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。

美国生产者价格指数 - 商品

项目
09/03/2024

生产价格指数 (PPI) 是国内生产者产品出售价格随时间变化平均值的测量值。 PPI 中包含的价格来自相关产品和服务的首次商业交易。

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。

每个月发布约 10,000 个针对单个产品和产品组的 PPI。 PPI 适用于美国经济中产品生产部门的近乎所有行业的产出，包括采矿业、制造业、农业、渔业和林业，以及天然气、电力、建筑和可与生产部门相竞争的产品行业，例如废物和废料处理行业。以 2007 年经济普查中报告的收入衡量，PPI 计划覆盖了约 72% 的服务业产出。数据涉及以下部门中的行业：批发和零售贸易；运输和仓储；信息；金融和保险；房地产中介、租赁和出租；专业、科学和技术服务；行政、支持和废物管理服务；医疗保健和社会援助；以及住宿。

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。常见问题解答中提供了其他信息。

此数据集来源于美国劳工统计局 (BLS) 发布的生产者价格指数数据。要了解与使用此数据集相关的条款和条件，请查看链接与版权信息以及重要网站声明。

存储位置

此数据集存储在美国东部 Azure 区域。建议将计算资源分配到美国东部地区，以实现相关性。

列

名称	数据类型	唯一	值（示例）	说明
footnote_codes	字符串	3	nan P	标识数据系列的脚注。大多数值都为 Null。请参阅 https://download.bls.gov/pub/time.series/wp/wp.footnote。
group_code	string	56	02 01	标识指数涵盖的主要商品组的代码。有关组代码和名称，请参阅 https://download.bls.gov/pub/time.series/wp/wp.group 。
group_name	string	56	加工食品和饲料；农产品	指数涵盖的主要商品组的名称。有关组代码和名称，请参阅 https://download.bls.gov/pub/time.series/wp/wp.group 。
item_code	字符串	2,949	1 11	确定数据观测相关的项目。有关项目代码和名称，请参阅 https://download.bls.gov/pub/time.series/wp/wp.item 。
item_name	字符串	3,410	仓库、贮藏和相关服务；乘用车租赁	商品全称。有关项目代码和名称，请参阅 https://download.bls.gov/pub/time.series/wp/wp.item 。
period	字符串	13	M06 M07	标识观测数据的周期。有关周期值列表，请参阅 https://download.bls.gov/pub/time.series/wp/wp.period 。
季节性	字符串	2	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	5,458	WPU101 WPU091	标识特定系列的代码。时序是指在一致的时间间隔内在较长时间内观察到的一组数据。有关时序详细信息（如代码、名称、开始年份和结束年份等），请参阅 https://download.bls.gov/pub/time.series/wp/wp.series 。
series_title	字符串	4,379	采矿服务的 PPI 商品数据，未按季节调整；金属处理服务的 PPI 商品数据，未按季节调整	特定系列的标题。时序是指在一致的时间间隔内在较长时间内观察到的一组数据。有关 ID、名称、开始年份和结束年份等时序的详细信息，请参阅 https://download.bls.gov/pub/time.series/wp/wp.series 。
值	FLOAT	6,788	100.0 99.0999984741211	商品的价格指数。
year	int	26	2018 2017	标识观测年份。

预览

item_code	group_code	series_id	year	period	值	footnote_codes	季节性	series_title	group_name	item_name
120922	05	WPU05120922	2008	M06	100	nan	U	燃油及相关产品和能源的 PPI 商品数据；精制烟煤地下采矿（仅限机械粉碎/筛选/分粒）的 PPI 商品数据，未按季节调整	燃油及相关产品和能源	精制烟煤地下采矿，仅限机械粉碎/筛选/分粒
120922	05	WPU05120922	2008	M07	104.6	nan	U	燃油及相关产品和能源的 PPI 商品数据；精制烟煤地下采矿（仅限机械粉碎/筛选/分粒）的 PPI 商品数据，未按季节调整	燃油及相关产品和能源	精制烟煤地下采矿，仅限机械粉碎/筛选/分粒
120922	05	WPU05120922	2008	M08	104.4	nan	U	燃油及相关产品和能源的 PPI 商品数据；精制烟煤地下采矿（仅限机械粉碎/筛选/分粒）的 PPI 商品数据，未按季节调整	燃油及相关产品和能源	精制烟煤地下采矿，仅限机械粉碎/筛选/分粒
120922	05	WPU05120922	2008	M09	98.3	nan	U	燃油及相关产品和能源的 PPI 商品数据；精制烟煤地下采矿（仅限机械粉碎/筛选/分粒）的 PPI 商品数据，未按季节调整	燃油及相关产品和能源	精制烟煤地下采矿，仅限机械粉碎/筛选/分粒
120922	05	WPU05120922	2008	M10	101.5	nan	U	燃油及相关产品和能源的 PPI 商品数据；精制烟煤地下采矿（仅限机械粉碎/筛选/分粒）的 PPI 商品数据，未按季节调整	燃油及相关产品和能源	精制烟煤地下采矿，仅限机械粉碎/筛选/分粒
120922	05	WPU05120922	2008	M11	95.2	nan	U	燃油及相关产品和能源的 PPI 商品数据；精制烟煤地下采矿（仅限机械粉碎/筛选/分粒）的 PPI 商品数据，未按季节调整	燃油及相关产品和能源	精制烟煤地下采矿，仅限机械粉碎/筛选/分粒

数据访问

Azure Notebooks

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

labor = UsLaborPPICommodity()
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_commodity/"

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 UsLaborPPICommodity

labor = UsLaborPPICommodity()
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_commodity/"
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 = "ppi_commodity/"
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。

通过

美国生产者价格指数 - 商品

存储位置

列

预览

数据访问

Azure Notebooks

Azure Databricks

Azure Synapse

后续步骤

反馈

其他资源

通过

美国生产者价格指数 - 商品

存储位置

相关数据集

列

预览

数据访问

Azure Notebooks

Azure Databricks

Azure Synapse

后续步骤

反馈

其他资源