electricsheepeurope/europe-ilo-emp-dwap-sex-edu-cbr-rt-employment-to-population-ratio-by-sex-education-an

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的欧洲地区按性别、教育程度和出生地划分的就业人口比（%）统计数据。数据集共有39,768个观测值，覆盖36个欧洲国家，时间跨度为1987年至2025年。核心指标为EMP_DWAP_SEX_EDU_CBR_RT，即就业人口比，该指标按性别（总计、男性、女性）、教育程度（汇总层次）和出生地（总计）进行细分。数据结构包括国家代码（ref_area）、指标代码（indicator）、性别分类（sex）、时间（time）、观测值（obs_value）等列，并包含数据来源、观测状态和相关注释信息。数据来源于ILO harmonised的原始调查微数据，如劳动力调查（LFS），并经过ILOSTAT API提取和欧洲国家代码过滤处理。数据集适用于表格分类、表格回归和时间序列预测等任务，主要用于劳动经济学、人口统计学和欧洲社会政策研究。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：10,000 < 样本数 < 100,000 标签： - 表格 - 欧洲 - ILOSTAT - 国际移民存量 - 国际劳工组织（ILO） - 劳动 - 就业 友好名称：按性别、教育程度和出生地点划分的就业人口比率（%）| 欧洲（ILOSTAT） # 按性别、教育程度和出生地点划分的就业人口比率（%）| 欧洲（ILOSTAT） 🇪🇺 **39,768 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*      ## 快速摘要（TL;DR） 本数据集包含**39,768 条**国际移民存量相关观测值，覆盖**36 个欧洲国家**，时间跨度为**1987–2025 年**，仅包含**1 个独立指标**。 ## 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（SDG）体面工作目标等多个领域，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。 - **数据源地址**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_DWAP_SEX_EDU_CBR_RT) - **发布机构**：国际劳工组织（International Labour Organization, ILO） - **许可证**：[CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/) - **主题领域**：国际移民存量 ## 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_DWAP_SEX_EDU_CBR_RT` 拉取原始数据，并筛选出欧洲地区的ISO 3166-1 alpha-3国家代码子集。ILOSTAT依据国际劳工统计学家会议（International Conference of Labour Statisticians, ICLS）制定的标准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，以确保数据可追溯。 ## 地理覆盖范围 本数据集覆盖36个欧洲国家，以下为按观测行数排序的前16个国家： | 国家代码 | 观测行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `GRC` | 1,930 | 1987 | 2025 | | `NLD` | 1,799 | 1996 | 2024 | | `SWE` | 1,629 | 1995 | 2024 | | `NOR` | 1,619 | 1996 | 2024 | | `GBR` | 1,617 | 1995 | 2025 | | `FRA` | 1,591 | 1995 | 2024 | | `IRL` | 1,531 | 1999 | 2024 | | `DNK` | 1,499 | 1995 | 2024 | | `PRT` | 1,476 | 1995 | 2025 | | `BEL` | 1,437 | 1995 | 2024 | | `LUX` | 1,418 | 1995 | 2024 | | `ESP` | 1,413 | 1995 | 2025 | | `CHE` | 1,271 | 2001 | 2025 | | `FIN` | 1,208 | 1995 | 2024 | | `ISL` | 1,206 | 1999 | 2024 | | ... | 另有21个国家 | | | ## 指标示例 `EMP_DWAP_SEX_EDU_CBR_RT` —— 按性别、教育程度和出生地点划分的就业人口比率（%） ## 数据字段架构 | 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 | `EMP_DWAP_SEX_EDU_CBR_RT` | | `indicator.label` | `string` | 英文指标名称 | `按性别、教育程度和出生地点划分的就业人口比率…` | | `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` | 维度对应标签 | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `EDU_AGGREGATE_TOTAL` | | `classif1.label` | `string` | 分类变量说明 | `教育程度（汇总级别）：总计` | | `classif2` | `string` | 可选第二分类变量 | `CBR_BIR_TOTAL` | | `classif2.label` | `string` | 第二分类变量说明 | `出生地点：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） | `58.136` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | 状态标记说明 | `不可靠` | | `note_classif` | `string` | 分类变量注释代码 | `C3:5578` | | `note_classif.label` | `string` | 分类变量注释说明 | `非标准教育水平：包含…` | | `note_indicator` | `string` | 指标注释代码 | `I11:264` | | `note_indicator.label` | `string` | 指标注释说明 | `序列中断：方法学修订` | | `note_source` | `string` | 数据源注释代码 | `R1:3513` | | `note_source.label` | `string` | 数据源注释说明 | `存储库：ILO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非空。 ## 使用示例 ### 基础加载与转换 python from datasets import load_dataset # 加载数据集 ds = load_dataset("electricsheepeurope/europe-ilo-emp-dwap-sex-edu-cbr-rt-employment-to-population-ratio-by-sex-education-an") # 将训练集转换为Pandas DataFrame df = ds["train"].to_pandas() # 打印前5条数据 print(df.head()) ### 筛选单个国家数据 python # 筛选德国数据 germany = df[df["ref_area"] == "DEU"] ### 单个指标的时间序列可视化 python # 筛选指定指标并按年份排序 sample = (df[df["indicator"] == "EMP_DWAP_SEX_EDU_CBR_RT"] .sort_values("time")) # 绘制时间序列折线图 sample.plot(x="time", y="obs_value", title="EMP_DWAP_SEX_EDU_CBR_RT") ### 转换为国家×年份透视矩阵 python # 将数据透视为以年份为行、国家为列的矩阵 matrix = (df[df["indicator"] == "EMP_DWAP_SEX_EDU_CBR_RT"] .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{europe_ilo_emp_dwap_sex_edu_cbr_rt_employment_to_population_ratio_by_sex_education_an_2025, title = {按性别、教育程度和出生地点划分的就业人口比率（%）| 欧洲（ILOSTAT)}, author = {国际劳工组织（International Labour Organization, ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_DWAP_SEX_EDU_CBR_RT}, 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-emp-dwap-sex-edu-cbr-rt-employment-to-population-ratio-by-sex-education-an}} } ## 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，该项目旨在为HuggingFace平台构建统一的、适配机器学习的欧洲地区数据层。我们从权威开源数据源拉取数据，标准化数据架构，封装为Parquet格式，并发布为格式统一的数据集卡片，使研究人员和开发者仅需通过`load_dataset()`即可在数秒内启动数据使用。 可浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) _数据溯源：2026年5月25日通过 Electric Sheep 数据管道摄入。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_DWAP_SEX_EDU_CBR_RT_