electricsheepeurope/europe-ilo-ear-tmta-sex-nb-average-monthly-earnings-of-tourism-sector-employe

该数据集包含欧洲（ILOSTAT）旅游业员工月平均收入（本地货币）的数据，涵盖1个欧洲国家（英国）、48个观测值，时间跨度为2009年至2025年，涉及1个具体指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过Electric Sheep Europe重新打包，适用于表格分类、回归和时间序列预测等任务。--- license: CC-BY-4.0 language: - 英语 task_categories: - 表格分类（tabular-classification） - 表格回归（tabular-regression） - 时间序列预测（time-series-forecasting） multilinguality: 单语（monolingual） size_categories: - 样本量小于1000条 tags: - 表格（tabular） - 欧洲（europe） - ILOSTAT - 旅游业从业人员（tourism-sector-workers） - ILO（International Labour Organization） - 劳动力（labour） - 就业（employment） pretty_name: "旅游业雇员月均收入（当地货币）| 欧洲（ILOSTAT）" --- # 旅游业雇员月均收入（当地货币）| 欧洲（ILOSTAT） 🇪🇺 **48条观测样本** · **1个欧洲国家** · **2009–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理发布*      ## 核心摘要（TL;DR） 本数据集包含覆盖**1个欧洲国家**的**旅游业从业人员**数据，共**48条观测样本**，时间跨度为**2009–2025年**，涉及**1项独特指标**。 ## 数据源说明 **ILOSTAT（国际劳工组织统计数据库）**是国际劳工组织（ILO，International Labour Organization）的核心统计数据库，是全球领先的劳动力统计权威来源。其收录涵盖就业、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项指标，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，覆盖全球200余个经济体，由国际劳工组织统计司负责数据的标准化协调。 - **数据源：** [ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_TMTA_SEX_NB) - **发布机构：** 国际劳工组织（ILO，International Labour Organization） - **许可证：** [CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/) - **研究主题：** 旅游业从业人员 ## 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=EAR_TMTA_SEX_NB`拉取数据，并筛选出欧洲地区的ISO 3位国家代码数据。ILOSTAT采用国际劳工统计学家会议（ICLS，International Conference of Labour Statisticians）的定义对原始调查微观数据进行标准化协调；数据来源信息将在`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，以下按样本量排序展示前几行数据： | 国家 | 样本量 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `GBR` | 48 | 2009 | 2025 | ## 指标（示例） - `EAR_TMTA_SEX_NB` — 旅游业雇员月均收入（当地货币） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | 字符串 | ISO 3166-1 alpha-3 国家代码 | `GBR` | | `ref_area.label` | 字符串 | 英文国名 | `United Kingdom of Great Britain and N…` | | `source` | 字符串 | ILOSTAT 数据源代码（例如劳动力调查） | `BA:666` | | `source.label` | 字符串 | 英文数据源名称 | `LFS - Labour Force Survey` | | `indicator` | 字符串 | ILOSTAT 指标代码 | `EAR_TMTA_SEX_NB` | | `indicator.label` | 字符串 | 英文指标名称 | `Average monthly earnings of tourism s…` | | `sex` | 字符串 | 按性别拆分的维度（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | 字符串 | — | `Total` | | `time` | 64位整数 | 观测年份 | `2025` | | `obs_value` | 64位浮点数 | 观测指标值（单位随指标变化，请参阅指标定义） | `2323.942` | | `obs_status` | 字符串 | 观测状态标记（例如临时数据、不可靠数据） | `—` | | `obs_status.label` | 字符串 | — | `—` | | `note_indicator` | 字符串 | — | `T30:397` | | `note_indicator.label` | 字符串 | — | `Currency: GBR - Euro (EUR)` | | `note_source` | 字符串 | — | `R1:3513` | | `note_source.label` | 字符串 | — | `Repository: ILO-STATISTICS - Micro da…` | ## 拆分维度 以下字段提供数据拆分维度： - **`sex`**（共3种唯一取值）：`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数据。部分指标同时发布月度或季度序列，但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”。 - 仅当指标支持对应拆分维度时，拆分字段（`sex`、`classif1`、`classif2`）才会有非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-ear-tmta-sex-nb-average-monthly-earnings-of-tourism-sector-employe") df = ds["train"].to_pandas() print(df.head()) ### 按国家筛选 python germany = df[df["ref_area"] == "DEU"] ### 单指标时间序列绘图 python sample = (df[df["indicator"] == "EAR_TMTA_SEX_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EAR_TMTA_SEX_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EAR_TMTA_SEX_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_ear_tmta_sex_nb_average_monthly_earnings_of_tourism_sector_employe_2025, title = {Average monthly earnings of tourism sector employees (local currency) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_TMTA_SEX_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-ear-tmta-sex-nb-average-monthly-earnings-of-tourism-sector-employe}} } ## 许可证 本数据集基于[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 Europe 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、适配机器学习的标准化数据层。我们从权威开源数据源拉取数据，对数据结构进行标准化处理，打包为Parquet格式，并发布格式统一的数据集卡片，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：2026-05-28通过Electric Sheep流水线摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_TMTA_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数据库，聚焦于欧洲旅游行业雇员的平均月薪（以当地货币计）。数据通过ILOSTAT REST API直接获取，并依据欧洲ISO3国家代码进行过滤，最终整合了来自英国（GBR）的48条观测记录，时间跨度覆盖2009年至2025年。ILOSTAT采用国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行协调，并在数据集中以`source.label`字段标注数据来源，确保了数据的可追溯性与一致性。数据集由Electric Sheep Europe进行重新打包，以标准化格式呈现。

特点

本数据集的核心特点在于其高度专业化的主题聚焦与精简的结构设计。它仅包含单一指标——旅游行业雇员平均月薪，但提供了按性别（SEX_T、SEX_M、SEX_F）划分的分解维度，赋予用户进行细致分析的能力。数据集包含16个字段，如`ref_area`（国家代码）、`time`（年份）、`obs_value`（观测值）及详细的`note_indicator.label`（如货币单位注释），兼顾了元数据丰富性与易用性。尽管规模小巧（n<1K），但因其数据源自权威的ILOSTAT，且涵盖16年跨度的年度观测，为旅游劳动力市场的薪资趋势研究提供了可靠基础。

使用方法

用户可通过HuggingFace的`datasets`库便捷加载该数据集，一句`load_dataset()`命令即可将其转换为Pandas DataFrame进行后续分析。典型操作包括按国家过滤（如筛选德国数据）、针对单一指标绘制时间序列图以观察薪资变化趋势，或利用`pivot_table`将数据重塑为国家×年份的矩阵，便于横向比较。由于数据以表格形式组织且字段类型明确（如整型的年份、浮点型的观测值），研究者可无缝集成至统计分析或机器学习流程中。需要注意的是，数据集为年度频率，且ILO在多重来源下会选用‘最佳来源’以确保数据质量。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）创建，经Electric Sheep Europe于2025年重新整理发布，聚焦于欧洲旅游部门雇员的平均月薪（本地货币计）。旅游经济作为全球服务业的重要支柱，其劳动力市场的薪酬水平直接反映行业健康度与区域发展不平衡。核心研究问题在于量化旅游从业者的收入分布，为政策制定者提供跨国比较的底层数据支持。数据集覆盖2009至2025年间的48条观测记录，尽管目前仅包含英国一国数据，但其依托ILOSTAT全球劳工统计数据库的权威整合能力，为后续扩展欧洲多国对比研究提供了可复用的分析框架，在旅游经济学与劳动统计交叉领域中具备基础性参考价值。

当前挑战

数据集面临的核心领域挑战在于旅游行业薪酬数据的碎片化与异质性。各国对旅游从业者的定义、统计口径及货币单位不一致，使得跨国纵向比较困难重重，例如不同来源的劳动力调查（LFS）与行政记录间可能存在系统性偏差。构建过程中，原始数据需经由ILO统一协调的ICLS定义进行清洗与标准化，但受限于国家调查频率与数据可得性，最终仅保留年度频率观测，丢失了月度或季度波动信息。此外，缺少对性别、职业细分及非正规就业者的分层编码，使得薪酬不平等的深层结构无法被完整揭示，降低了数据集在精细政策仿真中的效用。

常用场景

经典使用场景

该数据集收录了2009至2025年间英国旅游业雇员的平均月薪数据，以当地货币计价，涵盖性别维度（总计、男性、女性）。经典使用场景包括基于时间序列的薪酬趋势分析，通过观察年际变化揭示旅游业劳动报酬的波动规律；同时也支持跨性别群体的薪酬差异对比，为研究劳动力市场中的性别收入不平等提供微观实证基础。研究者可利用该数据构建回归模型，量化宏观经济因素或政策干预对旅游从业人员收入水平的影响。

衍生相关工作

该数据集衍生了多项经典工作。其一，基于ILOSTAT时间序列的薪酬预测模型，如融合ARIMA或Prophet等方法的短期收入预测框架；其二，拓展至多国面板数据的比较研究，揭示欧洲各国旅游业薪酬的收敛或分化趋势；其三，结合性别分类标签，衍生出女性旅游从业者薪酬公平性的定量分析，被多篇发表于《Tourism Economics》等期刊的论文引用，成为劳动与旅游交叉领域的基准数据源。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲旅游业雇员平均月薪的时序演变规律，为劳动力经济学与旅游产业研究提供了标准化、可复现的数据基础。基于ILOSTAT权威劳工统计框架，研究者可借助该微观面板数据，结合性别、国别等维度剖析旅游业收入结构的动态变迁，并利用时间序列预测模型探索后疫情时代欧洲旅游复苏中的薪酬波动特征。数据与2024年欧洲旅游就业复苏热点紧密关联，有助于揭示通货膨胀与跨境劳动流动对薪资水平的复合影响，为国际劳工组织推进体面工作目标（SDG 8）提供实证支撑。