Amerikansk konsumentprisindexindustri

Producentprisindex (PPI) är ett mått på den genomsnittliga förändringen över tid i de försäljningspriser som inhemska producenter erhåller. PPI-priserna hämtas från den första kommersiella transaktionen för de produkter och tjänster som omfattas.

Kommentar

Microsoft tillhandahåller Azure Open Datasets i befintligt fall. Microsoft ger inga garantier, uttryckliga eller underförstådda garantier eller villkor för din användning av datauppsättningarna. I den utsträckning som tillåts enligt din lokala lag frånsäger sig Microsoft allt ansvar för eventuella skador eller förluster, inklusive direkt, följdriktig, särskild, indirekt, tillfällig eller straffbar, till följd av din användning av datauppsättningarna.

Datamängden tillhandahålls enligt de ursprungliga villkor som gällde när Microsoft tog emot källdatan. Datamängden kan innehålla data från Microsoft.

I indexet Producer Price Index Revision-Current Series visas prisförändringar för nettoresultatet för producenter som är organiserade enligt North American Industry Classification System (NAICS). Datamängden är kompatibel med ett brett urval av NAICS-baserade ekonomiska tidsserier, inklusive produktivitet, produktion, anställning, löner och intäkter.

PPI består av utdata från alla branscher i varuproducerande sektorer i USA – gruvdrift, tillverkning, agrikultur, fiske och skogsbruk – samt naturgas, elektricitet, byggbransch och varor som kan jämföras med producerande sektorer som avfalls- och skrotmaterial. Från och med januari 2011 omfattade PPI-programmet dessutom mer än tre fjärdedelar av tjänstesektorns resultat och publicerade data för utvalda branscher inom följande branschsektorer: partihandel och detaljhandel; transport och lagerhållning. Information; finanser och försäkringar. fastighetsmäklare, uthyrning och leasing; professionella, vetenskapliga och tekniska tjänster. administrativa tjänster, stödtjänster och avfallshanteringstjänster. hälso- och sjukvård och socialt stöd. och boende.

README som innehåller filen med detaljerad information om den här datamängden finns på platsen för den ursprungliga datamängden. Ytterligare information finns i Vanliga frågor och svar.

Den här datamängden produceras från Producer Price Indexes data som publiceras av US Bureau of Labor Statistics (BLS). I Linking and Copyright Information och Important Web Site Notices finns villkor och bestämmelser för användningen av denna datamängd.

Lagringsplats

Datamängden lagras i Azure-regionen Östra USA. Vi rekommenderar att beräkningsresurser tilldelas i Östra USA av tillhörighetsskäl.

Relaterade datamängder

• US Consumer Price Index
• US Producer Price Index – Råvaror

Kolumner

Name	Datatyp	Unik	Värden (exempel)	beskrivning
footnote_codes	sträng	3	nan P	Identifierar fotnoter för dataserien. De flesta värdena är null. Se https://download.bls.gov/pub/time.series/pc/pc.footnote.
industry_code	sträng	1,064	221122 325412	NAICS-kod för branschen. Koder och namn finns i https://download.bls.gov/pub/time.series/pc/pc.industry.
industry_name	sträng	842	Eldistribution Läkemedelsförberedelse tillverkning	Namn som motsvarar branschkoden. Koder och namn finns i https://download.bls.gov/pub/time.series/pc/pc.industry.
Period	sträng	13	M06 M07	Identifierar den period då data observerades. I https://download.bls.gov/pub/time.series/pc/pc.period finns en fullständig lista.
product_code	sträng	4,822	324121P 316---	Kod som identifierar den produkt som dataobservationen avser. Se https://download.bls.gov/pub/time.series/pc/pc.product för mappning av branschkoder, produktkoder och produktnamn.
Product_name	sträng	3,313	Primära produkter Sekundära produkter	Namn på den produkt som dataobservationen refererar till. Se https://download.bls.gov/pub/time.series/pc/pc.product för mappning av branschkoder, produktkoder och produktnamn.
Säsongsbetonade	sträng	1	U	Kod som identifierar om datan är säsongsanpassad. S = Säsongsanpassad; U = Ej anpassad
series_id	sträng	4,822	PCU332323332323M PCU333415333415C	Kod som identifierar den specifika serien. En tidsserie avser en datauppsättning som observeras under en utökad tidsperiod med logiska tidsintervall. I https://download.bls.gov/pub/time.series/pc/pc.series finns mer information om serier som kod, namn, start- och slutår med mera.
series_title	sträng	4,588	PPI-branschdata för elkraftdistribution– västra södra centrala, inte säsongsrensade PPI-branschdata för eldistribution–Stillahavsområdet, inte säsongsrensade
värde	flyttal	7,658	100.0 100.4000015258789	Prisindex för objekt.
år	heltal	22	2015 2017	Identifierar observationsåret.

Förhandsgranskning

product_code	industry_code	series_id	år	Period	värde	footnote_codes	Säsongsbetonade	series_title	industry_name	Product_name
2123240	212324	PCU2123242123240	1998	M01	117	Nan	U	PPI-branschdata för Kaolin och bolllera mining-Kaolin och bolllera, inte säsongsrensade	Kaolin och bolllera gruvdrift	Kaolin och bolllera
2123240	212324	PCU2123242123240	1998	M02	116.9	Nan	U	PPI-branschdata för Kaolin och bolllera mining-Kaolin och bolllera, inte säsongsrensade	Kaolin och bolllera gruvdrift	Kaolin och bolllera
2123240	212324	PCU2123242123240	1998	M03	116.3	Nan	U	PPI-branschdata för Kaolin och bolllera mining-Kaolin och bolllera, inte säsongsrensade	Kaolin och bolllera gruvdrift	Kaolin och bolllera
2123240	212324	PCU2123242123240	1998	M04	116	Nan	U	PPI-branschdata för Kaolin och bolllera mining-Kaolin och bolllera, inte säsongsrensade	Kaolin och bolllera gruvdrift	Kaolin och bolllera
2123240	212324	PCU2123242123240	1998	M05	116.2	Nan	U	PPI-branschdata för Kaolin och bolllera mining-Kaolin och bolllera, inte säsongsrensade	Kaolin och bolllera gruvdrift	Kaolin och bolllera
2123240	212324	PCU2123242123240	1998	M06	116.3	Nan	U	PPI-branschdata för Kaolin och bolllera mining-Kaolin och bolllera, inte säsongsrensade	Kaolin och bolllera gruvdrift	Kaolin och bolllera
2123240	212324	PCU2123242123240	1998	M07	116.6	Nan	U	PPI-branschdata för Kaolin och bolllera mining-Kaolin och bolllera, inte säsongsrensade	Kaolin och bolllera gruvdrift	Kaolin och bolllera

Dataåtkomst

Azure Notebooks

azureml-opendatasets

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

labor = UsLaborPPIIndustry()
labor_df = labor.to_pandas_dataframe()

labor_df.info()

azure-storage

# 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_industry/"

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

pyspark

Exempel är inte tillgängligt för den här kombinationen av plattform/paket.

Azure Databricks

azureml-opendatasets

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

labor = UsLaborPPIIndustry()
labor_df = labor.to_spark_dataframe()

display(labor_df.limit(5))

azure-storage

Exempel är inte tillgängligt för den här kombinationen av plattform/paket.

pyspark

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

azureml-opendatasets

Exempel är inte tillgängligt för den här kombinationen av plattform/paket.

azure-storage

Exempel är inte tillgängligt för den här kombinationen av plattform/paket.

pyspark

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

Nästa steg

Visa resten av datauppsättningarna i katalogen Öppna datamängder.