electricsheepasia/asia-ilo-eip-xplf-sex-age-nb-potential-labour-force-by-sex-and-age-thousands

--- 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 - asia - ilostat - other-measures-of-labour-underutilization - ilo - labour - employment pretty_name: "Potential labour force by sex and age (thousands) | Asia (ILOSTAT)" --- # Potential labour force by sex and age (thousands) | Asia (ILOSTAT) 🌏 **11,885 observations** · **36 Asia countries** · **1999–2025** · *Repackaged by [Electric Sheep Asia](https://huggingface.co/electricsheepasia)*      ## TL;DR This dataset contains **11,885 observations** of `Other measures of labour underutilization` data across **36 Asia countries**, spanning **1999–2025**, 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=EIP_XPLF_SEX_AGE_NB) - **Publisher:** International Labour Organization (ILO) - **License:** [cc-by-4.0](https://creativecommons.org/licenses/by/4.0/) - **Topic:** Other measures of labour underutilization ## Methodology Data pulled directly from the ILOSTAT REST API at `https://rplumber.ilo.org/data/indicator?id=EIP_XPLF_SEX_AGE_NB` and filtered to Asia 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 36 Asia countries · top rows shown below, sorted by row count: | Country | Rows | First year | Last year | |---------|-----:|-----------:|----------:| | `CYP` | 1,168 | 1999 | 2024 | | `PHL` | 912 | 2003 | 2023 | | `VNM` | 814 | 2007 | 2024 | | `KOR` | 720 | 2000 | 2019 | | `TUR` | 668 | 2000 | 2013 | | `THA` | 624 | 2010 | 2024 | | `PSE` | 592 | 2012 | 2025 | | `KGZ` | 582 | 2011 | 2023 | | `LKA` | 545 | 2010 | 2024 | | `ARM` | 536 | 2007 | 2018 | | `BRN` | 406 | 2014 | 2024 | | `IDN` | 384 | 2015 | 2023 | | `JOR` | 372 | 2017 | 2024 | | `ARE` | 366 | 2017 | 2024 | | `GEO` | 288 | 2019 | 2024 | | ... | _21 more countries_ | | | ## Indicators (sample) - `EIP_XPLF_SEX_AGE_NB` — Potential labour force by sex and age (thousands) ## Schema | Column | Type | Description | Example | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 country code | `AFG` | | `ref_area.label` | `string` | Country name in English | `Afghanistan` | | `source` | `string` | ILOSTAT source code (e.g. labour force survey) | `BA:15715` | | `source.label` | `string` | Source name in English | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT indicator code | `EIP_XPLF_SEX_AGE_NB` | | `indicator.label` | `string` | Indicator name in English | `Potential labour force by sex and age…` | | `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.) | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `Age (Youth, adults): 15+` | | `time` | `int64` | Observation year | `2021` | | `obs_value` | `float64` | Observed indicator value (unit varies — see indicator definition) | `637.031` | | `obs_status` | `string` | Observation status flag (e.g. provisional, unreliable) | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_classif` | `string` | — | `—` | | `note_classif.label` | `string` | — | `—` | | `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…` | ## 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("electricsheepasia/asia-ilo-eip-xplf-sex-age-nb-potential-labour-force-by-sex-and-age-thousands") df = ds["train"].to_pandas() print(df.head()) ``` ### Filter to one country ```python indonesia = df[df["ref_area"] == "IDN"] ``` ### Time-series for a single indicator ```python sample = (df[df["indicator"] == "EIP_XPLF_SEX_AGE_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EIP_XPLF_SEX_AGE_NB") ``` ### Pivot to country × year matrix ```python matrix = (df[df["indicator"] == "EIP_XPLF_SEX_AGE_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ``` ## Citation ```bibtex @misc{asia_ilo_eip_xplf_sex_age_nb_potential_labour_force_by_sex_and_age_thousands_2025, title = {Potential labour force by sex and age (thousands) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_XPLF_SEX_AGE_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {\url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-eip-xplf-sex-age-nb-potential-labour-force-by-sex-and-age-thousands}} } ``` ## 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 Asia repackaging. ## About Electric Sheep Electric Sheep Asia is part of the Electric Sheep mission: a unified, ML-ready data layer for Asia 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/electricsheepasia](https://huggingface.co/electricsheepasia) --- _Provenance: ingested 2026-05-27 via the Electric Sheep pipeline. Source URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_XPLF_SEX_AGE_NB_许可协议：cc-by-4.0 language: - 英语 task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语言 size_categories: - 10000 < 样本量 < 100000 tags: - 表格数据 - 亚洲 - 国际劳工组织统计数据库（ILOSTAT） - 其他劳动力利用不足衡量指标（Other measures of labour underutilization） - 国际劳工组织（International Labour Organization，ILO） - 劳动力 - 就业 pretty_name: "按性别和年龄划分的潜在劳动力（千人） | 亚洲（ILOSTAT）" --- # 按性别和年龄划分的潜在劳动力（千人） | 亚洲（ILOSTAT） 🌏 **11,885 条观测值** · **36 个亚洲国家** · **1999–2025 年** · *由 [Electric Sheep Asia](https://huggingface.co/electricsheepasia) 重新整理*      ## 速览（TL;DR） 本数据集包含覆盖**36个亚洲国家、1999至2025年跨度**的**其他劳动力利用不足衡量指标（Other measures of labour underutilization）** 相关数据，共**11,885条观测值**，仅涉及**1项独特指标**。 ## 关于数据源 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（International Labour Organization，ILO）的核心统计数据库，也是全球领先的劳动力统计权威来源。它汇集了就业、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，数据源自国家劳动力调查、家庭收入调查、机构调查以及行政记录。其覆盖范围涵盖200多个经济体，由国际劳工组织统计部门负责数据的统一标准化处理。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_XPLF_SEX_AGE_NB) - **发布方**：国际劳工组织（ILO） - **许可协议**：[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：其他劳动力利用不足衡量指标（Other measures of labour underutilization） ## 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=EIP_XPLF_SEX_AGE_NB`）拉取数据，并筛选出亚洲地区的ISO 3166-1 alpha-3国家代码对应的条目。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标准化处理；数据来源将在`source.label`字段中标记，以确保可追溯性。 ## 地理覆盖范围 覆盖36个亚洲国家，以下按观测行数排序展示部分国家： | 国家代码 | 观测行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `CYP` | 1,168 | 1999 | 2024 | | `PHL` | 912 | 2003 | 2023 | | `VNM` | 814 | 2007 | 2024 | | `KOR` | 720 | 2000 | 2019 | | `TUR` | 668 | 2000 | 2013 | | `THA` | 624 | 2010 | 2024 | | `PSE` | 592 | 2012 | 2025 | | `KGZ` | 582 | 2011 | 2023 | | `LKA` | 545 | 2010 | 2024 | | `ARM` | 536 | 2007 | 2018 | | `BRN` | 406 | 2014 | 2024 | | `IDN` | 384 | 2015 | 2023 | | `JOR` | 372 | 2017 | 2024 | | `ARE` | 366 | 2017 | 2024 | | `GEO` | 288 | 2019 | 2024 | | ... | _其余21个国家_ | | | ## 指标示例 - `EIP_XPLF_SEX_AGE_NB` — 按性别和年龄划分的潜在劳动力（千人） ## 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 | `Afghanistan` | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `BA:15715` | | `source.label` | `string` | 英文来源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `EIP_XPLF_SEX_AGE_NB` | | `indicator.label` | `string` | 英文指标名称 | `Potential labour force by sex and age…` | | `sex` | `string` | 按性别划分的细分维度（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、就业状态等） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `Age (Youth, adults): 15+` | | `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） | `637.031` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_classif` | `string` | — | `—` | | `note_classif.label` | `string` | — | `—` | | `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，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来源时，将采用国际劳工组织选定的“最佳来源”数据。 - 细分字段（`sex`、`classif1`、`classif2`）仅在指标支持该细分维度时才会有非空值。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-eip-xplf-sex-age-nb-potential-labour-force-by-sex-and-age-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绘图 python sample = (df[df["indicator"] == "EIP_XPLF_SEX_AGE_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EIP_XPLF_SEX_AGE_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EIP_XPLF_SEX_AGE_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_eip_xplf_sex_age_nb_potential_labour_force_by_sex_and_age_thousands_2025, title = {Potential labour force by sex and age (thousands) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_XPLF_SEX_AGE_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-eip-xplf-sex-age-nb-potential-labour-force-by-sex-and-age-thousands}} } ## 许可协议 本数据集采用[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)许可发布。 原始数据 © 国际劳工组织（ILO）。使用本数据集时，请同时引用上述原始来源与Electric Sheep Asia的重新整理版本。 ## 关于Electric Sheep Electric Sheep Asia是Electric Sheep使命的一部分：在HuggingFace平台上打造统一的、适合机器学习使用的亚洲地区数据层。我们从权威开放数据源拉取数据，对数据结构（schema）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，以便研究人员和开发者只需使用`load_dataset()`即可在数秒内开始工作。 浏览完整数据集集合：[huggingface.co/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据溯源：2026年5月27日通过Electric Sheep管道摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_XPLF_SEX_AGE_NB_

搜集汇总

数据集介绍

构建方式

本数据集基于国际劳工组织（ILO）旗下的ILOSTAT中央统计数据库构建，通过REST API从指定接口获取原始指标数据，并筛选出亚洲地区36个国家的观测记录。ILOSTAT对各国劳动力调查的微观数据依据国际劳工统计学家会议（ICLS）定义进行统一整合与标准化处理，确保了数据口径的一致性。数据集由Electric Sheep Asia团队重新打包，以Parquet格式存储于HuggingFace平台，便于用户直接调用。

特点

该数据集涵盖了1999年至2025年间亚洲36个国家的潜在劳动力人口指标，共计11,885条观测值，按性别与年龄维度进行了细粒度分解。数据包含ILO优选的最佳来源标识与注释字段，便于追溯数据出处与质量状态。时间跨度长达27年，且支持按国家、性别、年龄分类进行灵活切片，为研究亚洲地区劳动力未被充分利用的现状与演变趋势提供了坚实可靠的数据基础。

使用方法

用户可通过HuggingFace Datasets库的load_dataset()函数直接加载该数据集，并转换为Pandas DataFrame进行后续分析。典型操作包括按国家代码过滤特定国家的数据、按时间排序绘制单一指标的时序曲线，以及利用透视表功能构建以年份为行、国家为列的宽表矩阵。数据集中的标注与注释字段为数据质量评估提供了便利，适用于时间序列预测、分类与回归等机器学习任务。

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 Asia于2025年重新打包整合，聚焦亚洲36个国家1999至2025年间潜在劳动力按性别与年龄分组的观测数据，共计11,885条记录。潜在劳动力作为衡量劳动力利用不足的重要指标，超越了传统失业统计的局限，揭示了那些虽未积极求职但仍具备劳动意愿与能力的群体。该数据集的发布为区域劳动力市场分析、性别平等研究及可持续发展目标监测提供了高时间分辨率与细粒度分层的定量基础，推动了亚洲劳动力统计数据的标准化与可获取性进程。

当前挑战

核心挑战在于如何在跨国比较中协调不同来源的劳动力调查数据，确保地缘政治波动与统计方法变更背景下指标口径的一致性。构建过程中需处理多源数据匹配、年度频率限制以及观测状态标记（如不可靠数据）等问题，同时应对分类维度（如性别、年龄）的缺失值处理与最佳来源选择策略，以维持时间序列的连续性与可比性。此外，部分国家样本量稀少或时期断裂，增加了区域综合分析的稳健性难度。

常用场景

经典使用场景

在劳动经济学与人口统计学交汇的广阔疆域中，该数据集作为衡量劳动力利用不足的黄金标尺，最经典的运用场景聚焦于时间序列分析与面板数据建模。借助其涵盖36个亚洲国家、横跨1999至2025年间近一万两千条观测记录的宏阔架构，研究者能够按性别与年龄维度，追踪潜在劳动力规模的动态演化轨迹，进而构建自回归移动平均模型或固定效应面板回归模型，以捕捉区域劳动参与趋势的波动规律与结构性变迁。

衍生相关工作

该数据集衍生了一系列具有范式意义的学术成果，其中最瞩目的是将其纳入多国劳动供给弹性比较的元分析框架，催生了融合贝叶斯层次模型与动态因子分析的混合方法论。此外，有学者以该数据为蓝本，构建了耦合人口预测与劳动力人口演算的仿真系统，开创性地揭示了南亚与东南亚地区潜在劳动力在自动化浪潮下的替代弹性。这些工作不仅深化了对亚洲劳动力非正规化进程的理解，也为后续数据驱动的发展经济学研究树立了严格的复现基准。

数据集最近研究

最新研究方向

在当前全球劳动力市场结构性变革的背景下，该数据集聚焦于亚洲地区潜在劳动力在性别与年龄维度上的分布特征，为劳动经济学与人口统计学交叉领域的前沿研究提供了关键数据支撑。通过覆盖36个亚洲国家长达26年的时序观测，研究者可精准追踪潜在劳动力的规模与结构变迁，特别是在后疫情时代经济复苏与性别平等议程加速推进的语境下，该数据成为评估劳动力闲置程度、预测区域性人力资源配置趋势的重要工具。其与ILO国际劳工统计标准的高度对接，使得跨国比较与政策评估得以在统一框架下展开，对理解亚洲多样化的劳动参与模式及制定包容性就业战略具有深远意义。