electricsheepasia/asia-ilo-ees-tees-sex-ocu-mts-nb-employees-by-sex-occupation-and-marital-status-tho

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的“按性别、职业和婚姻状况划分的雇员（千）”指标数据，覆盖33个亚洲国家，时间跨度为1996年至2025年，共计124,487个观测值。数据通过ILOSTAT REST API获取，并经过标准化处理，使用国际劳工统计学家会议（ICLS）定义进行协调。数据集包括国家代码、来源信息、指标代码、性别分解（总计、男性、女性、其他）、职业和婚姻状况分类、观测年份、观测值（以千为单位）以及数据质量标志（如不可靠性）等列。数据为年度频率，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 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： - 10万<样本数<100万 标签： - 表格数据 - 亚洲 - ILOSTAT - 雇员 - ILO - 劳工 - 就业 数据集友好名称："按性别、职业与婚姻状况划分的雇员（千人）| 亚洲（ILOSTAT）" --- # 按性别、职业与婚姻状况划分的雇员（千人）| 亚洲（ILOSTAT） 🌏 **124,487 条观测** · **33 个亚洲国家** · **1996–2025** · *由 [Electric Sheep Asia](https://huggingface.co/electricsheepasia) 重新整理*      ## TL;DR 本数据集包含覆盖33个亚洲国家、时间跨度为1996至2025年的雇员数据，共计124,487条观测，仅包含1项明确指标。 ## 关于数据源 **ILOSTAT（国际劳工组织统计数据库）** 是国际劳工组织（ILO）的核心统计数据库，也是全球领先的劳工统计权威来源。其收录涵盖就业、失业、薪酬、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）体面工作目标等多项指标，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标准化工作。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_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**：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_MTS_NB`拉取，并筛选出亚洲地区的ISO 3166-1 alpha-3国家代码数据。ILOSTAT采用国际劳工统计学家会议（ICLS）的定义对原始调查微观数据进行标准化处理；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 33个亚洲国家 · 以下为按行数排序的前若干国家示例： | 国家 | 行数 | 首年 | 末年 | |---------|-----:|-----------:|----------:| | `KOR` | 8,593 | 2000 | 2025 | | `TUR` | 8,082 | 2000 | 2024 | | `CYP` | 7,577 | 1999 | 2020 | | `PHL` | 7,305 | 2007 | 2023 | | `IRN` | 6,908 | 2006 | 2024 | | `KHM` | 6,488 | 1996 | 2023 | | `MNG` | 6,342 | 2000 | 2024 | | `THA` | 6,335 | 2000 | 2024 | | `VNM` | 6,226 | 2010 | 2024 | | `PAK` | 5,518 | 2005 | 2025 | | `IDN` | 5,462 | 2007 | 2023 | | `LKA` | 5,097 | 2010 | 2024 | | `ISR` | 4,953 | 2012 | 2024 | | `JPN` | 4,025 | 2000 | 2023 | | `GEO` | 3,988 | 2009 | 2020 | | ... | _另有18个国家_ | | | ## 指标（示例） - `EES_TEES_SEX_OCU_MTS_NB` — 按性别、职业与婚姻状况划分的雇员（千人） ## 数据架构 | 字段名 | 数据类型 | 描述 | 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` | | `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 | `EES_TEES_SEX_OCU_MTS_NB` | | `indicator.label` | `string` | 英文指标名称 | `Employees by sex, occupation and mari…` | | `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、身份等） | `OCU_SKILL_TOTAL` | | `classif1.label` | `string` | — | `职业（技能水平）：总计` | | `classif2` | `string` | 可选第二分类变量 | `MTS_AGGREGATE_TOTAL` | | `classif2.label` | `string` | — | `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） | `1709.649` | | `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` | — | `C4:1002` | | `note_classif.label` | `string` | — | `非标准职业：包含3类` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法学已修订` | | `note_source` | `string` | — | `R1:3513_S3:8` | | `note_source.label` | `string` | — | `存储库：ILO统计 - 微观数据…` | ## 细分维度 以下字段提供数据细分维度： - **`sex`**（共4种唯一取值）：`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来源时，将采用国际劳工组织选定的“最佳来源”数据。 - 细分字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会有非空值。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-ees-tees-sex-ocu-mts-nb-employees-by-sex-occupation-and-marital-status-tho") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python indonesia = df[df["ref_area"] == "IDN"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "EES_TEES_SEX_OCU_MTS_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EES_TEES_SEX_OCU_MTS_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EES_TEES_SEX_OCU_MTS_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_ees_tees_sex_ocu_mts_nb_employees_by_sex_occupation_and_marital_status_tho_2025, title = {Employees by sex, occupation and marital status (thousands) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_OCU_MTS_NB}, publisher = {HuggingFace Datasets, 由Electric Sheep Asia重新整理}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-ees-tees-sex-ocu-mts-nb-employees-by-sex-occupation-and-marital-status-tho}} } ## 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 © 国际劳工组织（ILO）。使用本数据集时，请同时引用上述原始来源与Electric Sheep Asia的重新整理版本。 ## 关于Electric Sheep Electric Sheep 是Electric Sheep使命的一部分：旨在为HuggingFace平台上的亚洲地区数据构建统一、适配机器学习的数据集层。我们从权威开源数据源获取数据，对数据架构进行标准化处理，以Parquet格式打包，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26日 通过Electric Sheep流水线获取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_OCU_MTS_NB_