electricsheepasia/asia-ilo-pop-xfrb-sex-cbr-nb-working-age-foreign-born-population-by-sex-and-cou

该数据集包含国际移民存量数据，专注于亚洲地区14个国家从2008年至2024年的工作年龄外国出生人口情况。数据集共有1,286个观测值，覆盖一个核心指标：按性别和出生国分列的工作年龄外国出生人口（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为亚洲国家代码，旨在提供标准化的表格数据，用于分类、回归或时间序列预测等机器学习任务。license: cc-by-4.0 语言: - en 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 样本规模: - 1000 < 样本数 < 10000 标签: - 表格数据 - 亚洲 - ILOSTAT - 国际移民存量 - ILO - 劳动力 - 就业 友好名称: "按性别和出生国划分的劳动年龄外国出生人口（千人）| 亚洲（ILOSTAT）" --- # 按性别和出生国划分的劳动年龄外国出生人口（千人）| 亚洲（ILOSTAT） 🌏 **1286条观测数据** · **14个亚洲国家** · **2008–2024年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新封装*      ## 快速导读 本数据集包含**14个亚洲国家**2008至2024年间的**国际移民存量**相关数据，共计**1286条观测样本**，仅涉及**1项核心指标**。 ## 数据源说明 **国际劳工组织统计数据库（ILOSTAT）**是国际劳工组织（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。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（SDG）体面工作指标等多项统计指标，数据来源包括全国劳动力调查、住户收入调查、企业调查及行政记录。该数据库覆盖全球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=POP_XFRB_SEX_CBR_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：** 国际移民存量 ## 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_XFRB_SEX_CBR_NB`）拉取原始数据，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14个亚洲国家，以下为按数据行数排序的前若干国家示例： | 国家代码 | 数据行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `TUR` | 270 | 2014 | 2024 | | `ISR` | 189 | 2014 | 2024 | | `IDN` | 158 | 2014 | 2024 | | `BRN` | 120 | 2014 | 2024 | | `THA` | 105 | 2018 | 2024 | | `OMN` | 84 | 2021 | 2024 | | `MNG` | 81 | 2010 | 2020 | | `ARM` | 69 | 2017 | 2024 | | `GEO` | 60 | 2014 | 2014 | | `KHM` | 52 | 2008 | 2019 | | `CYP` | 45 | 2021 | 2023 | | `KAZ` | 25 | 2009 | 2009 | | `KOR` | 21 | 2020 | 2020 | | `KGZ` | 7 | 2009 | 2009 | ## 指标示例 - `POP_XFRB_SEX_CBR_NB` — 按性别和出生国划分的劳动年龄外国出生人口（千人） ## 数据字段架构 | 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 | `ARM` | | `ref_area.label` | `string` | 英语国家名称 | `Armenia` | | `source` | `string` | ILOSTAT来源代码（如劳动力调查） | `BA:867` | | `source.label` | `string` | 英语数据源名称 | `LFS - Household Labour Force Survey` | | `indicator` | `string` | ILOSTAT指标代码 | `POP_XFRB_SEX_CBR_NB` | | `indicator.label` | `string` | 英语指标名称 | `Working-age foreign-born population b…` | | `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` | 性别细分维度中文名称 | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `CBR_BRT_TOTAL` | | `classif1.label` | `string` | 第一分类变量说明 | `Country of birth: Total` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位参见指标定义） | `178.822` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `—` | | `obs_status.label` | `string` | 观测状态中文说明 | `—` | | `note_indicator` | `string` | 指标备注 | `—` | | `note_indicator.label` | `string` | 指标备注中文说明 | `—` | | `note_source` | `string` | 数据源备注 | `S15:6276_S5:40_S12:6057_T3:104` | | `note_source.label` | `string` | 数据源备注中文说明 | `Institution producing the data: Natio…` | ## 数据细分维度 以下字段提供数据细分维度： - **`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。部分指标同时提供月度或季度序列，但本数据集未收录此类数据。 - 若同一国家×年份的同一指标存在多个数据源，将采用国际劳工组织选定的“最优数据源”。 - 仅当指标支持对应细分维度时，`sex`、`classif1`、`classif2`等细分字段才会有非空值。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-pop-xfrb-sex-cbr-nb-working-age-foreign-born-population-by-sex-and-cou") df = ds["train"].to_pandas() print(df.head()) ### 按国家筛选数据 python indonesia = df[df["ref_area"] == "IDN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "POP_XFRB_SEX_CBR_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="POP_XFRB_SEX_CBR_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "POP_XFRB_SEX_CBR_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_pop_xfrb_sex_cbr_nb_working_age_foreign_born_population_by_sex_and_cou_2024, title = {Working-age foreign-born population by sex and country of birth (thousands) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_XFRB_SEX_CBR_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-pop-xfrb-sex-cbr-nb-working-age-foreign-born-population-by-sex-and-cou}} } ## 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的重新封装版本。 ## 关于Electric Sheep Electric Sheep Asia是Electric Sheep项目的组成部分，该项目旨在为HuggingFace平台上的亚洲地区数据打造统一且适配机器学习的标准化数据层。我们从权威开放数据源拉取数据，对其进行Schema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28日通过Electric Sheep数据管道摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_XFRB_SEX_CBR_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，通过其REST API直接获取指标ID为POP_XFRB_SEX_CBR_NB的原始数据，并依据亚洲ISO3国家代码进行地理范围筛选。数据收集过程涵盖了14个亚洲国家在2008年至2024年间的年度观测值，共计1286条记录。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统一协调，确保数据的一致性与可比性，并在source.label字段中标注了数据来源的详细信息，以增强数据的可追溯性。最终，数据集由Electric Sheep Asia进行重新打包与标准化处理，以Parquet格式发布。

特点

数据集的核心特点在于其专注于亚洲地区工作年龄段外国出生人口的统计，包含性别和国家出生地两个细分维度，提供了总人口、男性及女性三类性别人口的观测值。数据涵盖14个亚洲国家，时间跨度长达17年，反映了该地区国际移民存量的变化趋势。每个观测值均附有详细的元数据，包括国家代码、数据来源、指标定义及观测状态标志，便于用户进行数据质量评估。此外，数据集仅包含一个关键指标，结构简洁，专为时间序列分析、跨国比较及性别差异研究而设计，具有高度的专业性和针对性。

使用方法

用户可通过HuggingFace Datasets库便捷地加载该数据集，仅需调用load_dataset函数并指定数据集名称，即可将数据转换为pandas DataFrame进行后续操作。数据集的列结构清晰，支持按国家（如ref_area为'IDN'）进行筛选，或针对特定指标（如POP_XFRB_SEX_CBR_NB）进行时间序列分析。用户还可通过pivot_table功能将数据重塑为国家×年份的矩阵形式，便于进行面板数据分析。推荐使用Python环境，结合pandas和matplotlib等库进行数据探索与可视化，以深入挖掘亚洲地区劳动力迁移的长期模式与区域差异。

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ILOSTAT数据库发布，并经Electric Sheep Asia重新打包，专注于亚洲14个国家2008至2024年间劳动年龄外来出生人口按性别和出生国统计的观测数据，共计1286条。其核心研究问题在于揭示亚洲地区跨国劳动力流动的规模与人口结构，为劳动经济学、移民政策研究及可持续发展目标（SDG）中关于体面劳动和经济增长的监测提供关键数据支撑。作为全球劳动统计的权威来源，ILOSTAT整合了各国劳动力调查与行政记录，该数据集的应用推动了亚洲区域移民动态的量化分析，对相关领域的影响力体现在为跨国比较、时间序列建模和政策评估奠定了标准化数据基础。

当前挑战

该数据集所解决的领域问题主要在于应对亚洲劳动年龄移民人口数据的碎片化和标准缺失挑战，通过统一ILO国际劳工统计学家会议（ICLS）定义，实现了跨国家、跨年度的可比性，从而支持针对劳动力市场融入、性别差异及移民对经济贡献的量化研究。构建过程中的挑战则集中于数据同源性：由于各来源国调查方法与统计口径不一，需依靠ILO的‘最佳来源’筛选机制和缺失值标注确保质量；此外，数据频率仅为年度，无法捕捉更精细的季度或月度波动，且分类变量（如性别、出生国）的细分维度有限，限制了对移民流动的深层因果推断与高分辨率建模能力。

常用场景

经典使用场景

在人口经济学与劳动统计学领域，该数据集为研究亚洲跨国劳动力流动提供了宝贵的时序面板资料。其经典使用场景集中于基于国家-年份结构的国际移民存量分析，通过解析包含14个亚洲国家、覆盖2008年至2024年的1,286条观测记录，研究者能够追踪各国劳动年龄外来人口规模随时间的演变轨迹，并利用性别（男性、女性、总计）与出生国等分类变量进行精细化拆解，从而刻画亚洲区域劳动力迁移的宏观图景。

实际应用

在实际应用层面，该数据集为政府机构与国际组织构建了动态监测亚洲跨国劳动力市场的决策支持工具。劳工部门可依托其中按性别和出生国分类的外来劳动人口数据，精准评估特定来源国移民对本国产能缺口的补充效益；跨国企业则能利用这些时间序列信息优化其区域人力资源配置策略，预判劳动力供应趋势。此外，非政府组织亦能借此数据剖析移民群体的社会经济融入状况，为制定更具包容性的就业援助方案提供实证依托。

衍生相关工作

围绕该数据集，学术界已衍生出多项富有影响力的研究工作。基于其时序面板特性，研究者构建了亚洲区域国际移民存量的预测模型，结合深度学习和传统统计方法预测未来流动趋势；另有学者将其与各国国内生产总值、失业率等宏观经济变量进行联合分析，揭示外来劳动力对经济周期的响应模式。此外，该数据也催生了关于性别视角下移民选择差异的计量研究，推动了发展经济学中移民社会学取向的交叉探索。