ABD Tüketici Fiyat Endeksi sektörü

Makale
12/06/2023

Üretici Fiyat Endeksi (ÜFE), yurt içi üreticilerin çıktıları için aldığı satış fiyatlarında zaman içinde görülen ortalama değişikliğin ölçüsüdür. ÜFE’ye dahil edilen fiyatlar, kapsama alınan ürün ve hizmetlerin ilk ticari işlemine aittir.

Dekont

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.

Üretici Fiyat Endeksi Revizyonu-Geçerli Seri indekleri, üreticilerin net çıktısı için fiyat hareketlerini, Kuzey Amerika Endüstri Sınıflandırma Sistemi’ne (NAICS) uygun olarak düzenlenmiş şekilde yansıtır. PC veri kümesi; üretkenlik, üretim, istihdam, ücretler ve kazançlar gibi çok çeşitli NAICS temelli ekonomik zaman serisi ile uyumludur.

PPI evreni, ABD ekonomisinin üretim sektörlerindeki tüm endüstrilerin çıktılarından oluşur: madencilik, imalat, tarım, balıkçılık ve ormancılığın yanı sıra doğal gaz, elektrik, inşaat ve atık ile hurda malzemeleri gibi üretim sektöründeki ürünlerle rekabet edebilen ürünler. Buna ek olarak, Ocak 2011 itibarıyla PPI programı hizmet sektörünün çıktısının dörtte üçten fazlasını kapsıyor ve aşağıdaki sektörlerdeki belirli sektörler için veri yayımlıyor: toptan ve perakende ticaret; ulaşım ve ambarlama; Bilgi; finans ve sigorta; emlak komisyonculuğu, kiralama ve kiralama; profesyonel, bilimsel ve teknik hizmetler; yönetim, destek ve atık yönetimi hizmetleri; sağlık ve sosyal yardım; ve konaklama.

Bu veri kümesi hakkında ayrıntılı bilgilerin bulunduğu dosyayı içeren BENİOKU dosyasını orijinal veri kümesi konumunda bulabilirsiniz. SSS bölümünde ek bilgiler mevcuttur.

Bu veri kümesi ABD İşgücü İstatistikleri Bürosu (BLS) tarafından yayımlanan Üretici Fiyat Endeksleri verilerinden oluşturulur. 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.

Sütunlar

Adı	Veri türü	Benzersiz	Değerler (örnek)	Açıklama
footnote_codes	Dize	3	nan P	Veri serisinin dipnotlarını tanımlar. Çoğu değer null şeklindedir. Bkz. https://download.bls.gov/pub/time.series/pc/pc.footnote.
industry_code	Dize	1,064	221122 325412	Sektörün NAICS kodu. Kodlar ve adlar için bkz. https://download.bls.gov/pub/time.series/pc/pc.industry
industry_name	Dize	842	Elektrik enerji dağıtımı farmasötik hazırlama üretimi	Sektör koduna karşılık gelen ad. Kodlar ve adlar için bkz. https://download.bls.gov/pub/time.series/pc/pc.industry
Dönem	Dize	13	M06 M07	Verilerin gözlemlendiği dönemi tanımlar. Tam liste için bkz. https://download.bls.gov/pub/time.series/pc/pc.period
product_code	Dize	4,822	324121P 316---	Veri gözleminin başvurduğu ürünü tanımlayan kod. Sektör kodlarının, ürün kodlarının ve ürün adlarının haritasını görmek için bkz https://download.bls.gov/pub/time.series/pc/pc.product .
product_name	Dize	3,313	Birincil ürünler İkincil ürünler	Veri gözleminin başvurduğu ürünün adı. Sektör kodlarının, ürün kodlarının ve ürün adlarının haritasını görmek için bkz https://download.bls.gov/pub/time.series/pc/pc.product .
Mevsim -lik	Dize	1	U	Verilerin sezona göre ayarlanıp ayarlanmadığını tanımlayan kod. S= Sezona Göre Ayarlanmış; U= Ayarlanmamış
series_id	Dize	4,822	PCU332323332323M PCU333415333415C	Belirli bir seriyi tanımlayan kod. Zaman serisi, geniş bir zamandaki tutarlı zaman aralıklarında gözlemlenen bir veri kümesini ifade eder. Kod, ad, başlangıç ve bitiş yılı gibi seri ayrıntıları için bkz. https://download.bls.gov/pub/time.series/pc/pc.series
series_title	Dize	4,588	Elektrik güç dağıtımı için PPI endüstri verileri-Orta Batı Güney, Elektrik güç dağıtımı için mevsimsel olarak ayarlanmamış PPI endüstri verileri-Pasifik, mevsimsel olarak ayarlanmamış
değer	kayan noktalı sayı	7,658	100.0 100.4000015258789	Öğenin fiyat endeksi.
yıl	int	22	2015 2017	Gözlem yılını tanımlar.

Önizleme

product_code	industry_code	series_id	yıl	Dönem	değer	footnote_codes	Mevsim -lik	series_title	industry_name	product_name
2123240	212324	PCU2123242123240	1998	M01	117	Nan	U	Kaolin ve ball clay mining-Kaolin ve ball clay için PPI endüstri verileri, mevsimsel olarak ayarlanmamış	Kaolin ve top kil madenciliği	Kaolin ve top kil
2123240	212324	PCU2123242123240	1998	M02	116.9	Nan	U	Kaolin ve ball clay mining-Kaolin ve ball clay için PPI endüstri verileri, mevsimsel olarak ayarlanmamış	Kaolin ve top kil madenciliği	Kaolin ve top kil
2123240	212324	PCU2123242123240	1998	M03	116.3	Nan	U	Kaolin ve ball clay mining-Kaolin ve ball clay için PPI endüstri verileri, mevsimsel olarak ayarlanmamış	Kaolin ve top kil madenciliği	Kaolin ve top kil
2123240	212324	PCU2123242123240	1998	M04	116	Nan	U	Kaolin ve ball clay mining-Kaolin ve ball clay için PPI endüstri verileri, mevsimsel olarak ayarlanmamış	Kaolin ve top kil madenciliği	Kaolin ve top kil
2123240	212324	PCU2123242123240	1998	M05	116.2	Nan	U	Kaolin ve ball clay mining-Kaolin ve ball clay için PPI endüstri verileri, mevsimsel olarak ayarlanmamış	Kaolin ve top kil madenciliği	Kaolin ve top kil
2123240	212324	PCU2123242123240	1998	M06	116.3	Nan	U	Kaolin ve ball clay mining-Kaolin ve ball clay için PPI endüstri verileri, mevsimsel olarak ayarlanmamış	Kaolin ve top kil madenciliği	Kaolin ve top kil
2123240	212324	PCU2123242123240	1998	M07	116.6	Nan	U	Kaolin ve ball clay mining-Kaolin ve ball clay için PPI endüstri verileri, mevsimsel olarak ayarlanmamış	Kaolin ve top kil madenciliği	Kaolin ve top kil

Veri erişimi

Azure Notebooks

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

labor = UsLaborPPIIndustry()
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 = "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

Azure Databricks

# 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 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

Bu platform/paket bileşimi için örnek kullanılamıyor.

# 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'))

Sonraki adımlar

Açık Veri Kümeleri kataloğundaki diğer veri kümelerini görüntüleyin.