electricsheepasia/asia-ilo-emp-temp-sex-ocu-mts-nb-employment-by-sex-occupation-and-marital-status-th

该数据集包含1996年至2025年间34个亚洲国家的131,784个就业数据观测值，涵盖1个特定指标：按性别、职业和婚姻状况划分的就业人数（千）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过统一处理，并按国家、年份、性别（总计、男性、女性、其他）、职业分类（按技能水平）和婚姻状况（总计）等维度进行细分。数据集以表格形式提供，适用于表格分类、回归和时间序列预测等任务。许可证：CC BY 4.0（知识共享署名4.0国际许可协议） 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 样本量范围： - 10万<n<100万 标签： - 表格数据 - 亚洲 - ILOSTAT（国际劳工组织统计数据库） - 就业 - 国际劳工组织（ILO） - 劳动力 友好名称："按性别、职业和婚姻状况划分的就业人数（单位：千人）| 亚洲（ILOSTAT）" # 按性别、职业和婚姻状况划分的就业人数（单位：千人）| 亚洲（ILOSTAT） 🌏 **131,784 条观测值** · **34 个亚洲国家** · **1996–2025 年** · *由 [Electric Sheep Asia](https://huggingface.co/electricsheepasia) 重新打包*      ## 简要说明（TL;DR） 本数据集包含覆盖34个亚洲国家、时间跨度为1996至2025年的**131,784条就业相关观测值**，涵盖**1项核心指标**。 ## 关于数据源 **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，也是全球领先的劳动力统计权威来源。其收录的指标涵盖就业、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（SDG）体面工作目标等，数据来源于全国劳动力调查、家庭收入调查、企业调查及行政记录。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。 - **数据源地址**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_OCU_MTS_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 ## 方法论 本数据集直接从ILOSTAT的REST API接口 `https://rplumber.ilo.org/data/indicator?id=EMP_TEMP_SEX_OCU_MTS_NB` 拉取原始数据，并筛选出亚洲地区的ISO 3166-1 alpha-3国家代码对应的观测值。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；数据来源信息会在`source.label`字段中标记，以确保可追溯性。 ## 地理覆盖范围 34个亚洲国家 · 以下按行数量降序排列展示部分样本： | 国家代码 | 行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `KOR` | 9,774 | 2000 | 2025 | | `CYP` | 9,227 | 1999 | 2024 | | `TUR` | 8,153 | 2000 | 2024 | | `PHL` | 7,550 | 2007 | 2023 | | `IRN` | 6,964 | 2006 | 2024 | | `KHM` | 6,897 | 1996 | 2023 | | `MNG` | 6,632 | 2000 | 2024 | | `THA` | 6,469 | 2000 | 2024 | | `VNM` | 6,452 | 2010 | 2024 | | `PAK` | 5,845 | 2005 | 2025 | | `IDN` | 5,462 | 2007 | 2023 | | `LKA` | 5,439 | 2010 | 2024 | | `ISR` | 4,976 | 2012 | 2024 | | `GEO` | 4,198 | 2009 | 2020 | | `JPN` | 4,043 | 2000 | 2023 | | ... | _其余19个国家_ | | | ## 指标（样本） - `EMP_TEMP_SEX_OCU_MTS_NB` — 按性别、职业和婚姻状况划分的就业人数（单位：千人） ## 数据结构（Schema） | 字段名 | 数据类型 | 字段说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `"AFG"` | | `ref_area.label` | `string` | 英文国家名称 | `"Afghanistan"（阿富汗）` | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `"BA:15715"` | | `source.label` | `string` | 英文来源名称 | `"LFS - 劳动力调查"` | | `indicator` | `string` | ILOSTAT 指标代码 | `"EMP_TEMP_SEX_OCU_MTS_NB"` | | `indicator.label` | `string` | 英文指标名称 | `"Employment by sex, occupation and mar…"（按性别、职业和婚姻状况划分的就业人数）` | | `sex` | `string` | 性别分组（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `"SEX_T"` | | `sex.label` | `string` | 分组中文名称 | `"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` | 分类中文名称 | `"Occupation (Skill level): Total"（职业（技能水平）：总计）` | | `classif2` | `string` | 可选第二分类变量 | `"MTS_AGGREGATE_TOTAL"` | | `classif2.label` | `string` | 分类中文名称 | `"Marital status (Aggregate): Total"（婚姻状况（汇总）：总计）` | | `time` | `int64` | 观测年份 | `"2021"` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `"7679.474"` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `"U"` | | `obs_status.label` | `string` | 状态中文名称 | `"不可靠"` | | `note_classif` | `string` | 分类备注 | `"C4:1002"` | | `note_classif.label` | `string` | 备注说明 | `"Nonstandard occupation: Including 3"（非标准职业：包含3类）` | | `note_indicator` | `string` | 指标备注 | `"I11:264"` | | `note_indicator.label` | `string` | 备注说明 | `"Break in series: Methodology revised"（序列中断：方法已修订）` | | `note_source` | `string` | 来源备注 | `"R1:3513_S3:8"` | | `note_source.label` | `string` | 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…）` | ## 数据分解维度 以下字段提供数据分解维度： - **`sex`**（共4个唯一值）：`SEX_T`、`SEX_M`、`SEX_F`、`SEX_O` ## 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”。 - 分解维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会填充非空值。 ## 使用示例 python from datasets import load_dataset # 加载数据集 ds = load_dataset("electricsheepasia/asia-ilo-emp-temp-sex-ocu-mts-nb-employment-by-sex-occupation-and-marital-status-th") # 将训练集转换为Pandas DataFrame df = ds["train"].to_pandas() # 打印前5行数据 print(df.head()) ### 筛选单个国家 python # 筛选印度尼西亚的观测数据 indonesia = df[df["ref_area"] == "IDN"] ### 单个指标的时间序列图 python # 筛选目标指标并按年份排序 sample = (df[df["indicator"] == "EMP_TEMP_SEX_OCU_MTS_NB"] .sort_values("time")) # 绘制时间序列折线图 sample.plot(x="time", y="obs_value", title="EMP_TEMP_SEX_OCU_MTS_NB") ### 转换为国家×年份矩阵 python # 构建以年份为行、国家为列的观测值矩阵 matrix = (df[df["indicator"] == "EMP_TEMP_SEX_OCU_MTS_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) # 打印矩阵最后5行 print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_emp_temp_sex_ocu_mts_nb_employment_by_sex_occupation_and_marital_status_th_2025, title = {Employment by sex, occupation and marital status (thousands) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_OCU_MTS_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-emp-temp-sex-ocu-mts-nb-employment-by-sex-occupation-and-marital-status-th}} } ## 许可证 本数据集采用[CC BY 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数据源及Electric Sheep Asia的重新打包版本。 ## 关于Electric Sheep Asia Electric Sheep Asia是Electric Sheep项目的组成部分，该项目旨在为HuggingFace平台打造统一的、适配机器学习的亚洲地区数据层。我们从权威开放数据源拉取数据，对数据schema进行标准化处理，打包为Parquet格式，并发布格式统一的数据集卡片，以便研究人员和开发者仅需通过`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/electricsheepasia](https://huggingface.co/electricsheepasia) _数据溯源：2026年5月25日通过Electric Sheep流水线摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_OCU_MTS_NB_