US National Employment Hours and Earnings (Salários e Horários de Emprego a Nível Nacional nos E.U.A.)

Artigo
12/06/2023

O programa Current Employment Statistics (CES, Estatísticas de Emprego Atuais) produz estimativas detalhadas dos vários setores de atividade, excluindo trabalhadores agrícolas, empregados de organizações sem fins lucrativos e trabalhadores domésticos, relativas a emprego, horário e rendimentos dos trabalhadores por conta de outrem nos Estados Unidos.

Nota

A Microsoft fornece os Conjuntos de Dados Abertos do Azure "no estado em que se encontram". A Microsoft não oferece garantias, expressas ou implícitas, garantias ou condições em relação ao seu uso dos conjuntos de dados. Na medida permitida pela legislação local, a Microsoft se isenta de qualquer responsabilidade por quaisquer danos ou perdas, incluindo diretos, consequenciais, especiais, indiretos, incidentais ou punitivos, resultantes do uso dos conjuntos de dados por parte do cliente.

Este conjunto de dados é disponibilizado de acordo com os termos originais em que a Microsoft recebeu os dados de origem. O conjunto de dados pode incluir dados obtidos junto da Microsoft.

O arquivo README contendo informações detalhadas sobre esse conjunto de dados está disponível no local original do conjunto de dados.

Este conjunto de dados foi obtido a partir dos dados das Estatísticas Nacionais de Emprego Atuais dos EUA publicados pelo US Bureau of Labor Statistics (BLS) (Instituto de Estatísticas de Emprego dos EUA). Reveja Linking and Copyright Information (Informações de Ligações e de Direitos de Autor) e Important Web Site Notices (Avisos Importantes do Site) para obter os termos e condições relativos à utilização deste conjunto de dados.

Localização do armazenamento

Este conjunto de dados é armazenado na região do Azure E.U.A. Leste. A alocação de recursos de computação nos E.U.A. Leste é recomendada por questões de afinidade.

Salários e Horários de Emprego a Nível Estadual nos E.U.A.
US Local Area Unemployment Statistics (Estatísticas de Desemprego a Nível Local nos E.U.A.)
US Labor Force Statistics (Estatísticas da Mão-de-Obra dos E.U.A.)

Colunas

Name	Tipo de dados	Exclusivo	Values (sample)	Description
data_type_code	string	37	1 10	veja https://download.bls.gov/pub/time.series/ce/ce.datatype
data_type_text	string	37	TODOS OS FUNCIONÁRIOS, MILHARES DE MULHERES FUNCIONÁRIAS, MILHARES	veja https://download.bls.gov/pub/time.series/ce/ce.datatype
footnote_codes	string	2	nan P
industry_code	string	902	30000000 32000000	Diferentes indústrias abrangidas. veja https://download.bls.gov/pub/time.series/ce/ce.industry
industry_name	string	895	Bens não duráveis Bens duráveis	Diferentes indústrias abrangidas. veja https://download.bls.gov/pub/time.series/ce/ce.industry
período	string	13	M03 M06	veja https://download.bls.gov/pub/time.series/ce/ce.period
Sazonal	string	2	U S
series_id	string	26,021	CEU3100000008 CEU9091912001	Diferentes tipos de série de dados disponíveis no conjunto de dados. veja https://download.bls.gov/pub/time.series/ce/ce.series
series_title	string	25,685	Todos os empregados, milhares, bens duráveis, não ajustados sazonalmente Todos os empregados, milhares, bens não duráveis, não ajustados sazonalmente	Título dos diferentes tipos de série de dados disponíveis no conjunto de dados. veja https://download.bls.gov/pub/time.series/ce/ce.series
supersector_code	string	22	31 60	Classificação de nível superior da indústria ou do setor. veja https://download.bls.gov/pub/time.series/ce/ce.supersector
supersector_name	string	22	Bens Duradouros Serviços profissionais e empresariais	Classificação de nível superior da indústria ou do setor. veja https://download.bls.gov/pub/time.series/ce/ce.supersector
valor	flutuante	572,372	38.5 38.400001525878906
ano	número inteiro	81	2017 2012

Pré-visualizar

data_type_code	industry_code	supersector_code	series_id	ano	período	valor	footnote_codes	Sazonal	series_title	supersector_name	industry_name	data_type_text
26	5000000	5	CES0500000026	1939	M04	52	Nan	S	Todos os funcionários, variação média de 3 meses, ajustada sazonalmente, milhares, total privado, ajustado sazonalmente	Total privado	Total privado	TODOS OS FUNCIONÁRIOS, VARIAÇÃO MÉDIA DE 3 MESES, AJUSTADA SAZONALMENTE, MILHARES
26	5000000	5	CES0500000026	1939	M05	65	Nan	S	Todos os funcionários, variação média de 3 meses, ajustada sazonalmente, milhares, total privado, ajustado sazonalmente	Total privado	Total privado	TODOS OS FUNCIONÁRIOS, VARIAÇÃO MÉDIA DE 3 MESES, AJUSTADA SAZONALMENTE, MILHARES
26	5000000	5	CES0500000026	1939	M06	74	Nan	S	Todos os funcionários, variação média de 3 meses, ajustada sazonalmente, milhares, total privado, ajustado sazonalmente	Total privado	Total privado	TODOS OS FUNCIONÁRIOS, VARIAÇÃO MÉDIA DE 3 MESES, AJUSTADA SAZONALMENTE, MILHARES
26	5000000	5	CES0500000026	1939	M07	103	Nan	S	Todos os funcionários, variação média de 3 meses, ajustada sazonalmente, milhares, total privado, ajustado sazonalmente	Total privado	Total privado	TODOS OS FUNCIONÁRIOS, VARIAÇÃO MÉDIA DE 3 MESES, AJUSTADA SAZONALMENTE, MILHARES
26	5000000	5	CES0500000026	1939	M08	108	Nan	S	Todos os funcionários, variação média de 3 meses, ajustada sazonalmente, milhares, total privado, ajustado sazonalmente	Total privado	Total privado	TODOS OS FUNCIONÁRIOS, VARIAÇÃO MÉDIA DE 3 MESES, AJUSTADA SAZONALMENTE, MILHARES
26	5000000	5	CES0500000026	1939	M09	152	Nan	S	Todos os funcionários, variação média de 3 meses, ajustada sazonalmente, milhares, total privado, ajustado sazonalmente	Total privado	Total privado	TODOS OS FUNCIONÁRIOS, VARIAÇÃO MÉDIA DE 3 MESES, AJUSTADA SAZONALMENTE, MILHARES
26	5000000	5	CES0500000026	1939	M10	307	Nan	S	Todos os funcionários, variação média de 3 meses, ajustada sazonalmente, milhares, total privado, ajustado sazonalmente	Total privado	Total privado	TODOS OS FUNCIONÁRIOS, VARIAÇÃO MÉDIA DE 3 MESES, AJUSTADA SAZONALMENTE, MILHARES
26	5000000	5	CES0500000026	1939	M11	248	Nan	S	Todos os funcionários, variação média de 3 meses, ajustada sazonalmente, milhares, total privado, ajustado sazonalmente	Total privado	Total privado	TODOS OS FUNCIONÁRIOS, VARIAÇÃO MÉDIA DE 3 MESES, AJUSTADA SAZONALMENTE, MILHARES

Acesso a dados

Azure Notebooks

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

usLaborEHENational = UsLaborEHENational()
usLaborEHENational_df = usLaborEHENational.to_pandas_dataframe()

usLaborEHENational_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 = "ehe_national/"

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 UsLaborEHENational

usLaborEHENational = UsLaborEHENational()
usLaborEHENational_df = usLaborEHENational.to_spark_dataframe()

display(usLaborEHENational_df.limit(5))

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

Amostra não disponível para esta combinação de plataforma/pacote.

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

Próximos passos

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