electricsheepeurope/europe-ilo-how-xees-sex-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数据库的欧洲国家员工每周实际平均工作小时数数据，按性别划分。数据覆盖38个欧洲国家，时间跨度为1983年至2025年，共有3,438个观测值。核心指标为HOW_XEES_SEX_NB，表示员工每周实际平均工作小时数，按性别（总计、男性、女性）分列。数据集采用表格格式，包含国家代码、年份、指标值、数据来源和备注等列，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，确保一致性和可比性，并附带使用示例和引用信息。license: CC BY 4.0 language: - en task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语言 size_categories: - 1K<n<10K tags: - 表格 - 欧洲 - ILOSTAT - 工作时长 - ILO - 劳工 - 就业 pretty_name: "按性别划分的欧洲雇员实际周平均工作时长 | 欧洲（国际劳工组织统计数据库（ILOSTAT））" --- # 按性别划分的欧洲雇员实际周平均工作时长 | 欧洲（国际劳工组织统计数据库（ILOSTAT）） 🇪🇺 **3,438条观测值** · **38个欧洲国家** · **1983–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理*      ## 简短摘要 本数据集包含**3,438条工作时长数据观测值**，覆盖**38个欧洲国家**，时间跨度为**1983–2025年**，涵盖**1个唯一指标**。 ## 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。其收录的指标涵盖就业、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体面工作相关指标——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，覆盖200余个经济体，由国际劳工组织统计司负责数据标准化处理。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_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**：工作时长 ## 数据处理方法 本数据集直接从ILOSTAT REST API接口 `https://rplumber.ilo.org/data/indicator?id=HOW_XEES_SEX_NB` 拉取数据，并筛选出欧洲地区的ISO3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处理；数据来源信息将在`source.label`字段中标记，以确保可追溯性。 ## 地理覆盖范围 覆盖38个欧洲国家，以下按观测条数排序展示部分国家： | 国家 | 观测条数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `GBR` | 129 | 1983 | 2025 | | `BEL` | 126 | 1983 | 2024 | | `DEU` | 126 | 1983 | 2024 | | `FRA` | 126 | 1983 | 2024 | | `DNK` | 126 | 1983 | 2024 | | `IRL` | 126 | 1983 | 2024 | | `LUX` | 126 | 1983 | 2024 | | `ITA` | 126 | 1983 | 2024 | | `NLD` | 120 | 1983 | 2024 | | `ESP` | 120 | 1986 | 2025 | | `PRT` | 120 | 1986 | 2025 | | `GRC` | 117 | 1987 | 2025 | | `NOR` | 105 | 1990 | 2024 | | `CHE` | 105 | 1991 | 2025 | | `CZE` | 96 | 1993 | 2024 | | ... | _23个更多国家_ | | | ## 指标（示例） - `HOW_XEES_SEX_NB` — 按性别划分的雇员实际周平均工作时长 ## 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 | `ALB` | | `ref_area.label` | `string` | 国家英文名称 | `Albania` | | `source` | `string` | ILOSTAT数据源代码（如劳动力调查） | `BA:480` | | `source.label` | `string` | 数据源英文名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT指标代码 | `HOW_XEES_SEX_NB` | | `indicator.label` | `string` | 指标英文名称 | `Mean weekly hours actually worked per…` | | `sex` | `string` | 按性别拆分的维度（SEX_T = 总计，SEX_M = 男性，SEX_F = 女性） | `SEX_T` | | `sex.label` | `string` | — | `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） | `B` | | `obs_status.label` | `string` | — | `Break in series` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `Break in series: Methodology revised` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## 拆分维度 以下字段提供数据拆分维度： - **`sex`**（共3个唯一取值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 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」。 - 拆分维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应拆分时非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-how-xees-sex-nb-mean-weekly-hours-actually-worked-per-employee-by") df = ds["train"].to_pandas() print(df.head()) ### 按国家筛选 python germany = df[df["ref_area"] == "DEU"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "HOW_XEES_SEX_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="HOW_XEES_SEX_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "HOW_XEES_SEX_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_nb_mean_weekly_hours_actually_worked_per_employee_by_2025, title = {Mean weekly hours actually worked per employee by sex | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-how-xees-sex-nb-mean-weekly-hours-actually-worked-per-employee-by}} } ## 许可证 本数据集采用[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/)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及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：该项目旨在为HuggingFace平台上的欧洲数据构建统一的、适用于机器学习的数据层。我们从权威开源数据源拉取数据，规范数据结构，打包为Parquet格式，并发布采用统一数据集卡片的数据集，以便研究人员和开发者通过`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年5月27日通过Electric Sheep管道完成数据摄入。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_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统计数据库，通过REST API接口直接提取指标代码为“HOW_XEES_SEX_NB”的原始数据，随后依据欧洲ISO3国家代码进行地理过滤。数据经ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行协调统一，并保留来源列以供追溯。最终由Electric Sheep Europe团队重新封装为Parquet格式，并通过HuggingFace Datasets库提供标准化接口，确保研究者能够便捷加载。

特点

数据集包含3,438条观测记录，覆盖38个欧洲国家，时间跨度从1983年至2025年，呈现长达四十余年的劳动工时演变轨迹。核心指标为“按性别划分的雇员实际每周平均工作小时数”，并提供性别维度分列（总计、男性、女性）。数据注释详细标明观测状态（如临时性或序列间断），并附有方法论变更记录，为时间序列分析提供了严谨的质量标记与背景信息。

使用方法

用户可通过HuggingFace的`datasets`库使用`load_dataset()`函数一键加载数据集，随后利用Pandas转换为DataFrame进行深入分析。支持按国家代码筛选特定国家的时间序列，亦可按指标排序后绘制趋势图。此外，通过透视表功能，能够将数据重塑为以年份为行、国家为列的矩阵形式，便于进行跨国比较或面板数据分析，显著降低了劳动经济学研究的预处理门槛。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计部门创建，经Electric Sheep Europe于2025年重新整理，聚焦于欧洲38个国家1983年至2025年间按性别划分的雇员平均每周实际工作小时数。作为ILOSTAT核心数据库的子集，它汇聚了来自劳动力调查、家庭收入调查等多元来源的微观数据，并遵循国际劳工统计学家会议（ICLS）定义进行标准化处理。该数据集为劳动力经济学、性别不平等研究及政策制定提供了可靠的时间序列依据，尤其在分析欧洲劳动力市场长期演变、对比各国工作模式差异方面具有重要价值，推动了计量经济学与机器学习在劳动统计领域的交叉应用。

当前挑战

该数据集所解决的领域挑战在于，劳动力市场的时间序列数据常因各国调查方法、定义差异及数据缺失而难以直接比较。构建过程中面临多重难题：首先，需将ILOSTAT REST API中原始数据进行清洗与对齐，处理多来源间因方法论修订（如断点标记‘Break in series’）导致的时序不连续问题；其次，性别分类（男性/女性/总计）的细粒度拆分需确保数据完整性，部分国家或年份的细分数据可能缺失；此外，年度频率设计虽简化了分析，却舍弃了更高频的月度或季度波动信息，限制了短期动态研究的深度。

常用场景

经典使用场景

在劳动经济学与人口统计学领域，该数据集常被用于探究欧洲各国不同性别雇员每周实际工作时间的长期演变趋势。研究者可依据国家、性别与年份三个维度对观测值进行切片分析，追踪特定国家（如德国、法国）男性与女性工作时长的分异轨迹，或构建跨国面板数据，系统评估工作时间在数十年间的收敛或发散格局。该数据集的年频率结构与38国覆盖范围，使其成为宏观劳动供给模型训练与时间序列分解任务的理想选择。

衍生相关工作

基于该数据集已衍生出一系列标志性研究，包括利用混合效应模型量化欧盟东扩对中东欧国家工时模式的影响，以及结合教育程度与职业分类数据，构建性别收入与工作时间交互作用的路径分析框架。此外，部分工作通过将本数据集与欧盟劳动力调查（EU-LFS）微观数据融合，生成了更高频的季度工时面板，从而支持了对2008年金融危机及新冠疫情等外生冲击的即时效应评估，彰显了其在实证劳动经济学研究网络中的枢纽地位。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲38个国家1983至2025年间按性别划分的雇员周均实际工时统计，源自国际劳工组织ILOSTAT数据库。在全球劳动力市场结构性变迁与性别平等议题持续升温的背景下，研究者正依托此类高粒度时间序列数据，深入剖析后疫情时代远程办公普及、兼职比例攀升及性别间工时差异演变等前沿课题。通过与劳动力参与率、失业率等宏观指标联动建模，该数据为评估欧洲各国劳动市场韧性、预测短时工作制政策效应提供了关键实证基础，对推动体面劳动目标与包容性增长研究具有显著方法论价值。