US County Economics — Artifact Bundle
收藏资源简介：
一个自包含的数据集包，涵盖约3,200个美国县，包含GDP、收入、税收、人口、迁移、行业部门构成和家庭标准化指标，所有数据已预先连接并标记到单个.duckdb文件中。数据源来自美国政府的公共领域数据，包括BEA、IRS和Census，构建为奖章架构（原始→策划→语义），最终生成多个语义表，如county_all_flags、county_hh等，用于LLM查询和分析。
A self-contained dataset package covering approximately 3,200 U.S. counties, which includes GDP, income, tax revenue, population, migration, industrial sector composition, and household standardized metrics. All data has been pre-joined and labeled into a single .duckdb file. The data sources are public-domain datasets from U.S. federal government agencies including BEA, IRS, and Census. Built on the Medallion Architecture (raw → curated → semantic), the package ultimately generates multiple semantic tables such as county_all_flags, county_hh, etc., for LLM-based querying and analysis.
数据集概要
US County Economics — Artifact Bundle 是一个面向约3,200个美国县的综合性经济数据集，整合了GDP、收入、税收、人口、迁移、行业构成及家庭标准化指标，预连接并标注后打包为单一 .duckdb 文件。
数据来源与覆盖范围
- BEA CAGDP2: 县级GDP与行业数据，2001–2024年，覆盖3,126个县。
- BEA CAINC1: 个人收入、人口、人均收入，1969–2024年，覆盖3,148个县。
- IRS Statistics of Income: 调整后总收入与工资数据，2015–2022年，覆盖3,203个县。
- Census Population Estimates Program: 人口与迁移数据，2020–2024年，覆盖3,143个县。
数据架构
采用 medallion架构（raw → curated → semantic），主要语义表格包括：
- semantic.county_all_flags: 96列宽表，每县每年一行，包含所有指标及55+布尔标志。
- semantic.county_hh: 家庭标准化指标（如收入、工资、每报税单位GDP），便于城乡比较。
- semantic.county_industry_flags: 行业份额及主导标志，基于BEA NAICS代码。
- semantic.county_migration: 国内及国际迁移流量。
标志体系
布尔标志预先回答常见问题，分为三类：
- NULL: 数据不可用（区分未知与否定）。
- 相对标志: 基于排名（如年度内前四分位）。
- 绝对标志: 基于结构阈值（如工资份额、迁移方向）。
示例标志：
is_boomtown（繁荣城镇）、is_left_behind（落后地区）、is_energy_dominant（能源主导）、is_commuter_county（通勤县）、is_domestic_migration_magnet（国内迁移磁石）、is_investment_hh_county（投资家庭县）。
使用方式
- LLM查询: 向LLM提供
.duckdb文件及BUNDLE.json清单（含提示字段）。 - 示例代码（Python）： python import duckdb con = duckdb.connect("turbolapper.duckdb", read_only=True) con.execute(""" SELECT county_name, state_fips, ROUND(yoy_gdp_growth_pct, 1) AS gdp_growth, ROUND(yoy_pop_growth_pct, 2) AS pop_growth, dominant_sector FROM semantic.county_all_flags WHERE year = 2022 AND is_boomtown IS TRUE ORDER BY yoy_gdp_growth_pct DESC LIMIT 10 """).df()
文档与扩展
- BUNDLE.json: 机器可读清单，含来源、表格、年份范围、LLM提示。
- docs/SCHEMA_REFERENCE.md: 所有表格与列描述。
- docs/GEO_CATALOG.md: 地理参考（FIPS代码、州表、CPI都市区）。
- docs/TEST_QUESTIONS.md: 55个规范问题及参考SQL。
- docs/KNOWN_UNKNOWNS.md: 已知缺失标志与数据源优先级（如Census SAIPE贫困率、USDA城乡连续代码、BLS失业率、BEA区域价格平价）。
构建与许可
- 构建: 使用 turbolapper引擎（
uv run turbolapper ingest，约2-3 GB下载）。 - 许可证: 构建代码为MIT；数据为公共领域（美国政府数据：BEA、IRS、Census Bureau）。
