electricsheepasia/asia-ilo-une-tune-sex-eco-nb-unemployment-of-previously-employed-persons-by-sex

该数据集包含亚洲30个国家从1970年至2025年的失业数据，具体指标为UNE_TUNE_SEX_ECO_NB，即按性别和先前经济活动分类的先前就业人员失业人数（以千计）。数据集共有28,087个观测值，来源于国际劳工组织（ILO）的ILOSTAT数据库，通过权威调查（如劳动力调查）和行政记录收集，并按照国际劳工统计学家会议（ICLS）定义进行标准化处理。数据以年度频率发布，涵盖国家代码、指标、性别分类、年份、观测值及其状态等列，适用于表格分类、回归和时间序列预测等机器学习任务。数据集由Electric Sheep Asia重新打包，以Parquet格式提供，便于使用HuggingFace的`load_dataset()`快速加载和分析。--- 许可证：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 样本量范围： - 10000 < 样本数 < 100000 标签： - 表格 - 亚洲 - ILOSTAT（国际劳工组织统计数据库） - 失业 - ILO（国际劳工组织） - 劳工 - 就业 友好名称："按性别与原经济活动划分的曾就业人员失业状况（单位：千人 | 亚洲（ILOSTAT））" --- # 按性别与原经济活动划分的曾就业人员失业状况（单位：千人 | 亚洲（ILOSTAT）） 🌏 **共28087条观测样本** · **覆盖30个亚洲国家** · **时间跨度为1970年至2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新整理发布*      ## 简短摘要 本数据集包含覆盖30个亚洲国家、时间跨度为1970年至2025年的失业相关数据，共计**28087条观测样本**，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，也是全球领先的劳工统计数据来源。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体面工作目标等多类指标，数据源自全国劳动力调查、家庭收入调查、机构调查与行政记录，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=UNE_TUNE_SEX_ECO_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：** 失业 ## 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=UNE_TUNE_SEX_ECO_NB`拉取数据，并筛选出亚洲地区的ISO 3166-1 alpha-3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`列中标记，以确保可追溯性。 ## 地理覆盖范围 覆盖30个亚洲国家，以下按观测行数排序展示部分国家的统计详情： | 国家 | 观测行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `CYP` | 2,905 | 1974 | 2024 | | `TUR` | 2,638 | 1988 | 2023 | | `KOR` | 2,088 | 1971 | 2010 | | `ISR` | 2,053 | 1970 | 2015 | | `IRN` | 1,992 | 2005 | 2024 | | `PSE` | 1,974 | 2000 | 2025 | | `SGP` | 1,900 | 1978 | 2015 | | `MNG` | 1,589 | 1998 | 2024 | | `KGZ` | 1,537 | 2002 | 2023 | | `PAK` | 1,295 | 1985 | 2025 | | `THA` | 1,222 | 2010 | 2024 | | `JPN` | 902 | 2002 | 2015 | | `VNM` | 889 | 2009 | 2018 | | `GEO` | 734 | 2017 | 2024 | | `PHL` | 700 | 2017 | 2023 | | ... | 另有15个国家 | | | ## 指标示例 - `UNE_TUNE_SEX_ECO_NB` — 按性别与原经济活动划分的曾就业人员失业状况（单位：千人） ## 数据结构 | 列名 | 数据类型 | 说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `ARE` | | `ref_area.label` | `string` | 英语国家名称 | `阿拉伯联合酋长国` | | `source` | `string` | ILOSTAT数据源代码（如劳动力调查） | `BA:716` | | `source.label` | `string` | 英语数据源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT指标代码 | `UNE_TUNE_SEX_ECO_NB` | | `indicator.label` | `string` | 英语指标名称 | `按性别与原经济活动划分的曾就业人员失业状况（单位：千人）` | | `sex` | `string` | 按性别拆分的统计维度（`SEX_T`=总计，`SEX_M`=男性，`SEX_F`=女性） | `SEX_T` | | `sex.label` | `string` | 维度对应名称 | `总计` | | `classif1` | `string` | 一级分类变量（年龄、教育程度、就业状态等） | `ECO_SECTOR_TOTAL` | | `classif1.label` | `string` | 分类变量说明 | `经济活动（大类）：总计` | | `time` | `int64` | 观测年份 | `2019` | | `obs_value` | `float64` | 观测指标值（单位需参考指标定义） | `49.166` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | 状态说明 | `不可靠` | | `note_classif` | `string` | 分类备注 | `C5:1023` | | `note_classif.label` | `string` | 备注说明 | `非标准经济活动：包含……` | | `note_indicator` | `string` | 指标备注 | `I11:264` | | `note_indicator.label` | `string` | 备注说明 | `序列中断：方法学修订` | | `note_source` | `string` | 数据源备注 | `R1:3513` | | `note_source.label` | `string` | 备注说明 | `存储库：ILO-STATISTICS - 微观数据……` | ## 统计拆分维度 以下列提供统计拆分维度： - **`sex`**（共3个唯一取值）：`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，但本数据集未收录此类数据。 - 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」。 - 仅当指标支持对应拆分维度时，拆分列（`sex`、`classif1`、`classif2`）才会有非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-une-tune-sex-eco-nb-unemployment-of-previously-employed-persons-by-sex") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python indonesia = df[df["ref_area"] == "IDN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "UNE_TUNE_SEX_ECO_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="UNE_TUNE_SEX_ECO_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "UNE_TUNE_SEX_ECO_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_une_tune_sex_eco_nb_unemployment_of_previously_employed_persons_by_sex_2025, title = {Unemployment of previously employed persons by sex and former economic activity (thousands | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_TUNE_SEX_ECO_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-une-tune-sex-eco-nb-unemployment-of-previously-employed-persons-by-sex}} } ## 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与Electric Sheep Asia的重新整理版本。 ## 关于Electric Sheep Electric Sheep Asia隶属于Electric Sheep使命：打造HuggingFace上统一的、可供机器学习使用的亚洲地区数据层。我们从权威开源数据源拉取数据，标准化数据结构，以Parquet格式打包，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：2026-05-26通过Electric Sheep流水线获取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_TUNE_SEX_ECO_NB_

搜集汇总

数据集介绍

构建方式

该数据集以国际劳工组织（ILO）权威统计数据库ILOSTAT为唯一数据源，经由Electric Sheep Asia团队从ILOSTAT REST API接口直接提取指标UNE_TUNE_SEX_ECO_NB的原始观测值，并依据ISO 3166-1 alpha-3国家代码筛选出亚洲30个经济体的记录。ILOSTAT本身遵循国际劳工统计学家会议（ICLS）定义对各国劳动力调查、家庭收入调查及行政记录等微观数据进行标准化调和，原始来源信息以source和source.label字段予以标注，从而在确保跨国可比性的同时保留了数据溯源能力。

特点

数据集涵盖1970年至2025年间亚洲30国的28,087条年度观测记录，以表格形式呈现失业人口的性别与前经济行业分布。核心字段包括国家代码、数据来源、指标代码、性别分类（总计、男性、女性）、前经济行业分类、观测年份、观测值及各类注释标签，其中注释系统详细记录了数据临时性、可靠性、序列断裂和方法修订等质量信息。数据集规模适中，时间跨度长，兼具横截面与时间序列双重属性，且所有记录均附有来源标识与统计注释，为失业结构变迁研究提供了透明、可追溯的结构化数据基础。

使用方法

研究者可通过Hugging Face datasets库以一行代码加载数据集并转换为Pandas数据框，随即开展探索性分析与建模。典型操作包括按ref_area字段筛选特定国家子集，按indicator字段提取目标指标并按time排序绘制时间序列趋势，或利用pivot_table将数据重塑为国家×年份矩阵以支持面板数据分析。该数据集可直接服务于表格分类、回归及时间序列预测等任务，使用时须遵循CC-BY-4.0许可协议，同时引用国际劳工组织原始来源与Electric Sheep Asia的再包装工作。

背景与挑战

背景概述

国际劳工组织（ILO）长期致力于全球劳动力市场统计体系的构建与完善，其维护的ILOSTAT数据库是劳动经济学领域最具权威性的跨国数据来源之一。该数据集由Electric Sheep Asia于2025年基于ILOSTAT REST API重新封装发布，覆盖亚洲30个国家、1970至2025年间共计28,087条观测记录，聚焦于曾就业人员按性别及前经济活动类别划分的失业规模。依托国际劳工统计学家会议（ICLS）的统一定义框架，该数据集为亚洲地区劳动力市场结构变迁、性别就业差距及行业衰退传导机制等研究提供了长时段、跨国别的可比数据基础，对劳动经济学与区域发展政策的实证分析具有重要支撑价值。

当前挑战

该数据集所回应的核心领域问题在于失业存量中曾就业群体的结构性溯源，即如何精准刻画不同性别与前任经济活动部门之间的失业分布差异，这一议题在既有跨国统计中常因分类口径不一而难以横向比较。在构建层面，挑战集中体现于多源数据的异质性调和：各国劳动力调查的抽样设计与采集频率参差不齐，ILO虽以'最佳来源'原则进行优选，但系列断点、非标准经济活动分类及'不可靠'标记等问题仍普遍存在；部分国家时间序列跨度断裂显著，缺失年份较多，且年度频率掩盖了季度或月度层面的短期波动，对时序建模与因果推断构成实质性制约。

常用场景

经典使用场景

在劳动经济学与计量社会科学领域，针对曾就业人员失业问题的结构性分析长期依赖跨国、长时序的微观与宏观融合数据。该数据集以年度频率系统收录了三十个亚洲国家自一九七零年至二零二五年的曾就业人员失业观测值，并按性别与既往经济活动部门进行交叉 disaggregation，构成了研究该区域劳动力市场动态的经典面板数据来源。研究者通常将其用于构建国家—年份—性别—部门四维面板，以剖析失业回流的产业异质性与性别差异，或作为时间序列预测模型的基准输入，检验亚洲经济体在结构转型期失业持续性的演化规律。

解决学术问题

该数据集直接回应了劳动经济学中若干长期悬而未决的学术议题。既往研究常受困于跨国失业数据口径不一、性别与行业维度缺失以及时间跨度不足，难以在统一框架下识别曾就业人员失业的驱动机制。本数据集借助国际劳工组织标准化协调方法，将各国劳动力调查微观数据统一至国际劳工统计学家会议定义之下，从而支撑对性别失业差距、行业衰退与失业回流的因果推断，以及经济周期与结构性变迁对失业持续影响的比较研究。其意义在于为亚洲劳动力市场的一体化分析提供了可复现的实证基础，并推动了失业动态研究从单一国家案例向区域比较范式的转向。

衍生相关工作

围绕该数据集及其同类国际劳工组织指标，学术界与数据科学社区已衍生出若干经典工作。比较劳动经济学文献中频繁引用该数据以估计性别失业缺口与行业再配置弹性，形成了一系列关于亚洲结构转型的实证论文。在方法层面，研究者利用其长时序特征开发了面板单位根检验与协整分析的新应用，推动了失业持续性问题的时间序列计量进展。此外，该数据集被纳入多个开放数据基准平台，催生了自动化数据清洗、缺失值插补与跨国预测建模的竞赛与工具包，进一步拓展了其在可复现研究中的方法论价值。