udostępnia zestawy danych Azure Open Datasets w zasadzie "tak jak to jest". Firma Microsoft nie udziela żadnych gwarancji, wyraźnych lub domniemanych, gwarancji ani warunków w odniesieniu do korzystania z zestawów danych. W zakresie dozwolonym na mocy prawa lokalnego firma Microsoft nie ponosi odpowiedzialności za wszelkie szkody lub straty, w tym bezpośrednie, wynikowe, specjalne, pośrednie, przypadkowe lub karne wynikające z korzystania z zestawów danych.

Zestaw danych jest udostępniany zgodnie z pierwotnymi warunkami, na jakich firma Microsoft otrzymała dane źródłowe. Zestaw danych może zawierać dane pozyskane z firmy Microsoft.

Każdego miesiąca wydawanych jest około 10 000 wskaźników PPI dla pojedynczych produktów i grup produktów. Wskaźniki PPI są dostępne dla produkcji prawie wszystkich branż w sektorach produkcji towarów w amerykańskich sektorach gospodarki– górnictwa, produkcji, rolnictwa, rybołówstwa i lesnictwa, a także gazu ziemnego, energii elektrycznej, budownictwa i towarów konkurencyjnych w sektorach produkcji, takich jak odpady i materiały złomowe. Program PPI obejmuje około 72 procent produkcji sektora usług, mierzonych przychodami zgłoszonymi w spisie gospodarczym w 2007 roku. Dane obejmują branże w następujących sektorach: handel hurtowy i detaliczny; transport i magazynowanie; informacje; finanse i ubezpieczenia; obrót nieruchomościami; wynajem i leasing; usługi profesjonalne, naukowe i techniczne; administracja, obsługa, utylizacja odpadów; opieka zdrowotna i społeczna oraz hotelarstwo.

Plik README ze szczegółowymi informacjami na temat tego zestawu jest dostępny w pierwotnej lokalizacji zestawu danych. Dodatkowe informacje są dostępne w sekcji często zadawanych pytań.

Ten zestaw danych jest generowany na podstawie danych indeksów cen producentów opublikowanych przez US Bureau of Labor Statistics (BLS). Zobacz informacje dotyczące linków i praw autorskich oraz ważne uwagi na temat witryny internetowej, aby zapoznać się z zasadami związanymi z korzystaniem z tego zestawu danych.

Lokalizacja magazynu

Ten zestaw danych jest przechowywany w regionie platformy Azure Wschodnie stany USA. Zalecamy przydzielanie zasobów obliczeniowych w regionie Wschodnie stany USA z uwagi na koligację.

Kolumny

Nazwa	Typ danych	Unikatowe	Wartości (przykład)	Opis
footnote_codes	ciąg	3	nan P	Określa przypisy do serii danych. Są to w większości wartości null. Zobacz: https://download.bls.gov/pub/time.series/wp/wp.footnote.
group_code	ciąg	56	02 01	Kod określający główną grupę towarów, którą obejmuje wskaźnik. Zobacz https://download.bls.gov/pub/time.series/wp/wp.group, aby zapoznać się z kodami i nazwami grup.
group_name	ciąg	56	Przetworzona żywność i pasze Produkty farmy	Nazwa głównej grupy towarów, którą obejmuje wskaźnik. Zobacz https://download.bls.gov/pub/time.series/wp/wp.group, aby zapoznać się z kodami i nazwami grup.
item_code	ciąg	2,949	1 11	Określa element, którego dotyczą obserwacje danych. Zobacz https://download.bls.gov/pub/time.series/wp/wp.item, aby zapoznać się z kodami i nazwami elementów.
item_name	ciąg	3,410	Magazynowanie, magazynowanie i powiązane usługi Wynajem samochodów osobowych	Pełne nazwy elementów. Zobacz https://download.bls.gov/pub/time.series/wp/wp.item, aby zapoznać się z kodami i nazwami elementów.
period	ciąg	13	M06 M07	Określa okres, w którym obserwowano dane. Zobacz https://download.bls.gov/pub/time.series/wp/wp.period, aby zapoznać się z listą wartości okresów.
Sezonowe	ciąg	2	Stany Zjednoczone	Kod określający, czy dane są dostosowywane sezonowo. S = sezonowo dostosowywane, U = niedostosowywane
series_id	ciąg	5,458	WPU101 WPU091	Kod określający szereg czasowy. Szereg czasowy to zestaw danych zaobserwowanych w dłuższym okresie, obejmującym równe przedziały czasu. Zobacz https://download.bls.gov/pub/time.series/wp/wp.series, aby zapoznać się ze szczegółami szeregów, takimi jak kod, nazwa, rok rozpoczęcia i zakończenia itp.
series_title	ciąg	4,379	Dane towarowe PPI dla usług wydobywczych, nieregulowane sezonowo dane o towarach PPI dla usług obróbki metali, a nie skorygowane sezonowo	Tytuł określonego szeregu czasowego. Szereg czasowy to zestaw danych zaobserwowanych w dłuższym okresie, obejmującym równe przedziały czasu. Zobacz https://download.bls.gov/pub/time.series/wp/wp.series , aby uzyskać szczegółowe informacje o serii, takich jak identyfikator, nazwa, początek i koniec roku itp.
wartość	float	6,788	100.0 99.0999984741211	Wskaźnik cen dla elementu.
rok	int	26	2018 2017	Określa rok obserwacji.

Wersja zapoznawcza

item_code	group_code	series_id	rok	period	wartość	footnote_codes	Sezonowe	series_title	group_name	item_name
120922	05	WPU05120922	2008	M06	100	Nan	U	Dane o towarach PPI dla paliw i powiązanych produktów oraz kopalni węgla bitowo-bitowego przygotowanego pod ziemią, zmiażdżonych mechanicznie/przesiewowych/wielkości, a nie dostosowywane sezonowo	Paliwa i powiązane produkty i moc	Przygotowana kopalnia węgla bitowo-bitowego, zmiażdżona mechanicznie/ekranowana/tylko wielkości
120922	05	WPU05120922	2008	M07	104,6	Nan	U	Dane o towarach PPI dla paliw i powiązanych produktów oraz kopalni węgla bitowo-bitowego przygotowanego pod ziemią, zmiażdżonych mechanicznie/przesiewowych/wielkości, a nie dostosowywane sezonowo	Paliwa i powiązane produkty i moc	Przygotowana kopalnia węgla bitowo-bitowego, zmiażdżona mechanicznie/ekranowana/tylko wielkości
120922	05	WPU05120922	2008	M08	104.4	Nan	U	Dane o towarach PPI dla paliw i powiązanych produktów oraz kopalni węgla bitowo-bitowego przygotowanego pod ziemią, zmiażdżonych mechanicznie/przesiewowych/wielkości, a nie dostosowywane sezonowo	Paliwa i powiązane produkty i moc	Przygotowana kopalnia węgla bitowo-bitowego, zmiażdżona mechanicznie/ekranowana/tylko wielkości
120922	05	WPU05120922	2008	M09	98,3	Nan	U	Dane o towarach PPI dla paliw i powiązanych produktów oraz kopalni węgla bitowo-bitowego przygotowanego pod ziemią, zmiażdżonych mechanicznie/przesiewowych/wielkości, a nie dostosowywane sezonowo	Paliwa i powiązane produkty i moc	Przygotowana kopalnia węgla bitowo-bitowego, zmiażdżona mechanicznie/ekranowana/tylko wielkości
120922	05	WPU05120922	2008	M10	101.5	Nan	U	Dane o towarach PPI dla paliw i powiązanych produktów oraz kopalni węgla bitowo-bitowego przygotowanego pod ziemią, zmiażdżonych mechanicznie/przesiewowych/wielkości, a nie dostosowywane sezonowo	Paliwa i powiązane produkty i moc	Przygotowana kopalnia węgla bitowo-bitowego, zmiażdżona mechanicznie/ekranowana/tylko wielkości
120922	05	WPU05120922	2008	M11	95.2	Nan	U	Dane o towarach PPI dla paliw i powiązanych produktów oraz kopalni węgla bitowo-bitowego przygotowanego pod ziemią, zmiażdżonych mechanicznie/przesiewowych/wielkości, a nie dostosowywane sezonowo	Paliwa i powiązane produkty i moc	Przygotowana kopalnia węgla bitowo-bitowego, zmiażdżona mechanicznie/ekranowana/tylko wielkości

Dostęp do danych

Azure Notebooks

Porada

Zamiast tego pobierz notes.

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

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

labor_df.info()

Porada

Zamiast tego pobierz notes.

# 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

Porada

Zamiast tego pobierz notes.

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

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

display(labor_df.limit(5))

Porada

Zamiast tego pobierz notes.

# 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

Przykład nie jest dostępny dla tej kombinacji platformy/pakietu.

Porada

Zamiast tego pobierz notes.

# 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'))

Następne kroki

Wyświetl pozostałe zestawy danych w katalogu Open Datasets (Otwarte zestawy danych).

Amerykański wskaźnik cen dóbr produkcyjnych — towary

Lokalizacja magazynu

Kolumny

Wersja zapoznawcza

Dostęp do danych

Azure Notebooks

Azure Databricks

Azure Synapse

Następne kroki

Dodatkowe zasoby

Dodatkowe zasoby

Amerykański wskaźnik cen dóbr produkcyjnych — towary

Lokalizacja magazynu

Pokrewne zestawy danych

Kolumny

Wersja zapoznawcza

Dostęp do danych

Azure Notebooks

Azure Databricks

Azure Synapse

Następne kroki

Dodatkowe zasoby

Dodatkowe zasoby