US Labor Force Statistics (Статистика по занятому населению США)

Статья
12/06/2023

Сведения Бюро трудовой статистики о трудовых ресурсах, коэффициенте участия населения в трудовой деятельности, а также о гражданском неинституциональном населении с классификацией по возрасту, полу, расовой принадлежности и этническим группам. в США.

Источник этого набора данных — государственные статистические данные о текущей занятости (CES), опубликованные Бюро трудовой статистики (BLS) США. Просмотрите Ссылки и информацию об авторских правах и Важные уведомления о веб-сайте, чтобы получить сведения об условиях, связанных с использованием этого набора данных.

Примечание.

Корпорация Майкрософт предоставляет Открытые наборы данных Azure как есть. Корпорация Майкрософт не предоставляет никаких гарантий (явных или подразумеваемых) и не определяет никаких условий в связи с использованием этих наборов данных. В рамках, допускаемых местным законодательством, корпорация Майкрософт отказывается от ответственности за ущерб и убытки (в том числе прямые, косвенные, специальные, опосредованные, случайные и штрафные), понесенные в результате использования вами этих наборов данных.

Этот набор данных предоставляется на тех же условиях, на которых корпорация Майкрософт получила исходные данные. Этот набор может включать данные, полученные от корпорации Майкрософт.

Расположение хранилища

Этот набор данных хранится в регионе Azure "Восточная часть США". Для обеспечения приближенности рекомендуется выделять вычислительные ресурсы в регионе "Восточная часть США".

US National Employment Hours and Earnings (Время занятости и заработная плата граждан США)
US State Employment Hours and Earnings (Время занятости и заработная плата в штатах США)
US Local Area Unemployment Statistics (Статистика безработицы в США по географическим областям)

Столбцы

Имя.	Тип данных	Уникальный	Значения (пример)
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	строка	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
Период	строка	18	M07 M06
periodicity_code	строка	3	M Q
race_code	INT	14	1 3
rjnw_code	INT	9	1 3
rnlf_code	INT	11	63 64
rwns_code	INT	17	10 1
сезонные корректировки	строка	2	U S
seek_code	INT	2	1
series_id	строка	45 478	LNU01300000 LNU02034560
series_title	строка	34 264	(Unadj) Уровень занятости — сельское хозяйство и связанные отрасли (Unadj) Уровень занятости среди гражданской рабочей силы
sexs_code	INT	3	1 2
tdat_code	INT	6	1 4
значение	с плавающей запятой	121 742	3.0 4.0
vets_code	INT	8	25 1
wkst_code	INT	7	1 4
year	INT	80	2018 2017

"Предварительная версия"

series_id	year	Период	значение	footnote_codes	lfst_code	periodicity_code	series_title	ages_code	race_code	sexs_code	сезонные корректировки
LNS11000031Q	1972	Q01	4300	не число	10	К	(Seas) Уровень занятости среди гражданской рабочей силы — 20 лет и старше, чернокожие и афроамериканские мужчины	17	3	1	S
LNS11000031Q	1972	Q02	4370	не число	10	К	(Seas) Уровень занятости среди гражданской рабочей силы — 20 лет и старше, чернокожие и афроамериканские мужчины	17	3	1	S
LNS11000031Q	1972	Q03	4397	не число	10	К	(Seas) Уровень занятости среди гражданской рабочей силы — 20 лет и старше, чернокожие и афроамериканские мужчины	17	3	1	S
LNS11000031Q	1972	Q04	4381	не число	10	К	(Seas) Уровень занятости среди гражданской рабочей силы — 20 лет и старше, чернокожие и афроамериканские мужчины	17	3	1	S
LNS11000031Q	1973	Q01	4408	не число	10	К	(Seas) Уровень занятости среди гражданской рабочей силы — 20 лет и старше, чернокожие и афроамериканские мужчины	17	3	1	S
LNS11000031Q	1973	Q02	4445	не число	10	К	(Seas) Уровень занятости среди гражданской рабочей силы — 20 лет и старше, чернокожие и афроамериканские мужчины	17	3	1	S
LNS11000031Q	1973	Q03	4477	не число	10	К	(Seas) Уровень занятости среди гражданской рабочей силы — 20 лет и старше, чернокожие и афроамериканские мужчины	17	3	1	S
LNS11000031Q	1973	Q04	4523	не число	10	К	(Seas) Уровень занятости среди гражданской рабочей силы — 20 лет и старше, чернокожие и афроамериканские мужчины	17	3	1	S
LNS11000031Q	1974	Q01	4574	не число	10	К	(Seas) Уровень занятости среди гражданской рабочей силы — 20 лет и старше, чернокожие и афроамериканские мужчины	17	3	1	S
LNS11000031Q	1974	Q02	4538	не число	10	К	(Seas) Уровень занятости среди гражданской рабочей силы — 20 лет и старше, чернокожие и афроамериканские мужчины	17	3	1	S

Доступ к данным

Записные книжки Azure

# 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

Образец для комбинации платформа/пакет недоступен.

# 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'))

Следующие шаги

Ознакомьтесь с другими наборами в каталоге Открытых наборов данных.