electricsheepeurope/europe-ilo-ees-tees-eco-ocu-nb-employees-by-economic-activity-and-occupation-thou

该数据集名为“按经济活动和职业划分的雇员（千人）| 欧洲（ILOSTAT）”，包含447,156个观测值，覆盖39个欧洲国家，时间范围为1991年至2025年，涉及1个主要指标：EES_TEES_ECO_OCU_NB，即按经济活动和职业划分的雇员数量（以千人为单位）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，该数据库是全球劳动统计的主要来源，整合了就业、失业、工资、工作时间等多类指标。数据集通过ILOSTAT REST API获取，并过滤为欧洲国家数据，采用国际劳工统计学家会议（ICLS）定义进行标准化处理。数据模式包括国家代码、国家名称、数据来源、指标代码、分类变量（如经济活动和职业）、观测年份、观测值、观测状态标志等列。数据为年度频率，ILO会为同一国家×年份组合选择“最佳来源”。数据集适用于表格分类、表格回归和时间序列预测等任务，并遵循CC-BY-4.0许可证发布。license: 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 多语言类型：单语言 数据规模类别： - 10万<n<100万 标签： - 表格数据 - 欧洲 - ILOSTAT - 雇员 - 国际劳工组织（ILO） - 劳工 - 就业 友好名称："按经济活动与职业划分的雇员人数（千人）| 欧洲（ILOSTAT）" # 按经济活动与职业划分的雇员人数（千人）| 欧洲（ILOSTAT） 🇪🇺 **447,156条观测数据** · **39个欧洲国家** · **1991–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## 快速概览（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**447,156条雇员相关观测数据**，涵盖**1项独立指标**。 ## 关于数据源 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（International Labour Organization, ILO）的中央统计数据库，为全球领先的劳工统计权威来源。其汇编了就业、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的标准化协调。 - **数据源地址**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_ECO_OCU_NB) - **发布方**：国际劳工组织（ILO） - **许可证协议**：[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **数据主题**：雇员 ## 数据处理方法 本数据集数据直接从ILOSTAT的REST API接口 `https://rplumber.ilo.org/data/indicator?id=EES_TEES_ECO_OCU_NB` 拉取，并筛选出欧洲地区的ISO 3166-1 alpha-3国家代码对应的数据集。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协调；数据来源信息将在`source.label`字段中标记以保证可追溯性。 ## 地理覆盖范围 39个欧洲国家 · 以下按行数降序展示前若干行数据： | 国家代码 | 行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `CHE` | 16,840 | 1991 | 2025 | | `GBR` | 16,582 | 1993 | 2025 | | `FRA` | 16,535 | 1993 | 2024 | | `NLD` | 16,397 | 1993 | 2024 | | `DEU` | 15,447 | 1993 | 2024 | | `IRL` | 15,219 | 1993 | 2024 | | `ITA` | 14,436 | 1992 | 2024 | | `DNK` | 14,284 | 1993 | 2024 | | `PRT` | 14,041 | 1993 | 2025 | | `GRC` | 13,937 | 1993 | 2025 | | `SWE` | 13,637 | 1997 | 2024 | | `ESP` | 13,601 | 1993 | 2025 | | `SVN` | 13,286 | 1996 | 2024 | | `AUT` | 13,097 | 1995 | 2025 | | `BEL` | 13,018 | 1993 | 2024 | | ... | _其余24个国家_ | | | ## 指标示例 - `EES_TEES_ECO_OCU_NB` — 按经济活动与职业划分的雇员人数（千人） ## 数据架构 | 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` | 英语国家名称 | `"Albania"` | | `source` | `string` | ILOSTAT数据源代码（如劳动力调查） | `"BA:480"` | | `source.label` | `string` | 英语数据源名称 | `"LFS - Labour Force Survey"` | | `indicator` | `string` | ILOSTAT指标代码 | `"EES_TEES_ECO_OCU_NB"` | | `indicator.label` | `string` | 英语指标名称 | `"Employees by economic activity and oc…"` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `"ECO_SECTOR_TOTAL"` | | `classif1.label` | `string` | — | `"Economic activity (Broad sector): Total"` | | `classif2` | `string` | 可选第二分类变量 | `"OCU_SKILL_TOTAL"` | | `classif2.label` | `string` | — | `"Occupation (Skill level): Total"` | | `time` | `int64` | 观测年份 | `"2024"` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `"537.005"` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `"U"` | | `obs_status.label` | `string` | — | `"Unreliable"` | | `note_classif` | `string` | — | `"—"` | | `note_classif.label` | `string` | — | `"—"` | | `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…"` | ## 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”。 - 细分维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分维度时非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-ees-tees-eco-ocu-nb-employees-by-economic-activity-and-occupation-thou") df = ds["train"].to_pandas() print(df.head()) ### 按单一国家筛选 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列 python sample = (df[df["indicator"] == "EES_TEES_ECO_OCU_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EES_TEES_ECO_OCU_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EES_TEES_ECO_OCU_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_ees_tees_eco_ocu_nb_employees_by_economic_activity_and_occupation_thou_2025, title = {Employees by economic activity and occupation (thousands) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_ECO_OCU_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-ees-tees-eco-ocu-nb-employees-by-economic-activity-and-occupation-thou}} } ## 许可证协议 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及Electric Sheep Europe的重新整理版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep使命的组成部分，旨在HuggingFace平台上构建统一的、适配机器学习的欧洲数据层。我们从权威开源数据源获取数据，标准化数据架构，打包为Parquet格式，并发布格式统一的数据集卡片，以便研究人员和开发者可通过`load_dataset()`函数在数秒内启动工作。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026年5月26日通过Electric Sheep流水线摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_ECO_OCU_NB_