US State Employment Hours and Earnings (Liczba przepracowanych godzin i zarobki w skali stanów w USA)

Artykuł
12/06/2023

Program CES (Current Employment Statistics — aktualne statystyki zatrudnienia) generuje szczegółowe szacunkowe dane dotyczące zatrudnienia poza sektorem rolniczym, czasu pracy oraz wynagrodzeń pracowników zatrudnionych w różnych branżach w Stanach Zjednoczonych.

Uwaga

Firma Microsoft udostępnia zestawy danych Platformy Azure open na 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 zgodnie z prawem lokalnym firma Microsoft nie ponosi odpowiedzialności za wszelkie szkody lub straty, w tym bezpośrednie, wtórne, 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.

Ten zestaw danych pochodzi z danych State and Metro Area Employment, Hours & Earnings 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 usługi Storage

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

Nazwisko	Typ danych	Unikatowe	Wartości (przykładowe)
area_code	string	446	0 31084
area_name	string	446	Statewide Los Angeles-Long Beach-Glendale, CA Metropolitan Division
data_type_code	string	9	1 3
data_type_text	string	9	Wszyscy pracownicy, w tysiącach średnich godzin tygodniowych wszystkich pracowników
footnote_codes	string	3	nan P
industry_code	string	343	0 5000000
industry_name	string	343	Total Nonfarm Total Private
Okres	string	13	M04 M05
Sezonowe	string	2	Stany Zjednoczone
series_id	string	23,853	SMU12000000000000001 SMU36000000000000001
state_code	string	53	6 48
state_name	string	53	Kalifornia Texas
supersector_code	string	22	90 60
supersector_name	string	22	Government Professional and Business Services
wartość	liczba zmiennoprzecinkowa	132,565	0.30000001192092896 0.10000000149011612
rocznie	int	81	2014 2018

Podgląd

area_code	state_code	data_type_code	series_id	rocznie	Okres	wartość	footnote_codes	Sezonowe	supersector_name	industry_name	data_type_text	state_name	area_name
13460	41	26	SMS41134600000000026	1990	M04	0,2	Nan	S	Łączna liczba niefarmów	Łączna liczba niefarmów	Wszyscy pracownicy, średnia 3-miesięczna zmiana, W tysiącach, skorygowane sezonowo	Oregon	Bend-Redmond, OR
13460	41	26	SMS41134600000000026	1990	M05	0,2	Nan	S	Łączna liczba niefarmów	Łączna liczba niefarmów	Wszyscy pracownicy, średnia 3-miesięczna zmiana, W tysiącach, skorygowane sezonowo	Oregon	Bend-Redmond, OR
13460	41	26	SMS41134600000000026	1990	M06	0.1	Nan	S	Łączna liczba niefarmów	Łączna liczba niefarmów	Wszyscy pracownicy, średnia 3-miesięczna zmiana, W tysiącach, skorygowane sezonowo	Oregon	Bend-Redmond, OR
13460	41	26	SMS41134600000000026	1990	M07	0.1	Nan	S	Łączna liczba niefarmów	Łączna liczba niefarmów	Wszyscy pracownicy, średnia 3-miesięczna zmiana, W tysiącach, skorygowane sezonowo	Oregon	Bend-Redmond, OR
13460	41	26	SMS41134600000000026	1990	M08	0,2	Nan	S	Łączna liczba niefarmów	Łączna liczba niefarmów	Wszyscy pracownicy, średnia 3-miesięczna zmiana, W tysiącach, skorygowane sezonowo	Oregon	Bend-Redmond, OR
13460	41	26	SMS41134600000000026	1990	M09	0,2	Nan	S	Łączna liczba niefarmów	Łączna liczba niefarmów	Wszyscy pracownicy, średnia 3-miesięczna zmiana, W tysiącach, skorygowane sezonowo	Oregon	Bend-Redmond, OR
13460	41	26	SMS41134600000000026	1990	M10	0.1	Nan	S	Łączna liczba niefarmów	Łączna liczba niefarmów	Wszyscy pracownicy, średnia 3-miesięczna zmiana, W tysiącach, skorygowane sezonowo	Oregon	Bend-Redmond, OR

Dostęp do danych

Azure Notebooks

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

usLaborEHEState = UsLaborEHEState()
usLaborEHEState_df = usLaborEHEState.to_pandas_dataframe()

usLaborEHEState_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_state/"

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 UsLaborEHEState

usLaborEHEState = UsLaborEHEState()
usLaborEHEState_df = usLaborEHEState.to_spark_dataframe()

display(usLaborEHEState_df.limit(5))

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

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "laborstatisticscontainer"
blob_relative_path = "ehe_state/"
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 (Otwieranie zestawów danych).