electricsheepasia/asia-ilo-emp-temp-sex-edu-ec2-nb-employment-by-sex-education-and-economic-activity

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的就业数据，专注于亚洲地区。数据集提供了259,592个观测值，覆盖33个亚洲国家，时间跨度为1996年至2025年，包含1个核心指标：EMP_TEMP_SEX_EDU_EC2_NB（按性别、教育和经济活动 - ISIC 2级分类的就业人数，以千计）。数据按性别（总计、男性、女性）、教育分类和经济活动分类进行细分，适用于表格分类、回归和时间序列预测等机器学习任务。数据集经过重新打包，采用标准化模式，便于直接加载和分析。许可协议：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 数据规模：10万 < 数据量 < 100万 标签： - 表格数据 - 亚洲 - ILOSTAT - 就业 - 国际劳工组织（ILO） - 劳动 数据集名称："按性别、教育程度与经济活动划分的就业数据——ISIC二级分类（单位：千人）| 亚洲地区（ILOSTAT）" # 按性别、教育程度与经济活动划分的就业数据——ISIC二级分类（单位：千人）| 亚洲地区（ILOSTAT） 🌏 **259,592条观测值** · **33个亚洲国家** · **1996–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新整理*      ## 快速摘要 本数据集包含覆盖33个亚洲国家、时间跨度为1996至2025年的**259,592条就业数据观测值**，涵盖**1项独立指标**。 ## 数据源说明 **ILOSTAT（国际劳工组织统计数据库）**是国际劳工组织（International Labour Organization, ILO）的核心统计数据库，为全球领先的劳动统计权威来源。其收录指标涵盖就业、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。该数据库覆盖200余个经济体，由国际劳工组织统计司负责数据标准化处理。 - **数据源地址**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_EDU_EC2_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**：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_EDU_EC2_NB`拉取原始数据，并筛选出ISO3国家代码属于亚洲的样本。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处理；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 本数据集覆盖33个亚洲国家，以下按数据行数排序展示前15个国家： | 国家代码 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `TUR` | 23,790 | 2000 | 2024 | | `IRN` | 19,355 | 2005 | 2024 | | `VNM` | 18,120 | 2010 | 2024 | | `THA` | 17,132 | 2010 | 2024 | | `CYP` | 16,957 | 1999 | 2024 | | `PSE` | 14,537 | 2000 | 2025 | | `IDN` | 14,400 | 2000 | 2023 | | `ISR` | 13,726 | 2012 | 2024 | | `IND` | 12,498 | 2000 | 2025 | | `MNG` | 12,277 | 2000 | 2024 | | `PAK` | 11,825 | 2006 | 2025 | | `LKA` | 10,247 | 2010 | 2024 | | `KHM` | 10,078 | 1996 | 2023 | | `GEO` | 8,368 | 2009 | 2024 | | `BGD` | 6,239 | 2006 | 2024 | | ... | 其余18个国家 | | | ## 指标示例 - `EMP_TEMP_SEX_EDU_EC2_NB` — 按性别、教育程度与经济活动划分的就业数据——ISIC二级分类（单位：千人） ## 数据结构 | 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` | 英语国家名称 | `Afghanistan` | | `source` | `string` | ILOSTAT 数据源代码（如劳动力调查） | `BA:15715` | | `source.label` | `string` | 英语数据源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `EMP_TEMP_SEX_EDU_EC2_NB` | | `indicator.label` | `string` | 英语指标名称 | `Employment by sex, education and econ…` | | `sex` | `string` | 性别分组维度（`SEX_T`=总计，`SEX_M`=男性，`SEX_F`=女性） | `SEX_T` | | `sex.label` | `string` | 分组维度说明 | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `EDU_AGGREGATE_TOTAL` | | `classif1.label` | `string` | 分类变量说明 | `Education (Aggregate levels): Total` | | `classif2` | `string` | 可选第二分类变量 | `EC2_ISIC4_TOTAL` | | `classif2.label` | `string` | 分类变量说明 | `Economic activity (ISIC-Rev.4), 2 dig…` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `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` | 状态标记说明 | `Unreliable` | | `note_classif` | `string` | 分类注释 | `—` | | `note_classif.label` | `string` | 分类注释详情 | `—` | | `note_indicator` | `string` | 指标相关注释 | `I11:264` | | `note_indicator.label` | `string` | 指标注释详情 | `Break in series: Methodology revised` | | `note_source` | `string` | 数据源相关注释 | `R1:3513_S3:8` | | `note_source.label` | `string` | 数据源注释详情 | `Repository: ILO-STATISTICS - Micro da…` | ## 数据分解维度 以下字段提供数据分解维度： - **`sex`**（共4个唯一值）：`SEX_T`、`SEX_M`、`SEX_F`、`SEX_O` ## 数据质量与注意事项 - 本数据集为年度频率数据。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”。 - 分解维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应分解时才会有非空值。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-emp-temp-sex-edu-ec2-nb-employment-by-sex-education-and-economic-activity") 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可视化 python sample = (df[df["indicator"] == "EMP_TEMP_SEX_EDU_EC2_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_TEMP_SEX_EDU_EC2_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_TEMP_SEX_EDU_EC2_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_emp_temp_sex_edu_ec2_nb_employment_by_sex_education_and_economic_activity_2025, title = {按性别、教育程度与经济活动划分的就业数据——ISIC二级分类（单位：千人）| 亚洲地区（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_EDU_EC2_NB}, publisher = {HuggingFace Datasets，由Electric Sheep Asia重新整理发布}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-emp-temp-sex-edu-ec2-nb-employment-by-sex-education-and-economic-activity}} } ## 许可协议 本数据集采用[知识共享署名4.0许可协议（CC BY 4.0）](https://creativecommons.org/licenses/by/4.0/)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与Electric Sheep Asia的重新整理版本。 ## 关于Electric Sheep Asia Electric Sheep Asia是Electric Sheep项目的组成部分，旨在为HuggingFace平台上的亚洲地区数据构建统一的、适配机器学习的标准化数据层。我们从权威开放数据源获取数据，对其进行Schema标准化处理，打包为Parquet格式，并以统一的数据集卡片形式发布，使研究人员与开发者可以通过`load_dataset()`函数在数秒内开始使用数据。 浏览完整数据集集合：[huggingface.co/electricsheepasia](https://huggingface.co/electricsheepasia) _数据溯源：2026年5月25日通过Electric Sheep数据管道摄入。源地址：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_EDU_EC2_NB