Índice de preços ao produtor dos EUA – mercadorias

O PPI (Índice de Preços ao Produtor) é uma medida da média de alterações ao longo do tempo nos preços de venda recebidos por produtores domésticos por sua produção. Os preços do PPI são da primeira transação comercial de produtos e serviços cobertos.

Observação

A Microsoft fornece o Azure Open Datasets no estado em que se encontra. A Microsoft não oferece garantias nem coberturas, expressas ou implícitas, em relação ao uso dos conjuntos de dados. Até o limite permitido pela legislação local, a Microsoft se exime de toda a obrigação por danos ou perdas, inclusive diretos, consequentes, especiais, indiretos, acidentais ou punitivos, resultantes do uso dos conjuntos de dados.

Esse conjunto de dados é fornecido de acordo com os termos originais com que a Microsoft recebeu os dados de origem. O conjunto de dados pode incluir dados originados da Microsoft.

Cerca de 10 mil PPIs para produtos e grupos de produtos individuais são liberadas a cada mês. Os PPIs são disponibilizados de acordo com a produção de quase todas as indústrias nos setores de bens da economia dos EUA – mineração, manufatura, agricultura, pescaria e silvicultura – bem como gás natural, eletricidade, construção e bens que competem com os do setor de produção, como resíduos e sucata. O programa PPI cobre aproximadamente 72% da produção do setor de serviços, conforme medido pela receita apresentada no Censo Econômico de 2007. Os dados incluem indústrias nos seguintes setores: comércio em atacado e varejo; transportes e armazenagem; informações; finanças e seguros; corretagem imobiliária, aluguel e arrendamento; serviços técnicos, científicos e profissionais; serviços administrativos, de suporte e gerenciamento de resíduos; saúde e assistência social e hospedagem.

O LEIAME contendo um arquivo com informações detalhadas sobre este conjunto de dados está disponível no local do conjunto de dados original. Confira mais informações disponíveis nas Perguntas frequentes.

Este conjunto de dados foi produzido com base nos dados dos Índices de preços ao produtor, publicados pela BLS (Secretaria de Estatísticas Trabalhistas) dos EUA. Examine as Informações de vinculação e direitos autorais e Avisos importantes do site para ver os termos e condições relacionados ao uso deste conjunto de dados.

Local de armazenamento

Este conjunto de dados está armazenado na região Leste dos EUA do Azure. É recomendável alocar recursos de computação no Leste dos EUA para afinidade.

Conjuntos de dados relacionados

• Índice de preços ao consumidor dos EUA
• Índice de preços ao produtor dos EUA – indústria

Colunas

Nome	Tipo de dados	Exclusivo	Valores (exemplo)	Descrição
footnote_codes	string	3	nan P	Identifica notas de rodapé da série de dados. A maioria dos valores é nula. Consulte https://download.bls.gov/pub/time.series/wp/wp.footnote.
group_code	string	56	02 01	Código que identifica um grande grupo de commodities coberto pelo índice. Confira https://download.bls.gov/pub/time.series/wp/wp.group para ver os códigos e os nomes dos grupos.
group_name	string	56	Alimentos e rações processados Produtos agrícolas	Nome do principal grupo de commodities coberto pelo índice. Confira https://download.bls.gov/pub/time.series/wp/wp.group para ver os códigos e os nomes dos grupos.
item_code	string	2,949	1 11	Identifica o item a que pertencem as observações de dados. Confira https://download.bls.gov/pub/time.series/wp/wp.item para ver os códigos e os nomes dos itens.
item_name	string	3,410	Depósito, armazenamento e serviços relacionados Aluguel de carro de passeio	Nomes completos dos itens. Confira https://download.bls.gov/pub/time.series/wp/wp.item para ver os códigos e os nomes dos itens.
period	string	13	M06 M07	Identifica o período em que os dados foram observados. Confira https://download.bls.gov/pub/time.series/wp/wp.period para ver uma lista dos valores do período.
sazonais	string	2	U S	Código que identifica se os dados são ajustados sazonalmente. S = ajustados sazonalmente; U = não ajustados
series_id	string	5,458	WPU101 WPU091	Código que identifica a série específica. Uma série temporal é um conjunto de dados observados durante um período de tempo estendido em intervalos de tempo constantes. Confira https://download.bls.gov/pub/time.series/wp/wp.series para ver detalhes da série, como o código, o nome, o ano de início e término, etc.
series_title	string	4,379	Dados de mercadoria PPI para serviços de mineração, sem ajuste sazonal Dados de mercadoria PPI para serviços de tratamento de metal, sem ajuste sazonal	Título da série específica. Uma série temporal é um conjunto de dados observados durante um período de tempo estendido em intervalos de tempo constantes. Confira https://download.bls.gov/pub/time.series/wp/wp.series para obter detalhes da série, como ID, nome, ano de início e término etc.
value	FLOAT	6,788	100.0 99.0999984741211	Índice de preços do item.
ano	INT	26	2018 2017	Identifica o ano de observação.

Versão Prévia

item_code	group_code	series_id	ano	period	value	footnote_codes	sazonais	series_title	group_name	item_name
120922	05	WPU05120922	2008	M06	100	nan	U	Dados de mercadoria PPI para combustíveis e produtos relacionados e energia – mina subterrânea de carvão betuminoso preparado, somente trituração/peneiração/dimensionamento mecânicos, sem ajuste sazonal	Combustíveis e produtos relacionados e energia	Mina subterrânea de carvão betuminoso preparado, somente trituração/peneiração/dimensionamento mecânicos
120922	05	WPU05120922	2008	M07	104,6	nan	U	Dados de mercadoria PPI para combustíveis e produtos relacionados e energia – mina subterrânea de carvão betuminoso preparado, somente trituração/peneiração/dimensionamento mecânicos, sem ajuste sazonal	Combustíveis e produtos relacionados e energia	Mina subterrânea de carvão betuminoso preparado, somente trituração/peneiração/dimensionamento mecânicos
120922	05	WPU05120922	2008	M08	104.4	nan	U	Dados de mercadoria PPI para combustíveis e produtos relacionados e energia – mina subterrânea de carvão betuminoso preparado, somente trituração/peneiração/dimensionamento mecânicos, sem ajuste sazonal	Combustíveis e produtos relacionados e energia	Mina subterrânea de carvão betuminoso preparado, somente trituração/peneiração/dimensionamento mecânicos
120922	05	WPU05120922	2008	M09	98,3	nan	U	Dados de mercadoria PPI para combustíveis e produtos relacionados e energia – mina subterrânea de carvão betuminoso preparado, somente trituração/peneiração/dimensionamento mecânicos, sem ajuste sazonal	Combustíveis e produtos relacionados e energia	Mina subterrânea de carvão betuminoso preparado, somente trituração/peneiração/dimensionamento mecânicos
120922	05	WPU05120922	2008	M10	101,5	nan	U	Dados de mercadoria PPI para combustíveis e produtos relacionados e energia – mina subterrânea de carvão betuminoso preparado, somente trituração/peneiração/dimensionamento mecânicos, sem ajuste sazonal	Combustíveis e produtos relacionados e energia	Mina subterrânea de carvão betuminoso preparado, somente trituração/peneiração/dimensionamento mecânicos
120922	05	WPU05120922	2008	M11	95.2	nan	U	Dados de mercadoria PPI para combustíveis e produtos relacionados e energia – mina subterrânea de carvão betuminoso preparado, somente trituração/peneiração/dimensionamento mecânicos, sem ajuste sazonal	Combustíveis e produtos relacionados e energia	Mina subterrânea de carvão betuminoso preparado, somente trituração/peneiração/dimensionamento mecânicos

Acesso de dados

Azure Notebooks

azureml-opendatasets

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

labor = UsLaborPPICommodity()
labor_df = labor.to_pandas_dataframe()

labor_df.info()

azure-storage

# 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

pyspark

Exemplo não disponível para essa combinação de plataforma/pacote.

Azure Databricks

azureml-opendatasets

# 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

Exemplo não disponível para essa combinação de plataforma/pacote.

pyspark

# 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

azureml-opendatasets

Exemplo não disponível para essa combinação de plataforma/pacote.

azure-storage

Exemplo não disponível para essa combinação de plataforma/pacote.

pyspark

# 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'))

Próximas etapas

Exiba o restante dos conjuntos de dados no catálogo do Open Datasets.