electricsheepeurope/europe-ilo-une-deap-sex-edu-rt-unemployment-rate-by-sex-and-education

--- license: cc-by-4.0 language: - en task_categories: - tabular-classification - tabular-regression - time-series-forecasting multilinguality: monolingual size_categories: - 10K<n<100K tags: - tabular - europe - ilostat - unemployment - ilo - labour - employment pretty_name: "Unemployment rate by sex and education (%) | Europe (ILOSTAT)" --- # Unemployment rate by sex and education (%) | Europe (ILOSTAT) 🇪🇺 **31,559 observations** · **39 Europe countries** · **1987–2025** · *Repackaged by [Electric Sheep Europe](https://huggingface.co/electricsheepeurope)*      ## TL;DR This dataset contains **31,559 observations** of `Unemployment` data across **39 Europe countries**, spanning **1987–2025**, covering **1 distinct indicators**. ## About the source **ILOSTAT** is the ILO's central statistics database, the leading global source for labour statistics. It compiles indicators across employment, unemployment, wages, working time, child labour, informal economy, social protection, occupational injuries, and SDG decent work targets — drawing on national labour force surveys, household income surveys, establishment surveys, and administrative records. Coverage spans 200+ economies, with the ILO's Department of Statistics responsible for harmonisation. - **Source:** [ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_DEAP_SEX_EDU_RT) - **Publisher:** International Labour Organization (ILO) - **License:** [cc-by-4.0](https://creativecommons.org/licenses/by/4.0/) - **Topic:** Unemployment ## Methodology Data pulled directly from the ILOSTAT REST API at `https://rplumber.ilo.org/data/indicator?id=UNE_DEAP_SEX_EDU_RT` and filtered to Europe ISO3 country codes. ILOSTAT harmonises raw survey microdata using ICLS (International Conference of Labour Statisticians) definitions; sources are flagged in the `source.label` column for traceability. ## Geographic coverage 39 Europe countries · top rows shown below, sorted by row count: | Country | Rows | First year | Last year | |---------|-----:|-----------:|----------:| | `GRC` | 1,677 | 1987 | 2025 | | `CHE` | 1,311 | 1991 | 2025 | | `GBR` | 1,180 | 1992 | 2025 | | `FRA` | 1,083 | 1993 | 2024 | | `CZE` | 1,009 | 1998 | 2024 | | `IRL` | 1,003 | 1992 | 2024 | | `PRT` | 1,000 | 1992 | 2025 | | `ITA` | 994 | 1992 | 2024 | | `NLD` | 990 | 1996 | 2024 | | `ESP` | 966 | 1992 | 2025 | | `BEL` | 946 | 1992 | 2024 | | `SWE` | 944 | 1995 | 2024 | | `DEU` | 933 | 1992 | 2024 | | `DNK` | 899 | 1992 | 2024 | | `AUT` | 889 | 1995 | 2025 | | ... | _24 more countries_ | | | ## Indicators (sample) - `UNE_DEAP_SEX_EDU_RT` — Unemployment rate by sex and education (%) ## Schema | Column | Type | Description | Example | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 country code | `ALB` | | `ref_area.label` | `string` | Country name in English | `Albania` | | `source` | `string` | ILOSTAT source code (e.g. labour force survey) | `BA:480` | | `source.label` | `string` | Source name in English | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT indicator code | `UNE_DEAP_SEX_EDU_RT` | | `indicator.label` | `string` | Indicator name in English | `Unemployment rate by sex and educatio…` | | `sex` | `string` | Disaggregation by sex (SEX_T = total, SEX_M = male, SEX_F = female) | `SEX_T` | | `sex.label` | `string` | — | `Total` | | `classif1` | `string` | First classification variable (age, education, status, etc.) | `EDU_AGGREGATE_TOTAL` | | `classif1.label` | `string` | — | `Education (Aggregate levels): Total` | | `time` | `int64` | Observation year | `2024` | | `obs_value` | `float64` | Observed indicator value (unit varies — see indicator definition) | `8.431` | | `obs_status` | `string` | Observation status flag (e.g. provisional, unreliable) | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_classif` | `string` | — | `C3:5578` | | `note_classif.label` | `string` | — | `Nonstandard education level: Includin…` | | `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…` | ## Disaggregation dimensions The following columns provide disaggregation dimensions: - **`sex`** (3 unique values): `SEX_T`, `SEX_M`, `SEX_F` ## Data quality & caveats - Data is annual frequency. Some indicators also publish monthly or quarterly series — those are not included here. - When an indicator has multiple sources for the same country×year, the ILO-selected 'best source' is used. - Disaggregation columns (`sex`, `classif1`, `classif2`) are non-null only when the indicator publishes that breakdown. ## Usage ```python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-une-deap-sex-edu-rt-unemployment-rate-by-sex-and-education") df = ds["train"].to_pandas() print(df.head()) ``` ### Filter to one country ```python germany = df[df["ref_area"] == "DEU"] ``` ### Time-series for a single indicator ```python sample = (df[df["indicator"] == "UNE_DEAP_SEX_EDU_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="UNE_DEAP_SEX_EDU_RT") ``` ### Pivot to country × year matrix ```python matrix = (df[df["indicator"] == "UNE_DEAP_SEX_EDU_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ``` ## Citation ```bibtex @misc{europe_ilo_une_deap_sex_edu_rt_unemployment_rate_by_sex_and_education_2025, title = {Unemployment rate by sex and education (%) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_DEAP_SEX_EDU_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {\url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-une-deap-sex-edu-rt-unemployment-rate-by-sex-and-education}} } ``` ## License Released under [cc-by-4.0](https://creativecommons.org/licenses/by/4.0/). Original data © International Labour Organization (ILO). When using this dataset, please cite both the original source above and the Electric Sheep Europe repackaging. ## About Electric Sheep Electric Sheep Europe is part of the Electric Sheep mission: a unified, ML-ready data layer for Europe on HuggingFace. We pull data from authoritative open sources, normalize the schemas, package as Parquet, and publish with consistent dataset cards so researchers and developers can use `load_dataset()` to start working in seconds. Browse the full collection: [huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _Provenance: ingested 2026-05-27 via the Electric Sheep pipeline. Source URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_DEAP_SEX_EDU_RT_--- 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：单语言 样本规模： - 10000 < 样本量 < 100000 标签： - 表格数据 - 欧洲 - ILOSTAT - 失业率 - 国际劳工组织（ILO） - 劳工 - 就业 美观名称："按性别与教育水平划分的失业率（%）| 欧洲（ILOSTAT）" --- # 按性别与教育水平划分的失业率（%）| 欧洲（ILOSTAT） 🇪🇺 **31559条观测样本** · **39个欧洲国家** · **1987–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## 核心摘要 本数据集包含覆盖39个欧洲国家、时间跨度为1987至2025年的**失业数据**，共**31559条观测样本**，涉及**1项专属指标**。 ## 数据源介绍 **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，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（Sustainable Development Goals, SDG）中的体面工作目标，数据来源于全国劳动力调查、家庭收入调查、企业调查及行政记录。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统一协调处理。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_DEAP_SEX_EDU_RT) - **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**：失业率 ## 数据处理方法 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=UNE_DEAP_SEX_EDU_RT`拉取原始数据，并筛选出欧洲地区的ISO 3166-1 alpha-3国家代码样本。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统一协调处理；数据来源信息会在`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 · 以下按样本数量排序的前若干行示例： | 国家 | 样本数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `GRC` | 1,677 | 1987 | 2025 | | `CHE` | 1,311 | 1991 | 2025 | | `GBR` | 1,180 | 1992 | 2025 | | `FRA` | 1,083 | 1993 | 2024 | | `CZE` | 1,009 | 1998 | 2024 | | `IRL` | 1,003 | 1992 | 2024 | | `PRT` | 1,000 | 1992 | 2025 | | `ITA` | 994 | 1992 | 2024 | | `NLD` | 990 | 1996 | 2024 | | `ESP` | 966 | 1992 | 2025 | | `BEL` | 946 | 1992 | 2024 | | `SWE` | 944 | 1995 | 2024 | | `DEU` | 933 | 1992 | 2024 | | `DNK` | 899 | 1992 | 2024 | | `AUT` | 889 | 1995 | 2025 | | ... | _其余24个国家_ | | | ## 指标（示例） - `UNE_DEAP_SEX_EDU_RT` — 按性别与教育水平划分的失业率（%） ## 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` | 英语国家名称 | `Albania` | | `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 | `UNE_DEAP_SEX_EDU_RT` | | `indicator.label` | `string` | 英语指标名称 | `Unemployment rate by sex and educatio…` | | `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` | 维度标签 | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育水平、就业状态等） | `EDU_AGGREGATE_TOTAL` | | `classif1.label` | `string` | 分类变量标签 | `教育水平（汇总层级）：总计` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位见指标定义） | `8.431` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | `string` | 状态标签 | `不可靠` | | `note_classif` | `string` | 分类备注 | `C3:5578` | | `note_classif.label` | `string` | 备注说明 | `非标准教育水平：包含…` | | `note_indicator` | `string` | 指标备注 | `I11:264` | | `note_indicator.label` | `string` | 备注说明 | `序列断点：方法学修订` | | `note_source` | `string` | 数据源备注 | `R1:3513` | | `note_source.label` | `string` | 备注说明 | `存储库：ILO统计司 - 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 - 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”。 - 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-une-deap-sex-edu-rt-unemployment-rate-by-sex-and-education") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python germany = df[df["ref_area"] == "DEU"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "UNE_DEAP_SEX_EDU_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="UNE_DEAP_SEX_EDU_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "UNE_DEAP_SEX_EDU_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_une_deap_sex_edu_rt_unemployment_rate_by_sex_and_education_2025, title = {Unemployment rate by sex and education (%) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_DEAP_SEX_EDU_RT}, publisher = {HuggingFace Datasets, 由Electric Sheep Europe重新整理发布}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-une-deap-sex-edu-rt-unemployment-rate-by-sex-and-education}} } ## 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项目的欧洲分支，旨在为HuggingFace平台构建统一的、适配机器学习的欧洲地区数据层。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，并以统一的数据集卡片形式发布，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动开发工作。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- *数据溯源：2026年5月27日通过Electric Sheep数据管道摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_DEAP_SEX_EDU_RT*

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数据库，聚焦于欧洲39个国家1987年至2025年间按性别与教育程度划分的失业率指标。数据通过ILOSTAT REST API直接采集，并基于ISO3国家代码筛选出欧洲区域样本。ILOSTAT依据国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行统一规整，确保了跨国比较的一致性。数据集共计31,559条观测记录，每条观测包含国家代码、指标值、时间戳及来源标签等字段，便于追溯数据出处。

特点

数据集核心特点在于其精细的维度划分与质量控制机制。它提供了按性别（总、男、女）和教育程度（聚合层次）分解的失业率数据，允许研究者深入分析劳动力市场的结构性差异。ILOSTAT优先选用经专家评判的“最佳来源”处理同一国家-年份的多源冲突，同时标注观测状态（如临时性、不可靠）以警示数据缺陷。此外，注释字段记录了方法论修订、非标准教育维度等元信息，为用户提供了完整的质量评估语境。

使用方法

该数据集可经由HuggingFace Datasets库便捷调用，适用于分类、回归及时间序列预测等任务。用户可通过`load_dataset`函数直接加载数据，并利用`to_pandas()`转换为DataFrame进行分析。典型操作包括按国家过滤（如`df[df['ref_area']=='DEU']`）获取特定国家时间序列，或通过透视表构造国家×年份矩阵以观察横向波动。对于指标统一性要求，可筛选特定标识符（如`UNE_DEAP_SEX_EDU_RT`）后排序渲染时间序列图，支持多层次劳动力市场动态研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）通过其核心统计数据库ILOSTAT创建，并由Electric Sheep Europe于2025年重新打包发布，聚焦于欧洲39个国家1987至2025年间按性别与教育程度划分的失业率数据。作为全球劳动统计领域的权威来源，ILOSTAT整合了来自劳动力调查、家庭收入调查及行政记录等多源数据，并通过国际劳动统计学家会议定义进行标准化处理，为劳动力市场研究提供了高价值的微观与宏观数据支撑。该数据集涵盖超过三万条观测记录，细化了性别与教育水平的交叉维度，能够支持时间序列分析、面板数据建模及分类回归等任务，在劳动经济学、社会政策评估及国际比较研究中具有重要影响力，尤其有助于揭示教育投资与劳动力市场表现之间的长期关联。

当前挑战

该数据集所回应的核心领域挑战在于，传统失业率统计往往仅提供总体或单一维度的概览，难以揭示性别与教育程度对就业状况的交互影响，而本数据集通过维度分解使研究者能够评估不同教育水平下男女失业率的差异化趋势，为制定精准就业政策提供了数据基础。在构建过程中，挑战主要体现在数据源的异质性与质量标注上：ILOSTAT需从多个国家的时间序列中整合数据，不同来源可能采用不同的调查方法或教育分类标准，数据中出现了如'Nonstandard education level'与'Break in series'等注释标志，反映了跨时期与跨地域数据衔接的复杂性。此外，数据集仅包含年度频率，而部分指标本有月度或季度发布版本，取舍之间亦需权衡时间分辨率与覆盖一致性。

常用场景

经典使用场景

在劳动经济学与社会科学研究领域，该数据集最经典的用途在于探究欧洲各国失业率随性别与教育水平变化的长期趋势。研究者通常将其作为时间序列分析或面板数据模型的输入，用以比较不同国家、不同性别群体及不同教育层次在1987年至2025年间的失业差异。该数据集特别适用于构建固定效应或随机效应模型，探讨教育投资对就业回报的异质性影响，以及性别不平等在劳动力市场中的演变轨迹。其涵盖39个欧洲国家、跨度近四十年的年度观测值，为宏观比较研究提供了高时空分辨率的标准化数据基础。

衍生相关工作

该数据集衍生了若干富有影响力的相关工作方向。其一，基于其面板结构，研究者开发了混合效应模型与贝叶斯时间序列方法，用于预测未来失业率的性别与教育分层演变。其二，数据集中标注的数据来源与观测状态信息，催生了关于统计机构数据质量评估与断点校正方法的比较研究。其三，该数据集常被整合进更广泛的欧洲社会经济数据库，作为输入变量支持不平等指数构建与跨越国界的劳动力流动实证分析。此外，借助其较长的时间跨度，有学者利用该数据评估历次经济危机对差异化教育水平群体的非对称冲击，丰富了具有政策导向的应用计量经济学文献。

数据集最近研究

最新研究方向

在劳动经济学与公共政策领域，该数据集为探究欧洲各国失业率在性别与教育维度上的结构性差异提供了宝贵的时序面板数据。当前前沿研究聚焦于运用时间序列预测模型与因果推断方法，解析后疫情时代劳动力市场复苏过程中的教育回报率变化与性别就业鸿沟的动态演进。结合ILOSTAT这一权威数据源所提供的高质量、长跨度观测值，研究者能够精准建模教育水平对失业持续期的影响机制，并评估不同欧盟国家技能提升政策在缩小性别工资差距与促进体面劳动方面的实际效能，为联合国可持续发展目标中关于充分就业和公平工作议题的量化监测奠定了坚实的数据基础。