electricsheepeurope/europe-ilo-how-xees-sex-eco-edu-nb-mean-weekly-hours-actually-worked-per-employee-by

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的统计数据，主题为工作时间。具体指标为HOW_XEES_SEX_ECO_EDU_NB，即按性别、经济活动和教育划分的雇员平均每周实际工作时间。数据集覆盖38个欧洲国家，时间跨度为1991年至2025年，包含903,025个观测值。数据通过ILOSTAT REST API获取，并过滤至欧洲国家代码。数据集提供了详细的列结构，包括国家代码、来源、指标、性别（总计、男性、女性）、经济活动和教育分类、观测年份、观测值以及数据状态和注释等信息。数据为年度频率，并经过ILO的标准化处理，使用国际劳工统计学家会议（ICLS）的定义进行协调。数据集由Electric Sheep Europe重新打包，旨在为欧洲提供统一的、适用于机器学习的数据层。license: 知识共享署名4.0（cc-by-4.0） language: - en 任务类别： - 表格分类（tabular-classification） - 表格回归（tabular-regression） - 时间序列预测（time-series-forecasting） 多语言类型：单语言（monolingual） 样本量范围： - 10万<样本量<100万 标签： - 表格数据 - 欧洲 - 国际劳工组织统计数据库（ILOSTAT） - 工作时长 - 国际劳工组织（ILO） - 劳动力 - 就业 展示名称: "按性别、经济活动与教育划分的雇员实际周平均工时 | 欧洲（ILOSTAT）" --- # 按性别、经济活动与教育划分的雇员实际周平均工时 | 欧洲（ILOSTAT） 🇪🇺 **903,025条观测值** · **38个欧洲国家** · **1991–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理*      ## 简短摘要（TL;DR） 本数据集包含覆盖38个欧洲国家的**工作时长**相关数据，共**903,025条观测值**，时间跨度为**1991–2025年**，仅包含**1项独立指标**。 ## 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力统计数据源。该库整合了就业、失业、薪资、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）体面工作目标等领域的指标，数据来源涵盖全国劳动力调查、家庭收入调查、机构调查以及行政记录。其覆盖范围超过200个经济体，由国际劳工组织统计司负责数据的标准化协调。 - **来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_ECO_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**：工作时长 ## 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=HOW_XEES_SEX_ECO_EDU_NB`拉取数据，并筛选出欧洲地区的ISO 3166-1 alpha-3国家代码对应的数据。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协调；数据来源会在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 38个欧洲国家 · 以下按观测条数排序展示前15个国家及其余国家： | 国家代码 | 观测条数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `GRC` | 39,761 | 1993 | 2025 | | `GBR` | 38,512 | 1993 | 2025 | | `CHE` | 38,368 | 1991 | 2025 | | `FRA` | 34,820 | 1993 | 2024 | | `IRL` | 30,834 | 1993 | 2024 | | `NLD` | 30,162 | 1996 | 2024 | | `ITA` | 29,166 | 1992 | 2024 | | `SWE` | 29,013 | 1995 | 2024 | | `PRT` | 28,633 | 1993 | 2025 | | `DEU` | 28,101 | 1993 | 2024 | | `DNK` | 27,696 | 1993 | 2024 | | `AUT` | 26,301 | 1995 | 2025 | | `BEL` | 26,300 | 1993 | 2024 | | `ESP` | 25,927 | 1993 | 2025 | | `HUN` | 24,786 | 1997 | 2024 | | ... | 其余23个国家 | | | ## 指标示例（样本） - `HOW_XEES_SEX_ECO_EDU_NB` — 按性别、经济活动与教育划分的雇员实际周平均工时 ## 数据架构 | 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 | `Albania` | | `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 - Labour Force Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `HOW_XEES_SEX_ECO_EDU_NB` | | `indicator.label` | `string` | 英文指标名称 | `Mean weekly hours actually worked per…` | | `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` | 细分维度说明 | `Total` | | `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` | 第一分类变量说明 | `Economic activity (Broad sector): Total` | | `classif2` | `string` | 第二分类变量（如适用） | `EDU_AGGREGATE_TOTAL` | | `classif2.label` | `string` | 第二分类变量说明 | `Education (Aggregate levels): Total` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `43.6` | | `obs_status` | `string` | 观测状态标记（如暂定、不可靠） | `U` | | `obs_status.label` | `string` | 观测状态说明 | `Unreliable` | | `note_classif` | `string` | 分类备注代码 | `C3:5578` | | `note_classif.label` | `string` | 分类备注说明 | `Nonstandard education level: Includin…` | | `note_indicator` | `string` | 指标备注代码 | `I11:264` | | `note_indicator.label` | `string` | 指标备注说明 | `Break in series: Methodology revised` | | `note_source` | `string` | 来源备注代码 | `R1:3513` | | `note_source.label` | `string` | 来源备注说明 | `Repository: ILO-STATISTICS - Micro da…` | ## 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("electricsheepeurope/europe-ilo-how-xees-sex-eco-edu-nb-mean-weekly-hours-actually-worked-per-employee-by") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "HOW_XEES_SEX_ECO_EDU_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="HOW_XEES_SEX_ECO_EDU_NB") ### 转换为国家×年份透视矩阵 python matrix = (df[df["indicator"] == "HOW_XEES_SEX_ECO_EDU_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_how_xees_sex_eco_edu_nb_mean_weekly_hours_actually_worked_per_employee_by_2025, title = {Mean weekly hours actually worked per employee by sex, economic activity and education | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_ECO_EDU_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-how-xees-sex-eco-edu-nb-mean-weekly-hours-actually-worked-per-employee-by}} } ## 许可协议 本数据集采用[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/)许可协议发布。 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以及Electric Sheep Europe的重新整理版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep项目的一部分，该项目旨在HuggingFace平台上构建统一的、可直接用于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，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/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026-05-27通过Electric Sheep流水线摄取。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_ECO_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数据库，聚焦于欧洲38个国家在1991至2025年间雇员实际周均工作小时的统计指标。Electric Sheep Europe团队通过ILOSTAT提供的REST API接口，直接拉取原始指标数据，并依据ISO3国家代码筛选出欧洲地区。数据经过ILO依据国际劳工统计学家会议（ICLS）定义进行的标准化处理，以确保跨国家与年份的一致性。原始数据来源在source.label字段中予以标注，便于用户追溯其调查源头，整个流程兼顾了数据的权威性与可溯源特征。

特点

该数据集共包含903,025条观测记录，覆盖38个欧洲国家，时间跨度长达34年。核心指标为按性别、经济活动与教育程度分组的雇员实际周均工作小时数。数据支持三个维度的细分：性别（总计、男性、女性），并通过分类字段classif1与classif2提供经济活动领域与教育层次的进一步刻画。同时，数据集内嵌了观测状态标记以及多种注释字段，用于标识方法论变更或非标准分类等数据质量信息，为严谨的分析提供了充分参考。

使用方法

用户可通过HuggingFace的datasets库便捷加载该数据集，仅需一行代码即可完成获取。加载后的数据可直接转为Pandas DataFrame进行后续操作，例如通过ref_area字段筛选特定国家的时间序列，或针对单一指标按年排序以绘制趋势图。利用透视表功能，用户还能轻松构建以年度为行、国家为列的矩阵式数据结构，这对于跨国家面板分析或时间序列预测建模极为高效。数据集回归与分类任务兼容，且因其时间属性，天然适用于时间序列预测场景。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计司于2025年通过ILOSTAT旗舰数据库整理发布，并由Electric Sheep Europe团队重新封装至HuggingFace平台，旨在提供欧洲38个国家1991至2025年间按性别、经济活动及教育程度划分的雇员实际周平均工时数据。作为全球劳动统计的权威来源，ILOSTAT整合了各国劳动力调查、家庭收入调查及行政记录等多源数据，并依据国际劳工统计学家会议（ICLS）标准进行统一协调。该数据集包含超过90万条观察记录，为劳动经济学、社会政策评估及劳动力市场的时间序列分析提供了标准化的微观数据基础，尤其填补了跨年度、跨国别精细维度工时研究的空缺，推动了关于就业质量、性别平等及教育回报的实证研究。

当前挑战

在领域问题层面，数据集致力于解决劳动统计中高维分类数据（如性别、行业、教育）的整合与分析挑战，即如何从混杂的原始调查数据中提取可靠的跨年度趋势，并支持回归建模与时间序列预测任务。然而，构建过程中面临多重困难：首先，不同国家、不同年份的数据来源差异大（如部分为劳动力调查，部分为行政记录），导致编码体系与质量标志（如“暂定”或“不可靠”）不一致；其次，部分指标存在断点（break in series）或分类定义变更（如非标准教育水平纳入），影响时间序列的连续性与可比性；此外，由于多源数据竞争，ILO需通过“最佳来源”筛选以保证一致性，但此过程可能损失非主要来源的细粒度信息，且缺失值与分类维度不全（如某些国家缺失特定教育或性别分组）进一步限制了模型训练的有效性与泛化能力。

常用场景

经典使用场景

在劳动经济学与政策研究领域，europe-ilo-how-xees-sex-eco-edu-nb-mean-weekly-hours-actually-worked-per-employee-by数据集凭借其覆盖38个欧洲国家、跨越1991至2025年的长时序观测，成为刻画欧洲就业者实际周工时演变轨迹的权威资料。研究者常借助该数据集中按性别、经济活动部门与教育水平交叉细分的工时指标，开展跨国比较分析，例如探讨不同福利体制下女性与男性劳动者的工时差异，或揭示服务业与制造业因技术变革而产生的工时分化现象。

实际应用

在实际应用中，该数据集已成为欧洲各国劳动部门与工会组织进行工时政策评估的基础工具。政策制定者可以利用按经济活动分类的周工时数据，识别哪些行业面临过度劳动或隐性失业风险，从而针对性调整法定工时上限或推行灵活工作制。此外，结合教育水平的分层统计能够帮助职业培训机构定位技能供需错配的领域，为再就业培训项目的设计提供量化依据。

衍生相关工作

基于此数据集衍生出一系列聚焦欧洲劳动力市场结构的经典工作。其中具有代表性的是利用分类变量（sex、classif1、classif2）的交叉分组构建面板回归模型，量化分析2008年金融危机与新冠疫情对各国不同群体工时的非对称冲击。另有研究者将其与欧盟统计局的结构性盈利调查数据匹配，揭示工时缩短与单位劳动力成本上升之间的关联机制，进而为“工时缩减提升生产效率”假说提供了跨国经验支撑。