electricsheepeurope/europe-ilo-une-deap-sex-age-rt-unemployment-rate-by-sex-and-age

--- license: cc-by-4.0 language: - en task_categories: - tabular-classification - tabular-regression - time-series-forecasting multilinguality: monolingual size_categories: - 100K<n<1M tags: - tabular - europe - ilostat - unemployment - ilo - labour - employment pretty_name: "Unemployment rate by sex and age (%) | Europe (ILOSTAT)" --- # Unemployment rate by sex and age (%) | Europe (ILOSTAT) 🇪🇺 **105,984 observations** · **42 Europe countries** · **1969–2025** · *Repackaged by [Electric Sheep Europe](https://huggingface.co/electricsheepeurope)*      ## TL;DR This dataset contains **105,984 observations** of `Unemployment` data across **42 Europe countries**, spanning **1969–2025**, covering **1 distinct indicators**. ## About the source **ILOSTAT** is the ILO's central statistics database, the leading global source for labour statistics. It compiles indicators across employment, unemployment, wages, working time, child labour, informal economy, social protection, occupational injuries, and SDG decent work targets — drawing on national labour force surveys, household income surveys, establishment surveys, and administrative records. Coverage spans 200+ economies, with the ILO's Department of Statistics responsible for harmonisation. - **Source:** [ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_DEAP_SEX_AGE_RT) - **Publisher:** International Labour Organization (ILO) - **License:** [cc-by-4.0](https://creativecommons.org/licenses/by/4.0/) - **Topic:** Unemployment ## Methodology Data pulled directly from the ILOSTAT REST API at `https://rplumber.ilo.org/data/indicator?id=UNE_DEAP_SEX_AGE_RT` and filtered to Europe ISO3 country codes. ILOSTAT harmonises raw survey microdata using ICLS (International Conference of Labour Statisticians) definitions; sources are flagged in the `source.label` column for traceability. ## Geographic coverage 42 Europe countries · top rows shown below, sorted by row count: | Country | Rows | First year | Last year | |---------|-----:|-----------:|----------:| | `ESP` | 4,049 | 1969 | 2025 | | `ITA` | 3,765 | 1970 | 2025 | | `GBR` | 3,642 | 1971 | 2025 | | `GRC` | 3,638 | 1981 | 2025 | | `PRT` | 3,586 | 1974 | 2025 | | `IRL` | 3,518 | 1983 | 2025 | | `DEU` | 3,495 | 1983 | 2025 | | `FRA` | 3,478 | 1970 | 2025 | | `NLD` | 3,437 | 1975 | 2025 | | `DNK` | 3,435 | 1973 | 2025 | | `AUT` | 3,427 | 1969 | 2025 | | `SWE` | 3,372 | 1969 | 2025 | | `BEL` | 3,312 | 1971 | 2025 | | `NOR` | 3,240 | 1972 | 2025 | | `FIN` | 3,044 | 1969 | 2025 | | ... | _27 more countries_ | | | ## Indicators (sample) - `UNE_DEAP_SEX_AGE_RT` — Unemployment rate by sex and age (%) ## Schema | Column | Type | Description | Example | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 country code | `ALB` | | `ref_area.label` | `string` | Country name in English | `Albania` | | `source` | `string` | ILOSTAT source code (e.g. labour force survey) | `BA:480` | | `source.label` | `string` | Source name in English | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT indicator code | `UNE_DEAP_SEX_AGE_RT` | | `indicator.label` | `string` | Indicator name in English | `Unemployment rate by sex and age (%)` | | `sex` | `string` | Disaggregation by sex (SEX_T = total, SEX_M = male, SEX_F = female) | `SEX_T` | | `sex.label` | `string` | — | `Total` | | `classif1` | `string` | First classification variable (age, education, status, etc.) | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `Age (Youth, adults): 15+` | | `time` | `int64` | Observation year | `2024` | | `obs_value` | `float64` | Observed indicator value (unit varies — see indicator definition) | `8.431` | | `obs_status` | `string` | Observation status flag (e.g. provisional, unreliable) | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_classif` | `string` | — | `C6:2343` | | `note_classif.label` | `string` | — | `Nonstandard age group: Including ages…` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `Break in series: Methodology revised` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## Disaggregation dimensions The following columns provide disaggregation dimensions: - **`sex`** (3 unique values): `SEX_T`, `SEX_M`, `SEX_F` ## Data quality & caveats - Data is annual frequency. Some indicators also publish monthly or quarterly series — those are not included here. - When an indicator has multiple sources for the same country×year, the ILO-selected 'best source' is used. - Disaggregation columns (`sex`, `classif1`, `classif2`) are non-null only when the indicator publishes that breakdown. ## Usage ```python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-une-deap-sex-age-rt-unemployment-rate-by-sex-and-age") df = ds["train"].to_pandas() print(df.head()) ``` ### Filter to one country ```python germany = df[df["ref_area"] == "DEU"] ``` ### Time-series for a single indicator ```python sample = (df[df["indicator"] == "UNE_DEAP_SEX_AGE_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="UNE_DEAP_SEX_AGE_RT") ``` ### Pivot to country × year matrix ```python matrix = (df[df["indicator"] == "UNE_DEAP_SEX_AGE_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ``` ## Citation ```bibtex @misc{europe_ilo_une_deap_sex_age_rt_unemployment_rate_by_sex_and_age_2025, title = {Unemployment rate by sex and age (%) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_DEAP_SEX_AGE_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {\url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-une-deap-sex-age-rt-unemployment-rate-by-sex-and-age}} } ``` ## License Released under [cc-by-4.0](https://creativecommons.org/licenses/by/4.0/). Original data © International Labour Organization (ILO). When using this dataset, please cite both the original source above and the Electric Sheep Europe repackaging. ## About Electric Sheep Electric Sheep Europe is part of the Electric Sheep mission: a unified, ML-ready data layer for Europe on HuggingFace. We pull data from authoritative open sources, normalize the schemas, package as Parquet, and publish with consistent dataset cards so researchers and developers can use `load_dataset()` to start working in seconds. Browse the full collection: [huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _Provenance: ingested 2026-05-27 via the Electric Sheep pipeline. Source URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_DEAP_SEX_AGE_RT_许可证：cc-by-4.0 语言： - 英语 任务类别： - 表格型分类任务 - 表格型回归任务 - 时间序列预测任务 多语言属性：单语言 规模分类： - 10万<n<100万 标签： - 表格型数据 - 欧洲 - ILOSTAT - 失业率 - ILO - 劳工 - 就业 美观名称："按性别和年龄划分的失业率（%）| 欧洲（ILOSTAT）" # 按性别和年龄划分的失业率（%）| 欧洲（ILOSTAT） 🇪🇺 **105,984条观测值** · **42个欧洲国家** · **1969–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新封装*      ## 简短摘要 本数据集包含**105,984条失业率观测数据**，覆盖**42个欧洲国家**，时间跨度为**1969–2025年**，仅包含**1项明确指标**。 ## 数据源说明 **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，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、机构调查及行政记录，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协调。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_DEAP_SEX_AGE_RT) - **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**：失业问题 ## 数据处理流程 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=UNE_DEAP_SEX_AGE_RT`拉取，并筛选出欧洲地区的ISO3国家代码。ILOSTAT采用ICLS（国际劳工统计学家会议，International Conference of Labour Statisticians）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`字段中标记以保证可追溯性。 ## 地理覆盖范围 42个欧洲国家 · 以下按行数排序的前若干国家示例： | 国家代码 | 行数 | 首年 | 末年 | |---------|-----:|-----------:|----------:| | `ESP` | 4,049 | 1969 | 2025 | | `ITA` | 3,765 | 1970 | 2025 | | `GBR` | 3,642 | 1971 | 2025 | | `GRC` | 3,638 | 1981 | 2025 | | `PRT` | 3,586 | 1974 | 2025 | | `IRL` | 3,518 | 1983 | 2025 | | `DEU` | 3,495 | 1983 | 2025 | | `FRA` | 3,478 | 1970 | 2025 | | `NLD` | 3,437 | 1975 | 2025 | | `DNK` | 3,435 | 1973 | 2025 | | `AUT` | 3,427 | 1969 | 2025 | | `SWE` | 3,372 | 1969 | 2025 | | `BEL` | 3,312 | 1971 | 2025 | | `NOR` | 3,240 | 1972 | 2025 | | `FIN` | 3,044 | 1969 | 2025 | | ... | _另有27个国家_ | | | ## 指标（示例） - `UNE_DEAP_SEX_AGE_RT` — 按性别和年龄划分的失业率（%） ## 数据字段结构 | 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 | `ALB` | | `ref_area.label` | `string` | 英文国家名称 | `阿尔巴尼亚` | | `source` | `string` | ILOSTAT来源代码（如劳动力调查） | `BA:480` | | `source.label` | `string` | 英文来源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT指标代码 | `UNE_DEAP_SEX_AGE_RT` | | `indicator.label` | `string` | 英文指标名称 | `按性别和年龄划分的失业率（%）` | | `sex` | `string` | 按性别拆分维度（`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） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `年龄（青年、成年）：15岁及以上` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `8.431` | | `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` | — | `C6:2343` | | `note_classif.label` | `string` | — | `非标准年龄组：包含以下年龄……` | | `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统计 - 微观数据……` | ## 数据拆分维度 以下字段提供数据拆分维度： - **`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，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。 - 拆分维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应拆分时才会非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-une-deap-sex-age-rt-unemployment-rate-by-sex-and-age") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python germany = df[df["ref_area"] == "DEU"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "UNE_DEAP_SEX_AGE_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="UNE_DEAP_SEX_AGE_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "UNE_DEAP_SEX_AGE_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_une_deap_sex_age_rt_unemployment_rate_by_sex_and_age_2025, title = {按性别和年龄划分的失业率（%）| 欧洲（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_DEAP_SEX_AGE_RT}, publisher = {HuggingFace数据集平台，由Electric Sheep Europe重新封装}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-une-deap-sex-age-rt-unemployment-rate-by-sex-and-age}} } ## 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来源及Electric Sheep Europe的重新封装版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep项目的一部分，该项目旨在为HuggingFace平台上的欧洲数据提供统一的、适配机器学习的标准化数据层。我们从权威开源数据源获取数据，统一规范数据schema，以Parquet格式封装，并发布标准化的数据集卡片，方便研究人员与开发者通过`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/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026年5月27日通过Electric Sheep数据管道采集。源地址：https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_DEAP_SEX_AGE_RT_

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Europe团队从ILOSTAT官方REST API直接提取，原始数据源自国际劳工组织（ILO）统计数据库。ILOSTAT通过整合各国劳动力调查、家庭收支调查、企业调查及行政记录等多元来源，并依据国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集仅筛选出欧洲42个国家的ISO3代码对应的观测记录，最终汇聚成包含105,984条观测的时间序列数据，覆盖1969年至2025年间的失业率指标。

特点

数据集的核心特色在于其精细的维度拆分能力，涵盖性别（总、男、女）和年龄组等分类变量，允许研究者深入剖析不同人群的失业率差异。同时，每一观测值均附带来源标签、观测状态标志及系列中断注释，为数据质量评估提供了透明依据。地理覆盖上囊括了欧洲42国，时间跨度超过半个世纪，为长周期劳动经济学分析奠定了坚实基础。

使用方法

用户可通过HuggingFace的`datasets`库便捷加载该数据集，核心调用方式为`load_dataset("electricsheepeurope/europe-ilo-une-deap-sex-age-rt-unemployment-rate-by-sex-and-age")`，随后可将数据转换为pandas DataFrame进行后续操作。典型应用包括按国家筛选单国时间序列、基于`time`和`obs_value`绘制特定指标的趋势图，以及通过透视表构造国家×年份的矩阵形式，便于进行跨国的对比计量分析。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计数据库ILOSTAT创建，经Electric Sheep Europe于2025年重新整理并发布在HuggingFace平台。其核心研究问题在于追踪1969年至2025年间欧洲42个国家的失业率按性别与年龄的分布情况，共计105,984条观测记录。作为全球劳动统计的权威来源，ILOSTAT基于国际劳动统计学家会议（ICLS）定义对各国劳动力调查数据进行标准化处理，使得跨国家与跨时期的比较成为可能。该数据集为欧洲劳动经济学、社会政策分析以及时间序列预测研究提供了高质量的基础数据，尤其在研究长期失业趋势、性别差异及青年就业问题时具有不可替代的价值。

当前挑战

领域层面，该数据集致力于解决劳动力市场中失业率监测的复杂性问题，尤其是如何实现跨国家、跨时期的数据可比性，以支持精准的政策评估和经济学建模。构建过程中面临的挑战包括：首先，各国家源数据来自不同的劳动调查与行政记录，数据质量与采集频率参差不齐；其次，需处理指标定义的变化（如方法修订导致的序列断裂）、非标准年龄分组以及因数据不可靠性而标记的观测值；此外，按性别与年龄的细分维度的稀疏性增加了数据清洗与归一的难度。最后，作为年度数据，其低频性限制了在高频失业预测或短期波动分析中的应用潜力。

常用场景

经典使用场景

该数据集收录了1969年至2025年间欧洲42个国家的失业率观测数据，并按性别与年龄维度进行了精细拆分，共计超过十万条记录。在劳动经济学与社会政策研究中，它常被用作构建面板数据模型的基础素材，用以分析欧洲各国劳动力市场的长期演化轨迹。研究者可借助该数据集展开时间序列预测、分类与回归任务，探索失业率随经济周期波动的规律。其跨时段、跨国别的结构尤其适合开展固定效应或随机效应回归分析，评估不同人口亚群在劳动力市场中的脆弱性差异。

解决学术问题

该数据集有效回应了多个经典的劳动经济学研究问题。首先，它使得量化性别与年龄维度下的失业率差异成为可能，有助于揭示劳动力市场中存在的结构性不平等。其次，通过纵向数据的长跨度和跨国比较，学者可以探究经济冲击（如金融危机、疫情）对不同国家失业率的异质性影响。此外，它填补了欧洲地区公共劳动统计中细粒度时序数据不足的空白，为验证劳动力市场理论、评估就业政策效果提供了可靠依据。这些分析对于理解欧洲一体化进程中的劳动力市场趋同或分化具有重要意义。

衍生相关工作

该数据集衍生了一系列具有影响力的相关工作。一方面，它被用于构建跨国劳动市场比较的研究框架，例如基于面板数据考察福利制度、教育投入与失业率的关联。另一方面，研究者借助其细粒度分类特征，开发了面向性别和年龄亚群的失业率预测模型，推动了时序深度学习在经济社会领域的应用。数据集的标准化整合形式也启发了一系列数据整理与再发布项目，催生了面向欧洲公共统计数据的机器学习预处理管线。这些工作共同扩充了计算社会科学的工具箱，并强化了劳动统计数据的可访问性与互操作性。