H1B原数据获得途径

每一年H1B的相关数据都会在DOL的网站上（https://www.dol.gov/agencies/eta/foreign-labor/performance）进行公布，包含了很多有用的原始信息。myvisajobs.com及类似的网站背后的数据来源就是这些公开的数据表格。网站上包含了2008-2022 (federal discal year，总结的抽签结果是2007-2021) 的数据，2008之前的数据可以在另一个网站上获得https://flcdatacenter.com/CaseH1B.aspx。

-baidu 1point3acres以2021年抽签为例，原始文件名字为 PERM_Disclosure_Data_FY2022 Q1.xlsx，数据域命名解释文件是PERM_Record_Layout_FY2022_Q1.pdf。xlsx可以通过python，R或者其它程序进行读取分析，这样可以发掘myvisajobs.com不提供的一些信息。比较有用的一些数据域如下：

• PREVAILING_WAGE
• WORKSITE_CITY/WORKSITE_STATE
• JOB_TITLE/SOC_TITLE
  

简单地处理这个表格可以知道很多有用信息，比如：

• 在某个区域内哪些公司sponsor h1b
• 估算大致工资
• 公司一年大致file了多少h1b
  

. 1point 3acres
表格本身也有很多问题，比如：

• 无法区分cap-exempt和cap h1b
• 公司名字大小写，符号不同会导致计算多次，需要进行简单的data cleaning
• 有很多输入错误的情况，可能最上心h1b的还是自己。。。
  

下图就是2021 H1B (certified)的分布(by county)。前十名是
1    Santa Clara County, CA, n = 9268
2           King County, WA, n = 7263
3       New York County, NY, n = 6123(地图面积太小)
4         Dallas County, TX, n = 4269
5           Cook County, IL, n = 3668
6  San Francisco County, CA, n = 3088
7         Collin County, TX, n = 3059
8         Travis County, TX, n = 2707
9    Los Angeles County, CA, n = 2492
10       Alameda County, CA, n = 2334

好棒！数据帖！dd