US Producer Price Index - Commodities (美國生產物價指數 - 商品)

發行項
12/06/2023

生產者物價指數 (PPI) 用於衡量一段時間內國內生產者就其生產所獲售價的平均變化情況。 PPI 中包含的價格，來自其產品和服務涵蓋的第一次商業交易。

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。

每月會發佈大約 10,000 個個別產品和產品群的 PPI。 PPIS 可用於美國經濟採礦、製造業、農業、漁業和林業等幾乎所有產業的產量，以及天然氣、電力、建築和商品，以及與廢物和廢品等生產部門生產的產品競爭。根據2007年經濟普查報告的收入，PPI計畫約占服務業產出的72%。資料包含下列產業：批發和零售貿易、運輸和倉儲、資訊、金融和保險、房地產經紀、出租和租賃、專業、科學和技術服務、行政管理、支援和廢棄物管理服務、醫療保健和社會救助、住宿。

讀我檔案是包含此資料集詳細資訊的檔案，位於原始資料集位置。如需其他資訊，請參閱常見問題集。

此資料集來自美國勞工統計局 (BLS) 所發佈的生產者物價指數資料。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。

美國消費者物價指數
US Producer Price Index - Industry (美國生產者物價指數 - 產業)

資料行

名稱	資料類型	唯一	Values (sample)	描述
footnote_codes	string	3	nan P	識別資料數列的註腳。大多數值為 null。請參閱 https://download.bls.gov/pub/time.series/wp/wp.footnote。
group_code	string	56	02 01	識別索引涵蓋之主要商品群組名稱的代碼。請參閱 https://download.bls.gov/pub/time.series/wp/wp.group 中的群組代碼與名稱。
group_name	string	56	加工食品和飼料農產品	索引涵蓋的主要商品群組名稱。請參閱 https://download.bls.gov/pub/time.series/wp/wp.group 中的群組代碼與名稱。
item_code	string	2,949	1 11	識別與資料觀測有關的項目。請參閱 https://download.bls.gov/pub/time.series/wp/wp.item 中的項目代碼及名稱。
item_name	string	3,410	倉儲、儲存及相關服務客運出租	項目的完整名稱。請參閱 https://download.bls.gov/pub/time.series/wp/wp.item 中的項目代碼及名稱。
Period	string	13	M06 M07	識別觀測資料的週期。請參閱 https://download.bls.gov/pub/time.series/wp/wp.period 中的期間值清單。
季節性	字串	2	美國	識別資料是否季節性調整的代碼。 S=季節性調整；U=未調整
series_id	string	5,458	WPU101 WPU091	識別特定序列的代碼。時間序列是指在持續時間間隔內的較長一段時間中，所觀測到的一組資料。如需代碼、名稱、起迄年份等數列的詳細資料，請參閱 https://download.bls.gov/pub/time.series/wp/wp.series。
series_title	string	4,379	礦業服務的PPI商品資料，未經季節性調整的PPI商品資料用於金屬處理服務，不經季節性調整	特定序列的標題。時間序列是指在持續時間間隔內的較長一段時間中，所觀測到的一組資料。如需識別碼、名稱、開始和結束年等系列的詳細資料，請參閱 https://download.bls.gov/pub/time.series/wp/wp.series 。
value	float	6,788	100.0 99.0999984741211	商品的物價指數。
year	int	26	2018 2017	識別觀測年份。

預覽

item_code	group_code	series_id	year	Period	value	footnote_codes	季節性	series_title	group_name	item_name
120922	05	WPU05120922	2008	M06	100	NAN	U	燃料及相關產品的PPI商品資料以及電力準備的煤井礦，機械粉碎/篩選/大小僅，不經季節性調整	燃料及相關產品與電源	準備井下煤礦，機械粉碎/篩選/大小僅
120922	05	WPU05120922	2008	M07	104.6	NAN	U	燃料及相關產品的PPI商品資料以及電力準備的煤井礦，機械粉碎/篩選/大小僅，不經季節性調整	燃料及相關產品與電源	準備井下煤礦，機械粉碎/篩選/大小僅
120922	05	WPU05120922	2008	M08	104.4	NAN	U	燃料及相關產品的PPI商品資料以及電力準備的煤井礦，機械粉碎/篩選/大小僅，不經季節性調整	燃料及相關產品與電源	準備井下煤礦，機械粉碎/篩選/大小僅
120922	05	WPU05120922	2008	M09	98.3	NAN	U	燃料及相關產品的PPI商品資料以及電力準備的煤井礦，機械粉碎/篩選/大小僅，不經季節性調整	燃料及相關產品與電源	準備井下煤礦，機械粉碎/篩選/大小僅
120922	05	WPU05120922	2008	M10	101.5	NAN	U	燃料及相關產品的PPI商品資料以及電力準備的煤井礦，機械粉碎/篩選/大小僅，不經季節性調整	燃料及相關產品與電源	準備井下煤礦，機械粉碎/篩選/大小僅
120922	05	WPU05120922	2008	M11	95.2	NAN	U	燃料及相關產品的PPI商品資料以及電力準備的煤井礦，機械粉碎/篩選/大小僅，不經季節性調整	燃料及相關產品與電源	準備井下煤礦，機械粉碎/篩選/大小僅

資料存取

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

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 = "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'))

下一步

檢視開放式資料集目錄中的其餘資料集。