Der Erzeugerpreisindex (EPI) ist ein Maß für die durchschnittliche zeitliche Veränderung der Verkaufspreise, die inländische Erzeuger für ihre Leistungen erzielen. Die im EPI enthaltenen Preise stammen aus der ersten kommerziellen Transaktion für die erfassten Produkte und Dienstleistungen.
Jeden Monat werden etwa 10.000 EPIs für einzelne Produkte und Produktgruppen veröffentlicht. EPIs stehen für die Leistung fast aller Industrien in den warenproduzierenden Sektoren der US-Wirtschaft (Bergbau, Produktion, Landwirtschaft, Fischerei und Forstwirtschaft) zur Verfügung sowie für Erdgas, Elektrizität, Baugewerbe und Güter, die mit denen der produzierenden Industrie konkurrieren, wie Abfälle und Ausschussmaterialien. Das EPI-Programm deckt etwa 72 Prozent der Leistung des Dienstleistungssektors ab, gemessen am Umsatz der Wirtschaftszählung von 2007. Die Daten umfassen Branchen in den folgenden Sektoren: Groß- und Einzelhandel; Transport und Lagerung; Informationsbereich; Finanzen und Versicherungen; Immobilienvermittlung, -vermietung und -Leasing; professionelle, wissenschaftliche und technische Dienstleistungen; Verwaltungs-, Unterstützungs- und Entsorgungsdienstleistungen; Gesundheitswesen und Sozialhilfe sowie Beherbergung.
README mit detaillierten Informationen zu diesem Dataset finden Sie am Speicherort des ursprünglichen Datasets. Es sind zusätzliche Informationen in den FAQs verfügbar.
Dieses Dataset wird aus den vom US Bureau of Labor Statistics (BLS) veröffentlichten Daten der Erzeugerpreisindizes erzeugt. Lesen Sie die Informationen zu Verknüpfungen und Copyright und wichtige Hinweise zur Website, um mehr über die Bestimmungen für die Nutzung dieses Datasets zu erfahren.
Speicherort
Dieses Dataset wird in der Azure-Region „USA, Osten“ gespeichert. Aus Gründen der Affinität wird die Zuweisung von Computeressourcen in der Region „USA, Osten“ empfohlen.
Zugehörige Datasets
Benachrichtigungen
MICROSOFT STELLT DATASETS DER PLATTFORM AZURE OPEN DATASETS AUF EINER „AS IS“-BASIS (D. H. OHNE MÄNGELGEWÄHR) ZUR VERFÜGUNG. MICROSOFT ÜBERNIMMT WEDER AUSDRÜCKLICH NOCH STILLSCHWEIGEND DIE GEWÄHRLEISTUNG FÜR IHRE NUTZUNG DER DATENSÄTZE UND SICHERT KEINERLEI GARANTIEN ODER BEDINGUNGEN ZU. SOWEIT NACH ÖRTLICH ANWENDBAREM RECHT ZULÄSSIG, LEHNT MICROSOFT JEGLICHE HAFTUNG FÜR SCHÄDEN ODER VERLUSTE AB. DIES SCHLIEßT DIREKTE, INDIREKTE, BESONDERE ODER ZUFÄLLIGE SCHÄDEN ODER VERLUSTE SOWIE FOLGE- UND STRAFSCHÄDEN UND DAMIT VERBUNDENE VERLUSTE EIN.
Für die Bereitstellung dieses Datasets gelten die ursprünglichen Nutzungsbedingungen, unter denen Microsoft die Quelldaten bezogen hat. Das Dataset kann Daten von Microsoft enthalten.
Access
| Available in | When to use |
|---|---|
| Azure Notebooks | Quickly explore the dataset with Jupyter notebooks hosted on Azure or your local machine. |
| Azure Databricks | Use this when you need the scale of an Azure managed Spark cluster to process the dataset. |
| Azure Synapse | Use this when you need the scale of an Azure managed Spark cluster to process the dataset. |
Preview
| item_code | group_code | series_id | year | period | value | footnote_codes | seasonal | 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/sized only, not seasonally adjusted | Fuels and related products and power | Prepared bituminous coal underground mine, mechanically crushed/screened/sized only |
| 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/sized only, not seasonally adjusted | Fuels and related products and power | Prepared bituminous coal underground mine, mechanically crushed/screened/sized only |
| 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/sized only, not seasonally adjusted | Fuels and related products and power | Prepared bituminous coal underground mine, mechanically crushed/screened/sized only |
| 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/sized only, not seasonally adjusted | Fuels and related products and power | Prepared bituminous coal underground mine, mechanically crushed/screened/sized only |
| 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/sized only, not seasonally adjusted | Fuels and related products and power | Prepared bituminous coal underground mine, mechanically crushed/screened/sized only |
| 120922 | 05 | WPU05120922 | 2008 | M11 | 95.2 | nan | U | PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/sized only, not seasonally adjusted | Fuels and related products and power | Prepared bituminous coal underground mine, mechanically crushed/screened/sized only |
| 120922 | 05 | WPU05120922 | 2008 | M12 | 96.7 | nan | U | PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/sized only, not seasonally adjusted | Fuels and related products and power | Prepared bituminous coal underground mine, mechanically crushed/screened/sized only |
| 120922 | 05 | WPU05120922 | 2009 | M01 | 104.2 | nan | U | PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/sized only, not seasonally adjusted | Fuels and related products and power | Prepared bituminous coal underground mine, mechanically crushed/screened/sized only |
| 120922 | 05 | WPU05120922 | 2009 | M02 | 113.2 | nan | U | PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/sized only, not seasonally adjusted | Fuels and related products and power | Prepared bituminous coal underground mine, mechanically crushed/screened/sized only |
| 120922 | 05 | WPU05120922 | 2009 | M03 | 121 | nan | U | PPI Commodity data for Fuels and related products and power-Prepared bituminous coal underground mine, mechanically crushed/screened/sized only, not seasonally adjusted | Fuels and related products and power | Prepared bituminous coal underground mine, mechanically crushed/screened/sized only |
| Name | Data type | Unique | Values (sample) | Description |
|---|---|---|---|---|
| footnote_codes | string | 3 | nan P |
Bezeichnet Fußnoten für die Datenreihe. Die meisten Werte sind NULL. Siehe https://download.bls.gov/pub/time.series/wp/wp.footnote. |
| group_code | string | 56 | 02 01 |
Code, der die wichtigsten Warengruppen nach Index angibt. Die Codes und Namen von Gruppen finden Sie unter https://download.bls.gov/pub/time.series/wp/wp.group. |
| group_name | string | 56 | Processed foods and feeds Farm products |
Name der wichtigsten Warengruppen nach Index. Die Codes und Namen von Gruppen finden Sie unter https://download.bls.gov/pub/time.series/wp/wp.group. |
| item_code | string | 2,949 | 1 11 |
Identifiziert den Artikel, auf den die erfassten Daten zutreffen. Die Codes und Namen des Artikels finden Sie unter https://download.bls.gov/pub/time.series/wp/wp.item. |
| item_name | string | 3,410 | Warehousing, storage, and related services Security guard services |
Vollständige Namen der Artikel. Die Codes und Namen des Artikels finden Sie unter https://download.bls.gov/pub/time.series/wp/wp.item. |
| period | string | 13 | M06 M07 |
Identifiziert den Zeitraum, über den Daten beobachtet werden. Eine Liste von Werten für den Zeitraum finden Sie unter https://download.bls.gov/pub/time.series/wp/wp.period. |
| seasonal | string | 2 | U S |
Code, der angibt, ob die Daten saisonabhängig angepasst sind. S=Seasonally Adjusted (saisonabhängig angepasst); U=Unadjusted (nicht angepasst) |
| series_id | string | 5,458 | WPU601 WPU011 |
Code, der die spezifische Reihen angibt. Eine Zeitreihe umfasst Daten, die über einen längeren Zeitraum in konsistenten Zeitintervallen erfasst werden. Informationen zu Reihen wie Code, Name, Start- und Endjahr usw. finden Sie unter https://download.bls.gov/pub/time.series/wp/wp.series. |
| series_title | string | 4,379 | PPI Commodity data for Metal treatment services, not seasonally adjusted PPI Commodity data for Mining services, not seasonally adjusted |
Titel der spezifischen Reihe. Eine Zeitreihe umfasst Daten, die über einen längeren Zeitraum in konsistenten Zeitintervallen erfasst werden. Informationen zu Reihen wie ID, Name, Start- und Endjahr usw. finden Sie unter https://download.bls.gov/pub/time.series/wp/wp.series. |
| value | float | 6,788 | 100.0 99.0999984741211 |
Preisindex für Artikel. |
| year | int | 26 | 2018 2017 |
Jahr, in dem die Überwachung stattgefunden hat. |
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
# 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'))