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行业

项目
12/06/2023

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。

生产价格指数修订当前序列指数反映了根据北美行业分类体系 (NAICS) 整理的生产者净产出的价格变动。电脑数据集与一系列基于 NAICS 的经济时序（包括生产率、产量、就业、工资和收入）兼容。

PPI 涉及范围包括美国经济中产品生产部门的所有行业的产出，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。此外，截至 2011 年 1 月，PPI 计划涵盖了服务业产出的四分之三以上，发布了以下行业部门中精选行业的数据：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/pc/pc.footnote。
industry_code	字符串	1,064	221122 325412	行业的 NAICS 代码。有关代码和名称，请参阅 https://download.bls.gov/pub/time.series/pc/pc.industry 。
industry_name	字符串	842	电力分配药物制剂生产	对应于行业代码的名称。有关代码和名称，请参阅 https://download.bls.gov/pub/time.series/pc/pc.industry 。
period	字符串	13	M06 M07	标识观测数据的周期。有关完整列表，请参阅 https://download.bls.gov/pub/time.series/pc/pc.period 。
product_code	字符串	4,822	324121P 316---	标识数据观察所引用产品的代码。有关行业代码、产品代码和产品名称的映射，请参阅 https://download.bls.gov/pub/time.series/pc/pc.product 。
product_name	字符串	3,313	主要产品次要产品	数据观测所引用的产品名称。有关行业代码、产品代码和产品名称的映射，请参阅 https://download.bls.gov/pub/time.series/pc/pc.product 。
季节性	字符串	1	U	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	4,822	PCU332323332323M PCU333415333415C	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/pc/pc.series 。
series_title	字符串	4,588	电力分配的 PPI 行业数据 - 西部南部中部，未进行季节性调整电力分配的 PPI 行业数据 - 太平洋地区，未进行季节性调整
值	FLOAT	7,658	100.0 100.4000015258789	商品的价格指数。
year	int	22	2015 2017	标识观测年份。

预览

product_code	industry_code	series_id	year	period	值	footnote_codes	季节性	series_title	industry_name	product_name
2123240	212324	PCU2123242123240	1998	M01	117	nan	U	高岭土和球粘土开采的 PPI 行业数据 - 高岭土和球粘土，未进行季节性调整	高岭土和球粘土开采	高岭土和球粘土
2123240	212324	PCU2123242123240	1998	M02	116.9	nan	U	高岭土和球粘土开采的 PPI 行业数据 - 高岭土和球粘土，未进行季节性调整	高岭土和球粘土开采	高岭土和球粘土
2123240	212324	PCU2123242123240	1998	M03	116.3	nan	U	高岭土和球粘土开采的 PPI 行业数据 - 高岭土和球粘土，未进行季节性调整	高岭土和球粘土开采	高岭土和球粘土
2123240	212324	PCU2123242123240	1998	M04	116	nan	U	高岭土和球粘土开采的 PPI 行业数据 - 高岭土和球粘土，未进行季节性调整	高岭土和球粘土开采	高岭土和球粘土
2123240	212324	PCU2123242123240	1998	M05	116.2	nan	U	高岭土和球粘土开采的 PPI 行业数据 - 高岭土和球粘土，未进行季节性调整	高岭土和球粘土开采	高岭土和球粘土
2123240	212324	PCU2123242123240	1998	M06	116.3	nan	U	高岭土和球粘土开采的 PPI 行业数据 - 高岭土和球粘土，未进行季节性调整	高岭土和球粘土开采	高岭土和球粘土
2123240	212324	PCU2123242123240	1998	M07	116.6	nan	U	高岭土和球粘土开采的 PPI 行业数据 - 高岭土和球粘土，未进行季节性调整	高岭土和球粘土开采	高岭土和球粘土

数据访问

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

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_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'))

后续步骤

查看开放数据集目录中的其余数据集。