electricsheepasia/asia-ilo-pop-3wap-sex-age-dsb-nb-youth-working-age-population-by-sex-age-and-disabi

该数据集是一个关于亚洲青年工作年龄人口的表格数据集，包含按性别、年龄和残疾状况划分的人口统计数据（以千为单位）。数据集涵盖23个亚洲国家，时间跨度为1996年至2024年，共包含4,512个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API获取，并经过重新打包处理。数据集包含一个核心指标：POP_3WAP_SEX_AGE_DSB_NB，即青年工作年龄人口按性别、年龄和残疾状况的分布。数据模式包括国家代码、国家名称、数据来源、指标代码、性别分类、年龄分类、残疾状况分类、观测年份、观测值、观测状态标志以及相关注释等字段。数据集适用于表格分类、表格回归和时间序列预测等任务，主要用于人口统计、劳动力市场分析和政策研究等领域。license: CC BY 4.0 language: - en task_categories: - 表格分类任务 - 表格回归任务 - 时间序列预测任务 multilinguality: 单语言 size_categories: - 1000 < 样本量 < 10000 tags: - 表格数据 - 亚洲 - ILOSTAT - 人口 - ILO - 劳工 - 就业 pretty_name: "分性别、年龄与残疾状况的青年劳动年龄人口（千人） | 亚洲（ILOSTAT）" # 分性别、年龄与残疾状况的青年劳动年龄人口（千人） | 亚洲（ILOSTAT） 🌏 **共4512条观测样本** · **覆盖23个亚洲国家** · **时间跨度1996–2024年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新整理发布*      ## 核心摘要 本数据集包含覆盖23个亚洲国家的人口类数据共4512条观测样本，时间跨度为1996至2024年，仅包含1项独立指标。 ## 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）的官方中央统计数据库，也是全球领先的劳工统计数据源。该库整合了就业、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（SDG）体面工作目标等领域的指标，数据来源涵盖全国劳动力调查、家庭收入调查、机构调查与行政记录。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=POP_3WAP_SEX_AGE_DSB_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**: 人口 ## 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=POP_3WAP_SEX_AGE_DSB_NB`拉取数据，并筛选出ISO3标准的亚洲国家代码对应的样本。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；数据来源会在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 共覆盖23个亚洲国家，下文按样本行数排序展示部分国家： | 国家 | 样本行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `CYP` | 675 | 2005 | 2024 | | `MNG` | 648 | 2006 | 2024 | | `ARM` | 598 | 2007 | 2023 | | `KHM` | 468 | 1996 | 2023 | | `IDN` | 324 | 2010 | 2023 | | `LKA` | 252 | 2018 | 2024 | | `PSE` | 205 | 2013 | 2022 | | `THA` | 180 | 2007 | 2019 | | `BGD` | 158 | 2011 | 2024 | | `TLS` | 144 | 2015 | 2022 | | `AFG` | 108 | 2017 | 2021 | | `TJK` | 108 | 2003 | 2016 | | `IRQ` | 108 | 2007 | 2021 | | `LAO` | 108 | 2015 | 2022 | | `TUR` | 72 | 2000 | 2024 | | …… | 另有8个国家 | | | ## 指标（示例） - `POP_3WAP_SEX_AGE_DSB_NB` — 分性别、年龄与残疾状况的青年劳动年龄人口（千人） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | 字符串 | ISO 3166-1 alpha-3 国家代码 | `AFG` | | `ref_area.label` | 字符串 | 英文国家名称 | `Afghanistan` | | `source` | 字符串 | ILOSTAT 数据源代码（如劳动力调查） | `BA:15715` | | `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 | `POP_3WAP_SEX_AGE_DSB_NB` | | `indicator.label` | 字符串 | 英文指标名称 | `Youth working-age population by sex, …` | | `sex` | 字符串 | 性别分组维度（`SEX_T`=总计，`SEX_M`=男性，`SEX_F`=女性） | `SEX_T` | | `sex.label` | 字符串 | — | `Total` | | `classif1` | 字符串 | 第一分类变量（年龄、教育水平、群体属性等） | `AGE_YTHBANDS_Y15-29` | | `classif1.label` | 字符串 | — | `Age (Youth bands): 15-29` | | `classif2` | 字符串 | 可选的第二分类变量 | `DSB_STATUS_TOTAL` | | `classif2.label` | 字符串 | — | `Disability status: Total` | | `time` | 64位整数 | 观测年份 | `2021` | | `obs_value` | 64位浮点数 | 观测指标值（单位详见指标定义） | `8026.833` | | `obs_status` | 字符串 | 观测状态标记（如暂定、不可靠） | `U` | | `obs_status.label` | 字符串 | — | `Unreliable` | | `note_classif` | 字符串 | — | `C14:6260` | | `note_classif.label` | 字符串 | — | `Nonstandard definition of disability:…` | | `note_indicator` | 字符串 | — | `I11:264` | | `note_indicator.label` | 字符串 | — | `Break in series: Methodology revised` | | `note_source` | 字符串 | — | `R1:3513_S3:8` | | `note_source.label` | 字符串 | — | `Repository: ILO-STATISTICS - Micro da…` | ## 分组维度 以下字段提供数据分组维度： - **`sex`**（共4种唯一取值）：`SEX_T`、`SEX_M`、`SEX_F`、`SEX_O` ## 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”。 - 仅当指标支持对应分组时，分组字段（`sex`、`classif1`、`classif2`）才不会为空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-pop-3wap-sex-age-dsb-nb-youth-working-age-population-by-sex-age-and-disabi") df = ds["train"].to_pandas() print(df.head()) ### 按国家筛选 python indonesia = df[df["ref_area"] == "IDN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "POP_3WAP_SEX_AGE_DSB_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="POP_3WAP_SEX_AGE_DSB_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "POP_3WAP_SEX_AGE_DSB_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_pop_3wap_sex_age_dsb_nb_youth_working_age_population_by_sex_age_and_disabi_2024, title = {Youth working-age population by sex, age and disability status (thousands) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_3WAP_SEX_AGE_DSB_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-pop-3wap-sex-age-dsb-nb-youth-working-age-population-by-sex-age-and-disabi}} } ## 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（ILO）。使用本数据集时，请同时引用上述原始数据源与Electric Sheep Asia的重新整理版本。 ## 关于Electric Sheep Electric Sheep Asia 是Electric Sheep项目的一部分，该项目旨在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，对数据结构进行标准化处理，封装为Parquet格式，并发布格式统一的数据集卡片，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动数据分析工作。 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数据管道摄取。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_3WAP_SEX_AGE_DSB_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中央统计数据库，通过调用其REST API接口（id=POP_3WAP_SEX_AGE_DSB_NB）直接获取原始数据，并依据亚洲ISO3国家代码进行地理范围筛选。数据生产者ILO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、企业调查及行政记录等原始调查微观数据进行系统化整合与标准化处理，确保各来源数据在一致口径下可比。最终由Electric Sheep Asia团队完成重新打包，统一以Parquet格式发布，形成包含4512条观测记录的结构化表格数据集。

特点

该数据集聚焦亚洲23个国家1996年至2024年间青年劳动适龄人口规模，按性别、年龄及残疾状态三维度进行精细分层统计，观测值以千人为单位。其核心指标POP_3WAP_SEX_AGE_DSB_NB为单一明确指示符，但通过sex、classif1、classif2等分类字段可衍生出多种分析组合。数据质量标注详尽，obs_status字段标明数据可靠性等级，note系列字段以标准化编码记录定义差异、方法修订及数据来源等元信息，为研究者评估数据适用性提供了透明依据。地理覆盖范围广泛，时间跨度近三十年，为纵向比较与趋势分析奠定坚实基础。

使用方法

该数据集已集成至HuggingFace Datasets库，用户可通过一行Python代码load_dataset("electricsheepasia/asia-ilo-pop-3wap-sex-age-dsb-nb-youth-working-age-population-by-sex-age-and-disabi")将其加载为pandas DataFrame，即刻进入分析流程。针对特定国家的分析，可基于ref_area列进行过滤筛选；如需进行时间序列分析，可对indicator列排序后绘制obs_value随时间变化的曲线。数据集的宽表格式也便于通过pivot_table函数实现按年份与国家交叉聚合，快速构建国家×年份的面板数据矩阵，适用于回归分析或机器学习建模前期准备。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2024年通过其核心统计数据库ILOSTAT创建，后由Electric Sheep Asia重新打包并发布至HuggingFace平台，旨在提供亚洲地区青年劳动年龄人口按性别、年龄和残疾状况的详细统计数据。数据集涵盖了1996年至2024年间23个亚洲国家的4,512条观测值，核心研究问题聚焦于揭示亚洲青年劳动力的结构性特征与人口分布规律。作为全球劳动统计的权威来源，ILOSTAT的数据通过统一国际劳工统计学家会议定义进行标准化处理，为劳动力市场分析、社会保障政策制定及可持续发展目标监测提供了关键数据支撑，在劳动经济学、人口学及国际发展研究领域具有重要影响力。

当前挑战

该数据集面临的挑战首先体现在领域问题层面：青年劳动年龄人口数据需同时细化至性别、年龄和残疾状况三重维度，而亚洲各国在残疾认定标准、调查问卷设计及统计方法上存在显著差异，导致跨国比较时面临数据一致性与可比性的困难。在构建过程中，数据整合遭遇了多重障碍，包括不同国家劳动调查中分类体系不统一，部分国家的残疾数据因定义非标准化而被标记为不可靠；时间序列不连续且存在方法论修订导致的序列断裂问题；以及部分国家样本量较小（如仅有72条数据），影响统计推断的稳健性。此外，数据来源涵盖劳动力调查、入户收入调查等多种渠道，其质量控制与溯源标记亦增加了数据治理的复杂性。

常用场景

经典使用场景

该数据集收录了1996至2024年间亚洲23个国家的青年劳动年龄人口数据，按性别、年龄和残疾状况进行细致分层，共计4512条观测记录。其经典使用场景集中于劳动经济学与人口统计学的交叉领域，研究者可借此探究亚洲地区青年劳动力供给的结构性特征，例如不同性别和残疾状态下的青年人口分布差异，抑或随时间推移的人口变迁趋势。得益于ILOSTAT的标准化定义与多国覆盖，该数据尤为适合构建跨国的面板数据模型，用于分析经济发展与青年人口变动之间的关联，或评估残疾青年在劳动力市场中的参与潜力。

衍生相关工作

从该数据集衍生出的经典工作包括基于时间序列的预测研究与跨国比较分析。研究者常以之训练回归模型，预测不同国家青年人口变动趋势，相关成果常见于劳动经济学与人口学顶刊。此外，该数据启发了多项关于残疾人群体的劳动参与率研究，其中部分工作进一步融合了教育获得与区域经济差异等变量，拓展了包容性发展的理论框架。在数据科学领域，该数据集作为多维度分类回归的基准，被用于验证算法在稀疏时间序列预测中的鲁棒性，推动了机器学习在社会科学中的应用边界。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲地区青年劳动年龄人口在性别、年龄与残疾状态三个维度上的交叉分布，为劳动经济学、人口统计学及包容性发展研究提供了精细化的时序面板数据。当前国际前沿研究正借助此类细粒度数据，结合机器学习与时间序列模型，深入剖析残疾青年在就业市场中的结构性壁垒，评估社会保护政策与技能发展项目的实际效能。尤其在全球推动‘残障包容’与‘体面劳动’目标的背景下，该数据集能够支撑研究者量化不同亚洲国家在实现联合国可持续发展目标（SDG 8.5）方面的进展差距，揭示性别与残疾叠加效应如何影响青年群体的劳动参与率与职业流动性。其横跨近三十年、覆盖二十余国的观测记录，亦为跨国比较分析、政策模拟及因果推断实验提供了可靠的数据基础，有力推动了亚太地区劳动市场公平性与韧性研究的实证化进程。