electricsheepeurope/europe-ilo-emp-nifl-sex-ocu-rt-informal-employment-rate-by-sex-and-occupation

该数据集包含欧洲34个国家从2003年至2025年的非正规就业率数据，按性别和职业划分，共计21,778个观测值，涵盖1个核心指标（EMP_NIFL_SEX_OCU_RT）。数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，通过API提取并过滤为欧洲国家代码，采用国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集包括国家代码、国家名称、数据来源、指标代码、指标标签、性别分类（总计、男性、女性）、职业分类、观测年份、观测值、观测状态等列，适用于表格分类、回归和时间序列预测等任务。数据质量方面，为年度频率，ILO选择最佳来源处理多源数据，分解列仅在指标发布细分数据时非空。数据集以CC-BY-4.0许可证发布，由Electric Sheep Europe重新打包，便于机器学习使用。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 - europe - ilostat - informal-economy - ilo - labour - employment pretty_name: "按性别和职业划分的非正规就业率（%）| 欧洲（ILOSTAT）" # 按性别和职业划分的非正规就业率（%）| 欧洲（ILOSTAT） 🇪🇺 **21,778 条观测值** · **34 个欧洲国家** · **2003–2025 年** · *由 [Electric Sheep Europe](https://huggingface.co/electricsheepeurope) 重新整理*      ## 简短摘要 本数据集包含**21,778条观测值**的非正规经济相关数据，覆盖**34个欧洲国家**，时间跨度为**2003–2025年**，仅包含**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）的中央统计数据库，为全球领先的劳动力统计权威来源。该库整合了就业、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各类指标，数据来源于全国劳动力调查、家庭收入调查、机构调查和行政记录。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。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_NIFL_SEX_OCU_RT) - **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**：非正规经济 ## 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_NIFL_SEX_OCU_RT` 拉取数据，并筛选出欧洲地区的ISO 3166-1 alpha-3国家代码子集。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 34个欧洲国家 · 以下按观测值数量排序的前15个国家示例： | 国家代码 | 观测值数量 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `MDA` | 881 | 2003 | 2025 | | `NLD` | 856 | 2007 | 2024 | | `FRA` | 848 | 2007 | 2024 | | `POL` | 835 | 2007 | 2024 | | `BIH` | 803 | 2006 | 2024 | | `SVN` | 795 | 2007 | 2024 | | `ITA` | 761 | 2007 | 2024 | | `ESP` | 759 | 2007 | 2024 | | `SWE` | 756 | 2007 | 2024 | | `PRT` | 747 | 2007 | 2024 | | `SRB` | 742 | 2007 | 2025 | | `CZE` | 732 | 2007 | 2024 | | `FIN` | 712 | 2007 | 2024 | | `NOR` | 710 | 2007 | 2024 | | `GRC` | 697 | 2007 | 2024 | | ... | 其余19个国家 | | | ## 指标（示例） - `EMP_NIFL_SEX_OCU_RT` — 按性别和职业划分的非正规就业率（%） ## 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 | `AUT` | | `ref_area.label` | `string` | 国家英文名称 | `奥地利` | | `source` | `string` | ILOSTAT 数据源代码（如劳动力调查） | `BB:275` | | `source.label` | `string` | 数据源英文名称 | `HIES - 欧盟收入与生活条件统计` | | `indicator` | `string` | ILOSTAT 指标代码 | `EMP_NIFL_SEX_OCU_RT` | | `indicator.label` | `string` | 指标英文名称 | `按性别和职业划分的非正规就业率` | | `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` | 维度说明 | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `OCU_SKILL_TOTAL` | | `classif1.label` | `string` | 分类维度说明 | `职业（技能水平）：总计` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位见指标定义） | `3.38` | | `obs_status` | `string` | 观测状态标记（如暂定、不可靠） | `U` | | `obs_status.label` | `string` | 状态说明 | `不可靠` | | `note_classif` | `string` | 分类维度注释 | `—` | | `note_classif.label` | `string` | 注释说明 | `—` | | `note_indicator` | `string` | 指标注释代码 | `I11:264` | | `note_indicator.label` | `string` | 注释说明 | `序列中断：方法学修订` | | `note_source` | `string` | 数据源注释代码 | `R1:3513_T2:85` | | `note_source.label` | `string` | 注释说明 | `存储库：ILO统计司 - 微观数据` | ## 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非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-emp-nifl-sex-ocu-rt-informal-employment-rate-by-sex-and-occupation") 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数据 python sample = (df[df["indicator"] == "EMP_NIFL_SEX_OCU_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_NIFL_SEX_OCU_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_NIFL_SEX_OCU_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_emp_nifl_sex_ocu_rt_informal_employment_rate_by_sex_and_occupation_2025, title = {按性别和职业划分的非正规就业率（%）| 欧洲（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_NIFL_SEX_OCU_RT}, publisher = {HuggingFace Datasets, 由Electric Sheep Europe重新整理}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-emp-nifl-sex-ocu-rt-informal-employment-rate-by-sex-and-occupation}} } ## 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和Electric Sheep Europe的重新整理版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep项目的一部分：该项目旨在HuggingFace平台上构建统一的、适配机器学习的欧洲地区数据层。我们从权威开放数据源拉取数据，标准化数据结构，打包为Parquet格式，并以统一的数据集卡片发布，以便研究人员和开发者可以通过`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/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026-05-26通过Electric Sheep流水线获取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_NIFL_SEX_OCU_RT_