electricsheepeurope/europe-ilo-pop-xfrc-sex-cct-nb-working-age-foreign-citizens-by-sex-and-country-of

该数据集包含国际劳工组织（ILO）ILOSTAT数据库中的国际移民存量数据，专注于欧洲地区。具体来说，它提供了按性别和国籍划分的工作年龄外国公民数量（以千为单位），覆盖36个欧洲国家，时间跨度为2008年至2024年。数据集包含4,188个观测值，涉及一个核心指标：POP_XFRC_SEX_CCT_NB（工作年龄外国公民按性别和国籍划分）。数据通过ILOSTAT REST API获取，并经过ILO根据国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集还包含国家代码、来源、性别分类、观测年份、观测值等列，适用于表格分类、回归和时间序列预测等任务。--- 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: - 1K<n<10K tags: - 表格数据 - 欧洲 - ilostat - 国际移民存量 - ilo - 劳动 - 就业 pretty_name: "按性别和公民身份国家划分的劳动年龄外国公民（千人）|欧洲（ILOSTAT）" --- # 按性别和公民身份国家划分的劳动年龄外国公民（千人）|欧洲（ILOSTAT） 🇪🇺 **4,188 条观测值** · **36 个欧洲国家** · **2008–2024 年** · *由 [Electric Sheep Europe](https://huggingface.co/electricsheepeurope) 重新整理*      ## TL;DR 本数据集包含**4,188 条观测值**的`国际移民存量`数据，覆盖**36 个欧洲国家**，时间跨度为**2008–2024 年**，仅包含**1 个独立指标**。 ## 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）的中央统计数据库，也是全球领先的劳动统计权威来源。其收录的指标覆盖就业、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，数据来源于全国劳动力调查、家庭收入调查、机构调查以及行政记录。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=POP_XFRC_SEX_CCT_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**：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_XFRC_SEX_CCT_NB`拉取数据，并筛选出欧洲地区的 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处理；数据来源信息将在`source.label`字段中标记，以确保可追溯性。 ## 地理覆盖范围 覆盖 36 个欧洲国家，以下为按观测条数排序的前 15 个国家（含省略项）： | 国家代码 | 观测条数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `ESP` | 354 | 2008 | 2024 | | `CHE` | 333 | 2010 | 2024 | | `FRA` | 291 | 2013 | 2024 | | `HUN` | 273 | 2008 | 2024 | | `DEU` | 186 | 2017 | 2024 | | `SVN` | 186 | 2017 | 2024 | | `SVK` | 183 | 2017 | 2024 | | `PRT` | 175 | 2014 | 2024 | | `ROU` | 165 | 2017 | 2024 | | `GRC` | 165 | 2017 | 2023 | | `BGR` | 165 | 2017 | 2024 | | `FIN` | 162 | 2016 | 2023 | | `CZE` | 144 | 2017 | 2022 | | `BEL` | 135 | 2017 | 2023 | | `ITA` | 126 | 2018 | 2023 | | ... | _其余 21 个国家_ | | | ## 指标示例 - `POP_XFRC_SEX_CCT_NB` — 按性别和公民身份国家划分的劳动年龄外国公民（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 | `ALB` | | `ref_area.label` | `string` | 英文国家名称 | `Albania` | | `source` | `string` | ILOSTAT 数据源代码（如劳动力调查） | `BA:480` | | `source.label` | `string` | 英文数据源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `POP_XFRC_SEX_CCT_NB` | | `indicator.label` | `string` | 英文指标名称 | `按性别和公民身份划分的劳动年龄外国公民……` | | `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` | 无额外说明 | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `CCT_CTZ_TOTAL` | | `classif1.label` | `string` | 无额外说明 | `公民身份国家：总计` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `6.749` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `—` | | `obs_status.label` | `string` | 无额外说明 | `—` | | `note_indicator` | `string` | 无额外说明 | `I11:266` | | `note_indicator.label` | `string` | 无额外说明 | `序列中断：其他或未指定原因……` | | `note_source` | `string` | 无额外说明 | `S15:6276_S12:6055` | | `note_source.label` | `string` | 无额外说明 | `数据生产机构：国家……` | ## 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数据源时，将采用国际劳工组织选定的“最优数据源”。 - 细分字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分维度时才会填充非空值。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-pop-xfrc-sex-cct-nb-working-age-foreign-citizens-by-sex-and-country-of") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python germany = df[df["ref_area"] == "DEU"] ### 单个指标的时间序列可视化 python sample = (df[df["indicator"] == "POP_XFRC_SEX_CCT_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="POP_XFRC_SEX_CCT_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "POP_XFRC_SEX_CCT_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_pop_xfrc_sex_cct_nb_working_age_foreign_citizens_by_sex_and_country_of_2024, title = {按性别和公民身份国家划分的劳动年龄外国公民（千人）|欧洲（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_XFRC_SEX_CCT_NB}, publisher = {HuggingFace 数据集，由 Electric Sheep Europe 重新整理}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-pop-xfrc-sex-cct-nb-working-age-foreign-citizens-by-sex-and-country-of}} } ## 许可协议 本数据集采用[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/)许可协议发布。 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以及 Electric Sheep Europe 的重新整理版本。 ## 关于 Electric Sheep Europe Electric Sheep Europe 是 Electric Sheep 项目的一部分，该项目旨在为 HuggingFace 平台构建统一的、适用于机器学习的欧洲地区数据层。我们从权威开源数据源拉取数据，对数据 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仅需通过`load_dataset()`即可在数秒内开始使用数据。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026-05-28 通过 Electric Sheep 管道摄入。源 URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_XFRC_SEX_CCT_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，聚焦于欧洲36国2008至2024年间劳动年龄外国公民的性别与国籍分布。研究人员通过REST API直接获取ILOSTAT指标代码为POP_XFRC_SEX_CCT_NB的原始数据，并依据欧洲ISO3国家代码进行地理过滤。为确保数据一致性，ILO依据国际劳工统计学家会议（ICLS）的定义对调查微观数据进行统一整合，同时在源代码列中标注数据来源，以增强可追溯性。最终，经Electric Sheep Europe的数据管道标准化处理并以Parquet格式封装，形成包含4188条观测值的数据集，每条记录包含国家、年份、性别分类及对应观测值等核心字段。

使用方法

用户可采用HuggingFace Datasets库通过一行代码轻松加载数据集，并将其转换为Pandas DataFrame以进行灵活操作。例如，可通过DataFrame筛选特定国家（如德国）的完整时间序列，或针对单一指标按年份排序后绘制趋势图。对于跨国比较研究，透视表功能允许用户将数据重塑为国家×年份的矩阵格式，便于进行面板数据分析。数据集覆盖分类任务（如基于特征预测国籍分布）和回归任务（如预测观测值），亦支持时间序列预测，适配从传统计量模型到现代机器学习算法的多种分析场景。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）的ILOSTAT数据库创建，并由Electric Sheep Europe于2024年重新整理发布，旨在提供欧洲36个国家2008至2024年间按性别和国籍划分的适龄劳动外国公民数量（以千计）。ILOSTAT作为全球劳动统计的核心来源，整合了各国劳动力调查、行政记录等多源数据，并通过国际劳动统计学家会议（ICLS）定义进行标准化处理。此数据集聚焦于国际移民存量指标，为研究欧洲劳动力市场中移民的构成、流动趋势及其社会经济影响提供了关键数据基础，对劳动经济学、人口迁移及公共政策分析等领域具有重要参考价值。

当前挑战

该领域的核心挑战在于如何准确反映欧洲各国移民劳动力的异质性及其动态变化。首先，数据来源的多样性导致不同国家间因调查方法和定义差异而存在可比性问题，ILOSTAT虽进行协调，但原始数据中的序列中断和来源变更仍需审慎处理。其次，数据仅提供年度频率，难以捕捉短期波动，且部分指标仅按性别进行分解，缺乏年龄、教育程度等细化维度，限制了深入分析。构建过程中，从ILOSTAT API批量提取数据并筛选至欧洲国家需确保过滤逻辑的准确性，同时维护元数据标注以追溯数据源和状态标志，对数据质量和可重复性提出了较高要求。

常用场景

经典使用场景

在欧洲劳动经济学与移民研究的交汇地带，该数据集凭借其横跨2008至2024年的长时间序列观测，以及对36个欧洲国家劳动力中外籍公民规模的精准刻画，成为探究外国劳动力在欧陆分布格局与变迁趋势的经典数据基础。研究者通常利用其按性别与国籍分类的精细维度，构建面板数据模型，以分析不同国籍群体在各国劳动市场中的参与差异与动态演化。

解决学术问题

该数据集有效回应了国际移民与劳动市场整合领域中的若干关键学术难题，例如外籍劳动力在接收国的空间集聚效应、性别维度的劳动参与分化，以及经济周期波动对外籍就业的异质性冲击。通过对ILO标准化统计口径的运用，它克服了各国行政数据可比性不足的痼疾，为检验移民劳动供给弹性、分析社会保障覆盖缺口等理论命题提供了坚实可靠的实证支撑，推动了劳动经济学与人口地理学的交叉融合。

实际应用

在实际应用中，该数据集为欧盟及各国劳动部门制定移民融合政策与劳动力规划提供了量化依据。政策制定者可借助数据集中的时间序列趋势，识别特定国籍群体在特定行业的就业变化，从而调整工作签证配额或定向设计职业培训项目。国际组织如ILO与OECD也常将其用于跨国劳动市场监测报告的编制，评估欧洲各国对外籍劳动吸引力的动态变迁，并辅助预测未来劳动力供需结构。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲适龄劳动外国公民的性别与国籍分布，为国际移民与劳动力市场的交叉研究提供了高分辨率时序数据。当前前沿方向集中于利用2008至2024年间的年度观测，结合ILOSTAT标准化定义，分析移民劳动力在欧盟成员国间的流动模式、性别差异及经济融合路径。特别是在地缘政治冲突与后疫情复苏背景下，该数据可支撑对劳动力短缺、移民政策效果评估及区域经济韧性的建模研究，成为连接跨国人口迁移与可持续发展目标（SDG）中体面工作议题的关键实证基础。