electricsheepasia/asia-ilo-pop-3wap-sex-geo-tra-nb-youth-working-age-population-by-sex-rural-urban-ar

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的统计信息，专门针对亚洲地区青年工作年龄人口（以千人为单位），按性别、城乡地区和过渡形式进行分类。数据集涵盖17个亚洲国家，时间跨度为1999年至2025年，共包含7,737个观测值。核心指标为POP_3WAP_SEX_GEO_TRA_NB，用于记录青年工作年龄人口数据。数据集提供了详细的列结构，包括国家代码、数据来源、指标分类、性别维度（总计、男性、女性）、地理覆盖类型、过渡形式、观测年份和数值等，支持劳动统计分析和时间序列预测。数据经过ILO标准化处理，并遵循CC-BY-4.0许可。--- 许可证: CC BY 4.0（知识共享署名4.0国际许可协议） 语言: - 英语 任务类别: - 表格分类 - 表格回归 - 时间序列预测 多语言属性: 单语 样本量范畴: - 1000 < 样本数 < 10000 标签: - 表格数据 - 亚洲 - ILOSTAT（国际劳工组织统计数据库） - 人口 - ILO（国际劳工组织） - 劳工 - 就业 美观名称: "按性别、城乡区域及转型形式划分的青年劳动年龄人口（单位：千人 | 亚洲（ILOSTAT））" --- # 按性别、城乡区域及转型形式划分的青年劳动年龄人口（单位：千人 | 亚洲（ILOSTAT）） 🌏 **7,737 条观测值** · **17 个亚洲国家** · **1999–2025 年** · *由 [Electric Sheep Asia](https://huggingface.co/electricsheepasia) 重新封装*      ## 快速概览 本数据集包含覆盖**17个亚洲国家**的**7,737条人口（Population）数据观测值**，时间跨度为**1999–2025年**，涵盖**1个唯一指标**。 ## 数据源说明 **ILOSTAT（国际劳工组织统计数据库，International Labour Organization Statistics Database）**是国际劳工组织（ILO，International Labour Organization）的核心统计数据库，也是全球领先的劳工统计权威来源。其收录的指标涵盖就业、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，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整合。 - **数据源地址**: [ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_3WAP_SEX_GEO_TRA_NB) - **发布方**: 国际劳工组织（ILO，International Labour Organization） - **许可证**: [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**: 人口 ## 数据处理方法 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=POP_3WAP_SEX_GEO_TRA_NB`拉取，并筛选出亚洲地区的ISO 3166-1 alpha-3国家代码数据集。ILOSTAT采用国际劳工统计学家会议（ICLS，International Conference of Labour Statisticians）的定义对原始调查微观数据进行标准化整合；数据来源信息会在`source.label`列中标记，以确保可追溯性。 ## 地理覆盖范围 17个亚洲国家 · 以下按数据行数排序展示前若干条记录： | 国家代码 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `CYP` | 2,074 | 1999 | 2024 | | `PAK` | 891 | 2006 | 2021 | | `KOR` | 887 | 2015 | 2025 | | `JOR` | 644 | 2012 | 2024 | | `MNG` | 514 | 2019 | 2024 | | `GEO` | 477 | 2019 | 2024 | | `VNM` | 413 | 2015 | 2020 | | `MMR` | 324 | 2015 | 2020 | | `PSE` | 270 | 2013 | 2022 | | `KHM` | 249 | 2012 | 2019 | | `TLS` | 237 | 2010 | 2021 | | `NPL` | 171 | 2013 | 2017 | | `ARM` | 163 | 2012 | 2014 | | `LAO` | 162 | 2017 | 2022 | | `BGD` | 90 | 2013 | 2013 | | ... | _另外2个国家_ | | | ## 指标（示例） - `POP_3WAP_SEX_GEO_TRA_NB` — 按性别、城乡区域及转型形式划分的青年劳动年龄人口（单位：千人） ## 数据结构 | 列名 | 数据类型 | 描述 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `ARM` | | `ref_area.label` | `string` | 英文国家名称 | `Armenia` | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `BX:6366` | | `source.label` | `string` | 英文来源名称 | `HS - School to Work Transition Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `POP_3WAP_SEX_GEO_TRA_NB` | | `indicator.label` | `string` | 英文指标名称 | `Youth working-age population by sex, …` | | `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` | — | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `GEO_COV_NAT` | | `classif1.label` | `string` | — | `Area type: National` | | `classif2` | `string` | 可选第二分类变量 | `TRA_FORMS_TOTAL` | | `classif2.label` | `string` | — | `Transition forms: Total` | | `time` | `int64` | 观测年份 | `2014` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `747.805` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `Break in series: Methodology revised` | | `note_source` | `string` | — | `R1:3513_T3:2481` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## 细分维度 以下列提供数据细分维度： - **`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，本数据集未收录此类数据。 - 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("electricsheepasia/asia-ilo-pop-3wap-sex-geo-tra-nb-youth-working-age-population-by-sex-rural-urban-ar") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python indonesia = df[df["ref_area"] == "IDN"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "POP_3WAP_SEX_GEO_TRA_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="POP_3WAP_SEX_GEO_TRA_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "POP_3WAP_SEX_GEO_TRA_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_pop_3wap_sex_geo_tra_nb_youth_working_age_population_by_sex_rural_urban_ar_2025, title = {按性别、城乡区域及转型形式划分的青年劳动年龄人口（单位：千人 | 亚洲（ILOSTAT）)}, author = {国际劳工组织（ILO，International Labour Organization)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_3WAP_SEX_GEO_TRA_NB}, publisher = {HuggingFace 数据集平台，由 Electric Sheep Asia 重新封装}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-pop-3wap-sex-geo-tra-nb-youth-working-age-population-by-sex-rural-urban-ar}} } ## 许可证 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 © 国际劳工组织（ILO）。使用本数据集时，请同时引用上述原始数据源及 Electric Sheep Asia 的重新封装版本。 ## 关于 Electric Sheep Electric Sheep Asia 是 Electric Sheep 项目的组成部分，该项目旨在 HuggingFace 平台上打造统一的、适配机器学习的亚洲地区数据层。我们从权威开源数据源获取数据，对数据 schema 进行标准化处理，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/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据溯源：2026-05-27 通过 Electric Sheep 管道摄取。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_3WAP_SEX_GEO_TRA_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统计数据库构建，聚焦于亚洲地区青年劳动年龄人口按性别、城乡及转型形式的分布情况。数据直接通过ILOSTAT REST API（接口为`https://rplumber.ilo.org/data/indicator?id=POP_3WAP_SEX_GEO_TRA_NB`）抽取，并依据亚洲ISO3国家代码进行过滤筛选。ILOSTAT利用国际劳工统计学家会议（ICLS）定义的标准，对各国劳动力调查、住户收入调查、企业调查及行政记录等原始微观数据进行协调与整合，确保数据的国际可比性。每个观测值均附带来源标签（`source.label`），为数据溯源提供清晰路径。

特点

数据集包含7,737条观测值，覆盖1999至2025年间17个亚洲国家，是研究区域青年人口动态的重要资源。其核心指标为`POP_3WAP_SEX_GEO_TRA_NB`，即按性别、城乡及转型形式细分的青年劳动年龄人口（单位：千人）。数据提供多维度分类体系，包括性别（总、男、女）、地理覆盖类型（如国家、城乡）及转型形式（如总体、特定过渡状态）。此外，观测值附有`obs_status`标记（如“不可靠”）及序列中断等注释，便于用户评估数据质量与可用性。

使用方法

用户可通过Hugging Face的`datasets`库便捷加载数据，示例代码为`load_dataset("electricsheepasia/asia-ilo-pop-3wap-sex-geo-tra-nb-youth-working-age-population-by-sex-rural-urban-ar")`，并以Pandas DataFrame形式进行后续分析。典型用法包括：按国家筛选（如`df[df["ref_area"] == "IDN"]`）、针对单一指标进行时间序列可视化、或通过透视表构建国家×年份矩阵。数据以Parquet格式存储，支持高效读取。适用于劳动经济学、人口学及可持续发展目标（SDG）相关研究。

背景与挑战

背景概述

该数据集源自国际劳工组织（ILO）的ILOSTAT核心统计数据库，由Electric Sheep Asia于2025年重新打包发布，聚焦亚洲地区青年劳动年龄人口的性别、城乡分布及转型形态。ILOSTAT作为全球劳动统计的权威来源，整合了200多个经济体的劳动力调查、家庭收支调查及行政记录数据，为可持续发展目标中体面工作指标的监测提供基础。本数据集涵盖17个亚洲国家1999年至2025年间7,737条观测记录，核心指标为按性别和城乡划分的青年劳动年龄人口（单位：千人），旨在揭示亚洲青年在劳动力市场中的结构性特征与转型路径，对劳动经济学、人口地理学及区域发展研究具有重要支撑价值。

当前挑战

在领域问题层面，该数据集致力于解决亚洲地区青年就业与人口结构分析的异质性挑战，包括各国统计口径、调查频率与数据质量的差异，以及城乡二元结构下青年劳动参与率的多维刻画难题。构建过程中面临方法论挑战：ILOSTAT通过国际劳工统计学家会议定义对原始调查微观数据进行协调，但数据来源的多样性（如劳动力调查、学校向工作转型调查）导致部分观测值被标记为“不可靠”或存在序列断裂，需通过注释字段追溯修正逻辑。此外，分类维度（性别、地域类型、转型形式）的非均匀填充与年度频率的限制，增加了跨时空可比分析的复杂度，要求研究者谨慎处理缺失值与状态标识。

常用场景

经典使用场景

该数据集汇集了1999年至2025年间亚洲17个国家青年劳动年龄人口的详尽观测数据，共计7,737条记录，涵盖性别、城乡地域及转型形式等多维细分维度。在经典使用场景中，研究者可将其应用于时间序列分析与面板数据建模，借助ILOSTAT统一规范的统计口径，追踪特定国家或区域青年劳动力供给的长期演变趋势。通过按性别和城乡分类的精细化结构，该数据集为探究青年人口在城市化进程与就业转型中的分布规律提供了可靠的数据根基。

衍生相关工作

围绕该数据集已衍生出多项经典的学术与工具性工作。在方法论层面，研究者基于其面板数据结构开发了面向亚洲区域的青年就业转型预测模型，结合宏观经济变量进行多国比较分析。在数据工程领域，Electric Sheep Asia将其重新封装为Parquet格式并整合至HuggingFace生态，推动了劳动统计数据的可复现性与可访问性变革。此外，该数据集常被用作基准资源，验证城乡劳动力流动模拟算法与性别平等测量框架的有效性，在《劳动经济学》与《人口与发展评论》等期刊中频繁被引。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区青年劳动适龄人口在性别、城乡及转型形态维度的时空分布与趋势分析，服务于区域劳动力市场监测、可持续发展目标（特别是体面工作和经济增长）评估以及跨国比较研究。当前前沿方向包括：结合时间序列模型预测青年就业过渡模式，探究城乡人口流动对劳动参与率的影响，以及利用机器学习算法对劳动力数据质量进行异常检测与插补。该数据涵盖1999至2025年17个亚洲国家，由ILOSTAT权威发布并经由Electric Sheep Asia标准化重包装，为跨学科研究提供了规范的、ML-ready的数据基础，尤其有助于在亚洲城镇化与人口结构变迁背景下解析青年就业脆弱性及政策干预效果。