electricsheepeurope/europe-ilo-how-temp-sex-ocu-nb-mean-weekly-hours-actually-worked-per-employed-per

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的按性别和职业划分的就业人员实际平均每周工作时长指标数据，覆盖39个欧洲国家，时间跨度为1991年至2025年，共有51,541个观测值。数据通过ILOSTAT REST API获取，并过滤为欧洲国家代码，涵盖了就业人员实际平均每周工作小时的统计信息，按性别（总计、男性、女性）和职业分类进行细分。数据集适用于表格分类、回归和时间序列预测任务，旨在为研究欧洲劳动力市场提供标准化、机器学习就绪的数据层。--- license: cc-by-4.0 language: - en task_categories: - tabular-classification - tabular-regression - time-series-forecasting multilinguality: monolingual size_categories: - 10K<n<100K tags: - tabular - europe - ilostat - hours-of-work - ilo - labour - employment pretty_name: "按性别与职业划分的就业者周均实际工作时长 | 欧洲（ILOSTAT）" --- # 按性别与职业划分的就业者周均实际工作时长 | 欧洲（ILOSTAT） 🇪🇺 **51,541条观测值** · **39个欧洲国家** · **1991–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## TL;DR（快速摘要） 本数据集包含覆盖39个欧洲国家、时间跨度为1991至2025年的**51,541条工作时长数据观测值**，涵盖**1项核心指标**。 ## 数据源说明 **ILOSTAT（国际劳工组织统计数据库）**是国际劳工组织（International Labour Organization, ILO）的中央统计数据库，也是全球领先的劳动统计权威来源。其整合了就业、失业、工资、工作时长、童工、非正规经济、社会保障、职业伤害以及可持续发展目标体面工作目标等领域的指标，数据来源于全国劳动力调查、家庭收入调查、机构调查及行政记录，覆盖200余个经济体，由国际劳工组织统计司负责数据的标准化协调。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_TEMP_SEX_OCU_NB) - **发布方**：国际劳工组织（ILO） - **授权协议**：[CC BY 4.0（知识共享署名4.0）](https://creativecommons.org/licenses/by/4.0/) - **主题**：工作时长 ## 数据处理方法 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=HOW_TEMP_SEX_OCU_NB`拉取，并筛选出欧洲地区的ISO3国家代码。ILOSTAT依据**国际劳工统计学家会议（International Conference of Labour Statisticians, ICLS）**的定义对原始调查微观数据进行标准化协调，数据来源会在`source.label`列中标记以保证可追溯性。 ## 地理覆盖范围 39个欧洲国家，按记录行数排序的前若干行如下： | 国家（ISO3代码） | 记录行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `CHE` | 1,745 | 1991 | 2025 | | `NLD` | 1,715 | 1992 | 2025 | | `DEU` | 1,710 | 1992 | 2025 | | `GBR` | 1,710 | 1992 | 2025 | | `FRA` | 1,701 | 1992 | 2025 | | `DNK` | 1,685 | 1992 | 2025 | | `IRL` | 1,678 | 1992 | 2025 | | `GRC` | 1,635 | 1992 | 2025 | | `PRT` | 1,624 | 1992 | 2025 | | `LUX` | 1,608 | 1992 | 2025 | | `BEL` | 1,606 | 1993 | 2025 | | `ESP` | 1,603 | 1992 | 2025 | | `ITA` | 1,602 | 1992 | 2025 | | `SVN` | 1,474 | 1996 | 2025 | | `NOR` | 1,460 | 1996 | 2025 | | ... | 其余24个国家 | | | ## 指标示例 - `HOW_TEMP_SEX_OCU_NB` — 按性别与职业划分的就业者周均实际工作时长 ## 数据结构 | 列名 | 数据类型 | 描述 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `ALB` | | `ref_area.label` | `string` | 英语国家名称 | `Albania`（阿尔巴尼亚） | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `BA:480` | | `source.label` | `string` | 英语来源名称 | `LFS - Labour Force Survey`（劳动力调查） | | `indicator` | `string` | ILOSTAT 指标代码 | `HOW_TEMP_SEX_OCU_NB` | | `indicator.label` | `string` | 英语指标名称 | `Mean weekly hours actually worked per…` | | `sex` | `string` | 按性别分组（SEX_T = 总计，SEX_M = 男性，SEX_F = 女性） | `SEX_T` | | `sex.label` | `string` | 分组说明 | `Total`（总计） | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `OCU_SKILL_TOTAL` | | `classif1.label` | `string` | 分类变量说明 | `Occupation (Skill level): Total`（职业（技能水平）：总计） | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `41.33` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | 状态说明 | `Unreliable`（不可靠） | | `note_classif` | `string` | 分类备注 | `—` | | `note_classif.label` | `string` | 分类备注说明 | `—` | | `note_indicator` | `string` | 指标备注 | `T11:142` | | `note_indicator.label` | `string` | 指标备注说明 | `Job coverage: Main job currently held`（工作覆盖范围：当前从事的主要工作） | | `note_source` | `string` | 来源备注 | `R1:3513` | | `note_source.label` | `string` | 来源备注说明 | `Repository: ILO-STATISTICS - Micro da…`（存储库：国际劳工组织统计司 - 微观数据……） | ## 分组维度 以下列提供数据细分维度： - **`sex`**（共3个唯一值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 数据为年度频率。部分指标同时发布月度或季度序列，本数据集未包含此类数据。 - 当同一国家×年份的同一指标存在多个来源时，将采用国际劳工组织选定的“最优来源”数据。 - 分组列（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-how-temp-sex-ocu-nb-mean-weekly-hours-actually-worked-per-employed-per") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python germany = df[df["ref_area"] == "DEU"] ### 生成单个指标的时间序列图表 python sample = (df[df["indicator"] == "HOW_TEMP_SEX_OCU_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="HOW_TEMP_SEX_OCU_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "HOW_TEMP_SEX_OCU_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_how_temp_sex_ocu_nb_mean_weekly_hours_actually_worked_per_employed_per_2025, title = {Mean weekly hours actually worked per employed person by sex and occupation | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_TEMP_SEX_OCU_NB}, publisher = {HuggingFace Datasets, 由Electric Sheep Europe重新整理发布}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-how-temp-sex-ocu-nb-mean-weekly-hours-actually-worked-per-employed-per}} } ## 授权协议 本数据集采用[CC BY 4.0（知识共享署名4.0）](https://creativecommons.org/licenses/by/4.0/)协议发布。原始数据版权归国际劳工组织（ILO）所有。使用本数据集时，请同时引用上述原始来源与Electric Sheep Europe的重新整理版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep使命的一部分：旨在HuggingFace平台上构建统一的、适配机器学习的欧洲数据层。我们从权威开源数据源拉取数据，规范其数据结构，以Parquet格式打包，并发布格式统一的数据集卡片，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动研究工作。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026年5月27日通过Electric Sheep数据管道摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_TEMP_SEX_OCU_NB_

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中央统计数据库，通过其REST API直接获取原始指标数据，并依据ILO统计学家国际会议（ICLS）定义对各国劳动调查微观数据进行协调处理。在构建过程中，数据被限定为欧洲39个国家的观测值，并保留了`source.label`列以追溯数据来源，确保数据生产的透明性与可核查性。最终数据集以51,541条观测记录呈现，覆盖1991年至2025年间欧洲各国按性别和职业划分的周均实际工作时间信息。

使用方法

使用该数据集极为便捷，用户可通过Hugging Face的`datasets`库直接加载，例如执行`load_dataset("electricsheepeurope/europe-ilo-how-temp-sex-ocu-nb-mean-weekly-hours-actually-worked-per-employed-per")`即可获取包含完整架构的数据表。加载后，可利用`pandas`对数据进行灵活操作，如按国别字段筛选特定国家，按时间字段排序进行单变量时间序列分析，或使用透视表功能构建国家×年份的观测值矩阵，便于开展跨国的趋势对比与统计建模。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计司基于其核心劳动统计数据库ILOSTAT构建，并由Electric Sheep Europe于2025年重新打包发布，聚焦于1991年至2025年间39个欧洲国家按性别与职业划分的就业者周均实际工时。作为全球劳动统计的权威来源，ILOSTAT整合了来自各国劳动力调查、家计调查及行政记录的数据，并依据国际劳工统计学家会议（ICLS）定义进行标准化处理。该数据集旨在揭示欧洲劳动力市场中工时的时空分布规律与结构性差异，为劳动经济学、社会政策研究及可持续发展目标（SDG）中的体面工作指标提供基础数据支撑。其精细的分组维度——涵盖性别与职业技能等级——使研究者能够深入剖析不同劳动群体的工作强度与模式变迁，对理解欧洲劳动力市场的动态演化具有重要学术价值。

当前挑战

该数据集所解决的领域核心挑战在于：欧洲各国工时统计在调查方法、职业分类体系与数据质量上存在显著异质性，传统的国别数据库难以支持跨国长期比较与机器学习建模。ILOSTAT通过统一的数据协调框架调和了这些差异，但数据仍面临多重局限：一是数据频率以年度为主，难以捕捉季节性劳动波动与政策突变带来的短期效应；二是观测值中部分来源被标记为“不可靠”（obs_status=U），需谨慎处理其对模型泛化能力的影响；三是按性别与职业交叉分组时，部分国家的小众分组存在稀疏性，可能引发统计推断偏差。构建过程中，API抓取、多源数据清洗与缺失值处理构成主要挑战，尤其是需在保留原始标注信息（如数据来源与质量标记）的同时维持跨国家时间序列的连贯性，这对自动化管线的鲁棒性提出了严苛要求。

常用场景

经典使用场景

该数据集聚焦于欧洲39个国家1991至2025年间就业人员按性别和职业划分的周均实际工时统计，是劳动经济学与时间利用研究中不可或缺的基准资源。其经典应用场景在于构建面板数据模型，用以剖析工时在不同性别与职业群体间的分布格局与长期演化趋势。研究者可借助该数据集的时序观测，探讨性别工资差距与劳动供给弹性之间的关联，或评估技术进步与全球化对欧洲各国劳动强度的异质性冲击。亦常被用于验证经济增长理论中劳动生产率与平均工时之间的非线性关系。

解决学术问题

在学术研究中，该数据集有效回应了劳动力市场结构性变化的量化难题，尤其是性别与职业维度的交叉分析。它使得研究者能够突破单一总量的局限，细致刻画北欧与南欧、东欧与西欧之间在工时制度与工作福利上的深刻差异。借助此数据，可系统检验劳动法改革（如缩短法定工时）对实际劳动供给的因果效应，也可评估女性劳动参与率上升对家庭与宏观经济的双重影响。它为劳动经济学、人口经济学及社会政策研究提供了可复现、可比较的实证基础，从而推动了对欧洲工作伦理变迁与福利国家可持续性的更深入理解。

实际应用

在实际应用层面，该数据集服务于国际组织、政府统计部门及企业人力资源策略的制定。欧洲各国劳工部与统计局可依据这些精细化的工时数据，监测劳动市场的健康状况，评估不同职业群体面临的工作强度风险，并设计针对性的性别平等政策。企业薪酬福利团队可利用职业与性别交叉的工时基准，优化薪酬结构，确保合规与竞争力。此外，非政府组织与工会以该数据为依托，倡导合理工作时间的立法改革，推动工作生活平衡理念在公共政策中的落地。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲各国分性别与职业的周均实际工作时长，为劳动经济学与时间利用研究提供了跨时三十余载、覆盖39国的精细面板数据。当前前沿方向集中于结合ILO统计标准与机器学习方法，探索后疫情时代灵活工作制对工时性别差异的长期影响，以及职业技能分层与工作时长弹性之间的非线性关联。借助ILOSTAT官方溯源与分性别、分职业的脱敏字段，研究者可有效识别隐性失业与过度劳动风险，支撑欧洲劳动市场监管政策的量化评估。数据集的完整性与可复现性使其成为构建欧洲工时预测模型、分析职业流动与福利均衡关系的关键基础资源。