ABD’de Ulusal Çalışma Saatleri ve Kazançlar
Mevcut İstihdam İstatistikleri (CES) programı, ABD’deki tarım dışı istihdam, çalışma saatleri ve bordrolu çalışan kazançları hakkında ayrıntılı sektör tahminleri üretir.
Not
Microsoft, Azure Open Datasets'i "olduğu gibi" sağlar. Microsoft, veri kümelerini kullanımınızla ilgili olarak açık veya zımni hiçbir garanti veya koşul sağlamaz. Yerel yasalarınız kapsamında izin verilen ölçüde, Microsoft veri kümelerini kullanımınızdan kaynaklanan doğrudan, sonuçsal, özel, dolaylı, arızi veya cezai dahil olmak üzere tüm zarar veya kayıplar için tüm sorumluluğu kabul etmez.
Bu veri kümesi Microsoft’un kaynak verileri aldığı orijinal hükümler kapsamında sağlanır. Veri kümesi Microsoft’tan alınan verileri içerebilir.
Bu veri kümesi hakkında ayrıntılı bilgi için dosyayı içeren README özgün veri kümesi konumunda bulunabilir.
Bu veri kümesi ABD İşgücü İstatistikleri Bürosu (BLS) tarafından yayımlanan Mevcut İstihdam İstatistikleri - CES (Ulusal) verilerinden alınır. Bu veri kümesinin kullanımıyla ilgili hüküm ve koşullar için Bağlama ve Telif Hakkı Bilgileri ile Önemli Web Sitesi Bildirimleri’ni gözden geçirin.
Depolama konumu
Bu veri kümesi Doğu ABD Azure bölgesinde depolanır. Benzeşim için Doğu ABD’deki işlem kaynaklarının ayrılması önerilir.
İlgili Veri Kümeleri
- ABD Eyaletlerinde Çalışma Saatleri ve Kazançlar
- ABD Yerel Bölgelerde İşsizlik İstatistikleri
- ABD İş Gücü İstatistikleri
Sütunlar
Veri Akışı Adı | Veri türü | Benzersiz | Değerler (örnek) | Açıklama |
---|---|---|---|---|
data_type_code | Dize | 37 | 1 10 | Bkz. https://download.bls.gov/pub/time.series/ce/ce.datatype |
data_type_text | Dize | 37 | TÜM ÇALıŞANLAR, BINLERCE KADıN ÇALıŞAN, BINLERCE | Bkz. https://download.bls.gov/pub/time.series/ce/ce.datatype |
footnote_codes | Dize | 2 | nan P | |
industry_code | Dize | 902 | 30000000 32000000 | Dahil edilen farklı sektörler. Bkz. https://download.bls.gov/pub/time.series/ce/ce.industry |
industry_name | Dize | 895 | Kalıcı olmayan ürünler Dayanıklı mallar | Dahil edilen farklı sektörler. Bkz. https://download.bls.gov/pub/time.series/ce/ce.industry |
dönem | Dize | 13 | M03 M06 | Bkz. https://download.bls.gov/pub/time.series/ce/ce.period |
mevsimlik | Dize | 2 | ABD | |
series_id | Dize | 26,021 | CEU3100000008 CEU9091912001 | Veri kümesinde bulunan farklı veri dizisi türleri. Bkz. https://download.bls.gov/pub/time.series/ce/ce.series |
series_title | Dize | 25,685 | Tüm çalışanlar, binlerce, dayanıklı mallar, mevsimsel olarak ayarlanmamış Tüm çalışanlar, binlerce, kalıcı olmayan mallar, mevsimsel olarak ayarlanmamış | Veri kümesinde bulunan farklı veri dizisi türlerinin başlığı. Bkz. https://download.bls.gov/pub/time.series/ce/ce.series |
supersector_code | Dize | 22 | 31 60 | Üst düzey sektör veya sektör sınıflandırması. Bkz. https://download.bls.gov/pub/time.series/ce/ce.supersector |
supersector_name | Dize | 22 | Dayanıklı Ürünler Profesyonel ve iş hizmetleri | Üst düzey sektör veya sektör sınıflandırması. Bkz. https://download.bls.gov/pub/time.series/ce/ce.supersector |
değer | kayan noktalı sayı | 572,372 | 38.5 38.400001525878906 | |
yıl | int | 81 | 2017 2012 |
Önizle
data_type_code | industry_code | supersector_code | series_id | yıl | dönem | değer | footnote_codes | mevsimlik | series_title | supersector_name | industry_name | data_type_text |
---|---|---|---|---|---|---|---|---|---|---|---|---|
26 | 5.000.000 | 5 | CES0500000026 | 1939 | M04 | 52 | Nan | S | Tüm çalışanlar, 3 aylık ortalama değişiklik, mevsimsel olarak düzeltilmiş, binler, toplam özel, mevsimsel olarak ayarlanmış | Toplam özel | Toplam özel | TÜM ÇALıŞANLAR, 3 AYLıK ORTALAMA DEĞIŞIM, MEVSIMSEL OLARAK DÜZELTILMIŞ, BINLER |
26 | 5.000.000 | 5 | CES0500000026 | 1939 | M05 | 65 | Nan | S | Tüm çalışanlar, 3 aylık ortalama değişiklik, mevsimsel olarak düzeltilmiş, binler, toplam özel, mevsimsel olarak ayarlanmış | Toplam özel | Toplam özel | TÜM ÇALıŞANLAR, 3 AYLıK ORTALAMA DEĞIŞIM, MEVSIMSEL OLARAK DÜZELTILMIŞ, BINLER |
26 | 5.000.000 | 5 | CES0500000026 | 1939 | M06 | Kategori 74 | Nan | S | Tüm çalışanlar, 3 aylık ortalama değişiklik, mevsimsel olarak düzeltilmiş, binler, toplam özel, mevsimsel olarak ayarlanmış | Toplam özel | Toplam özel | TÜM ÇALıŞANLAR, 3 AYLıK ORTALAMA DEĞIŞIM, MEVSIMSEL OLARAK DÜZELTILMIŞ, BINLER |
26 | 5.000.000 | 5 | CES0500000026 | 1939 | M07 | 103 | Nan | S | Tüm çalışanlar, 3 aylık ortalama değişiklik, mevsimsel olarak düzeltilmiş, binler, toplam özel, mevsimsel olarak ayarlanmış | Toplam özel | Toplam özel | TÜM ÇALıŞANLAR, 3 AYLıK ORTALAMA DEĞIŞIM, MEVSIMSEL OLARAK DÜZELTILMIŞ, BINLER |
26 | 5.000.000 | 5 | CES0500000026 | 1939 | M08 | 108 | Nan | S | Tüm çalışanlar, 3 aylık ortalama değişiklik, mevsimsel olarak düzeltilmiş, binler, toplam özel, mevsimsel olarak ayarlanmış | Toplam özel | Toplam özel | TÜM ÇALıŞANLAR, 3 AYLıK ORTALAMA DEĞIŞIM, MEVSIMSEL OLARAK DÜZELTILMIŞ, BINLER |
26 | 5.000.000 | 5 | CES0500000026 | 1939 | M09 | 152 | Nan | S | Tüm çalışanlar, 3 aylık ortalama değişiklik, mevsimsel olarak düzeltilmiş, binler, toplam özel, mevsimsel olarak ayarlanmış | Toplam özel | Toplam özel | TÜM ÇALıŞANLAR, 3 AYLıK ORTALAMA DEĞIŞIM, MEVSIMSEL OLARAK DÜZELTILMIŞ, BINLER |
26 | 5.000.000 | 5 | CES0500000026 | 1939 | M10 | 307 | Nan | S | Tüm çalışanlar, 3 aylık ortalama değişiklik, mevsimsel olarak düzeltilmiş, binler, toplam özel, mevsimsel olarak ayarlanmış | Toplam özel | Toplam özel | TÜM ÇALıŞANLAR, 3 AYLıK ORTALAMA DEĞIŞIM, MEVSIMSEL OLARAK DÜZELTILMIŞ, BINLER |
26 | 5.000.000 | 5 | CES0500000026 | 1939 | M11 | 248 | Nan | S | Tüm çalışanlar, 3 aylık ortalama değişiklik, mevsimsel olarak düzeltilmiş, binler, toplam özel, mevsimsel olarak ayarlanmış | Toplam özel | Toplam özel | TÜM ÇALıŞANLAR, 3 AYLıK ORTALAMA DEĞIŞIM, MEVSIMSEL OLARAK DÜZELTILMIŞ, BINLER |
Veri erişimi
Azure Notebooks
# This is a package in preview.
from azureml.opendatasets import UsLaborEHENational
usLaborEHENational = UsLaborEHENational()
usLaborEHENational_df = usLaborEHENational.to_pandas_dataframe()
usLaborEHENational_df.info()
Azure Databricks
# This is a package in preview.
from azureml.opendatasets import UsLaborEHENational
usLaborEHENational = UsLaborEHENational()
usLaborEHENational_df = usLaborEHENational.to_spark_dataframe()
display(usLaborEHENational_df.limit(5))
Azure Synapse
Bu platform/paket bileşimi için örnek kullanılamıyor.
Sonraki adımlar
Açık Veri Kümeleri kataloğundaki diğer veri kümelerini görüntüleyin.