electricsheepeurope/europe-ilo-how-xees-sex-geo-nb-mean-weekly-hours-actually-worked-per-employee-by

该数据集包含7,716个观测值，涉及36个欧洲国家从1987年到2025年的工作时数数据。核心指标为HOW_XEES_SEX_GEO_NB，即按性别（总计、男性、女性）和城乡区域划分的雇员实际平均每周工作小时数。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过标准化处理，以确保一致性和可追溯性。数据集采用表格格式，包含国家代码、年份、指标值、性别分类、数据来源和质量标志等列，适用于表格分类、回归和时间序列预测等任务。数据以年度频率发布，并经过ILO的最佳来源选择，以处理多源数据。数据集由Electric Sheep Europe重新打包，旨在为欧洲提供统一的、机器学习就绪的数据层。--- 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 数据规模: - 1000 < 样本量 < 10000 标签: - 表格数据 - 欧洲 - ILOSTAT - 工作时长 - ILO - 劳工 - 就业 美观名称: "按性别与城乡地区划分的雇员实际周平均工作时长 | 欧洲（ILOSTAT）" --- # 按性别与城乡地区划分的雇员实际周平均工作时长 | 欧洲（ILOSTAT） 🇪🇺 **7716条观测值** · **36个欧洲国家** · **1987–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## 核心摘要 本数据集包含覆盖36个欧洲国家、时间跨度为1987至2025年的**7716条工作时长数据观测值**，仅涉及**1项专属指标**。 ## 数据来源说明 **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，为全球领先的劳工统计权威来源。其收录指标涵盖就业、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体面工作目标等领域，数据源自全国劳动力调查、家庭收入调查、机构调查与行政记录，覆盖全球200余个经济体，由国际劳工组织统计司负责数据标准化协调。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_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**：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_XEES_SEX_GEO_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；数据来源信息将在`source.label`字段中标记，以确保可追溯性。 ## 地理覆盖范围 36个欧洲国家，以下按观测行数排序展示前若干条目： | 国家 | 观测行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `GRC` | 351 | 1987 | 2025 | | `BEL` | 297 | 1992 | 2024 | | `DNK` | 297 | 1992 | 2024 | | `DEU` | 297 | 1992 | 2024 | | `FRA` | 297 | 1992 | 2024 | | `PRT` | 297 | 1992 | 2024 | | `NLD` | 297 | 1992 | 2024 | | `ESP` | 297 | 1992 | 2024 | | `ITA` | 297 | 1992 | 2024 | | `IRL` | 288 | 1993 | 2024 | | `FIN` | 282 | 1995 | 2024 | | `AUT` | 279 | 1995 | 2025 | | `GBR` | 276 | 1992 | 2019 | | `SWE` | 270 | 1995 | 2024 | | `LUX` | 252 | 1997 | 2024 | | ... | _另有21个国家_ | | | ## 指标示例 - `HOW_XEES_SEX_GEO_NB` — 按性别与城乡地区划分的雇员实际周平均工作时长 ## 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`（阿尔巴尼亚） | | `source` | `string` | ILOSTAT来源代码（如劳动力调查） | `BB:7401` | | `source.label` | `string` | 英文来源名称 | `HIES - 生活水平调查` | | `indicator` | `string` | ILOSTAT指标代码 | `HOW_XEES_SEX_GEO_NB` | | `indicator.label` | `string` | 英文指标名称 | `Mean weekly hours actually worked per…`（按性别与城乡划分的雇员实际周平均工作时长） | | `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 | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `GEO_COV_NAT` | | `classif1.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） | `43.56` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `B` | | `obs_status.label` | `string` | 状态说明 | `序列中断` | | `note_indicator` | `string` | 指标相关注释 | `I11:264` | | `note_indicator.label` | `string` | 注释说明 | `序列中断：方法学修订` | | `note_source` | `string` | 来源相关注释 | `R1:3513` | | `note_source.label` | `string` | 来源注释说明 | `存储库：ILO统计司 - 微观数据…` | ## 数据分解维度 以下字段提供数据细分维度： - **`sex`**（共3个唯一取值）：`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，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来源时，将采用国际劳工组织选定的“最优来源”数据。 - 分解维度字段（`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-how-xees-sex-geo-nb-mean-weekly-hours-actually-worked-per-employee-by") df = ds["train"].to_pandas() print(df.head()) ### 筛选单一国家数据 python germany = df[df["ref_area"] == "DEU"] ### 生成单一指标的时间序列图 python sample = (df[df["indicator"] == "HOW_XEES_SEX_GEO_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="HOW_XEES_SEX_GEO_NB") ### 重塑为「年份×国家」透视表 python matrix = (df[df["indicator"] == "HOW_XEES_SEX_GEO_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_how_xees_sex_geo_nb_mean_weekly_hours_actually_worked_per_employee_by_2025, title = {Mean weekly hours actually worked per employee by sex and rural / urban areas | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_GEO_NB}, publisher = {HuggingFace Datasets, 由Electric Sheep Europe重新整理发布}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-how-xees-sex-geo-nb-mean-weekly-hours-actually-worked-per-employee-by}} } ## 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来源与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，该项目旨在打造面向欧洲地区的统一、适配机器学习的数据集层，托管于HuggingFace平台。我们从权威开源数据源获取数据，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，以便研究人员与开发者仅需通过`load_dataset()`即可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27日通过Electric Sheep流水线采集。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_GEO_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统计数据库，通过调用其REST API接口，直接获取指标代码为HOW_XEES_SEX_GEO_NB的原始数据。随后，数据经过过滤处理，仅保留欧洲地区的ISO3国家代码所对应的观测记录。ILOSTAT本身对各国劳动力调查的微观数据进行了标准化处理，并依据国际劳工统计学家会议（ICLS）的定义进行整合，同时在source.label字段中标注了数据来源，确保了数据的可追溯性与一致性。数据集最终由Electric Sheep Europe团队重新封装为Parquet格式，以方便机器学习领域的直接使用。

特点

该数据集汇集了覆盖36个欧洲国家、时间跨度从1987年至2025年的共计7716条观测记录，专注于“按性别和城乡划分的雇员每周实际工作平均小时数”这一核心指标。数据集提供了丰富的维度信息，包括按性别（总、男、女）以及地理覆盖范围等分类变量，便于进行多角度分析。其时间跨度的广度和地理覆盖的完整性，为研究欧洲劳动力市场中工作时间模式的长期演变与区域差异提供了坚实的数据基础。

使用方法

用户可通过HuggingFace Datasets库中的load_dataset函数便捷地加载该数据集，并利用to_pandas方法将其转换为Pandas DataFrame格式，便于进行后续的数据探索与分析。针对特定的分析需求，例如聚焦于某一国家的时序分析，可以通过对ref_area字段进行筛选实现；若需将数据重塑为国家与年份的矩阵形式，则可结合indicator字段的固定筛选与pivot_table方法的灵活运用来完成，从而支持多样化的统计建模与可视化工作。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其ILOSTAT数据库发布，并经Electric Sheep Europe重新封装，旨在提供欧洲36个国家自1987年至2025年间按性别与城乡划分的雇员每周实际工作小时数均值。作为劳动统计学领域的权威来源，ILOSTAT整合了各国劳动力调查、家庭收入调查及行政记录等数据，遵循国际劳动统计学家会议（ICLS）定义进行标准化处理。该数据集聚焦于揭示欧洲劳动力市场中工作时间模式的演变趋势，为经济学、社会学及公共政策研究提供了关键的时间序列数据，尤其有助于分析性别差异与城乡二元结构对劳动供给行为的影响，对跨国比较研究具有重要支撑价值。

当前挑战

该数据集所应对的领域问题主要在于：劳动力市场中工作时间分布的性别与地域不平等长期缺乏精细化的跨国可比数据，现有官方统计常因指标定义、调查方法或抽样框架的差异而难以直接对比，阻碍了对欧洲内部劳动市场一体化的系统性评估。在构建过程中，面临的挑战包括：协调多国不同来源的原始调查微观数据，处理因方法论修订或样本更替导致的序列断裂（如标注为‘Break in series’的观测值），以及应对城乡分类标准、性别维度缺失或年度频次不足等数据质量问题。此外，需通过清晰标注来源代码与状态标志来确保数据的可追溯性，同时平衡覆盖率与一致性间的张力。

常用场景

经典使用场景

该数据集记录了1987年至2025年间36个欧洲国家按性别和城乡区域划分的雇员平均每周实际工作小时数，源自国际劳工组织（ILO）的ILOSTAT数据库。在劳动经济学与时间利用研究领域，该数据集常被用于构建面板数据模型，以分析不同国家、性别及地理位置对工作时间模式的长期影响。研究者可借此探究欧洲劳动力市场中，男性与女性在城乡环境下的工作时长差异及其演变趋势，为理解劳动供给行为与区域经济发展提供量化支撑。

解决学术问题

该数据集有效回应了劳动经济学中关于工作时间不平等与地域分化的核心议题。通过提供长达近四十年的跨国标准化观测，它使得学界能够量化评估性别工资差距与工作时长差异之间的关联，并控制地区异质性。此外，数据集解决了难以获取长时间序列下城乡细分数据的难题，推动了关于城市化进程中劳动时间配置、劳动力市场灵活性以及社会政策效能（如工时法规与性别平等倡议）的实证检验，从而深化了对欧洲一体化进程中劳动条件趋同或分异现象的认识。

衍生相关工作

基于该数据集，学界已衍生出多项重要研究与实践工作。在方法论层面，研究者利用其时间序列特性开发了断点回归与多水平增长曲线模型，用以识别重大经济事件（如2008年金融危机与新冠疫情）对工时冲击的性别差异。在数据整合方向上，该数据被纳入欧洲劳动市场比较研究平台，与工资、失业率等指标联合分析，催生了关于工作贫困与地域发展不平衡的交叉探索。此外，机器学习领域出现了基于该数据训练的时间序列预测模型，旨在提前警示工时异常波动，为劳动监察与应急管理提供决策支持。