electricsheepeurope/europe-ilo-emp-pifl-age-oc2-rt-share-of-employment-outside-the-formal-sector-by-a

该数据集包含欧洲33个国家从2006年至2025年的非正规经济数据，共有22,637个观察值，涵盖1个核心指标：按年龄和职业（ISCO 2级）划分的非正规部门就业比例（%）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过REST API获取，并经过欧洲国家代码过滤。数据集提供了结构化表格，包括国家代码、年份、指标值、分类变量（如年龄和职业）、数据来源和观察状态等字段，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，使用国际劳工统计学家会议（ICLS）定义，确保一致性和可追溯性。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 多语言类型：单语种 样本量范围：10000 < 样本量 < 100000 标签： - 表格数据 - 欧洲 - ILOSTAT（国际劳工组织统计数据库） - 非正规经济 - ILO（国际劳工组织） - 劳工 - 就业 美观名称：“按年龄与职业划分的非正规部门就业占比——国际标准职业分类（ISCO）二级水平（%）| 欧洲（ILOSTAT）” # 按年龄与职业划分的非正规部门就业占比——国际标准职业分类（ISCO）二级水平（%）| 欧洲（ILOSTAT） 🇪🇺 **22637条观测数据** · **33个欧洲国家** · **2006–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新封装*      ## TL;DR 本数据集包含覆盖**33个欧洲国家**的`非正规经济`相关数据，共计**22637条观测数据**，时间跨度为**2006–2025年**，涵盖**1项独立指标**。 ## 数据源简介 **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=EMP_PIFL_AGE_OC2_RT) - **发布方：** 国际劳工组织（International Labour Organization, ILO） - **许可证：** [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题：** 非正规经济 ## 研究方法 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EMP_PIFL_AGE_OC2_RT`获取数据，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（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；数据来源将在`source.label`列中标记，以保证可追溯性。 ## 地理覆盖范围 33个欧洲国家 · 以下按数据行数排序展示Top10国家： | 国家代码 | 数据行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `RUS` | 1694 | 2010 | 2025 | | `CZE` | 1144 | 2007 | 2024 | | `POL` | 1129 | 2007 | 2024 | | `NLD` | 1107 | 2007 | 2024 | | `ITA` | 1082 | 2007 | 2024 | | `ESP` | 1042 | 2007 | 2024 | | `SRB` | 1001 | 2007 | 2024 | | `PRT` | 954 | 2007 | 2024 | | `BIH` | 952 | 2006 | 2024 | | `GBR` | 908 | 2007 | 2018 | | `FIN` | 880 | 2007 | 2024 | | `SVK` | 876 | 2007 | 2024 | | `MKD` | 767 | 2009 | 2025 | | `LVA` | 693 | 2007 | 2024 | | `NOR` | 692 | 2007 | 2023 | | ... | _另有18个国家_ | | | ## 指标示例 - `EMP_PIFL_AGE_OC2_RT` — 按年龄与职业划分的非正规部门就业占比——国际标准职业分类（ISCO）二级水平（%） ## 数据结构 | 列名 | 数据类型 | 描述 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `AUT` | | `ref_area.label` | `string` | 英文国家名称 | `奥地利` | | `source` | `string` | ILOSTAT 数据源代码（例如劳动力调查） | `BB:275` | | `source.label` | `string` | 英文数据源名称 | `HIES - 欧盟收入与负债统计……` | | `indicator` | `string` | ILOSTAT 指标代码 | `EMP_PIFL_AGE_OC2_RT` | | `indicator.label` | `string` | 英文指标名称 | `按年龄与职业划分的非正规部门就业占比……` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `年龄（青年、成年）：15岁及以上` | | `classif2` | `string` | 可选的第二分类变量 | `OC2_ISCO08_TOTAL` | | `classif2.label` | `string` | — | `职业（ISCO-08），2位级别：……` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `3.907` | | `obs_status` | `string` | 观测状态标记（例如临时、不可靠） | `U` | | `obs_status.label` | `string` | — | `不可靠` | | `note_classif` | `string` | — | `C6:1058` | | `note_classif.label` | `string` | — | `非标准年龄组：不含15岁人口` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法学修订` | | `note_source` | `string` | — | `R1:3513_T2:85` | | `note_source.label` | `string` | — | `存储库：ILO统计数据库——微观数据……` | ## 数据质量与注意事项 - 本数据集采用年度频率。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。 - 若同一国家×年份的同一指标存在多个数据源，将采用国际劳工组织选定的“最优数据源”。 - 细分列（`sex`、`classif1`、`classif2`）仅在指标支持对应细分维度时才非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-emp-pifl-age-oc2-rt-share-of-employment-outside-the-formal-sector-by-a") df = ds["train"].to_pandas() print(df.head()) ### 按单一国家筛选 python germany = df[df["ref_area"] == "DEU"] ### 单一指标的时间序列可视化 python sample = (df[df["indicator"] == "EMP_PIFL_AGE_OC2_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_PIFL_AGE_OC2_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_PIFL_AGE_OC2_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_emp_pifl_age_oc2_rt_share_of_employment_outside_the_formal_sector_by_a_2025, title = {Share of employment outside the formal sector by age and occupation - ISCO level 2 (%) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_AGE_OC2_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-emp-pifl-age-oc2-rt-share-of-employment-outside-the-formal-sector-by-a}} } ## 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数据源与Electric Sheep Europe的重新封装工作。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep项目的组成部分：该项目旨在HuggingFace平台上构建一套统一的、适配机器学习的欧洲地区数据层。我们从权威开放数据源获取数据，对数据结构进行标准化处理，封装为Parquet格式，并发布格式统一的数据集卡片，使研究人员与开发者可通过`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。数据源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_AGE_OC2_RT_