electricsheepeurope/europe-ilo-une-tune-sex-cat-nb-unemployment-by-sex-and-categories-of-unemployed-p

--- 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 - unemployment - ilo - labour - employment pretty_name: "Unemployment by sex and categories of unemployed persons (thousands) | Europe (ILOSTAT)" --- # Unemployment by sex and categories of unemployed persons (thousands) | Europe (ILOSTAT) 🇪🇺 **13,246 observations** · **39 Europe countries** · **1971–2025** · *Repackaged by [Electric Sheep Europe](https://huggingface.co/electricsheepeurope)*      ## TL;DR This dataset contains **13,246 observations** of `Unemployment` data across **39 Europe countries**, spanning **1971–2025**, covering **1 distinct indicators**. ## About the source **ILOSTAT** is the ILO's central statistics database, the leading global source for labour statistics. It compiles indicators across employment, unemployment, wages, working time, child labour, informal economy, social protection, occupational injuries, and SDG decent work targets — drawing on national labour force surveys, household income surveys, establishment surveys, and administrative records. Coverage spans 200+ economies, with the ILO's Department of Statistics responsible for harmonisation. - **Source:** [ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_TUNE_SEX_CAT_NB) - **Publisher:** International Labour Organization (ILO) - **License:** [cc-by-4.0](https://creativecommons.org/licenses/by/4.0/) - **Topic:** Unemployment ## Methodology Data pulled directly from the ILOSTAT REST API at `https://rplumber.ilo.org/data/indicator?id=UNE_TUNE_SEX_CAT_NB` and filtered to Europe ISO3 country codes. ILOSTAT harmonises raw survey microdata using ICLS (International Conference of Labour Statisticians) definitions; sources are flagged in the `source.label` column for traceability. ## Geographic coverage 39 Europe countries · top rows shown below, sorted by row count: | Country | Rows | First year | Last year | |---------|-----:|-----------:|----------:| | `GRC` | 504 | 1981 | 2025 | | `GBR` | 503 | 1971 | 2025 | | `NOR` | 498 | 1976 | 2024 | | `DEU` | 479 | 1983 | 2024 | | `SWE` | 474 | 1976 | 2024 | | `PRT` | 472 | 1974 | 2025 | | `FRA` | 471 | 1979 | 2024 | | `ESP` | 456 | 1976 | 2025 | | `ITA` | 447 | 1977 | 2024 | | `BEL` | 441 | 1976 | 2024 | | `IRL` | 433 | 1983 | 2024 | | `NLD` | 426 | 1983 | 2024 | | `MLT` | 404 | 1979 | 2024 | | `DNK` | 386 | 1984 | 2024 | | `LUX` | 383 | 1983 | 2024 | | ... | _24 more countries_ | | | ## Indicators (sample) - `UNE_TUNE_SEX_CAT_NB` — Unemployment by sex and categories of unemployed persons (thousands) ## Schema | Column | Type | Description | Example | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 country code | `ALB` | | `ref_area.label` | `string` | Country name in English | `Albania` | | `source` | `string` | ILOSTAT source code (e.g. labour force survey) | `BA:480` | | `source.label` | `string` | Source name in English | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT indicator code | `UNE_TUNE_SEX_CAT_NB` | | `indicator.label` | `string` | Indicator name in English | `Unemployment by sex and categories of…` | | `sex` | `string` | Disaggregation by sex (SEX_T = total, SEX_M = male, SEX_F = female) | `SEX_T` | | `sex.label` | `string` | — | `Total` | | `classif1` | `string` | First classification variable (age, education, status, etc.) | `CAT_UNE_TOTAL` | | `classif1.label` | `string` | — | `Type of unemployment: Total` | | `time` | `int64` | Observation year | `2024` | | `obs_value` | `float64` | Observed indicator value (unit varies — see indicator definition) | `108.247` | | `obs_status` | `string` | Observation status flag (e.g. provisional, unreliable) | `B` | | `obs_status.label` | `string` | — | `Break in series` | | `note_classif` | `string` | — | `—` | | `note_classif.label` | `string` | — | `—` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `Break in series: Methodology revised` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## Disaggregation dimensions The following columns provide disaggregation dimensions: - **`sex`** (3 unique values): `SEX_T`, `SEX_M`, `SEX_F` ## Data quality & caveats - Data is annual frequency. Some indicators also publish monthly or quarterly series — those are not included here. - When an indicator has multiple sources for the same country×year, the ILO-selected 'best source' is used. - Disaggregation columns (`sex`, `classif1`, `classif2`) are non-null only when the indicator publishes that breakdown. ## Usage ```python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-une-tune-sex-cat-nb-unemployment-by-sex-and-categories-of-unemployed-p") df = ds["train"].to_pandas() print(df.head()) ``` ### Filter to one country ```python germany = df[df["ref_area"] == "DEU"] ``` ### Time-series for a single indicator ```python sample = (df[df["indicator"] == "UNE_TUNE_SEX_CAT_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="UNE_TUNE_SEX_CAT_NB") ``` ### Pivot to country × year matrix ```python matrix = (df[df["indicator"] == "UNE_TUNE_SEX_CAT_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ``` ## Citation ```bibtex @misc{europe_ilo_une_tune_sex_cat_nb_unemployment_by_sex_and_categories_of_unemployed_p_2025, title = {Unemployment by sex and categories of unemployed persons (thousands) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_TUNE_SEX_CAT_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {\url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-une-tune-sex-cat-nb-unemployment-by-sex-and-categories-of-unemployed-p}} } ``` ## License Released under [cc-by-4.0](https://creativecommons.org/licenses/by/4.0/). Original data © International Labour Organization (ILO). When using this dataset, please cite both the original source above and the Electric Sheep Europe repackaging. ## About Electric Sheep Electric Sheep Europe is part of the Electric Sheep mission: a unified, ML-ready data layer for Europe on HuggingFace. We pull data from authoritative open sources, normalize the schemas, package as Parquet, and publish with consistent dataset cards so researchers and developers can use `load_dataset()` to start working in seconds. Browse the full collection: [huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _Provenance: ingested 2026-05-27 via the Electric Sheep pipeline. Source URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_TUNE_SEX_CAT_NB_--- 许可证：CC BY 4.0 语言：英语 任务类别： - 表格分类 - 表格回归 - 时间序列预测 多语言属性：单语言 样本量区间：10000 < 样本量 < 100000 标签： - 表格 - 欧洲 - ILOSTAT - 失业 - 国际劳工组织（ILO） - 劳动力 - 就业 展示名称："分性别与失业者类别的失业人数（千人） | 欧洲（ILOSTAT）" --- # 分性别与失业者类别的失业人数（千人） | 欧洲（ILOSTAT） 🇪🇺 **13,246条观测** · **39个欧洲国家** · **1971–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理*      ## 速览 本数据集包含覆盖39个欧洲国家的**13,246条失业相关观测数据**，时间跨度为**1971–2025年**，仅包含**1个核心指标**。 ## 数据源说明 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（ILO）的中央统计数据库，也是全球领先的劳动力统计权威来源。其收录了就业、失业、薪资、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（SDG）体面工作目标等各类指标，数据来源于全国劳动力调查、家庭收入调查、机构调查以及行政记录。该数据库覆盖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=UNE_TUNE_SEX_CAT_NB) - **发布方**：国际劳工组织（ILO） - **许可证**：[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：失业 ## 数据处理方法 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=UNE_TUNE_SEX_CAT_NB`拉取数据，并筛选出欧洲地区的ISO 3166-1 alpha-3国家代码对应的样本。ILOSTAT采用国际劳工统计学家会议（ICLS）的定义对原始调查微观数据进行标准化协调；数据来源信息将在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 39个欧洲国家，以下按数据行数降序展示前15个国家： | 国家 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `GRC` | 504 | 1981 | 2025 | | `GBR` | 503 | 1971 | 2025 | | `NOR` | 498 | 1976 | 2024 | | `DEU` | 479 | 1983 | 2024 | | `SWE` | 474 | 1976 | 2024 | | `PRT` | 472 | 1974 | 2025 | | `FRA` | 471 | 1979 | 2024 | | `ESP` | 456 | 1976 | 2025 | | `ITA` | 447 | 1977 | 2024 | | `BEL` | 441 | 1976 | 2024 | | `IRL` | 433 | 1983 | 2024 | | `NLD` | 426 | 1983 | 2024 | | `MLT` | 404 | 1979 | 2024 | | `DNK` | 386 | 1984 | 2024 | | `LUX` | 383 | 1983 | 2024 | | ... | 另有24个国家 | | | ## 指标（示例） - `UNE_TUNE_SEX_CAT_NB` — 分性别与失业者类别的失业人数（千人） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `ALB` | | `ref_area.label` | `string` | 英文国家名称 | `Albania` | | `source` | `string` | ILOSTAT 数据源代码（如劳动力调查） | `BA:480` | | `source.label` | `string` | 英文数据源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `UNE_TUNE_SEX_CAT_NB` | | `indicator.label` | `string` | 英文指标名称 | `Unemployment by sex and categories of…` | | `sex` | `string` | 性别细分维度（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | — | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、失业类型等） | `CAT_UNE_TOTAL` | | `classif1.label` | `string` | — | `失业类型：总计` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位参见指标定义） | `108.247` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `B` | | `obs_status.label` | `string` | — | `序列中断` | | `note_classif` | `string` | — | `—` | | `note_classif.label` | `string` | — | `—` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法学修订` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `存储库：ILO统计数据库 - 微观数据…` | ## 细分维度 以下字段提供数据细分维度： - **`sex`**（共3种唯一取值）：`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数据源时，将采用国际劳工组织选定的“最优数据源”。 - 细分字段（`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-une-tune-sex-cat-nb-unemployment-by-sex-and-categories-of-unemployed-p") df = ds["train"].to_pandas() print(df.head()) ### 按单一国家筛选 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "UNE_TUNE_SEX_CAT_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="UNE_TUNE_SEX_CAT_NB") ### 透视为国家×年份矩阵 python matrix = (df[df["indicator"] == "UNE_TUNE_SEX_CAT_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_une_tune_sex_cat_nb_unemployment_by_sex_and_categories_of_unemployed_p_2025, title = {分性别与失业者类别的失业人数（千人） | 欧洲（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_TUNE_SEX_CAT_NB}, publisher = {HuggingFace数据集平台，由Electric Sheep Europe重新整理发布}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-une-tune-sex-cat-nb-unemployment-by-sex-and-categories-of-unemployed-p}} } ## 许可证 本数据集采用[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)许可证发布。 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数据源与Electric Sheep Europe的重新整理版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep项目的组成部分，旨在为HuggingFace平台上的欧洲数据提供统一的、适配机器学习的数据层。我们从权威开源数据源获取数据，标准化数据结构，打包为Parquet格式，并发布格式统一的数据集卡片，以便研究人员与开发者仅需通过`load_dataset()`即可在数秒内开始使用数据。 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流水线获取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_TUNE_SEX_CAT_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数据库，通过REST API直接提取指标为‘UNE_TUNE_SEX_CAT_NB’的原始数据。随后，利用ILO官方定义的欧洲ISO3国家代码进行地理过滤，将覆盖范围限定于39个欧洲国家。数据经过ILOSTAT基于国际劳工统计学家会议（ICLS）标准的统一化处理，并对原始调查微观数据进行了清洗与整合。最终，由Electric Sheep Europe团队重新打包，以Parquet格式存储并发布在HuggingFace平台，确保数据立即可用且具备良好的可追溯性。

特点

该数据集收录了1971年至2025年间39个欧洲国家的共计13,246条失业观测数据，时间跨度超过半个世纪。核心指标为‘按性别和失业者类别划分的失业人数（千人）’，并提供了‘性别’（总、男、女）这一细分维度，便于深入分析不同群体的失业特征。数据来自多元权威来源，包括劳动力调查、行政记录等，并在‘source.label’列中清晰标注来源，保障透明度。每年度的观测值均附有状态标记，如临时数据或系列中断，辅助用户评估数据质量。

使用方法

用户可通过HuggingFace的datasets库，使用一行命令`load_dataset("electricsheepeurope/europe-ilo-une-tune-sex-cat-nb-unemployment-by-sex-and-categories-of-unemployed-p")`快速加载数据，并转换为Pandas DataFrame进行后续分析。支持针对单一国家（如德国）的过滤操作，或对特定指标按时间序列进行可视化。此外，利用pivot_table功能可将数据重塑为国家×年份的矩阵，便于进行比较性面板数据研究。数据集以标准表格格式呈现，字段设计清晰，适用于分类、回归及时序预测等机器学习任务。

背景与挑战

背景概述

在劳动经济学与社会政策研究领域，失业率及其结构性特征一直是衡量经济体健康程度与劳动力市场效率的核心指标。由国际劳工组织（ILO）统计部门维护的ILOSTAT数据库，作为全球劳动力统计的权威来源，自1971年起系统性地收集了覆盖39个欧洲国家的失业数据。该数据集由Electric Sheep Europe于2025年重新打包并发布至HuggingFace平台，聚焦于“按性别与失业者类别划分的失业人数（千人）”这一关键指标，包含13,246条时间序列观测值。其核心研究问题在于为跨国、长周期的失业结构分析提供统一的标准化数据支撑，尤其关注性别差异与失业类型分类，从而服务于劳动政策评估、经济周期监测及可持续发展目标（SDG）的追踪研究。该数据集填补了欧洲区域失业数据在机器学习和时间序列预测领域的高质量供给缺口，推动了从传统计量经济学向数据驱动方法的范式迁移。

当前挑战

该数据集所解决的领域问题在于，传统失业数据常分散于各国统计机构，存在定义口径不一、分类标准各异、时间跨度不齐等挑战，导致跨国比较与模型泛化极为困难。ILOSTAT虽通过ICLS定义实现了初步标准化，但构建过程中仍面临多重困境：其一，数据来源覆盖劳动力调查、行政记录等异质载体，不同来源的抽样误差与统计方法差异需通过‘最佳来源’选择机制平衡，可能引入系统偏差；其二，时间序列中的标志性断裂（如方法论修订导致的‘Break in series’）与观测值状态标记（如‘provisional’、‘unreliable’）要求模型具备处理不完整与异质信号的能力；其三，性别与失业者类别等维度在部分国家或年份存在缺失，导致数据稀疏性加剧，为多变量分析与因果推断设下障碍。

常用场景

经典使用场景

在全球劳动经济学与公共政策研究领域，性别维度的失业结构剖析始终是理解劳动力市场韧性与失配问题的关键切口。该数据集汇聚了欧洲39个国家自1971年至2025年间按性别与失业者类别划分的逾1.3万条观测记录，为研究者提供了横跨半个多世纪、覆盖多元失业亚群的面板数据。经典的使用场景集中于构建时间序列模型与面板回归分析，用以追踪不同性别群体在总失业、长期失业及特定失业类型中的动态变迁，或借助差分模型评估经济周期对男女失业率的非对称冲击。

解决学术问题

该数据集的核心学术贡献在于破解了传统宏观失业数据粒度不足的困境，使得性别异质性与失业结构分化这两个长期被笼统指标遮蔽的议题得以被精细计量。经典研究问题包括：女性劳动参与率上升如何重塑失业群体的性别构成？经济危机期间男性与女性在失业持续期与失业类型上是否存在系统性差异？此外，该数据支持跨国的制度比较分析，揭示了劳动力市场规制、福利体制与性别失业鸿沟之间的深层关联，为欧洲劳动经济学实证研究提供了不可替代的数据基石。

衍生相关工作

基于该数据集已催生出一系列颇具影响力的衍生工作，涵盖多国面板数据分析、失业预测模型乃至深度学习驱动的时序建模。例如，研究者以该数据为基础构建了欧洲国家失业结构演化图谱，揭示出北欧与南欧在性别失业差异上的制度性分叉；另有工作将其作为基准测试集，评估不同统计学习算法在跨性别失业率预测任务中的表现，推动了可解释性预测模型在劳动统计中的落地。此外，该数据被整合进更广泛的欧洲劳动力市场数据库，支撑了多项关于技术变迁与就业极化关系的跨国实证研究。