Az Egyesült Államok lakossága megye szerint

Cikk
09/01/2024

Az amerikai lakosság megyénkénti eloszlása nem és faji hovatartozás alapján a 2000-es és a 2010-es tízévenkénti népszámlálás adatai szerint.

Ez az adatkészlet Egyesült Államok Census Bureau Decennial Census Dataset API-jaiból származik. Az adatkészlet használatával kapcsolatos feltételekért tekintse meg a használati feltételeket és a szabályzatokat és közleményeket.

Feljegyzés

A Microsoft az Azure Open Datasets szolgáltatást "adott módon" biztosítja. A Microsoft nem vállal kifejezett vagy vélelmezett garanciát vagy feltételeket az adathalmazok Ön általi használatára vonatkozóan. A microsoft a helyi jogszabályok által megengedett mértékben kizár minden felelősséget az adathalmazok használatából eredő károkért vagy veszteségekért, beleértve a közvetlen, következményi, különleges, közvetett, incidenses vagy büntető jellegű károkat is.

Az adatkészletet a Microsoft forrásadataihoz tartozó eredeti feltételek szerint szolgáltatjuk. A készlet tartalmazhat Microsofttól származó adatokat.

Kötet és megőrzés

Az adatkészlet Parketta formátumban van tárolva, és 2000-es, valamint 2010-es adatokat tartalmaz.

Tárolási hely

Az adatkészlet tárolási helye a Kelet-USA Azure-régió. Az affinitás érdekében Kelet-USA régión belüli számítási erőforrások lefoglalását javasoljuk.

Az Egyesült Államok lakossága irányítószám szerint

Oszlopok

Név	Adattípus	Egyedi	Values (sample)	Leírás
countyName	húr	1,960	Washington megye Jefferson megye	Megye neve.
decennialTime	húr	2	2010 2000	A decenniális összeírás időpontja például 2010, 2000.
maxAge	egész	23	9 66	A kortartomány maximuma. Ha null, akkor minden életkorban érvényes, vagy a kortartománynak nincs felső határa, például 85 éves > .
minAge	egész	23	35 67	A kortartomány minimuma. Ha az érték null, akkor minden életkorra vonatkozik.
népesség	egész	47,229	1 2	A szegmens lakossága.
verseny	húr	8	CSAK ÁZSIAI KÉT VAGY TÖBB VERSENY	Faji hovatartozás kategória a népszámlálási adatok között. Ha az érték null, akkor minden fajra vonatkozik.
szex	húr	3	Férfi nő	Férfi vagy nő. Ha az érték null, akkor mindkét nemre vonatkozik.
stateName	húr	52	Texas Georgia	Az amerikai állam neve.
év	egész	2	2010 2000	A tízévenkénti idő éve (egész szám).

Előnézet

decennialTime	stateName	countyName	népesség	verseny	szex	minAge	maxAge	év
2010	Texas	Crockett megye	123	CSAK FEHÉR	Férfi	5	9	2010
2010	Texas	Crockett megye	0	CSAK ÁZSIAI	Nő	67	69	2010
2010	Texas	Crockett megye	111	CSAK FEHÉR	Nő	55	59	2010
2010	Texas	Crockett megye	64	KÉT VAGY TÖBB VERSENY	null			2010
2010	Texas	Crockett megye	18	null	Férfi	85		2010
2010	Texas	Crockett megye	16	AMERIKAI INDIÁN ÉS ALASZKA EGYEDÜL NATÍV	Nő			2010
2010	Texas	Crockett megye	7	CSAK FEHÉR	Férfi	21	21	2010
2010	Texas	Crockett megye	45	null	Nő	85		2010
2010	Texas	Crockett megye	0	HAWAII ÉS MÁS CSENDES-ÓCEÁNI SZIGETEKEN EGYEDÜL	Nő	67	69	2010

Az adatok elérése

Azure Notebooks

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

population = UsPopulationCounty()
population_df = population.to_pandas_dataframe()

population_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 = "censusdatacontainer"
folder_name = "release/us_population_county/"

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 UsPopulationCounty

population = UsPopulationCounty()
population_df = population.to_spark_dataframe()

display(population_df.limit(5))

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "censusdatacontainer"
blob_relative_path = "release/us_population_county/"
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

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

population = UsPopulationCounty()
population_df = population.to_spark_dataframe()

# Display top 5 rows
display(population_df.limit(5))

# Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "censusdatacontainer"
blob_relative_path = "release/us_population_county/"
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'))

Következő lépések

Tekintse meg a többi adathalmazt az Open Datasets katalógusban.

Megosztás a következőn keresztül:

Az Egyesült Államok lakossága megye szerint

Kötet és megőrzés

Tárolási hely

Oszlopok

Előnézet

Az adatok elérése

Azure Notebooks

Azure Databricks

Azure Synapse

Következő lépések

Visszajelzés

További források

Megosztás a következőn keresztül:

Az Egyesült Államok lakossága megye szerint

Kötet és megőrzés

Tárolási hely

Kapcsolódó adatkészletek

Oszlopok

Előnézet

Az adatok elérése

Azure Notebooks

Azure Databricks

Azure Synapse

Következő lépések

Visszajelzés

További források