Produsentprisindeksen (PPI) er et mål på gjennomsnittlig endring over tid i salgspriser mottatt av hjemlige produsenter for produksjonen deres. Prisene som er inkludert i PPI er fra den første kommersielle transaksjonen for produkter og tjenester dekket.
Producer Price Index Revision-Current Series-indekser gjenspeiler prisbevegelser for nettoytelsen til produsenter organisert etter North American Industry Classification System (NAICS). PC-datasettet er kompatibelt med et bredt utvalg av NAICS-baserte økonomiske tidsserier inkludert: produktivitet, produksjon, arbeid, lønn og inntekter.
PPI-universet består av alle bransjer i vareproduserende sektorer i den amerikanske økonomien-gruvedrift, tilvirkning, landbruk, fiske og skogbruk-så vel som naturgass, elektrisitet, bygg og anlegg og varer som konkurrerer med de som lages i produserende sektorer, som avfalls- og skrapmateriale. Fra og med januar 2011 dekket PPI-programmet mer enn tre fjerdedeler av tjenestesektorens produksjon, publiserte data for utvalgte bransjer i følgende bransjesektorer: engroshandel og detaljhandel; transport og lagring; informasjon; finans og forsikring; eiendomsmegling, leie og utleie; profesjonelle, vitenskapelige og tekniske tjenester; administrative, støtte- og avfallsbehandlingstjenester; helse- og sosialhjelp; og losji.
En viktig fil som inneholder detaljert informasjon om datasettet er tilgjengelig på opprinnelig datasettplassering. Du finner ytterligere informasjon under Vanlige spørsmål.
Datasettet er produsert fra Produsentprisindeks-data publisert av US Bureau of Labor Statistics (BLS). Gjennomgå Informasjon om koblinger og opphavsrett og Viktige nettsidemerknader om vilkår og betingelser knyttet til bruken av datasettet.
Lagerplassering
Dette datasettet er lagret i Azure-området i øst-USA. Tildeling av databehandlingsressurser i øst-USA er anbefalt for affinitet.
Beslektede datasett
Merknader
MICROSOFT LEVERER AZURE OPEN DATASETS PÅ EN “SOM DE ER”-BASIS. MICROSOFT GIR INGEN GARANTIER, UTTRYKTE ELLER IMPLISERTE, ELLER BETINGELSER MED HENSYN TIL DIN BRUK AV DATASETTENE. I DEN GRAD LOKAL LOV TILLATER DET, FRASKRIVER MICROSOFT SEG ALT ANSVAR FOR EVENTUELLE SKADER ELLER TAP, INKLUDERT DIREKTE SKADE, FØLGESKADE, DOKUMENTERT ERSTATNINGSKRAV, INDIREKTE SKADE ELLER ERSTATNING UTOVER DET SOM VILLE VÆRE NORMALT, SOM FØLGE AV DIN BRUK AV DATASETTENE.
Dette datasettet leveres i henhold til de originale vilkårene Microsoft mottok kildedata. Datasettet kan inkludere data hentet fra Microsoft.
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
product_code | industry_code | series_id | year | period | value | footnote_codes | seasonal | series_title | industry_name | product_name |
---|---|---|---|---|---|---|---|---|---|---|
2123240 | 212324 | PCU2123242123240 | 1998 | M01 | 117 | nan | U | PPI industry data for Kaolin and ball clay mining-Kaolin and ball clay, not seasonally adjusted | Kaolin and ball clay mining | Kaolin and ball clay |
2123240 | 212324 | PCU2123242123240 | 1998 | M02 | 116.9 | nan | U | PPI industry data for Kaolin and ball clay mining-Kaolin and ball clay, not seasonally adjusted | Kaolin and ball clay mining | Kaolin and ball clay |
2123240 | 212324 | PCU2123242123240 | 1998 | M03 | 116.3 | nan | U | PPI industry data for Kaolin and ball clay mining-Kaolin and ball clay, not seasonally adjusted | Kaolin and ball clay mining | Kaolin and ball clay |
2123240 | 212324 | PCU2123242123240 | 1998 | M04 | 116 | nan | U | PPI industry data for Kaolin and ball clay mining-Kaolin and ball clay, not seasonally adjusted | Kaolin and ball clay mining | Kaolin and ball clay |
2123240 | 212324 | PCU2123242123240 | 1998 | M05 | 116.2 | nan | U | PPI industry data for Kaolin and ball clay mining-Kaolin and ball clay, not seasonally adjusted | Kaolin and ball clay mining | Kaolin and ball clay |
2123240 | 212324 | PCU2123242123240 | 1998 | M06 | 116.3 | nan | U | PPI industry data for Kaolin and ball clay mining-Kaolin and ball clay, not seasonally adjusted | Kaolin and ball clay mining | Kaolin and ball clay |
2123240 | 212324 | PCU2123242123240 | 1998 | M07 | 116.6 | nan | U | PPI industry data for Kaolin and ball clay mining-Kaolin and ball clay, not seasonally adjusted | Kaolin and ball clay mining | Kaolin and ball clay |
2123240 | 212324 | PCU2123242123240 | 1998 | M08 | 116.3 | nan | U | PPI industry data for Kaolin and ball clay mining-Kaolin and ball clay, not seasonally adjusted | Kaolin and ball clay mining | Kaolin and ball clay |
2123240 | 212324 | PCU2123242123240 | 1998 | M09 | 116.2 | nan | U | PPI industry data for Kaolin and ball clay mining-Kaolin and ball clay, not seasonally adjusted | Kaolin and ball clay mining | Kaolin and ball clay |
2123240 | 212324 | PCU2123242123240 | 1998 | M10 | 115.9 | nan | U | PPI industry data for Kaolin and ball clay mining-Kaolin and ball clay, not seasonally adjusted | Kaolin and ball clay mining | Kaolin and ball clay |
Name | Data type | Unique | Values (sample) | Description |
---|---|---|---|---|
footnote_codes | string | 3 | nan P |
Identifiserer fotnoter for dataserien. De fleste verdier er null. Se https://download.bls.gov/pub/time.series/pc/pc.footnote. |
industry_code | string | 1,064 | 221122 325412 |
NAICS-kode for bransjen. Gå til https://download.bls.gov/pub/time.series/pc/pc.industry for å se koder og navn. |
industry_name | string | 842 | Electric power distribution Pharmaceutical preparation manufacturing |
Navn som tilsvarer koden for bransjen. Gå til https://download.bls.gov/pub/time.series/pc/pc.industry for å se koder og navn. |
period | string | 13 | M06 M07 |
Identifiserer perioden data observeres. Gå til https://download.bls.gov/pub/time.series/pc/pc.period for å se komplett liste. |
product_code | string | 4,822 | 335129 311514P |
Kode som identifiserer produktet dataobservasjonen refererer til. Gå til https://download.bls.gov/pub/time.series/pc/pc.product for å se en oversikt over industrikoder, produktkoder og produktnavn. |
product_name | string | 3,313 | Primary products Secondary products |
Navn på produktet dataobservasjonen refererer til. Gå til https://download.bls.gov/pub/time.series/pc/pc.product for å se en oversikt over industrikoder, produktkoder og produktnavn. |
seasonal | string | 1 | U | Kode som identifiserer om dataene er sesongjusterte. S=Sesongjustert; U=Ujustert |
series_id | string | 4,822 | PCU22121022121012 PCU221122221122439 |
Kode som identifiserer den spesifikke serien. En tidsserie refererer til et datasett observert over en lengre tidsperiode over konsekvente tidsintervaller. Gå til https://download.bls.gov/pub/time.series/pc/pc.series for å se detaljer om serien, som kode, navn, start- og sluttår etc. |
series_title | string | 4,588 | PPI industry data for Electric power distribution-East North Central, not seasonally adjusted PPI industry data for Electric power distribution-Pacific, not seasonally adjusted |
|
value | float | 7,658 | 100.0 100.4000015258789 |
Prisindeks for vare. |
year | int | 22 | 2015 2017 |
Identifiserer observasjonsår. |
Azure Notebooks
# This is a package in preview.
from azureml.opendatasets import UsLaborPPIIndustry
labor = UsLaborPPIIndustry()
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_industry/"
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 UsLaborPPIIndustry
labor = UsLaborPPIIndustry()
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_industry/"
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_industry/"
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'))