US Local Area Unemployment Statistics (美國各地區域的失業統計資料)

發行項
12/06/2023

地區別失業統計 (LAUS) 計劃會產生美國普查區域和行政區、州/省、郡縣、都會區和許多城市的月度和年度就業、失業和人力資料。

注意

Microsoft 會以「如目前」為基礎提供 Azure 開放資料集。 Microsoft 不會就您使用資料集做出任何明示或默示擔保或條件。根據當地法律所允許的範圍，Microsoft 會免除因使用資料集而產生的任何損害或損失的所有責任，包括直接、衍生、特殊、間接、附帶或懲罰性。

此資料集是根據 Microsoft 接收來源資料的原始條款所提供。資料集可能包含源自 Microsoft 的資料。

讀我檔案是包含此資料集詳細資訊的檔案，位於原始資料集位置。

此資料集的來源是美國勞工統計局 (BLS) 所發佈的各地區失業統計資料。如需此資料集相關的使用條款及條件，請參閱 Copyright Information (連結與著作權資訊) 及 Important Web Site Notices (重要網站聲明)。

儲存位置

此資料集儲存於美國東部 Azure 區域。建議您在美國東部配置計算資源，以確保同質性。

US National Employment Hours and Earnings (美國全國的工時與工資)
US State Employment Hours and Earnings (美國各州的工時與工資)
US Labor Force Statistics (美國勞動力統計資料)

資料行

名稱	資料類型	唯一	Values (sample)	描述
area_code	string	8,290	ST3400000000000 RD8200000000000	識別地理區域的代碼。請參閱 https://download.bls.gov/pub/time.series/la/la.area。
area_text	string	8,238	哥倫比亞省俄勒岡區	地理區域的名稱。請參閱https://download.bls.gov/pub/time.series/la/la.area
area_type_code	string	14	F G	定義區域類型的唯一代碼。請參閱https://download.bls.gov/pub/time.series/la/la.area_type
areatype_text	string	14	縣、市、鎮人口超過25,000人	區域類型的名稱。
footnote_codes	string	5	nan P
measure_code	string	4	5 4	識別所測量元素的代碼。 03：失業率，04：失業，05：就業，06：勞動力。請參閱 https://download.bls.gov/pub/time.series/la/la.measure。
measure_text	string	4	就業失業	所測量元素的名稱。請參閱https://download.bls.gov/pub/time.series/la/la.measure
Period	string	13	M07 M05	識別期間，尤其是月份。請參閱https://download.bls.gov/pub/time.series/la/la.period
季節性	字串	2	美國
series_id	string	33,476	LASST160000000000006 LASST200000000000006	識別數列的代碼。請參閱 https://download.bls.gov/pub/time.series/la/la.series 中的完整數列清單。
series_title	string	33,268	就業：費城縣/市，賓夕法尼亞州（U）工作力：馬納薩斯市，弗吉尼亞州（U）	識別數列的標題。請參閱 https://download.bls.gov/pub/time.series/la/la.series 中的完整數列清單。
srd_code	string	53	48 23	州、區域或分區代碼。
srd_text	string	53	德克薩斯緬因州
value	float	600,099	4.0 5.0	特定計量的值。
year	int	44	2009 2008

預覽

area_code	area_type_code	srd_code	measure_code	series_id	year	Period	value	footnote_codes	季節性	series_title	measure_text	srd_text	areatype_text	area_text
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M01	4.7	NAN	U	失業率：西拉丘茲-奧本，紐約綜合統計區（U）	失業率	紐約	合併區域	西拉丘茲-奧本，紐約綜合統計區域
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M02	4.7	NAN	U	失業率：西拉丘茲-奧本，紐約綜合統計區（U）	失業率	紐約	合併區域	西拉丘茲-奧本，紐約綜合統計區域
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M03	4.2	NAN	U	失業率：西拉丘茲-奧本，紐約綜合統計區（U）	失業率	紐約	合併區域	西拉丘茲-奧本，紐約綜合統計區域
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M04	3.6	NAN	U	失業率：西拉丘茲-奧本，紐約綜合統計區（U）	失業率	紐約	合併區域	西拉丘茲-奧本，紐約綜合統計區域
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M05	3.6	NAN	U	失業率：西拉丘茲-奧本，紐約綜合統計區（U）	失業率	紐約	合併區域	西拉丘茲-奧本，紐約綜合統計區域
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M06	3.6	NAN	U	失業率：西拉丘茲-奧本，紐約綜合統計區（U）	失業率	紐約	合併區域	西拉丘茲-奧本，紐約綜合統計區域
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M07	3.6	NAN	U	失業率：西拉丘茲-奧本，紐約綜合統計區（U）	失業率	紐約	合併區域	西拉丘茲-奧本，紐約綜合統計區域

資料存取

Azure Notebooks

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

usLaborLAUS = UsLaborLAUS()
usLaborLAUS_df = usLaborLAUS.to_pandas_dataframe()

usLaborLAUS_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 = "laus/"

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 UsLaborLAUS

usLaborLAUS = UsLaborLAUS()
usLaborLAUS_df = usLaborLAUS.to_spark_dataframe()

display(usLaborLAUS_df.limit(5))

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

此平臺/套件組合無法使用的範例。

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "laborstatisticscontainer"
blob_relative_path = "laus/"
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'))

下一步

檢視開放式資料集目錄中的其餘資料集。