公共节假日

全球公共假日数据的来源是 PyPI holidays 数据包和 Wikipedia，涵盖自 1970 年至 2099 年的 38 个国家或地区。

每一行表示某一特定日期、国家/地区的假日信息，以及大多数人是否带薪休假。

注意

Microsoft 按“原样”提供 Azure 开放数据集。 Microsoft 对数据集的使用不提供任何担保（明示或暗示）、保证或条件。 在当地法律允许的范围内，Microsoft 对使用数据集而导致的任何损害或损失不承担任何责任，包括直接、必然、特殊、间接、偶发或惩罚性损害或损失。

此数据集是根据 Microsoft 接收源数据的原始条款提供的。 数据集可能包含来自 Microsoft 的数据。

数量和保留期

此数据集以 Parquet 格式存储。 它是包含 1970 年 1 月 1 日至 2099 年 1 月 1 日假日信息的快照。 数据大小约为 500 KB。

存储位置

此数据集存储在美国东部 Azure 区域。 为确保相关性，建议将计算资源置于美国东部。

其他信息

此数据集合并了来源于维基百科 (WikiMedia Foundation Inc) 和 PyPI 节假日包的数据。

• 维基百科：原始数据源、原始许可
• PyPI 节假日：原始数据源、许可

可以凭知识共享署名 ShareAlike 3.0 非商业性使用许可获取该合并数据集。

如果对数据源有任何疑问，请发送电子邮件至 aod@microsoft.com。

列

名称	数据类型	唯一	值（示例）	说明
countryOrRegion	字符串	38	Sweden Norway	国家/地区全称。
countryRegionCode	字符串	35	SE NO	国家或地区代码遵循此处的格式。
date	timestamp	20,665	2074-01-01 00:00:00 2025-12-25 00:00:00	假期的日期。
holidayName	字符串	483	Søndag Söndag	假期全称。
isPaidTimeOff	boolean	3	True	指示大多数人是否在此日期带薪休假（现仅适用于美国、英国和印度）。 如果为 Null，则表示未知。
normalizeHolidayName	字符串	438	Søndag Söndag	假期的规范化名称。

预览

countryOrRegion	holidayName	normalizeHolidayName	countryRegionCode	date
挪威	Søndag	Søndag	是	12/28/2098 12:00:00 AM
瑞典	Söndag	Söndag	SE	12/28/2098 12:00:00 AM
澳大利亚	Boxing Day	Boxing Day	AU	12/26/2098 12:00:00 AM
匈牙利	Karácsony másnapja	Karácsony másnapja	HU	12/26/2098 12:00:00 AM
奥地利	Stefanitag	Stefanitag	AT	12/26/2098 12:00:00 AM
加拿大	Boxing Day	Boxing Day	CA	12/26/2098 12:00:00 AM
克罗地亚	Sveti Stjepan	Sveti Stjepan	HR	12/26/2098 12:00:00 AM
捷克语	2. svátek vánoční	2. svátek vánoční	CZ	12/26/2098 12:00:00 AM

数据访问

Azure Notebooks

azureml-opendatasets

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

from datetime import datetime
from dateutil import parser
from dateutil.relativedelta import relativedelta


end_date = datetime.today()
start_date = datetime.today() - relativedelta(months=1)
hol = PublicHolidays(start_date=start_date, end_date=end_date)
hol_df = hol.to_pandas_dataframe()

hol_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 = "holidaydatacontainer"
folder_name = "Processed"

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

没有适用于此平台/包组合的示例。

Azure Databricks

azureml-opendatasets

# This is a package in preview.
# You need to pip install azureml-opendatasets in Databricks cluster. https://learn.microsoft.com/azure/data-explorer/connect-from-databricks#install-the-python-library-on-your-azure-databricks-cluster
from azureml.opendatasets import PublicHolidays

from datetime import datetime
from dateutil import parser
from dateutil.relativedelta import relativedelta


end_date = datetime.today()
start_date = datetime.today() - relativedelta(months=1)
hol = PublicHolidays(start_date=start_date, end_date=end_date)
hol_df = hol.to_spark_dataframe()

display(hol_df.limit(5))

azure-storage

没有适用于此平台/包组合的示例。

pyspark

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "holidaydatacontainer"
blob_relative_path = "Processed"
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

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

from datetime import datetime
from dateutil import parser
from dateutil.relativedelta import relativedelta


end_date = datetime.today()
start_date = datetime.today() - relativedelta(months=1)
hol = PublicHolidays(start_date=start_date, end_date=end_date)
hol_df = hol.to_spark_dataframe()

# Display top 5 rows
display(hol_df.limit(5))

azure-storage

没有适用于此平台/包组合的示例。

pyspark

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "holidaydatacontainer"
blob_relative_path = "Processed"
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'))

后续步骤

查看开放数据集目录中的其余数据集。