electricsheepeurope/europe-ilo-emp-temp-sex-age-geo-nb-employment-by-sex-age-and-rural-urban-areas-thousa

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的就业数据，专门针对欧洲地区。它涵盖了41个欧洲国家从1987年到2025年的136,454个观测值，核心指标为按性别、年龄和城乡区域划分的就业人数（千）。数据通过ILOSTAT REST API获取，并过滤至欧洲国家代码，使用国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集提供了详细的分类维度，包括性别（总计、男性、女性）、年龄组和城乡区域类型，并包含数据来源、观测状态和注释等信息列。数据为年度频率，采用ILO选择的最佳来源，适用于表格分类、回归和时间序列预测等任务。数据集以CC-BY-4.0许可证发布，由Electric Sheep Europe重新打包，旨在为机器学习研究提供统一、标准化的欧洲数据层。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 样本规模： - 100K < n < 1M（10万至100万条样本） 标签： - 表格数据 - 欧洲 - 国际劳工组织统计数据库（ILOSTAT） - 就业 - 国际劳工组织（ILO） - 劳动力 友好名称："按性别、年龄及城乡区域划分的就业人数（千人）| 欧洲（ILOSTAT）" # 按性别、年龄及城乡区域划分的就业人数（千人）| 欧洲（ILOSTAT） 🇪🇺 **136,454条观测** · **41个欧洲国家** · **1987–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新封装*      ## 核心摘要 本数据集包含覆盖41个欧洲国家、时间跨度为1987至2025年的**136,454条就业数据观测**，仅包含1项独立指标。 ## 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）的核心统计数据库，也是全球领先的劳动力统计权威来源。其收录涵盖就业、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体面工作目标等多项指标，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协调。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_AGE_GEO_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**：就业 ## 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=EMP_TEMP_SEX_AGE_GEO_NB`拉取原始数据，并筛选出欧洲地区的ISO3国家编码对应的样本。ILOSTAT采用国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行标准化协调，数据来源信息会在`source.label`字段中标记以保证可追溯性。 ## 地理覆盖范围 覆盖41个欧洲国家，以下为按观测行数排序的前若干国家示例： | 国家 | 观测行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `GRC` | 5,616 | 1987 | 2025 | | `ITA` | 4,896 | 1992 | 2025 | | `FRA` | 4,896 | 1992 | 2025 | | `ESP` | 4,896 | 1992 | 2025 | | `PRT` | 4,896 | 1992 | 2025 | | `DEU` | 4,896 | 1992 | 2025 | | `DNK` | 4,890 | 1992 | 2025 | | `BEL` | 4,888 | 1992 | 2025 | | `NLD` | 4,850 | 1992 | 2025 | | `IRL` | 4,752 | 1993 | 2025 | | `FIN` | 4,556 | 1995 | 2025 | | `AUT` | 4,464 | 1995 | 2025 | | `SWE` | 4,456 | 1995 | 2025 | | `GBR` | 4,398 | 1992 | 2019 | | `LUX` | 4,098 | 1997 | 2025 | | ... | _其余26个国家_ | | | ## 指标（示例） - `EMP_TEMP_SEX_AGE_GEO_NB` — 按性别、年龄及城乡区域划分的就业人数（千人） ## 数据架构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家编码 | `ALB` | | `ref_area.label` | `string` | 英文国家名称 | `Albania` | | `source` | `string` | ILOSTAT 数据源编码（如劳动力调查） | `BB:7401` | | `source.label` | `string` | 英文数据源名称 | `HIES - 生活水平调查` | | `indicator` | `string` | ILOSTAT 指标编码 | `EMP_TEMP_SEX_AGE_GEO_NB` | | `indicator.label` | `string` | 英文指标名称 | `按性别、年龄及城乡区域划分的就业人数（千人）` | | `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` | 维度说明 | `总计` | | `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` | 分类变量说明 | `年龄（青年、成人）：15岁及以上` | | `classif2` | `string` | 第二分类变量（如适用） | `GEO_COV_NAT` | | `classif2.label` | `string` | 分类变量说明 | `区域类型：全国范围` | | `time` | `int64` | 观测年份 | `2012` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `735.33` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | 状态说明 | `不可靠` | | `note_classif` | `string` | 分类注释编码 | `C12:2951` | | `note_classif.label` | `string` | 分类注释说明 | `城乡区域覆盖定义` | | `note_indicator` | `string` | 指标注释编码 | `I11:264` | | `note_indicator.label` | `string` | 指标注释说明 | `序列断点：方法学修订` | | `note_source` | `string` | 数据源注释编码 | `R1:3513` | | `note_source.label` | `string` | 数据源注释说明 | `存储库：国际劳工组织统计数据库-微观数据` | ## 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 - 本数据集仅包含年度频率数据，部分指标另有月度或季度序列，未纳入本数据集。 - 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”。 - 细分维度字段（`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-emp-temp-sex-age-geo-nb-employment-by-sex-age-and-rural-urban-areas-thousa") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "EMP_TEMP_SEX_AGE_GEO_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_TEMP_SEX_AGE_GEO_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_TEMP_SEX_AGE_GEO_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_emp_temp_sex_age_geo_nb_employment_by_sex_age_and_rural_urban_areas_thousa_2025, title = {按性别、年龄及城乡区域划分的就业人数（千人）| 欧洲（ILOSTAT）}, author = {国际劳工组织（ILO）}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_AGE_GEO_NB}, publisher = {HuggingFace数据集平台，由Electric Sheep Europe重新封装}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-emp-temp-sex-age-geo-nb-employment-by-sex-age-and-rural-urban-areas-thousa}} } ## 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及Electric Sheep Europe的重新封装版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep项目的组成部分，该项目旨在为HuggingFace平台上的欧洲数据构建统一、适配机器学习的标准化数据层。我们从权威开源数据源拉取数据，对数据架构进行标准化处理，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分析工作。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026-05-25通过Electric Sheep流水线摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_AGE_GEO_NB_