US Labor Force Statistics (Estatísticas da Mão-de-Obra dos E.U.A.)

Estatísticas da força de trabalho: taxas de participação na força de trabalho e população civil não institucional por idade, género, raça e grupos étnicos. nos Estados Unidos.

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.

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.

Localização de 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.

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

Colunas

Name	Tipo de dados	Único	Valores (amostra)
absn_code	int	4	3 4
activity_code	int	7	8 3
ages_code	int	35	10 17
born_code	int	3	1 2
cert_code	int	5	4 3
chld_code	int	6	2 5
class_code	int	14	2 1
disa_code	int	3	2 1
duration_code	int	11	18 6
education_code	int	9	40 19
entr_code	int	3	1 2
expr_code	int	3	1 2
footnote_codes	cadeia (de caracteres)	7	NAN 4.0
hheader_code	int	2	1
hour_code	int	13	1 16
indy_code	int	323	368 169
jdes_code	int	3	1 2
lfst_code	int	33	20 30
look_code	int	7	1 6
mari_code	int	5	2 1
mjhs_code	int	6	1 5
codigo_profissao	int	566	8999 4999
orig_code	int	14	1 2
pcts_code	int	23	5 8
período	cadeia (de caracteres)	18	M07 M06
periodicity_code	cadeia (de caracteres)	3	M Q
race_code	int	14	1 3
rjnw_code	int	9	1 3
rnlf_code	int	11	63 64
rwns_code	int	17	10 1
Sazonal	cadeia (de caracteres)	2	U S
seek_code	int	2	1
series_id	cadeia (de caracteres)	45,478	LNU01300000 LNU02034560
series_title	cadeia (de caracteres)	34,264	(Unadj) Nível de Emprego - Agricultura e Indústrias Relacionadas (Unadj) Nível da Força de Trabalho Civil
sexs_code	int	3	1 2
tdat_code	int	6	1 4
valor	float	121,742	3.0 4.0
vets_code	int	8	25 1
wkst_code	int	7	1 4
ano	int	80	2018 2017

Pré-visualização

series_id	ano	período	valor	footnote_codes	lfst_code	periodicity_code	series_title	ages_code	race_code	sexs_code	Sazonal
LNS11000031Q	1972	Q01	4300	nan	10	Q	(Mares) Nível da Força de Trabalho Civil - 20 anos. & mais, Homens negros ou afro-americanos	17	3	1	S
LNS11000031Q	1972	Q02	4370	nan	10	Q	(Mares) Nível da Força de Trabalho Civil - 20 anos. & mais, Homens negros ou afro-americanos	17	3	1	S
LNS11000031Q	1972	Q03	4397	nan	10	Q	(Mares) Nível da Força de Trabalho Civil - 20 anos. & mais, Homens negros ou afro-americanos	17	3	1	S
LNS11000031Q	1972	Q04	4381	nan	10	Q	(Mares) Nível da Força de Trabalho Civil - 20 anos. & mais, Homens negros ou afro-americanos	17	3	1	S
LNS11000031Q	1973	Q01	4408	nan	10	Q	(Mares) Nível da Força de Trabalho Civil - 20 anos. & mais, Homens negros ou afro-americanos	17	3	1	S
LNS11000031Q	1973	Q02	4445	nan	10	Q	(Mares) Nível da Força de Trabalho Civil - 20 anos. & mais, Homens negros ou afro-americanos	17	3	1	S
LNS11000031Q	1973	Q03	4477	nan	10	Q	(Mares) Nível da Força de Trabalho Civil - 20 anos. & mais, Homens negros ou afro-americanos	17	3	1	S
LNS11000031Q	1973	Q04	4523	nan	10	Q	(Mares) Nível da Força de Trabalho Civil - 20 anos. & mais, Homens negros ou afro-americanos	17	3	1	S
LNS11000031Q	1974	Q01	4574	nan	10	Q	(Mares) Nível da Força de Trabalho Civil - 20 anos. & mais, Homens negros ou afro-americanos	17	3	1	S
LNS11000031Q	1974	Q02	4538	nan	10	Q	(Mares) Nível da Força de Trabalho Civil - 20 anos. & mais, Homens negros ou afro-americanos	17	3	1	S

Acesso a dados

Azure Notebooks

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

labor = UsLaborLFS()
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 = "lfs/"

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 UsLaborLFS

labor = UsLaborLFS()
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 = "lfs/"
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 = "lfs/"
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'))

Base de Dados SQL do Azure

O Base de Dados SQL do Azure pode consultar este conjunto de dados diretamente utilizando virtualização de dados. Use OPENROWSET para ler os ficheiros Parquet através de HTTPS.

Consulta no local

SELECT TOP 100 *
FROM OPENROWSET(
    BULK 'abs://laborstatisticscontainer@azureopendatastorage.blob.core.windows.net/lfs/*.parquet',
    FORMAT = 'PARQUET'
) AS [src];

Guardar numa tabela (opcional)

SELECT *
INTO dbo.UsLaborForceStatistics_Local
FROM OPENROWSET(
    BULK 'abs://laborstatisticscontainer@azureopendatastorage.blob.core.windows.net/lfs/*.parquet',
    FORMAT = 'PARQUET'
) AS [src];

Próximos passos

Veja os restantes conjuntos de dados no catálogo Open Datasets.

Comentários

Esta página foi útil?

Last updated on 2026-07-08