electricsheepeurope/europe-ilo-ees-tees-sex-ocu-edu-nb-employees-by-sex-occupation-and-education-thousand

这是一个关于欧洲雇员的数据集，由国际劳工组织（ILO）的ILOSTAT数据库提供，经过Electric Sheep Europe重新打包。数据集包含449,610个观测值，覆盖39个欧洲国家，时间跨度为1991年至2025年。核心指标为EES_TEES_SEX_OCU_EDU_NB，表示按性别、职业和教育程度分类的雇员数量（单位为千）。数据以表格形式组织，包括国家代码、年份、性别（总计、男性、女性）、职业和教育的分类变量、观测值及其状态标志等列。数据集适用于表格分类、回归和时间序列预测等机器学习任务，数据来源包括劳动力调查等，经过ILO的统计标准化处理。license: cc-by-4.0 language: - en task_categories: - 表格分类（tabular-classification） - 表格回归（tabular-regression） - 时间序列预测（time-series-forecasting） multilinguality: 单语言（monolingual） size_categories: - 10万<n<100万 tags: - 表格数据 - 欧洲 - ILOSTAT - 雇员 - ILO - 劳工 - 就业 pretty_name: "按性别、职业和教育程度划分的雇员（千人） | 欧洲（ILOSTAT）" # 按性别、职业和教育程度划分的雇员（千人） | 欧洲（ILOSTAT） 🇪🇺 **449,610 条观测值** · **39个欧洲国家** · **1991–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新打包*      ## TL;DR 本数据集包含覆盖**39个欧洲国家**、时间跨度为**1991–2025年**的**449,610条雇员数据观测值**，涵盖**1个独立指标**。 ## 数据来源说明 **国际劳工组织统计数据库（ILOSTAT）**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数据源。其整合了就业、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、机构调查和行政记录。该数据库覆盖200余个经济体，由国际劳工组织统计部门负责数据的标准化处理。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_OCU_EDU_NB) - **发布方**：国际劳工组织（ILO） - **许可协议**：[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：雇员 ## 数据处理方法 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EES_TEES_SEX_OCU_EDU_NB`拉取，并筛选出欧洲地区的ISO3国家代码。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处理；数据来源会在`source.label`列中标记，以保证可追溯性。 ## 地理覆盖范围 39个欧洲国家，以下为按行数排序的前15个国家： | 国家 | 行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `CHE` | 20,012 | 1991 | 2025 | | `GRC` | 19,720 | 1993 | 2025 | | `GBR` | 18,606 | 1992 | 2025 | | `FRA` | 16,945 | 1993 | 2024 | | `IRL` | 15,893 | 1992 | 2024 | | `NLD` | 15,560 | 1996 | 2024 | | `DEU` | 15,151 | 1992 | 2024 | | `ITA` | 14,336 | 1992 | 2024 | | `PRT` | 14,111 | 1992 | 2025 | | `SWE` | 14,108 | 1997 | 2024 | | `DNK` | 14,052 | 1992 | 2024 | | `BEL` | 13,635 | 1993 | 2024 | | `CZE` | 13,617 | 2000 | 2024 | | `ESP` | 13,183 | 1992 | 2025 | | `AUT` | 13,031 | 1995 | 2025 | | ... | 另有24个国家 | | | ## 指标（示例） - `EES_TEES_SEX_OCU_EDU_NB` — 按性别、职业和教育程度划分的雇员（千人） ## 数据结构 | 列名 | 数据类型 | 描述 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `ALB` | | `ref_area.label` | `string` | 国家英文名称 | `Albania` | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `BA:480` | | `source.label` | `string` | 来源英文名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `EES_TEES_SEX_OCU_EDU_NB` | | `indicator.label` | `string` | 指标英文名称 | `Employees by sex, occupation and educ…` | | `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` | — | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `OCU_SKILL_TOTAL` | | `classif1.label` | `string` | — | `职业（技能水平）：总计` | | `classif2` | `string` | 适用时的第二分类变量 | `EDU_AGGREGATE_TOTAL` | | `classif2.label` | `string` | — | `教育程度（综合水平）：总计` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位请参考指标定义） | `537.005` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | — | `不可靠` | | `note_classif` | `string` | — | `C3:5578` | | `note_classif.label` | `string` | — | `非标准教育水平：包含…` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法学修订` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `存储库：ILO-STATISTICS - 微观数据…` | ## 数据细分维度 以下列提供数据细分维度： - **`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，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”。 - 细分维度列（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-ees-tees-sex-ocu-edu-nb-employees-by-sex-occupation-and-education-thousand") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列 python sample = (df[df["indicator"] == "EES_TEES_SEX_OCU_EDU_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EES_TEES_SEX_OCU_EDU_NB") ### 重构为国家×年份矩阵 python matrix = (df[df["indicator"] == "EES_TEES_SEX_OCU_EDU_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_ocu_edu_nb_employees_by_sex_occupation_and_education_thousand_2025, title = {Employees by sex, occupation and education (thousands) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_OCU_EDU_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-ees-tees-sex-ocu-edu-nb-employees-by-sex-occupation-and-education-thousand}} } ## 许可协议 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与Electric Sheep Europe的重新打包版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep使命的一部分：旨在HuggingFace平台上构建统一的、适用于机器学习的欧洲地区数据层。我们从权威开源数据源获取数据，对数据结构（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使用`load_dataset()`即可在数秒内启动开发工作。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026-05-26通过Electric Sheep流水线获取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_OCU_EDU_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中央统计数据库，通过其REST API端点直接提取指标EES_TEES_SEX_OCU_EDU_NB的原始记录，并依据ISO 3166-1 alpha-3国家代码筛选欧洲区域。原始微观调查数据经国际劳工统计学家会议（ICLS）定义体系进行标准化调和，溯源信息以source.label字段标注。Electric Sheep Europe对提取结果进行模式规范化、Parquet格式封装与元数据补充，最终形成包含449,610条观测的结构化表格，覆盖1991至2025年间的年度序列。

特点

数据集以多维分类框架组织，核心维度涵盖性别（总计、男性、女性）、职业技能等级与教育聚合水平，并保留观测状态、系列断裂及非标准教育层级等质量注记。地理范围涉及39个欧洲国家，时间跨度逾三十年，行数规模居于十万至百万级。每条记录均标注数据来源与统计口径，支持按国家、年份、性别及分类变量进行细粒度切片，为劳动经济学的异质性分析提供基础。

使用方法

研究者可借助Hugging Face数据集库以单行代码加载数据并转换为Pandas数据框。典型操作包括按国家代码筛选子集、针对单一指标构建时间序列并可视化、以及透视生成国家与年份的二维矩阵。由于数据已按列式Parquet格式存储，用户能够高效执行聚合、回归与预测任务，但需留意年度频率限制及指标单位差异，并在分析中参考观测状态与来源标注以确保结论稳健。

背景与挑战

背景概述

劳动力市场性别结构与职业教育的互动关系，长期构成劳动经济学与社会分层研究的核心议题。国际劳工组织（ILO）依托其中央统计数据库ILOSTAT，于2025年经Electric Sheep Europe重新封装发布了欧洲地区雇员数据集，覆盖39国、1991至2025年间约44.96万条观测，按性别、职业与教育程度三重维度系统记录雇员人数。该数据集根植于国际劳工统计学家会议（ICLS）的定义框架，整合各国劳动力调查与行政记录，为探究欧洲劳动力市场中性别隔离、职业分层与教育回报的长期演变提供了跨国可比的基础数据，对促进体面劳动与性别平等的政策评估具有重要参考价值。

当前挑战

该数据集所应对的领域问题在于，如何将异质的国家统计口径统一为可跨国比较的性别、职业与教育交叉分类指标，以揭示欧洲劳动力市场中性别与人力资本的结构性差异。构建过程中面临多重挑战：各国劳动力调查在职业分类、教育层级与参考周期上存在系统性分歧，需依赖ILO的协调方法进行回溯性调整；部分国家与年份存在数据缺失、序列中断或观测值被标记为不可靠，影响时间序列的连续性；职业与教育维度仅在特定指标下披露，导致细分组合的样本稀疏；此外，非标准教育层级与统计方法修订所带来的序列断点，进一步增加了长时段趋势分析的复杂性。

常用场景

经典使用场景

在劳动经济学与人口统计学的交叉领域，该数据集凭借其涵盖39个欧洲国家、跨越1991至2025年的近45万条观测记录，成为剖析性别、职业与教育维度下雇员分布规律的经典数据资源。研究者通常将其用于构建时间序列模型或面板回归分析，以揭示不同教育水平与职业类别中男女就业比重的动态变迁，从而为劳动力市场分层与性别平等议题提供长时段、跨国别的实证基础。

解决学术问题

该数据集有效回应了劳动经济学中关于性别职业隔离与教育回报异质性的核心学术争论。通过提供按性别、职业与教育三重交叉分类的雇员人数，它使研究者能够量化不同教育层级下男女在各职业类别中的分布差异，进而检验人力资本理论、职业拥挤假说等经典命题，并为评估欧洲各国教育扩张政策对劳动力市场性别结构的长效影响提供了关键的数据支撑。

衍生相关工作

基于该数据集，已有研究衍生出多类经典工作，包括欧洲性别职业隔离指数的跨国比较、教育扩张与女性职业升级的因果推断分析，以及利用时间序列分解方法识别经济周期对性别就业结构冲击的实证探索。这些工作进一步催生了针对特定国家或职业群体的细化数据集，并推动了劳动统计中分类标准（如ISCO与ISCED）的协调与修订讨论。