US State Employment Hours and Earnings (arbetstimmar och inkomst i USA på delstatsnivå)

Programmet för arbetsmarknadsstatistik (CES) producerar detaljerade branschberäkningar om anställningar utanför jordbrukssektorn, arbetstimmar och arbetsinkomster för avlönade arbetare i USA.

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.

Den här datamängden kommer från state and metro area employment, hours & earnings data som publicerats 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 National Employment Hours and Earnings (arbetstimmar och inkomst i USA på nationell nivå)
• US Local Area Unemployment Statistics (statistik om arbetslöshet i USA på lokal nivå)
• US Labor Force Statistics (statistik om arbetskraft i USA)

Kolumner

Name	Datatyp	Unik	Värden (exempel)
area_code	sträng	446	0 31084
area_name	sträng	446	Statewide Los Angeles-Long Beach-Glendale, CA Metropolitan Division
data_type_code	sträng	9	1 3
data_type_text	sträng	9	Alla anställda, i tusentals genomsnittliga veckotimmar för alla anställda
footnote_codes	sträng	3	nan P
industry_code	sträng	343	0 5000000
industry_name	sträng	343	Totalt antal icke-jordbruksbaserade privata
Period	sträng	13	M04 M05
Säsongsbetonade	sträng	2	U S
series_id	sträng	23,853	SMU12000000000000001 SMU36000000000000001
state_code	sträng	53	6 48
state_name	sträng	53	Kalifornien Texas
supersector_code	sträng	22	90 60
supersector_name	sträng	22	Government Professional och Business Services
värde	flyttal	132,565	0.30000001192092896 0.10000000149011612
år	heltal	81	2014 2018

Förhandsgranska

area_code	state_code	data_type_code	industry_code	supersector_code	series_id	år	Period	värde	footnote_codes	Säsongsbetonade	supersector_name	industry_name	data_type_text	state_name	area_name
13460	41	26	0	0	SMS41134600000000026	1990	M04	0.2	Nan	S	Totalt antal icke-jordbruks	Totalt antal icke-jordbruks	Alla anställda, genomsnittlig förändring på 3 månader, i tusental, säsongsrensat	Oregon	Bend-Redmond, ELLER
13460	41	26	0	0	SMS41134600000000026	1990	M05	0.2	Nan	S	Totalt antal icke-jordbruks	Totalt antal icke-jordbruks	Alla anställda, genomsnittlig förändring på 3 månader, i tusental, säsongsrensat	Oregon	Bend-Redmond, ELLER
13460	41	26	0	0	SMS41134600000000026	1990	M06	0,1	Nan	S	Totalt antal icke-jordbruks	Totalt antal icke-jordbruks	Alla anställda, genomsnittlig förändring på 3 månader, i tusental, säsongsrensat	Oregon	Bend-Redmond, ELLER
13460	41	26	0	0	SMS41134600000000026	1990	M07	0,1	Nan	S	Totalt antal icke-jordbruks	Totalt antal icke-jordbruks	Alla anställda, genomsnittlig förändring på 3 månader, i tusental, säsongsrensat	Oregon	Bend-Redmond, ELLER
13460	41	26	0	0	SMS41134600000000026	1990	M08	0.2	Nan	S	Totalt antal icke-jordbruks	Totalt antal icke-jordbruks	Alla anställda, genomsnittlig förändring på 3 månader, i tusental, säsongsrensat	Oregon	Bend-Redmond, ELLER
13460	41	26	0	0	SMS41134600000000026	1990	M09	0.2	Nan	S	Totalt antal icke-jordbruks	Totalt antal icke-jordbruks	Alla anställda, genomsnittlig förändring på 3 månader, i tusental, säsongsrensat	Oregon	Bend-Redmond, ELLER
13460	41	26	0	0	SMS41134600000000026	1990	M10	0,1	Nan	S	Totalt antal icke-jordbruks	Totalt antal icke-jordbruks	Alla anställda, genomsnittlig förändring på 3 månader, i tusental, säsongsrensat	Oregon	Bend-Redmond, ELLER

Dataåtkomst

Azure Notebooks

azureml-opendatasets

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

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

usLaborEHEState_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 = "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

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 UsLaborEHEState

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

display(usLaborEHEState_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 = "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

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 = "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'))

Nästa steg

Visa resten av datauppsättningarna i katalogen Öppna datamängder.