electricsheepasia/asia-ilo-une-deap-sex-dsb-rt-unemployment-rate-by-sex-and-disability-status

该数据集包含亚洲22个国家从1996年至2024年的失业率数据，具体按性别和残疾状况分类。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，这是一个全球领先的劳动力统计数据库，通过ILOSTAT REST API直接获取，并经过ILO使用国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集包含1,124个观测值，覆盖一个核心指标：UNE_DEAP_SEX_DSB_RT，即按性别和残疾状况分类的失业率百分比。数据以表格形式组织，包含多个列，如国家代码（ref_area）、国家名称（ref_area.label）、数据来源代码和标签（source, source.label）、指标代码和标签（indicator, indicator.label）、性别分类（sex, sex.label）、残疾状况分类（classif1, classif1.label）、年份（time）、观测值（obs_value）以及数据状态和注释列。数据按年度频率提供，并包含数据质量说明，例如当同一国家×年份有多个来源时，使用ILO选择的最佳来源。数据可用于表格分类、回归和时间序列预测等任务，适用于劳动力市场分析、经济研究和社会政策评估。数据集由Electric Sheep Asia重新打包，以Parquet格式发布，便于机器学习使用，并遵循CC-BY-4.0许可证。--- 许可证：CC BY 4.0（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 样本量范围： - 1000 < 样本量 < 10000 标签： - 表格数据 - 亚洲 - ILOSTAT - 失业 - ILO - 劳动 - 就业 数据集友好名称："按性别与残疾状况划分的失业率（%）| 亚洲（ILOSTAT）" --- # 按性别与残疾状况划分的失业率（%）| 亚洲（ILOSTAT） 🌏 **共1124条观测值** · **覆盖22个亚洲国家** · **时间跨度为1996–2024年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新封装*      ## 核心摘要 本数据集包含覆盖22个亚洲国家的**失业相关数据**，共**1124条观测值**，时间跨度为**1996–2024年**，仅涵盖**1项明确指标**。 ## 数据源说明 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（ILO）的核心统计数据库，也是全球领先的劳动统计权威来源。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）体面工作目标等多类指标，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。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工作。 - **数据源：** [ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_DEAP_SEX_DSB_RT) - **发布方：** 国际劳工组织（ILO） - **许可证：** [CC BY 4.0（cc-by-4.0）](https://creativecommons.org/licenses/by/4.0/) - **主题：** 失业 ## 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_DSB_RT`拉取数据，并筛选出亚洲地区的ISO 3位国家代码数据。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`字段中标记，以保证可追溯性。 ## 地理覆盖范围 覆盖22个亚洲国家，以下为按数据行数排序的前15个国家（另有7个国家未列出）： | 国家代码 | 行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `CYP` | 176 | 2005 | 2024 | | `MNG` | 161 | 2006 | 2024 | | `ARM` | 153 | 2007 | 2023 | | `KHM` | 79 | 1996 | 2023 | | `IDN` | 78 | 2010 | 2023 | | `ISR` | 72 | 2016 | 2023 | | `LKA` | 58 | 2018 | 2024 | | `PSE` | 45 | 2018 | 2022 | | `THA` | 38 | 2007 | 2019 | | `BGD` | 35 | 2011 | 2024 | | `TLS` | 33 | 2015 | 2022 | | `MYS` | 27 | 2020 | 2022 | | `IRQ` | 25 | 2007 | 2021 | | `AFG` | 23 | 2017 | 2021 | | `TJK` | 22 | 2003 | 2016 | | ... | _另有7个国家_ | | | ## 指标示例 - `UNE_DEAP_SEX_DSB_RT` — 按性别与残疾状况划分的失业率（%） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `AFG` | | `ref_area.label` | `string` | 英文国家名称 | `阿富汗` | | `source` | `string` | ILOSTAT 数据源代码（例如劳动力调查） | `BA:15715` | | `source.label` | `string` | 英文数据源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `UNE_DEAP_SEX_DSB_RT` | | `indicator.label` | `string` | 英文指标名称 | `按性别与残疾状况划分的失业率……` | | `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、身份等） | `DSB_STATUS_TOTAL` | | `classif1.label` | `string` | — | `残疾状况：总计` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标值（单位因指标而异，请参阅指标定义） | `5.679` | | `obs_status` | `string` | 观测状态标记（例如临时数据、不可靠数据） | `B` | | `obs_status.label` | `string` | — | `序列中断` | | `note_classif` | `string` | — | `C14:6260` | | `note_classif.label` | `string` | — | `残疾定义非标准：……` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法已修订` | | `note_source` | `string` | — | `R1:3513_S3:8` | | `note_source.label` | `string` | — | `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不为空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-une-deap-sex-dsb-rt-unemployment-rate-by-sex-and-disability-status") 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可视化 python sample = (df[df["indicator"] == "UNE_DEAP_SEX_DSB_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="UNE_DEAP_SEX_DSB_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "UNE_DEAP_SEX_DSB_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_une_deap_sex_dsb_rt_unemployment_rate_by_sex_and_disability_status_2024, title = {按性别与残疾状况划分的失业率（%）| 亚洲（ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_DEAP_SEX_DSB_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-une-deap-sex-dsb-rt-unemployment-rate-by-sex-and-disability-status}} } ## 许可证 本数据集采用[CC BY 4.0（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 Asia的重新封装版本。 ## 关于Electric Sheep Electric Sheep Asia是Electric Sheep使命的一部分：致力于在HuggingFace平台上构建统一的、适配机器学习的亚洲地区数据层。我们从权威开源数据源拉取数据，对Schema进行标准化处理，封装为Parquet格式，并发布为统一格式的数据集卡片，以便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/electricsheepasia](https://huggingface.co/electricsheepasia) _数据溯源：2026年5月26日 通过Electric Sheep数据管道摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_DEAP_SEX_DSB_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）的中央统计数据库ILOSTAT，通过其REST API接口直接获取指标代码为UNE_DEAP_SEX_DSB_RT的原始数据，并依据ISO3国家代码筛选出亚洲地区。ILOSTAT依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查等微观数据进行标准化调和，确保跨国可比性。数据经Electric Sheep Asia重新打包为Parquet格式，保留来源标签与注释字段，最终形成覆盖22个亚洲国家、1996至2024年的1124条观测记录。

特点

数据集聚焦于按性别和残疾状况分类的失业率，涵盖22个亚洲国家，时间跨度近三十年，包含1124条年度观测。其核心特点在于多维 disaggregation，提供性别（总计、男性、女性）与残疾状况的交叉分类，并附带详尽的来源、注释与数据质量标志，如系列中断和非常规定义提示。数据以表格形式组织，适用于分类、回归及时间序列预测任务，且采用CC-BY-4.0许可，便于学术与商业再利用。

使用方法

使用者可通过HuggingFace的datasets库以一行代码加载数据集，并转换为Pandas DataFrame进行灵活分析。典型操作包括按国家代码筛选子集、提取单一指标的时间序列并绘图，以及利用透视表生成国家与年份的矩阵视图。数据中的分类变量和注释字段支持深入的异质性分析，而年度频率与标准化 schema 便于与其它ILOSTAT指标合并，服务于劳动经济学、残疾就业政策等领域的实证研究。

背景与挑战

背景概述

在全球劳动力市场统计中，失业率是衡量经济健康与社会福祉的核心指标，而残疾状况与性别交叉维度的失业数据长期面临覆盖不足与标准化缺失的困境。国际劳工组织（ILO）依托其集中统计数据库ILOSTAT，于2024年由Electric Sheep Asia重新封装发布了亚洲区域失业率按性别与残疾状况分类的数据集，涵盖22个亚洲国家、1996至2024年间1124条观测记录。该数据集填补了残疾群体劳动力市场参与度在区域层面的数据空白，为探究残疾与性别双重弱势叠加下的就业排斥提供了量化基础，对促进包容性就业政策与SDG体面劳动目标的监测具有重要参考价值。

当前挑战

该数据集所应对的领域问题在于，残疾状况的界定在国际比较中缺乏统一标准，不同国家劳动力调查对残疾的测量工具与阈值存在显著异质性，导致跨区域比较的效度受到制约。构建过程中，原始调查数据的稀疏性构成首要障碍，部分国家仅有个别年份的观测，时间序列断点频繁出现，且残疾子样本的规模往往不足以支撑稳健的性别分层估计。此外，各国统计能力差异导致数据来源标签繁杂，方法学修订与系列中断等观测状态标志需要审慎解读，数据使用者须警惕因定义非标准化而产生的系统性偏差。

常用场景

经典使用场景

在劳动经济学与残疾研究的交叉领域，该数据集最为经典的用途在于刻画亚洲地区残疾群体失业率的时序演化轨迹，并开展性别维度的横向比较。研究者可借助二十二个亚洲国家自一九九六年至二零二四年的千余条观测记录，构建面板数据结构，考察不同国家残疾男性与残疾女性失业率之间的差距及其随时间的收敛或发散趋势，进而揭示区域劳动力市场中残疾包容程度的异质性。

衍生相关工作

围绕该数据集及其所属的ILOSTAT系列，已有若干衍生性工作相继涌现。Electric Sheep Asia对其进行的机器学习就绪型重包装，促进了亚洲劳动市场数据层的统一建设；相关研究在此基础上开展了残疾失业率的跨国面板回归、性别差距分解以及时间序列预测等分析，亦有工作将其与工资、工时等指标进行整合，构建多维劳动排斥指数，拓展了残疾就业研究的分析边界。

数据集最近研究

最新研究方向

在全球残疾包容性发展议程与体面劳动目标深度融合的背景下，该数据集为探究亚洲地区残疾状况与性别交叉维度下的失业率异质性提供了稀缺的跨国面板证据。当前前沿研究正从单纯描述残疾群体就业劣势，转向利用此类长时段、多国别数据识别结构性排斥机制与政策干预拐点，尤其关注性别与残疾双重身份叠加导致的劳动力市场分层。ILOSTAT统一口径下的可追溯来源标注，使研究者得以控制调查方法差异，进而评估反歧视立法、配额制度及社会保障扩展的实际减贫效应，对实现联合国可持续发展目标中充分和生产性就业及体面工作具有关键监测价值。