electricsheepeurope/europe-ilo-emp-nifl-sex-est-mts-rt-informal-employment-rate-by-sex-establishment-size

该数据集包含20,070个观测值，涉及4个欧洲国家（包括摩尔多瓦、北马其顿、波黑和塞尔维亚）在2003年至2025年间的非正规就业率数据，按性别、企业规模和婚姻状况进行细分。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，该数据库是全球劳动统计的主要来源，通过劳动力调查、家庭收入调查、企业调查和行政记录收集并协调数据。数据集包括一个核心指标：EMP_NIFL_SEX_EST_MTS_RT，即按性别、企业规模和婚姻状况划分的非正规就业率（百分比）。数据以表格形式组织，包含国家代码、年份、观测值、数据来源、分类变量（如性别、企业规模、婚姻状况）和注释列，适用于表格分类、回归和时间序列预测等任务。数据集由Electric Sheep Europe重新打包，以促进机器学习应用，并遵循CC-BY-4.0许可证。license: CC BY 4.0（知识共享署名4.0国际许可协议） language: - 英语 task_categories: - 表格分类（tabular-classification） - 表格回归（tabular-regression） - 时间序列预测（time-series-forecasting） multilinguality: 单语言 size_categories: - 10000 < 样本量 < 100000 tags: - 表格数据（tabular） - 欧洲（europe） - ILOSTAT（国际劳工组织统计数据库） - 非正规经济（informal-economy） - ILO（国际劳工组织） - 劳动（labour） - 就业（employment） pretty_name: "按性别、企业规模和婚姻状况划分的非正规就业率（%）| 欧洲（ILOSTAT）" --- # 按性别、企业规模和婚姻状况划分的非正规就业率（%）| 欧洲（ILOSTAT） 🇪🇺 **20,070 条观测值** · **4个欧洲国家** · **2003–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理*      ## 快速摘要（TL;DR） 本数据集包含**20,070条非正规经济相关观测值**，覆盖**4个欧洲国家**，时间跨度为**2003年至2025年**，包含**1项独立指标**。 ## 数据源简介 **ILOSTAT（国际劳工组织统计数据库）**是国际劳工组织（ILO）的核心统计数据库，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）体面工作目标等领域，数据来源于全国劳动力调查、家庭收入调查、企业调查及行政记录，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标准化协调。 - **数据源地址**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_NIFL_SEX_EST_MTS_RT) - **发布机构**：国际劳工组织（ILO） - **许可协议**：[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **研究主题**：非正规经济 ## 数据处理方法 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EMP_NIFL_SEX_EST_MTS_RT`获取，并筛选出欧洲地区的ISO 3166-1 alpha-3国家代码对应的数据集。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协调；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 4个欧洲国家，以下按观测条数排序展示全部国家数据： | 国家代码 | 观测条数 | 起始年份 | 结束年份 | |---------|---------:|-----------:|----------:| | `MDA` | 7,075 | 2003 | 2025 | | `MKD` | 4,664 | 2009 | 2025 | | `BIH` | 4,390 | 2006 | 2020 | | `SRB` | 3,941 | 2007 | 2020 | ## 指标示例 - `EMP_NIFL_SEX_EST_MTS_RT` — 按性别、企业规模和婚姻状况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 | `BIH` | | `ref_area.label` | `string` | 英文国家名称 | `Bosnia and Herzegovina` | | `source` | `string` | ILOSTAT 数据源代码（如劳动力调查） | `BA:493` | | `source.label` | `string` | 英文数据源名称 | `LFS - Labour Force Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `EMP_NIFL_SEX_EST_MTS_RT` | | `indicator.label` | `string` | 英文指标名称 | `Informal employment rate by sex, esta…` | | `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` | — | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `EST_AGGREGATE_TOTAL` | | `classif1.label` | `string` | — | `Establishment size (Aggregate): Total` | | `classif2` | `string` | 可选第二分类变量 | `MTS_AGGREGATE_TOTAL` | | `classif2.label` | `string` | — | `Marital status (Aggregate): Total` | | `time` | `int64` | 观测年份 | `2020` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `14.083` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `B` | | `obs_status.label` | `string` | — | `Break in series` | | `note_indicator` | `string` | — | `I20:4077_I11:264` | | `note_indicator.label` | `string` | — | `Employment definition: Excluding own-…` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## 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 - 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”。 - 细分维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-emp-nifl-sex-est-mts-rt-informal-employment-rate-by-sex-establishment-size") df = ds["train"].to_pandas() print(df.head()) ### 按单一国家筛选 python germany = df[df["ref_area"] == "DEU"] ### 单一指标的时间序列可视化 python sample = (df[df["indicator"] == "EMP_NIFL_SEX_EST_MTS_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_NIFL_SEX_EST_MTS_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_NIFL_SEX_EST_MTS_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_est_mts_rt_informal_employment_rate_by_sex_establishment_size_2025, title = {按性别、企业规模和婚姻状况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_EST_MTS_RT}, publisher = {HuggingFace Datasets, 由Electric Sheep Europe重新整理发布}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-emp-nifl-sex-est-mts-rt-informal-employment-rate-by-sex-establishment-size}} } ## 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 Europe的重新整理版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep项目的组成部分，该项目旨在为HuggingFace平台构建统一的、适配机器学习的欧洲地区数据层。我们从权威开源数据源获取数据，对数据Schema进行标准化处理，以Parquet格式打包发布，并采用统一的数据集卡片规范，使研究人员与开发者仅需通过`load_dataset()`即可在数秒内启动数据使用工作。 浏览完整数据集集合：[huggingface.co/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026年5月26日通过Electric Sheep数据管道获取。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_NIFL_SEX_EST_MTS_RT_