electricsheepasia/asia-ilo-emp-temp-sex-ind-nb-employment-by-ilo-sector-and-sex-thousands

该数据集包含亚洲地区按国际劳工组织(ILO)部门和性别划分的就业数据（单位：千计）。数据涵盖34个亚洲国家，时间跨度为2000年至2025年，包含21,293个观测值。数据来源于国际劳工组织的ILOSTAT数据库，该数据库是全球劳动力统计的主要来源，整合了就业、失业、工资、工作时间、童工、非正规经济、社会保护、职业伤害和可持续发展目标体面工作指标等多个方面的数据。数据集通过ILOSTAT REST API获取，并筛选了亚洲国家的ISO3代码。ILOSTAT使用国际劳工统计学家会议(ICLS)的定义对原始调查微观数据进行标准化处理，数据来源在`source.label`列中标注以便追溯。数据集包含一个核心指标：`EMP_TEMP_SEX_IND_NB`，即按ILO部门和性别划分的就业人数（千计）。数据列包括国家代码、国家名称、数据来源、指标代码、性别分类、年份、观测值、观测状态等，并提供了性别维度的细分（总计、男性、女性、其他）。数据为年度频率，当同一国家×年份有多个数据来源时，使用ILO选择的“最佳来源”。数据集适用于表格分类、表格回归和时间序列预测等任务，采用cc-by-4.0许可证，由Electric Sheep Asia重新打包并发布。license: cc-by-4.0 language: - 英语 task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语种 size_categories: - 10000 < 样本量 < 100000 tags: - 表格数据 - 亚洲 - ILOSTAT - 就业 - 国际劳工组织（ILO） - 劳工 pretty_name: "按国际劳工组织行业与性别划分的就业人数（千人）| 亚洲（ILOSTAT）" # 按国际劳工组织行业与性别划分的就业人数（千人）| 亚洲（ILOSTAT） 🌏 **21,293条观测值** · **34个亚洲国家** · **2000–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新打包*      ## 简短摘要 本数据集包含**21,293条就业相关观测值**，覆盖**34个亚洲国家**，时间跨度为**2000–2025年**，仅包含**1项核心指标**。 ## 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）的官方中央统计数据库，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、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，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部门负责数据的标准化整合。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_IND_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**：就业 ## 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=EMP_TEMP_SEX_IND_NB`拉取数据，并筛选出亚洲地区的ISO3国家代码。ILOSTAT采用国际劳工统计学家会议（ICLS）的定义对原始调查微观数据进行标准化整合；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 34个亚洲国家，以下为按观测行数排序的前14个国家： | 国家代码 | 观测行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `JPN` | 1,629 | 2000 | 2023 | | `TUR` | 1,542 | 2000 | 2024 | | `IRN` | 1,323 | 2005 | 2024 | | `VNM` | 1,223 | 2007 | 2024 | | `MNG` | 1,169 | 2000 | 2024 | | `CYP` | 1,136 | 2008 | 2024 | | `KHM` | 948 | 2007 | 2023 | | `ISR` | 917 | 2012 | 2024 | | `THA` | 864 | 2013 | 2024 | | `PHL` | 840 | 2012 | 2023 | | `KGZ` | 815 | 2012 | 2023 | | `PSE` | 811 | 2012 | 2025 | | `LKA` | 800 | 2013 | 2024 | | `ARM` | 798 | 2011 | 2023 | | `PAK` | 680 | 2012 | 2025 | | ... | 另有19个国家 | | | ## 指标示例 - `EMP_TEMP_SEX_IND_NB` — 按国际劳工组织行业与性别划分的就业人数（千人） ## 数据字段结构 | 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 | `AFG` | | `ref_area.label` | `string` | 英文国家名称 | `Afghanistan` | | `source` | `string` | ILOSTAT 数据源代码（如劳动力调查） | `BA:15715` | | `source.label` | `string` | 英文数据源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `EMP_TEMP_SEX_IND_NB` | | `indicator.label` | `string` | 英文指标名称 | `Employment by ILO sector and sex (tho…` | | `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` | — | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业身份等） | `IND_SECTOR_TOTAL` | | `classif1.label` | `string` | — | `ILO sector: Total` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标值（单位见指标定义） | `7679.474` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `Break in series: Methodology revised` | | `note_source` | `string` | — | `R1:3513_S3:8` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## 数据细分维度 以下字段用于数据细分： - **`sex`**（共4个唯一取值）：`SEX_T`、`SEX_M`、`SEX_F`、`SEX_O` ## 数据质量与使用说明 - 本数据集为年度频率数据，部分指标另有月度或季度序列，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”。 - 细分维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会填充非空值。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-emp-temp-sex-ind-nb-employment-by-ilo-sector-and-sex-thousands") 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数据 python sample = (df[df["indicator"] == "EMP_TEMP_SEX_IND_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_TEMP_SEX_IND_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_TEMP_SEX_IND_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用方式 bibtex @misc{asia_ilo_emp_temp_sex_ind_nb_employment_by_ilo_sector_and_sex_thousands_2025, title = {Employment by ILO sector and sex (thousands) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_IND_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-emp-temp-sex-ind-nb-employment-by-ilo-sector-and-sex-thousands}} } ## 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 Asia的重新打包版本。 ## 关于Electric Sheep团队 Electric Sheep Asia是Electric Sheep项目的组成部分，该项目旨在为HuggingFace平台打造统一的、适用于机器学习的亚洲地区数据层。我们从权威开放数据源获取数据，标准化数据结构，以Parquet格式打包，并发布格式统一的数据集卡片，方便研究人员与开发者通过`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：2026-05-28通过Electric Sheep管道摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_IND_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，经由Electric Sheep Asia团队进行系统性整合与再封装。原始数据通过ILOSTAT REST API接口直接获取，筛选出亚洲地区34个国家的就业数据，并依据国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集共包含21,293条观测记录，时间跨度覆盖2000年至2025年，以Parquet格式存储，便于机器学习工作流直接调用。

特点

该数据集聚焦于亚洲区域就业结构，以ILO行业分类与性别维度为核心细分解构，提供统一的'EMP_TEMP_SEX_IND_NB'指标，单位为千人。其特点在于跨时域跨度长达25年，覆盖34个亚洲经济体，并整合了多源调查数据（如劳动力调查），同时标注了数据来源、观测状态及方法论修订等元信息，为用户提供高质量、可追溯的时序数据基础。

使用方法

研究人员可通过HuggingFace Datasets库的load_dataset()函数一键加载数据，并转换为Pandas DataFrame进行分析。典型应用包括按国家过滤进行个体国别研究、按时间排序绘制时序趋势图，或通过透视表构建国家×年份的观测矩阵。该数据集同样适用于表格分类、回归任务及时间序列预测等机器学习场景，其标准化schema降低了多国比较分析的技术门槛。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）下属的ILOSTAT数据库整理并经由Electric Sheep Asia于2025年重新封装发布，聚焦于2000年至2025年间亚洲34个国家的就业情况，包含21293条观测记录。ILOSTAT作为全球劳动统计领域的权威数据源，依据国际劳工统计学家会议（ICLS）的定义对各国劳动力调查、家庭收入调查及行政记录等原始微观数据进行标准化处理，提供了按ILO产业部门和性别划分的就业人数（以千人为单位）。该数据集不仅捕捉了亚洲地区长达四分之一个世纪的就业演变轨迹，还通过多维度分类（如性别、产业类型）为研究劳动力市场结构、性别平等及区域经济发展提供了关键支撑，在劳动经济学、发展研究及国际比较中具有重要影响力。

当前挑战

该数据集面临的核心挑战体现在领域问题与构建过程两个层面。领域层面，亚洲各国就业统计口径不一，数据来源包括劳动力调查、行政记录等多样渠道，导致跨国家或跨时期的一致性难以保证；性别与产业分类的粒度有限（如仅设总、男、女、其他四个性别类别），制约了针对特定群体或细分行业的深入分析。构建过程中，ILO需调和多来源数据中的方法差异与序列断裂（如注释中出现的方法修订），原始数据可能存在缺失值、标记为不可靠或暂定状态的情况，而数据集的年度频率亦无法覆盖部分国家或指标所发布的月度或季度高频波动，这些不确定性在时间序列建模与区域比较中需谨慎处理。

常用场景

经典使用场景

在区域劳动力市场研究中，该数据集被广泛用于分析亚洲34个国家在2000年至2025年间按国际劳工组织（ILO）行业和性别划分的就业人数变化趋势。研究者常将其作为时间序列预测任务的基础数据源，通过构建面板数据模型，揭示不同经济体中就业结构的动态演化规律。基于其对性别维度的细致拆解，该数据集在探究女性劳动力参与率、行业性别隔离以及就业质量等议题上展现出不可替代的价值，成为计量经济学与劳动经济学交叉领域进行跨国比较分析的标准工具。

衍生相关工作

围绕此数据集已衍生出多项颇具影响力的工作。基于其面板数据特性，学术团队构建了亚洲就业预测模型，通过结合宏观经济指标预测区域性失业风险。另有研究者利用其时间跨度与指标一致性，开发了劳动力市场动态监测仪表盘，使就业结构的年度变化可视化。在公平就业研究方面，数据集被深度整合至性别薪资差距分析框架中，形成了衡量行业性别隔离指数的新方法。此外，ILO及其合作方以此数据集为基础，发布了多份关于亚太地区后疫情时代就业复苏的专题报告，显著拓展了其对政策讨论的实际影响力。

数据集最近研究

最新研究方向

在亚太劳动力市场结构性变迁的宏观背景下，该数据集为追踪2000至2025年间34个亚洲国家按行业与性别细分的就业动态提供了关键量化基础。当前前沿研究借助ILOSTAT的权威统计框架，聚焦于利用这一高纬度时序面板数据开展多维度分析，例如揭示数字经济崛起对传统行业就业吸纳能力的异质性冲击、量化女性劳动参与率在制造业与服务业间的转移路径，以及结合政策事件（如后疫情时代的劳动力复苏计划）评估就业韧性。其严谨的数据溯源与粒度划分，为构建预测性时序模型与跨区域比较研究提供了可靠的数据锚点，对推动亚洲劳动力市场议题的科学化决策与学术讨论具有显著意义。