electricsheepeurope/europe-ilo-how-temp-sex-eco-nb-mean-weekly-hours-actually-worked-per-employed-per

该数据集包含欧洲39个国家从1969年至2025年的106,532个观测值，核心指标为按性别和经济活动划分的就业人员每周实际工作平均小时数（HOW_TEMP_SEX_ECO_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涵盖了就业、工作时间等劳动统计信息。数据集提供了国家代码、年份、性别（总计、男性、女性）、经济活动分类、观测值及数据来源等详细字段，适用于表格分类、回归和时间序列预测等任务。数据经过ILO的标准化处理，确保与国际劳工统计学家会议（ICLS）定义一致，并包含数据质量说明，如年度频率、最佳来源选择等。license: 知识共享署名4.0（CC BY 4.0） language: - 英语 task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语言 size_categories: - 100K<n<1M tags: - 表格数据 - 欧洲 - ILOSTAT - 工作时长 - 国际劳工组织（ILO） - 劳动 - 就业 pretty_name: "按性别与经济活动划分的就业人员实际周均工作时长 | 欧洲（ILOSTAT）" --- # 按性别与经济活动划分的就业人员实际周均工作时长 | 欧洲（ILOSTAT） 🇪🇺 **106,532条观测值** · **39个欧洲国家** · **1969–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## TL;DR 本数据集包含**106,532条工作时长观测值**，覆盖**39个欧洲国家**，时间跨度为**1969–2025年**，仅包含**1个核心指标**。 ## 关于数据源 **国际劳工组织统计数据库（ILOSTAT）**是国际劳工组织（ILO）的中央统计数据库，也是全球领先的劳动统计权威来源。该库整合了就业、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（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、企业调查与行政记录。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。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_TEMP_SEX_ECO_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 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=HOW_TEMP_SEX_ECO_NB`拉取，并筛选出欧洲地区的ISO 3166-1 alpha-3国家代码对应的样本。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 · 以下为按行数排序的前若干行数据： | 国家 | 行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `MLT` | 3,739 | 1969 | 2025 | | `CHE` | 3,658 | 1991 | 2025 | | `GBR` | 3,476 | 1992 | 2025 | | `FRA` | 3,468 | 1992 | 2025 | | `NLD` | 3,373 | 1992 | 2025 | | `IRL` | 3,353 | 1992 | 2025 | | `DNK` | 3,353 | 1992 | 2025 | | `SWE` | 3,288 | 1970 | 2025 | | `ESP` | 3,258 | 1977 | 2025 | | `ITA` | 3,252 | 1992 | 2025 | | `GRC` | 3,237 | 1992 | 2025 | | `DEU` | 3,192 | 1992 | 2025 | | `LUX` | 3,175 | 1992 | 2025 | | `PRT` | 3,154 | 1992 | 2025 | | `BEL` | 3,122 | 1992 | 2025 | | ... | _另有24个国家_ | | | ## 指标（示例） - `HOW_TEMP_SEX_ECO_NB` — 按性别与经济活动划分的就业人员实际周均工作时长 ## 数据结构 | 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` | 英语国家名称 | `阿尔巴尼亚` | | `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 - 劳动力调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `HOW_TEMP_SEX_ECO_NB` | | `indicator.label` | `string` | 英语指标名称 | `按性别和经济活动划分的就业人员实际周均工作时长……` | | `sex` | `string` | 性别分组维度（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | 分组的中文名称 | `总计` | | `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` | 对应分类的中文名称 | `经济活动（大类）：总计` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位需参照指标定义） | `41.33` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | 对应状态的中文名称 | `不可靠` | | `note_classif` | `string` | 分类备注代码 | `C5:2230` | | `note_classif.label` | `string` | 分类备注说明 | `非标准经济活动：包含……` | | `note_indicator` | `string` | 指标备注代码 | `T11:142` | | `note_indicator.label` | `string` | 指标备注说明 | `工作覆盖范围：当前从事的主要工作` | | `note_source` | `string` | 数据源备注代码 | `R1:3513` | | `note_source.label` | `string` | 数据源备注说明 | `存储库：ILO统计数据库 - 微观数据……` | ## 数据分解维度 以下字段提供数据分解维度： - **`sex`**（共3种唯一取值）：`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，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数据源时，将采用国际劳工组织选定的“最优数据源”。 - 分解维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应分类时才会非空。 ## 使用示例 python from datasets import load_dataset # 加载数据集 ds = load_dataset("electricsheepeurope/europe-ilo-how-temp-sex-eco-nb-mean-weekly-hours-actually-worked-per-employed-per") # 将训练集转换为Pandas DataFrame df = ds["train"].to_pandas() print(df.head()) ### 筛选单一国家数据 python # 筛选德国数据 germany = df[df["ref_area"] == "DEU"] ### 单个指标的时间序列可视化 python # 筛选指定指标并按年份排序 sample = (df[df["indicator"] == "HOW_TEMP_SEX_ECO_NB"] .sort_values("time")) # 绘制时间序列折线图 sample.plot(x="time", y="obs_value", title="HOW_TEMP_SEX_ECO_NB") ### 转换为国家×年份透视表 python # 生成以年份为行、国家为列的透视表 matrix = (df[df["indicator"] == "HOW_TEMP_SEX_ECO_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_how_temp_sex_eco_nb_mean_weekly_hours_actually_worked_per_employed_per_2025, title = {按性别与经济活动划分的就业人员实际周均工作时长 | 欧洲（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_TEMP_SEX_ECO_NB}, publisher = {HuggingFace数据集平台，由Electric Sheep Europe重新整理发布}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-how-temp-sex-eco-nb-mean-weekly-hours-actually-worked-per-employed-per}} } ## 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与Electric Sheep Europe的重新整理版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep项目的组成部分，该项目旨在构建面向欧洲地区的统一、可直接用于机器学习的标准化数据层，托管于HuggingFace平台。我们从权威开源数据源拉取数据，对数据Schema进行标准化处理，封装为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通过`load_dataset()`即可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数据管道摄入。原始数据源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_TEMP_SEX_ECO_NB_

搜集汇总

数据集介绍

构建方式

该数据集由国际劳工组织（ILO）的ILOSTAT数据库提取并重新封装而来。数据通过REST API从ILOSTAT获取，基于指标代码HOW_TEMP_SEX_ECO_NB，筛选出符合欧洲ISO3国家代码的观测值，并利用ILO基于国际劳工统计学家会议（ICLS）定义的统一标准对原始调查微观数据进行清洗与标准化。Electric Sheep Europe团队进一步将其整理为机器学习友好的Parquet格式，并发布至HuggingFace平台，确保数据可溯源。

特点

该数据集汇聚了1969至2025年间39个欧洲国家关于每周实际工作小时数的106,532条观测值。其独到之处在于维度丰富，涵盖性别（男、女、合计）与经济活动的交叉分类，并附有详细的数据来源、观测状态及质量标注。数据采用年度频率，源于各国劳动力调查等官方统计，经ILO选定最优来源以保证一致性，为跨国家、跨时间段的比较分析提供了坚实框架。

使用方法

数据集可通过HuggingFace的`datasets`库直接使用，加载后转换为Pandas DataFrame即可展开多种分析。用户可以便捷地按国家筛选，或聚焦单一指标进行时间序列可视化。通过数据透视表功能，可将数据重塑为国家×年份的矩阵，便于开展跨国的趋势对比和面板数据分析。所有操作均支持标准的数据探索与建模流程，适用于分类、回归及时间序列预测等任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其ILOSTAT统计数据库整理并发布，后由Electric Sheep Europe重新打包至HuggingFace平台。核心研究问题聚焦于欧洲39个国家在1969年至2025年间，按性别和经济活动划分的受雇人员每周实际平均工作小时数。作为全球劳动统计领域的权威来源，ILOSTAT的数据为劳动力市场研究、社会政策制定及国际比较提供了坚实基础。这一数据集的出现，使得研究者能够高效获取长达半个多世纪的跨国家、跨性别与跨行业的工时信息，极大推动了劳动经济学、性别平等及工作时间相关议题的实证分析。

当前挑战

该数据集所解决的核心领域挑战在于系统性地量化欧洲各国劳动时间的长期趋势及其多维差异，特别是性别与经济部门间的异质性。构建过程面临的挑战包括：整合来自不同国家劳动力调查、行政记录等多源异构数据，并依据国际劳动统计学家会议（ICLS）定义进行标准化处理；处理年度频率数据中可能存在的间断、标志为不可靠（如“U”状态）的观测值，以及多来源冲突时择优选择“最佳来源”的复杂逻辑；此外，将性别与经济活动的分类维度与时间序列对齐，确保在106,532条观测记录中保持数据的追溯性与一致性，也是数据清理中的关键难点。

常用场景

经典使用场景

在时空劳动经济学与政策评估领域，该数据集被广泛用于构建欧洲各国人均实际工作时间的纵向面板数据模型。研究人员可通过‘ref_area’和‘time’双索引，对39个国家长达半个世纪的周工时演变轨迹进行跨时对比分析。借助‘sex’、‘classif1’等维度，研究者能够细分至性别与经济活动部门层面，从而剖析女性参与率提升、服务业扩张或技术变革对劳动强度的差异化影响。此类时序面板分析构成了劳动结构转型、工作强度收敛性检验及跨国制度比较研究的基石。

衍生相关工作

此数据集为欧洲劳动市场研究的诸多经典工作提供了数据支撑。基于ILOSTAT的同类指标，学者曾衍生出欧洲工作时间收敛俱乐部假说的系列检验，催生了关于‘南欧–北欧’工时体制分化的讨论。同时，它也被整合进欧洲社会调查（ESS）与卢森堡收入研究（LIS）的匹配数据库中，用以构造跨国劳动脱力风险指数。近年的前沿工作更将其与气候变化数据结合，探究极端高温对南欧户外作业群体周工时的非线性冲击，拓展了劳动经济学与环境科学的交叉研究疆界。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲39国1969至2025年间按性别和经济活动划分的周均实际工作时长，为劳动经济学中的工作时间趋势研究提供了关键纵向数据支撑。目前，研究前沿正借助此类精细化的ILOSTAT统计数据，深入分析欧洲内部因数字化转型、绿色经济转型及后疫情弹性工作制普及所引发的工时结构性变迁，尤其关注性别差异与行业异质性。该数据集的高时间分辨率与国家覆盖度，使其成为揭示欧洲劳动力市场韧性演变、劳动法规影响评估以及跨国工作时间趋同或分化等热点议题的核心实证基础，对理解欧洲社会经济模式调整与可持续发展目标进展具有重大意义。