你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

美国消费者价格指数

项目
12/06/2023

消费者价格指数 (CPI) 是衡量城市消费者为一系列市场消费商品和服务所支付的价格随时间变化的平均值。

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。

原始数据集位置提供了自述文件，其中包含介绍此数据集详细信息的文件。

此数据集来源于美国劳工统计局 (BLS) 发布的消费者价格指数数据。有关条款和条件，请查看链接和版权信息和重要网站和声明。

存储位置

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

列

名称	数据类型	唯一	值（示例）	说明
area_code	字符串	70	0000 0300	用于标识特定地理区域的唯一代码。有关完整的区域代码，请参阅 http://download.bls.gov/pub/time.series/cu/cu.area
area_name	字符串	69	美国城市平均值（南方）	特定地理区域的名称。有关所有区域名称和代码，请参阅 https://download.bls.gov/pub/time.series/cu/cu.area 。
footnote_codes	字符串	3	nan U	标识数据系列的脚注。大多数值都为 Null。
item_code	字符串	515	SA0E SAF11	确定数据观测相关的项目。有关所有项目名称和代码，请参阅 https://download.bls.gov/pub/time.series/cu/cu.item 。
item_name	字符串	515	家庭能量食品	商品全称。有关项目名称和代码，请参阅 https://download.bls.gov/pub/time.series/cu/cu.txt 。
period	字符串	16	S01 S02	标识观测数据的周期。格式：M01-M13 或 S01-S03（M = 月，M13 = 年度平均，S =半年）。例如：M06 = 6 月。有关周期名称和代码，请参阅 https://download.bls.gov/pub/time.series/cu/cu.period 。
periodicity_code	字符串	3	R S	数据观察的频率。 S = 半年；R = 定期。
季节性	字符串	1,043	U S	标识数据是否经过季节性调整的代码。 S = 季节性调整；U = 未经调整。
series_id	字符串	16,683	CWURS400SA0E CWUR0100SA0E	标识特定系列的代码。时序是指在较长时间内以一致的时间间隔（即，月、季度、半年、年）观测到的一组数据。 BLS 时序数据通常以月为时间间隔生成，其数据范围从特定地理区域的特定使用者项目（其价格按月收集）到特定行业的工人类别（其就业率按月记录）等等。有关详细信息，请参阅 https://download.bls.gov/pub/time.series/cu/cu.txt
series_title	字符串	8,336	美国城市酒精饮料平均值、所有城市消费者、洛杉矶-长滩-阿纳海姆的未按季节性调整运输、加利福尼亚州、所有城市消费者、未进行季节性调整	相应 series_id 的系列名称。有关时序 ID 和名称，请参阅 https://download.bls.gov/pub/time.series/cu/cu.series 。
值	FLOAT	310,603	100.0 101.0999984741211	商品的价格指数。
year	int	25	2018 2017	标识观测年份。

预览

area_code	item_code	series_id	year	period	值	footnote_codes	季节性	periodicity_code	series_title	item_name	area_name
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279.974	nan	U	R	加利福尼亚圣地亚哥卡尔斯巴德的电力、所有城市消费者、未根据季节调整	电能	加利福尼亚州圣迭戈卡尔斯巴德
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279.974	nan	U	R	加利福尼亚圣地亚哥卡尔斯巴德的电力、所有城市消费者、未根据季节调整	电能	加利福尼亚州圣迭戈卡尔斯巴德
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279.974	nan	U	R	加利福尼亚圣地亚哥卡尔斯巴德的电力、所有城市消费者、未根据季节调整	电能	加利福尼亚州圣迭戈卡尔斯巴德
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279.974	nan	U	R	加利福尼亚圣地亚哥卡尔斯巴德的电力、所有城市消费者、未根据季节调整	电能	加利福尼亚州圣迭戈卡尔斯巴德
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279.974	nan	U	R	加利福尼亚圣地亚哥卡尔斯巴德的电力、所有城市消费者、未根据季节调整	电能	加利福尼亚州圣迭戈卡尔斯巴德
S49E	SEHF01	CUURS49ESEHF01	2017	M12	279.974	nan	U	R	加利福尼亚圣地亚哥卡尔斯巴德的电力、所有城市消费者、未根据季节调整	电能	加利福尼亚州圣迭戈卡尔斯巴德

数据访问

Azure Notebooks

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

usLaborCPI = UsLaborCPI()
usLaborCPI_df = usLaborCPI.to_pandas_dataframe()

usLaborCPI_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 = "cpi/"

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 UsLaborCPI

usLaborCPI = UsLaborCPI()
usLaborCPI_df = usLaborCPI.to_spark_dataframe()

display(usLaborCPI_df.limit(5))

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

没有适用于此平台/包组合的示例。

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