US National Employment Hours and Earnings (美國全國的工時與工資)

發行項
12/06/2023

目前就業統計 (CES) 計劃會產生詳細的美國非農就業產業預估值、工作時數和工作者的薪資收入。

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。

如需此資料集的詳細資訊，請參閱原始資料集位置的讀我檔案。

此資料集的來源是美國勞工統計局 (BLS) 所發佈的目前就業統計資料 - CES (全國) 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 State Employment Hours and Earnings (美國各州的工時與工資)
US Local Area Unemployment Statistics (美國各地區域的失業統計資料)
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
data_type_code	string	37	1 10	請參閱https://download.bls.gov/pub/time.series/ce/ce.datatype
data_type_text	string	37	所有員工、數千名女性員工、數千名	請參閱https://download.bls.gov/pub/time.series/ce/ce.datatype
footnote_codes	字串	2	nan P
industry_code	string	902	30000000 32000000	所涵蓋的不同產業。請參閱https://download.bls.gov/pub/time.series/ce/ce.industry
industry_name	string	895	不可耐久商品耐久商品	所涵蓋的不同產業。請參閱https://download.bls.gov/pub/time.series/ce/ce.industry
Period	string	13	M03 M06	請參閱https://download.bls.gov/pub/time.series/ce/ce.period
季節性	字串	2	美國
series_id	string	26,021	CEU3100000008 CEU9091912001	資料集中提供的不同資料數列類型。請參閱https://download.bls.gov/pub/time.series/ce/ce.series
series_title	string	25,685	所有員工，千，耐久財，不季節性調整所有員工，千，不可調整商品，不經季節性調整	資料集中提供之不同資料數列類型的標題。請參閱https://download.bls.gov/pub/time.series/ce/ce.series
supersector_code	string	22	31 60	較高層級的產業或部門分類。請參閱https://download.bls.gov/pub/time.series/ce/ce.supersector
supersector_name	string	22	耐久財專業商務服務	較高層級的產業或部門分類。請參閱https://download.bls.gov/pub/time.series/ce/ce.supersector
value	float	572,372	38.5 38.400001525878906
year	int	81	2017 2012

預覽

data_type_code	industry_code	supersector_code	series_id	year	Period	value	footnote_codes	季節性	series_title	supersector_name	industry_name	data_type_text
26	5000000	5	CES0500000026	1939	M04	52	NAN	S	所有員工，3 個月平均變更，經季節性調整，數千人，私人總數，經季節性調整	私人總計	私人總計	所有員工，3 個月平均變更，季節性調整，千
26	5000000	5	CES0500000026	1939	M05	65	NAN	S	所有員工，3 個月平均變更，經季節性調整，數千人，私人總數，經季節性調整	私人總計	私人總計	所有員工，3 個月平均變更，季節性調整，千
26	5000000	5	CES0500000026	1939	M06	74	NAN	S	所有員工，3 個月平均變更，經季節性調整，數千人，私人總數，經季節性調整	私人總計	私人總計	所有員工，3 個月平均變更，季節性調整，千
26	5000000	5	CES0500000026	1939	M07	103	NAN	S	所有員工，3 個月平均變更，經季節性調整，數千人，私人總數，經季節性調整	私人總計	私人總計	所有員工，3 個月平均變更，季節性調整，千
26	5000000	5	CES0500000026	1939	M08	108	NAN	S	所有員工，3 個月平均變更，經季節性調整，數千人，私人總數，經季節性調整	私人總計	私人總計	所有員工，3 個月平均變更，季節性調整，千
26	5000000	5	CES0500000026	1939	M09	152	NAN	S	所有員工，3 個月平均變更，經季節性調整，數千人，私人總數，經季節性調整	私人總計	私人總計	所有員工，3 個月平均變更，季節性調整，千
26	5000000	5	CES0500000026	1939	M10	307	NAN	S	所有員工，3 個月平均變更，經季節性調整，數千人，私人總數，經季節性調整	私人總計	私人總計	所有員工，3 個月平均變更，季節性調整，千
26	5000000	5	CES0500000026	1939	M11	248	NAN	S	所有員工，3 個月平均變更，經季節性調整，數千人，私人總數，經季節性調整	私人總計	私人總計	所有員工，3 個月平均變更，季節性調整，千

資料存取

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

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 = "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'))

下一步

檢視開放式資料集目錄中的其餘資料集。