US Producer Price Index (index van de producentenprijzen van de V.S.): producten

Artikel
12/06/2023

De Producer Price Index (PPI) is een meting van de gemiddelde wijziging gedurende een bepaalde periode in de verkoopprijzen die nationale producenten ontvangen voor hun uitvoer. De prijzen die in de PPI zijn opgenomen, zijn afkomstig van de eerste commerciële transactie voor de betreffende producten en services.

Notitie

Microsoft biedt Azure Open Datasets op basis van 'zoals is'. Microsoft geeft geen garanties, uitdrukkelijk of impliciet, garanties of voorwaarden met betrekking tot uw gebruik van de gegevenssets. Voor zover toegestaan volgens uw lokale wetgeving, wijst Microsoft alle aansprakelijkheid af voor eventuele schade of verliezen, waaronder directe, gevolgschade, speciale, indirecte, incidentele of strafbare gegevenssets, die het gevolg zijn van uw gebruik van de gegevenssets.

Deze gegevensset wordt geleverd onder de oorspronkelijke voorwaarden dat Microsoft de brongegevens heeft ontvangen. De gegevensset kan gegevens bevatten die afkomstig zijn van Microsoft.

Elke maand worden er ongeveer 10.000 PPI's gepubliceerd voor afzonderlijke producten en groepen producten. PPI's zijn beschikbaar voor de uitvoer van bijna alle industrieën in de goederenproducerende sectoren van de Amerikaanse economie-mijnbouw, productie, landbouw, visserij en bosbouw, evenals aardgas, elektriciteit, bouw en goederen die concurrerend zijn met die in de productiesectoren, zoals afval en schroot. Het PPI-programma dekt ongeveer 72 procent van de uitvoer van de servicesector, zoals gemeten door de omzet die is gerapporteerd in de economische telling van 2007. De gegevens omvatten bedrijfstakken in de volgende sectoren: groot- en kleinhandel, transport en opslag, informatie, financiën en verzekeringen, makelaardij, verhuur en leasing, professionele, wetenschappelijke en technische dienstverlening, dienstverlening met betrekking tot administratie, ondersteuning en afvalbeheer, gezondheidszorg en sociale dienstverlening, en huisvesting.

LEESMIJ met bestand voor gedetailleerde informatie over deze gegevensset is beschikbaar op de oorspronkelijke locatie van de gegevensset. Aanvullende informatie is beschikbaar in de Veelgestelde vragen.

Deze gegevensset wordt geleverd uit de Producer Price Indexes-gegevens gepubliceerd door US Bureau of Labor Statistics (BLS). Lees Informatie over koppelingen en auteursrechten en Belangrijke websitemededelingen voor de voorwaarden met betrekking tot het gebruik van deze gegevensset.

Opslaglocatie

Deze gegevensset wordt opgeslagen in de Azure-regio US - oost. Het wordt aanbevolen om rekenresources in US - oost toe te wijzen voor affiniteit.

Kolommen

Naam	Gegevenstype	Uniek	Waarden (voorbeeld)	Beschrijving
footnote_codes	tekenreeks	3	nan P	Geeft de voetnoten voor de gegevensreeks aan. De meeste waarden zijn null. Zie https://download.bls.gov/pub/time.series/wp/wp.footnote.
group_code	tekenreeks	56	02 01	Code die de belangrijkste productengroep aangeeft waarvoor de index geldt. Zie https://download.bls.gov/pub/time.series/wp/wp.group voor groepscodes en -namen.
group_name	tekenreeks	56	Verwerkte voedingsmiddelen en voeders Boerderijproducten	De naam van de belangrijkste basisgroep waarvoor de index geldt. Zie https://download.bls.gov/pub/time.series/wp/wp.group voor groepscodes en -namen.
item_code	tekenreeks	2,949	1 11	Geeft het item aan waarop de gegevensobservaties betrekking hebben. Zie https://download.bls.gov/pub/time.series/wp/wp.item voor artikelcodes en -namen.
item_name	tekenreeks	3,410	Opslag, opslag en gerelateerde diensten Passagiersauto huren	De volledige namen van de items. Zie https://download.bls.gov/pub/time.series/wp/wp.item voor artikelcodes en -namen.
Periode	tekenreeks	13	M06 M07	Geeft de periode aan waarvoor de gegevens worden geobserveerd. Zie https://download.bls.gov/pub/time.series/wp/wp.period voor lijst met periodewaarden.
Seizoensgebonden	tekenreeks	2	U S	Code die aangeeft of de gegevens zijn aangepast aan het seizoen. S=Seasonally Adjusted (aangepast aan het seizoen) U=Unadjusted (niet aangepast)
series_id	tekenreeks	5,458	WPU101 WPU091	Code die de specifieke reeks aangeeft. Een tijdreeks verwijst naar een verzameling gegevens die zijn geobserveerd gedurende een langere periode met consistente tijdsintervallen. Zie https://download.bls.gov/pub/time.series/wp/wp.series voor details van reeksen zoals code, naam, begin- en eindjaar, enz.
series_title	tekenreeks	4,379	PPI Commodity data for Mining services, not seasonally adjusted PPI Commodity data for Metal treatment services, not seasonally adjusted	Titel van de specifieke reeks. Een tijdreeks verwijst naar een verzameling gegevens die zijn geobserveerd gedurende een langere periode met consistente tijdsintervallen. Zie https://download.bls.gov/pub/time.series/wp/wp.series voor meer informatie over reeksen, zoals id, naam, begin- en eindjaar, enzovoort.
waarde	zwevend	6,788	100.0 99.0999984741211	Prijsindex voor artikel.
jaar	geheel getal (int)	26	2018 2017	Geeft het jaar van de observatie aan.

Preview

item_code	group_code	series_id	jaar	Periode	waarde	footnote_codes	Seizoensgebonden	series_title	group_name	item_name
120922	05	WPU05120922	2008	M06	100	nan	U	PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/size only, not seasonally adjusted	Brandstoffen en gerelateerde producten en energie	Voorbereide bitumineuze kolen ondergrondse mijn, mechanisch verpletterd/gescreend/formaat alleen
120922	05	WPU05120922	2008	M07	104.6	nan	U	PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/size only, not seasonally adjusted	Brandstoffen en gerelateerde producten en energie	Voorbereide bitumineuze kolen ondergrondse mijn, mechanisch verpletterd/gescreend/formaat alleen
120922	05	WPU05120922	2008	M08	104.4	nan	U	PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/size only, not seasonally adjusted	Brandstoffen en gerelateerde producten en energie	Voorbereide bitumineuze kolen ondergrondse mijn, mechanisch verpletterd/gescreend/formaat alleen
120922	05	WPU05120922	2008	M09	98.3	nan	U	PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/size only, not seasonally adjusted	Brandstoffen en gerelateerde producten en energie	Voorbereide bitumineuze kolen ondergrondse mijn, mechanisch verpletterd/gescreend/formaat alleen
120922	05	WPU05120922	2008	M10	101.5	nan	U	PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/size only, not seasonally adjusted	Brandstoffen en gerelateerde producten en energie	Voorbereide bitumineuze kolen ondergrondse mijn, mechanisch verpletterd/gescreend/formaat alleen
120922	05	WPU05120922	2008	M11	95,4	nan	U	PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/size only, not seasonally adjusted	Brandstoffen en gerelateerde producten en energie	Voorbereide bitumineuze kolen ondergrondse mijn, mechanisch verpletterd/gescreend/formaat alleen

Toegang tot gegevens

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

Voorbeeld niet beschikbaar voor deze combinatie van platform/pakket.

# 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'))

Volgende stappen

Bekijk de rest van de gegevenssets in de catalogus Open Datasets.