electricsheepeurope/europe-ilo-ees-tees-sex-age-nb-employees-by-sex-and-age-thousands

该数据集是一个表格数据集，包含96,401个观测值，覆盖41个欧洲国家，时间跨度为1983年至2025年。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，专注于一个指标：按性别和年龄划分的员工数量（以千计）。数据集通过API获取并经过处理，适用于表格分类、回归和时间序列预测任务。它提供了详细的模式，包括国家代码、来源、指标、性别分类、年龄分类、观测年份和数值等列，并包含数据质量说明，如年度频率、最佳来源选择和分类列的非空条件。数据集旨在支持机器学习研究，可用于分析欧洲劳动力市场趋势。许可证：CC BY 4.0 语言： - 英语 任务类别： - 表格分类（tabular-classification） - 表格回归（tabular-regression） - 时间序列预测（time-series-forecasting） 多语言属性：单语言 样本量范围：10K<n<100K 标签： - 表格数据 - 欧洲 - ILOSTAT - 雇员 - 国际劳工组织（International Labour Organization, ILO） - 劳工 - 就业 数据集别名："分性别与年龄的雇员人数（千人）| 欧洲（ILOSTAT）" # 分性别与年龄的雇员人数（千人）| 欧洲（ILOSTAT） 🇪🇺 **96,401 条观测值** · **41个欧洲国家** · **1983–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理*      ## 内容摘要 本数据集包含覆盖41个欧洲国家、时间跨度为1983至2025年的雇员数据，共计**96,401条观测值**，仅包含1项明确指标。 ## 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）的核心统计数据库，也是全球领先的劳工统计权威来源。其收录涵盖就业、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、机构调查与行政记录。该数据库覆盖全球200余个经济体，由国际劳工组织统计司负责数据的标准化整合。 - **数据源：** [ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_AGE_NB) - **发布方：** 国际劳工组织（International Labour Organization, ILO） - **许可证：** [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题：** 雇员 ## 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=EES_TEES_SEX_AGE_NB`拉取数据，并筛选出欧洲地区的ISO3国家代码对应的样本。ILOSTAT采用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整合；数据来源信息将在`source.label`字段中标记，以确保可追溯性。 ## 地理覆盖范围 41个欧洲国家 · 以下展示前若干行数据，按观测条数排序： | 国家 | 观测条数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `GBR` | 3,612 | 1983 | 2025 | | `DNK` | 3,528 | 1983 | 2024 | | `FRA` | 3,528 | 1983 | 2024 | | `IRL` | 3,528 | 1983 | 2024 | | `ITA` | 3,528 | 1983 | 2024 | | `DEU` | 3,528 | 1983 | 2024 | | `BEL` | 3,519 | 1983 | 2024 | | `LUX` | 3,474 | 1983 | 2024 | | `ESP` | 3,360 | 1986 | 2025 | | `NLD` | 3,360 | 1983 | 2024 | | `PRT` | 3,360 | 1986 | 2025 | | `GRC` | 3,276 | 1987 | 2025 | | `CHE` | 2,940 | 1991 | 2025 | | `CZE` | 2,688 | 1993 | 2024 | | `AUT` | 2,604 | 1995 | 2025 | | ... | _其余26个国家_ | | | ## 指标（示例） - `EES_TEES_SEX_AGE_NB` — 分性别与年龄的雇员人数（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 - Labour Force Survey` | | `indicator` | `string` | ILOSTAT指标代码 | `EES_TEES_SEX_AGE_NB` | | `indicator.label` | `string` | 英文指标名称 | `Employees by sex and age (thousands)` | | `sex` | `string` | 性别分组维度（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | 无 | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | 无 | `Age (Youth, adults): 15+` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `537.005` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | 无 | `Unreliable` | | `note_classif` | `string` | 无 | `C6:1688` | | `note_classif.label` | `string` | 无 | `Nonstandard age group: Excluding ages…` | | `note_indicator` | `string` | 无 | `I11:264` | | `note_indicator.label` | `string` | 无 | `Break in series: Methodology revised` | | `note_source` | `string` | 无 | `R1:3513` | | `note_source.label` | `string` | 无 | `Repository: ILO-STATISTICS - Micro da…` | ## 细分维度 以下字段提供数据细分维度： - **`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，但本数据集未包含此类数据。 - 当同一国家×年份的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填充非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-ees-tees-sex-age-nb-employees-by-sex-and-age-thousands") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python germany = df[df["ref_area"] == "DEU"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "EES_TEES_SEX_AGE_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EES_TEES_SEX_AGE_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EES_TEES_SEX_AGE_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_ees_tees_sex_age_nb_employees_by_sex_and_age_thousands_2025, title = {Employees by sex and age (thousands) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_AGE_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-ees-tees-sex-age-nb-employees-by-sex-and-age-thousands}} } ## 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（International Labour Organization, 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：该项目旨在打造一个统一的、适配机器学习的欧洲地区数据层，托管于HuggingFace平台。我们从权威开源数据源拉取数据，对数据结构进行标准化处理，以Parquet格式封装，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()`函数在数秒内启动数据使用。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026年5月26日通过Electric Sheep流水线摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_AGE_NB_