electricsheepeurope/europe-ilo-emp-5emp-sex-ste-nb-employment-by-sex-and-status-in-employment-19th-ic

该数据集包含欧洲地区按性别和就业状况划分的就业统计数据，基于国际劳工组织（ILO）的第19届国际劳工统计学家会议（ICLS）定义，数据以千人为单位。数据集涵盖1个欧洲国家（俄罗斯联邦），时间跨度为2022年至2025年，共348个观测值，包含1个核心指标（EMP_5EMP_SEX_STE_NB）。数据来源于ILOSTAT数据库，通过ILO的REST API获取，并经过Electric Sheep Europe重新打包为机器学习就绪格式。数据集以表格形式组织，包括国家代码、性别分类、年份、观测值等列，适用于表格分类、回归和时间序列预测等任务。数据为单语种（英语），规模较小（小于1K样本），并遵循CC-BY-4.0许可协议。--- 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 多语言属性：单语言 数据规模： - 少于1000条 标签： - 表格数据 - 欧洲 - ILOSTAT - 就业 - 国际劳工组织（ILO） - 劳工 显示名称："按性别和就业身份划分的就业情况——第19届国际劳工统计学家会议（International Conference of Labour Statisticians, ICLS）标准（单位：千人）| 欧洲（ILOSTAT）" --- # 按性别和就业身份划分的就业情况——第19届国际劳工统计学家会议（ICLS）标准（单位：千人）| 欧洲（ILOSTAT） 🇪🇺 **348条观测数据** · **1个欧洲国家** · **2022–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## 核心摘要 本数据集包含**348条就业相关观测数据**，覆盖**1个欧洲国家**，时间跨度为**2022–2025年**，涉及**1项专属指标**。 ## 数据源说明 **国际劳工组织统计数据库（ILOSTAT）**是国际劳工组织（International Labour Organization, ILO）的核心统计数据库，也是全球领先的劳工统计权威来源。该库整合了就业、失业、薪酬、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体面工作目标等多类指标，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部门负责数据标准化处理。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_5EMP_SEX_STE_NB) - **发布方**：国际劳工组织（ILO） - **许可证**：[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：就业 ## 处理方法 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EMP_5EMP_SEX_STE_NB`拉取数据，并筛选出符合欧洲地区ISO 3166-1 alpha-3国家代码的条目。国际劳工组织统计数据库（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处理；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 1个欧洲国家 · 以下展示前几行数据，按数据行数排序： | 国家代码 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `RUS` | 348 | 2022 | 2025 | ## 指标（示例） - `EMP_5EMP_SEX_STE_NB` — 按性别和就业身份划分的就业情况——第19届国际劳工统计学家会议标准（单位：千人） ## 数据结构 | 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 | `RUS` | | `ref_area.label` | `string` | 英文国家名称 | `俄罗斯联邦` | | `source` | `string` | ILOSTAT数据源代码（例如劳动力调查） | `BA:120` | | `source.label` | `string` | 英文数据源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT指标代码 | `EMP_5EMP_SEX_STE_NB` | | `indicator.label` | `string` | 英文指标名称 | `按性别和就业身份划分的就业情况…` | | `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` | — | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业身份等） | `STE_ICSE18_TOTAL` | | `classif1.label` | `string` | — | `就业身份（ICSE-18）：总计` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位随指标变化，请参阅指标定义） | `73457.369` | | `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_indicator` | `string` | — | `—` | | `note_indicator.label` | `string` | — | `—` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `存储库：ILO统计数据库 - 微观数据…` | ## 细分维度 以下字段提供数据细分维度： - **`sex`**（共3个唯一取值）：`SEX_T`、`SEX_M`、`SEX_F` ## 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数据，此类数据未包含在本数据集中。 - 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”。 - 细分字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分维度时才会包含非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-emp-5emp-sex-ste-nb-employment-by-sex-and-status-in-employment-19th-ic") df = ds["train"].to_pandas() print(df.head()) ### 按单个国家筛选 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "EMP_5EMP_SEX_STE_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_5EMP_SEX_STE_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_5EMP_SEX_STE_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_emp_5emp_sex_ste_nb_employment_by_sex_and_status_in_employment_19th_ic_2025, title = {Employment by sex and status in employment -- 19th ICLS (thousands) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_5EMP_SEX_STE_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-emp-5emp-sex-ste-nb-employment-by-sex-and-status-in-employment-19th-ic}} } ## 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及Electric Sheep Europe的重新整理版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep使命的一部分：旨在HuggingFace平台上构建统一的、可供机器学习使用的欧洲地区数据层。我们从权威开放数据源拉取数据，标准化数据schema，封装为Parquet格式，并采用统一的数据集卡片发布，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28日通过Electric Sheep数据管道摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_5EMP_SEX_STE_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中央统计数据库，通过调用其REST API接口，直接获取指标编码为EMP_5EMP_SEX_STE_NB的“按性别和就业身份划分的就业人数（第19届国际劳工统计学家会议，单位：千人）”数据。原始数据经由ILOSTAT基于各国劳动力调查、家庭收入调查、企业调查和行政记录等来源进行统一化处理，并遵循ICLS定义标准进行消杀与整合。此后，数据被筛选至欧洲地区的ISO3国家代码范围内，经由Electric Sheep Europe管道完成摄入、标准化为Parquet格式，并最终以HuggingFace数据集的形式发布，确保研究者可直接通过load_dataset()函数调用。

特点

该数据集的核心特点在于其聚焦性、精细度与时间跨度。数据集包含348条观测记录，覆盖单一欧洲国家（俄罗斯联邦），时间范围横跨2022年至2025年。数据结构清晰，涵盖国家代码、来源标签、指标名称、性别分类（总、男、女）、就业身份分类（ICSE-18标准）、观测年份与数值等关键字段。性别维度提供三个独特分类，就业身份维度则采用ICSE-18分类体系，为研究者提供了剖析就业结构变化的基础。此外，数据质量标注（如“不可靠”）及备注信息（如数据来源版本号）进一步增强了数据的可溯性和可信度。

使用方法

用户可通过HuggingFace的datasets库便捷加载该数据集，执行`load_dataset("electricsheepeurope/europe-ilo-emp-5emp-sex-ste-nb-employment-by-sex-and-status-in-employment-19th-ic")`命令，即可将数据转换为Pandas DataFrame进行后续分析。典型用法包括按国家过滤以聚焦特定区域的时间序列分析，对特定指标按时间排序以绘制趋势图，或利用透视表构建国家与年份的矩阵视图，便于跨年度比较。该数据集适用于劳动经济学研究、就业政策评估及时间序列预测建模等场景。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其核心统计数据库ILOSTAT发布，并由Electric Sheep Europe进行重新封装与标准化处理，聚焦于欧洲地区按性别和就业身份分类的就业数据（第19届ICLS标准，单位：千）。ILOSTAT作为全球劳动统计的权威来源，整合了来自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，旨在为可持续发展目标（SDGs）中的体面劳动指标提供可靠支撑。该数据集涵盖2022至2025年间俄罗斯联邦的348条观测记录，涉及性别、就业身份等关键分类维度，为研究欧洲劳动市场结构性变化、性别平等及就业质量提供了精细化的时间序列数据，在劳动经济学、公共政策评估及国际比较研究中具有重要参考价值。

当前挑战

该数据集面临的核心挑战在于劳动统计数据在跨国比较中的一致性与时效性平衡。尽管ILO通过ICLS框架对各国数据进行协调，但不同国家在数据采集方法（如劳动力调查与行政记录的差异）、分类标准更新（如ICSE-18就业身份分类）以及统计频率（年度数据缺失季度或月度波动信息）上的异质性，可能导致跨区域可比性偏差。此外，数据质量标注中出现的“不可靠”观测值（如obs_status字段标记为U），反映了原始调查中抽样误差、无响应偏倚或数据修正滞后等问题。从数据构建角度，从ILOSTAT REST API抓取并过滤至欧洲国家时，需处理多源数据冲突（如同一国家不同年份的最佳来源选择）、分类维度缺失（classif2列为空）以及时间序列不连续等挑战，确保数据集的完整性与可复现性。

常用场景

经典使用场景

该数据集聚焦于欧洲地区（以俄罗斯联邦为代表）按性别与就业身份划分的就业人数统计，其观测时段覆盖2022至2025年，数据来源于国际劳工组织（ILO）的ILOSTAT数据库，并遵循第19届国际劳工统计学家会议（ICLS）的定义标准进行统合。经典使用场景在于对短期劳动力市场动态的时序建模与预测，研究人员可借助该数据集对就业总量、男性就业、女性就业以及不同就业身份（如雇员、自雇者）进行分类分析，并利用其提供的年度观测值开展回归分析或时间序列预测任务，从而揭示特定国家或区域在特定时期内的就业结构演化趋势。

实际应用

在实际应用层面，该数据集对于国际组织、政府统计机构及社会政策智库具有重要参考价值。用人单位和劳动力市场监测机构可依据按性别与就业身份细粒度的年度就业数据，快速评估特定经济政策（如就业促进计划、性别平等措施）对劳动力市场的短期影响。此外，该数据集因其标准化接口（如HuggingFace Datasets库的直接加载），可高效集成至自动化报告系统与动态数据面板中，服务于欧盟成员国间就业监测与跨国比较，为基于证据的政策制定提供实时、可追溯的量化支撑。

衍生相关工作

基于该数据集已衍生出一系列具有代表性的研究工作。经典方向包括：基于性别与就业身份交叉分类的结构性就业预测模型，利用时序特征构建短期失业率预警机制；以及结合欧洲多国数据开展差异化劳动力市场比较的计量经济学分析。此外，该数据集作为ILOSTAT在特定区域的子集示例，已被用作国际劳工统计标准一致性检验的基准样本，并促进了开源数据生态中劳动力统计数据的复用规范——例如Electric Sheep Europe项目将其作为数据标准化管线的典型案例，推动了跨数据集整合与可复现计算流程的最佳实践。