electricsheepeurope/europe-ilo-str-work-eco-nb-workers-involved-in-strikes-and-lockouts-by-econom

该数据集包含欧洲31个国家从1969年至2024年关于工业关系的10,526个观测值，核心指标为“按经济活动划分的参与罢工和停工工人数（千）”（STR_WORK_ECO_NB）。数据源自国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并过滤为欧洲国家，使用国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集为表格形式，包含国家代码、年份、观测值、数据来源、分类变量等列，适用于时间序列预测、表格分类或回归等机器学习任务。数据覆盖西班牙、芬兰、英国、丹麦等国家，每年更新，提供罢工和停工活动的劳动力统计信息，可用于经济和社会研究。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 样本量范围：10000 < 样本量 < 100000 标签： - 表格数据 - 欧洲 - ILOSTAT - 劳资关系（Industrial relations） - ILO - 劳工 - 就业 友好名称："按经济活动划分的罢工与停工参与工人人数（千人）| 欧洲（ILOSTAT）" --- # 按经济活动划分的罢工与停工参与工人人数（千人）| 欧洲（ILOSTAT） 🇪🇺 **10,526 条观测值** · **31个欧洲国家** · **1969–2024年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新封装*      ## 简短摘要（TL;DR） 本数据集包含**31个欧洲国家**1969至2024年间的**10,526条劳资关系（Industrial relations）数据观测值**，涵盖**1项独立指标**。 ## 数据源说明 **ILOSTAT**（国际劳工组织官方中央统计数据库，是全球领先的劳工统计数据源），它整合了就业、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目标等领域的指标，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（International Labour Organization, ILO）统计司负责数据标准化工作。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=STR_WORK_ECO_NB) - **发布方**：国际劳工组织（International Labour Organization, ILO） - **许可证**：[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：劳资关系（Industrial relations） ## 数据处理方法 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=STR_WORK_ECO_NB`拉取，并筛选出欧洲地区的ISO 3166-1 alpha-3国家代码对应的记录。ILOSTAT采用国际劳工统计学家会议（International Conference of Labour Statisticians, ICLS）定义对原始调查微观数据进行标准化处理；`source.label`列中会标记数据来源以确保可追溯性。 ## 地理覆盖范围 31个欧洲国家 · 以下按记录条数排序的前若干行示例： | 国家 | 记录条数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `ESP` | 1,344 | 1971 | 2024 | | `FIN` | 708 | 1971 | 2024 | | `GBR` | 690 | 1971 | 2024 | | `DNK` | 611 | 1971 | 2024 | | `PRT` | 598 | 1977 | 2023 | | `IRL` | 546 | 1971 | 2024 | | `ITA` | 543 | 1971 | 2009 | | `DEU` | 523 | 1993 | 2024 | | `NLD` | 464 | 1971 | 2024 | | `NOR` | 415 | 1971 | 2024 | | `CHE` | 398 | 1971 | 2024 | | `AUT` | 384 | 1971 | 2024 | | `SWE` | 379 | 1971 | 2023 | | `POL` | 333 | 1989 | 2024 | | `LVA` | 318 | 2005 | 2024 | | ... | _另有16个国家_ | | | ## 指标示例 - `STR_WORK_ECO_NB` — 按经济活动划分的罢工与停工参与工人人数（千人） ## 数据结构（Schema） | 列名 | 数据类型 | 描述 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3国家代码 | `AUT` | | `ref_area.label` | `string` | 英语国家名称 | `奥地利` | | `source` | `string` | ILOSTAT数据源代码（例如劳动力调查） | `FI:254` | | `source.label` | `string` | 英语数据源名称 | `ADM-RWO - 工会记录` | | `indicator` | `string` | ILOSTAT指标代码 | `STR_WORK_ECO_NB` | | `indicator.label` | `string` | 英语指标名称 | `按经济活动划分的罢工与停工参与工人人数` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `ECO_SECTOR_TOTAL` | | `classif1.label` | `string` | — | `经济活动（大类）：总计` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `14.114` | | `obs_status` | `string` | 观测状态标记（例如临时、不可靠） | `—` | | `obs_status.label` | `string` | — | `—` | | `note_classif` | `string` | — | `C5:1034` | | `note_classif.label` | `string` | — | `非标准经济活动：包含…` | | `note_indicator` | `string` | — | `T16:163_T17:170` | | `note_indicator.label` | `string` | — | `劳资争议行动覆盖范围：仅…` | | `note_source` | `string` | — | `S3:24` | | `note_source.label` | `string` | — | `数据参考周期：年末` | ## 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”。 - 细分列（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-str-work-eco-nb-workers-involved-in-strikes-and-lockouts-by-econom") 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"] == "STR_WORK_ECO_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="STR_WORK_ECO_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "STR_WORK_ECO_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_str_work_eco_nb_workers_involved_in_strikes_and_lockouts_by_econom_2024, title = {Workers involved in strikes and lockouts by economic activity (thousands) | Europe (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=STR_WORK_ECO_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Europe}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-str-work-eco-nb-workers-involved-in-strikes-and-lockouts-by-econom}} } ## 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 © 国际劳工组织（International Labour Organization, ILO）。使用本数据集时，请同时引用上述原始数据源及Electric Sheep Europe的重新封装版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep使命的一部分：旨在构建HuggingFace上统一的、可供机器学习使用的欧洲地区数据层。我们从权威开源数据源获取数据，对其schema进行标准化处理，封装为Parquet格式，并发布格式统一的数据集卡片，以便研究人员与开发者仅需调用`load_dataset()`即可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：2026-05-28通过Electric Sheep流水线摄入。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=STR_WORK_ECO_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核心统计数据库，通过其REST API直接获取指标‘STR_WORK_ECO_NB’的原始数据，并依据欧洲ISO3国家代码进行地理范围筛选。ILOSTAT本身对各国劳动力调查、行政记录等微观数据进行统一标准化处理，遵循国际劳工统计学家会议（ICLS）定义，同时保留数据源标识列以确保可追溯性。最终数据集包含10,526条观测，覆盖31个欧洲国家，时间跨度从1969年至2024年。

特点

数据集聚焦于‘按经济活动划分的罢工与停工参与工人数（千）’这一单一指标，呈现了欧洲劳动关系的独特历史变迁。其结构清晰，包含国家代码、数据源、指标分类、观测年份及数值等字段，并附有详细的分类注释和状态标记。数据为年度频率，且当同一国家年份存在多数据源时，采用ILO选定的‘最佳来源’，保障了数据的一致性与权威性。

使用方法

用户可通过HuggingFace的`datasets`库轻松加载数据集，直接调用`load_dataset`函数即可获取。加载后，可将其转为Pandas DataFrame进行后续分析，例如按国家筛选以研究特定区域的趋势，或对单一指标进行时间序列可视化。此外，通过数据透视操作，可便捷地构建国家-年份矩阵，便于开展跨国比较或面板数据分析，极大提升了劳动经济学研究的效率。

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2024年重新整理并发布，聚焦于欧洲31个国家1969年至2024年间因罢工与停工而涉及的工人数量（按经济活动分类，单位：千人）。数据集源自ILOSTAT——全球劳动力统计的权威数据库，其核心研究问题在于系统性地记录和量化欧洲工业关系中的冲突事件，为劳动经济学、产业关系学及社会政策研究提供跨国、长时序的标准化数据。作为ILO促进体面劳动议程的关键组成部分，该数据集对于理解罢工活动的经济驱动因素、评估劳工权益保障机制以及推动可持续就业目标（SDG 8）具有不可替代的参考价值，尤其在比较欧洲不同国家劳动力市场制度和冲突治理模式方面产生了深远影响。

当前挑战

该数据集所解决的领域挑战在于，缺乏一个覆盖欧洲多国且时间跨度长达半个世纪的罢工与停工工人数量的统一统计框架。传统上，各国罢工数据因统计口径、报告机制和经济活动分类的差异而难以直接比较，而ILOSTAT通过采用国际劳工统计学家会议（ICLS）定义进行数据协调，克服了这一障碍。构建过程中面临的挑战包括：处理多源数据（如劳动力调查、行政记录）的一致性问题，确保在时间序列中准确识别并选用ILO认定的‘最佳来源’；解决因国家间报告频率不一（年/月/季）导致的粒度适配难题；以及对欧盟等机构的异质性经济活动分类进行标准化编码，以维护数据集的可比性和长期稳健性。

常用场景

经典使用场景

该数据集汇聚了1969至2024年间31个欧洲国家因罢工与闭厂而导致的工人参与情况，并按经济活动分类进行精细度量。其最经典的用途在于为劳动经济学与社会运动研究提供跨国家、跨年代的时间序列数据，支持研究者追踪劳资冲突的周期性演变与结构性特征。通过清洗后的标准化格式，学者可便捷地将观测值、经济活动分类与时间维度结合，构建面板数据模型，用于分析经济周期、制度变迁或产业政策对工人抗议行为的动态影响。

实际应用

在现实世界中，该数据集可服务于多类实务机构。劳动部门与社会政策智库可利用其洞察各国罢工活动的历史波动规律，评估现行劳工法律法规在预防和化解冲突方面的有效性，为制度完善提供循证依据。跨国企业的人力资源与风险管理部门，可依据不同经济活动的罢工频率与规模，识别高冲突风险的行业与地域，优化供应链合规管理与员工关系策略。此外，国际组织与非政府机构可通过该数据监测体面劳动目标的实现进展，评估区域社会稳定的长期趋势。

衍生相关工作

该数据集衍生出一系列标志性研究范式与方法论成果。基于其时间序列特征，学者构建了罢工事件的领先与滞后指标，与GDP增长率、失业率、通货膨胀等宏观经济变量进行协整分析，揭示劳资冲突的宏观前因。另一经典工作是将经济活动分类与产业结构变迁数据融合，利用面板回归和因果推断方法，验证去工业化进程是否削弱了传统工会的力量。近年来，基于该数据的多国罢工概率预测模型也层出不穷，结合机器学习技术与制度变量，推动了劳动经济学中预测性分析的发展。