electricsheepeurope/europe-ilo-une-5eap-sex-age-rt-unemployment-rate-by-sex-and-age-19th-icls

该数据集包含欧洲35个国家2014年至2025年间的3,546个观测值，核心指标为UNE_5EAP_SEX_AGE_RT，即按性别和年龄划分的失业率（基于第19届国际劳工统计学家会议定义，百分比形式）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤至欧洲国家。数据集采用表格格式，包含国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、年龄分类、年份、观测值等字段，适用于表格分类、回归和时间序列预测等机器学习任务。数据由Electric Sheep Europe重新打包发布，遵循CC-BY-4.0许可。This dataset contains 3,546 observations of unemployment data across 35 Europe countries, spanning 2014 to 2025, with the core indicator UNE_5EAP_SEX_AGE_RT — Unemployment rate by sex and age based on the 19th International Conference of Labour Statisticians (ICLS) definition (%). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered to European countries. It is provided in tabular format with columns including country code, country name, data source, indicator code, sex disaggregation (total, male, female), age classification, year, observed value, and other metadata. Suitable for tabular classification, regression, and time-series forecasting tasks. Repackaged by Electric Sheep Europe and released under CC-BY-4.0 license.

搜集汇总

数据集介绍

构建方式

该数据集源自国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API直接提取特定指标（UNE_5EAP_SEX_AGE_RT）的原始数据，并依据国际劳动统计学家会议（ICLS）的定义进行标准化处理。数据采集后，依据欧洲ISO 3166-1 alpha-3国家代码进行地理筛选，仅保留欧洲35国的观测记录。每一条观测均携带详细的元数据标注，包括数据来源、性别和年龄分组、观测值及其状态标记，从而确保数据的可追溯性与国际可比性。最终，这些经过清洗与结构化的数据以Parquet格式封装，形成3546条观测的最终数据集。

特点

本数据集的核心特征在于其聚焦性、标准化与多维分类能力。它专门针对欧洲35国在2014至2025年间的失业率指标，提供了基于性别（SEX_T、SEX_M、SEX_F）和年龄分组（如15岁以上青年与成人）的精细分解。数据均遵循ILOSTAT的统一规范和19th ICLS定义，确保了跨国家、跨时间序列的高度可比性。此外，数据集通过对每个观测值附注数据来源（如劳动力调查）和状态标记（如序列中断），兼顾了质量透明度，对于从事国际劳动经济学比较、政策评估及时序预测的研究者而言，是一个高价值且值得信赖的数据资产。

使用方法

该数据集专为便捷的机器学习工作流设计，可通过Hugging Face的`datasets`库无缝加载。用户调用`load_dataset("electricsheepeurope/europe-ilo-une-5eap-sex-age-rt-unemployment-rate-by-sex-and-age-19th-icls")`即可将数据读入内存，并支持一键转换为Pandas DataFrame进行分析。代码示例中展示了按国家（如德国）筛选、按时间序列排序并作可视化绘图，以及通过数据透视表构建国家×年份矩阵等典型操作。这种设计使得研究者能够快速从数据探索、特征工程过渡到模型训练，显著降低了处理结构化时序数据的门槛。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年发布，经Electric Sheep Europe团队重新整理并托管于HuggingFace平台，聚焦欧洲35个国家2014至2025年间按性别与年龄划分的失业率（第19届国际劳工统计学家会议标准）。作为ILOSTAT全球劳动统计数据库的核心子集，该数据以统一方法论整合各国劳动力调查与行政记录，为跨国比较与时间序列分析提供了标准化基础。在劳动经济学与公共政策领域，该数据集有助于揭示欧洲区域劳动力市场的结构性变迁、性别差异与代际分化，对评估就业政策成效及预测宏观劳动力趋势具有关键支撑作用。

当前挑战

该数据集在构建与应用中面临多重挑战：首先，各国劳动力调查的采样框架、问卷设计与统计口径存在差异，ILO虽通过ICLS标准进行统一化处理，但断点标识（如方法论修订与序列断裂）仍需用户谨慎处理。其次，原始数据中部分分类维度如年龄组与性别的细粒度不一致，导致跨国家或跨年份的对比分析受限于可用分解层次。此外，数据仅涵盖年度频率与汇总指标，无法捕捉季节性波动与月度高频动态，制约了短期预警模型的构建。最后，多源融合过程依赖ILO人工筛选的“最佳来源”，其主观性与透明度可能影响模型复现性与因果推断的稳健性。

常用场景

经典使用场景

在对欧洲劳动力市场进行宏观与微观层面的经济分析时，该数据集常被用于构建横跨2014至2025年、涵盖35个欧洲国家的时间序列面板数据。研究者能够借助其精细的性别与年龄维度划分，深入剖析不同人口亚群在失业率上的动态演变轨迹，揭示出传统总体失业率指标所难以捕捉的结构性差异与周期性波动规律。

解决学术问题

该数据集有效解决了传统失业统计数据在跨国比较中面临的定义不统一与颗粒度粗糙等问题。通过采纳第19届国际劳动统计学家会议（19th ICLS）所确立的标准化失业定义，它消除了因不同国家统计口径差异而带来的可比性障碍。这一特性使得学者能够更严谨地检验关于欧洲各国劳动力市场制度差异、技能错配以及人口老龄化对就业影响的实证假设，为劳动经济学与公共政策研究提供了坚实的数据基石。

衍生相关工作

围绕这一高质量劳动统计数据，学术界与工业界已衍生出一系列经典工作。在方法层面，它常被用作基准数据，验证针对时间序列填补、异常检测及断点校正的先进统计模型；在应用研究领域，学者基于该数据集构建了欧洲范围的贝叶斯多层级回归模型，用以量化全球金融危机后各国非常规货币政策对青年与女性失业率的异质性传导效应。这些衍生工作不仅拓展了数据集本身的研究价值，也促进了跨学科分析框架的成熟与落地。