Statistik zur Arbeitslosigkeit in den USA nach lokaler Umgebung

Artikel
12/06/2023

Das Programm der „Local Area Unemployment Statistics“ (regionale Arbeitslosenstatistik) produziert monatliche und jährliche Daten zu Beschäftigung, Arbeitslosigkeit und Arbeitskräften für Volkszählungsregionen und -abteilungen, Staaten, Landkreise, Metropolregionen und zahlreiche Städte in den Vereinigten Staaten.

Hinweis

Microsoft stellt Datasets der Plattform Azure Open Datasets auf einer „As is“-Basis (d. h. ohne Mängelgewähr) zur Verfügung. Microsoft übernimmt weder ausdrücklich noch stillschweigend die Gewährleistung für Ihre Nutzung der Datasets und sichert keinerlei Garantien oder Bedingungen zu. Soweit nach örtlich anwendbarem Recht zulässig, lehnt Microsoft jegliche Haftung für Schäden oder Verluste ab. Dies schließt direkte, indirekte, besondere oder zufällige Schäden oder Verluste sowie Folge- und Strafschäden und damit verbundene Verluste ein, die sich aus Ihrer Nutzung der Datasets ergeben.

Für die Bereitstellung dieses Datasets gelten die ursprünglichen Nutzungsbedingungen, unter denen Microsoft die Quelldaten bezogen hat. Das Dataset kann Daten von Microsoft enthalten.

README mit detaillierten Informationen zu diesem Dataset finden Sie am Speicherort des ursprünglichen Datasets.

Dieses Dataset wird aus den vom US Bureau of Labor Statistics (BLS) veröffentlichten Local Area Unemployment Statistics data (Daten der regionalen Arbeitslosenstatistik) erzeugt. Lesen Sie die Informationen zu Verknüpfungen und Copyright und wichtige Hinweise zur Website, um mehr über die Bestimmungen für die Nutzung dieses Datasets zu erfahren.

Speicherort

Dieses Dataset wird in der Azure-Region „USA, Osten“ gespeichert. Aus Gründen der Affinität wird die Zuweisung von Computeressourcen in der Region „USA, Osten“ empfohlen.

Spalten

Name	Datentyp	Eindeutig	Beispielwerte	BESCHREIBUNG
area_code	Zeichenfolge	8,290	ST3400000000000 RD8200000000000	Code, der den geografischen Bereich identifiziert. Siehe https://download.bls.gov/pub/time.series/la/la.area.
area_text	Zeichenfolge	8,238	District of Columbia Oregon	Name des geografischen Bereichs. Siehe https://download.bls.gov/pub/time.series/la/la.area
area_type_code	Zeichenfolge	14	F G	Eindeutig Code, der den Bereichstyp definiert. Siehe https://download.bls.gov/pub/time.series/la/la.area_type
areatype_text	Zeichenfolge	14	Counties and equivalents Cities and towns above 25,000 population	Name des Bereichstyps.
footnote_codes	Zeichenfolge	5	nan P
measure_code	Zeichenfolge	4	5 4	Gemessenes codeidentifizierendes Element. 03: Arbeitslosenquote, 04: Arbeitslosigkeit, 05: Erwerbstätigkeit, 06: Arbeitskraft. Siehe https://download.bls.gov/pub/time.series/la/la.measure.
measure_text	Zeichenfolge	4	employment unemployment	Name des gemessenen Elements. Siehe https://download.bls.gov/pub/time.series/la/la.measure
period (Zeitraum)	Zeichenfolge	13	M07 M05	Identifiziert den Zeitraum, in der Regel den Monat. Siehe https://download.bls.gov/pub/time.series/la/la.period
saisonal	Zeichenfolge	2	U S A
series_id	Zeichenfolge	33,476	LASST160000000000006 LASST200000000000006	Code, der die Serie identifiziert. Eine vollständige Liste der Serie finden Sie unter https://download.bls.gov/pub/time.series/la/la.series.
series_title	Zeichenfolge	33,268	Employment: Philadelphia County/city, PA (U) Labor Force: Manassas city, VA (U)	Titel, der die Serie identifiziert. Eine vollständige Liste der Serie finden Sie unter https://download.bls.gov/pub/time.series/la/la.series.
srd_code	Zeichenfolge	53	48 23	Staat, Region oder Bereichscode.
srd_text	Zeichenfolge	53	Texas Maine
value	float	600,099	4.0 5.0	Wert für bestimmtes Measure.
year	INT	44	2009 2008

Vorschau

area_code	area_type_code	srd_code	measure_code	series_id	year	period (Zeitraum)	value	footnote_codes	saisonal	series_title	measure_text	srd_text	areatype_text	area_text
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M01	4,7	nan	U	Unemployment Rate: Syracuse-Auburn, NY Combined Statistical Area (U)	unemployment rate	New York	Combined areas	Syracuse-Auburn, NY Combined Statistical Area
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M02	4,7	nan	U	Unemployment Rate: Syracuse-Auburn, NY Combined Statistical Area (U)	unemployment rate	New York	Combined areas	Syracuse-Auburn, NY Combined Statistical Area
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M03	4,2	nan	U	Unemployment Rate: Syracuse-Auburn, NY Combined Statistical Area (U)	unemployment rate	New York	Combined areas	Syracuse-Auburn, NY Combined Statistical Area
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M04	3.6	nan	U	Unemployment Rate: Syracuse-Auburn, NY Combined Statistical Area (U)	unemployment rate	New York	Combined areas	Syracuse-Auburn, NY Combined Statistical Area
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M05	3.6	nan	U	Unemployment Rate: Syracuse-Auburn, NY Combined Statistical Area (U)	unemployment rate	New York	Combined areas	Syracuse-Auburn, NY Combined Statistical Area
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M06	3.6	nan	U	Unemployment Rate: Syracuse-Auburn, NY Combined Statistical Area (U)	unemployment rate	New York	Combined areas	Syracuse-Auburn, NY Combined Statistical Area
CA3653200000000	E	36	3	LAUCA365320000000003	2000	M07	3.6	nan	U	Unemployment Rate: Syracuse-Auburn, NY Combined Statistical Area (U)	unemployment rate	New York	Combined areas	Syracuse-Auburn, NY Combined Statistical Area

Datenzugriff

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

Für diese Kombination aus Plattform und Paket ist kein Beispiel verfügbar.

# 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'))

Nächste Schritte

Machen Sie sich mit den restlichen Datasets im Open Datasets-Katalog vertraut.