electricsheepasia/asia-ilo-emp-pifl-sex-age-geo-nb-employment-outside-the-formal-sector-by-sex-age-an

该数据集是关于亚洲地区非正规经济就业的统计数据，具体指标为“按性别、年龄和城乡地区划分的非正规经济就业人数（单位：千）”。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，覆盖23个亚洲国家，时间范围从2000年到2025年。数据集包含26,637条观测值，涉及一个主要指标（EMP_PIFL_SEX_AGE_GEO_NB），提供了就业数据的细分维度，包括性别（总计、男性、女性等）、年龄组和城乡地区类型。数据结构包括国家代码、国家名称、数据来源、指标代码、性别分类、年龄分类、城乡分类、观测年份、观测值、数据状态标志以及相关注释列。数据集适用于表格分类、回归和时间序列预测等任务，旨在为研究亚洲非正规经济就业提供机器学习就绪的数据支持。数据通过Electric Sheep Asia进行重新打包和标准化处理，以方便使用Hugging Face的datasets库加载。license: cc-by-4.0 language: - 英语 task_categories: - tabular-classification - tabular-regression - time-series-forecasting multilinguality: monolingual size_categories: - 10K<n<100K tags: - tabular - asia - ilostat - informal-economy - ilo - labour - employment pretty_name: "按性别、年龄及城乡地区划分的非正规部门就业人数（千人）| 亚洲（ILOSTAT）" # 按性别、年龄及城乡地区划分的非正规部门就业人数（千人）| 亚洲（ILOSTAT） 🌏 **26,637条观测数据** · **覆盖23个亚洲国家** · **时间跨度为2000–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新封装*      ## 内容摘要 本数据集包含覆盖23个亚洲国家、时间跨度为2000–2025年的**26637条非正规经济相关观测数据**，仅包含**1项核心指标**。 ## 数据源说明 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（International Labour Organization, ILO）的中央统计数据库，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）的体面劳动目标等，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。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标准化处理。 - **数据源来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_SEX_AGE_GEO_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**：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_PIFL_SEX_AGE_GEO_NB` 拉取原始数据，并筛选出亚洲地区的ISO 3166-1 alpha-3国家代码对应的样本。ILOSTAT依据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 共覆盖23个亚洲国家，以下按数据行数排序展示部分国家： | 国家 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `MNG` | 2,586 | 2006 | 2024 | | `CYP` | 2,482 | 2007 | 2024 | | `PSE` | 2,479 | 2010 | 2022 | | `VNM` | 2,064 | 2007 | 2024 | | `LKA` | 2,016 | 2010 | 2024 | | `TUR` | 2,016 | 2000 | 2013 | | `PAK` | 1,872 | 2006 | 2025 | | `IND` | 1,662 | 2005 | 2025 | | `THA` | 1,440 | 2014 | 2024 | | `BRN` | 1,266 | 2014 | 2024 | | `JOR` | 1,119 | 2017 | 2024 | | `GEO` | 864 | 2019 | 2024 | | `IDN` | 864 | 2016 | 2023 | | `BGD` | 741 | 2010 | 2024 | | `ARM` | 720 | 2008 | 2017 | | ... | 其余8个国家 | | | ## 指标（示例） - `EMP_PIFL_SEX_AGE_GEO_NB` — 按性别、年龄及城乡地区划分的非正规部门就业人数（千人） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `AFG` | | `ref_area.label` | `string` | 英文国家名称 | `阿富汗` | | `source` | `string` | ILOSTAT数据源代码（如劳动力调查） | `BA:15715` | | `source.label` | `string` | 英文数据源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT指标代码 | `EMP_PIFL_SEX_AGE_GEO_NB` | | `indicator.label` | `string` | 英文指标名称 | `按性别、年龄及城乡地区划分的非正规部门就业人数……` | | `sex` | `string` | 按性别拆分维度（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | — | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `年龄（青年、成年）：15岁及以上` | | `classif2` | `string` | 可选的第二分类变量 | `GEO_COV_NAT` | | `classif2.label` | `string` | — | `区域类型：全国范围` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标值（单位随指标变化，请参阅指标定义） | `5949.625` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | `string` | — | `不可靠` | | `note_classif` | `string` | — | `C6:1058` | | `note_classif.label` | `string` | — | `非标准年龄组：不包含15岁年龄段` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列断点：方法学修订` | | `note_source` | `string` | — | `R1:3513_S3:8` | | `note_source.label` | `string` | — | `存储库：国际劳工组织统计数据库 - 微观数据……` | ## 拆分维度 以下字段提供数据拆分维度： - **`sex`**（共4个唯一取值）：`SEX_T`、`SEX_M`、`SEX_F`、`SEX_O` ## 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”。 - 拆分维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应拆分时才会非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-emp-pifl-sex-age-geo-nb-employment-outside-the-formal-sector-by-sex-age-an") df = ds["train"].to_pandas() print(df.head()) ### 按国家筛选 python indonesia = df[df["ref_area"] == "IDN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "EMP_PIFL_SEX_AGE_GEO_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_PIFL_SEX_AGE_GEO_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_PIFL_SEX_AGE_GEO_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_emp_pifl_sex_age_geo_nb_employment_outside_the_formal_sector_by_sex_age_an_2025, title = {Employment outside the formal sector by sex, age and rural / urban areas (thousands) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_SEX_AGE_GEO_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-emp-pifl-sex-age-geo-nb-employment-outside-the-formal-sector-by-sex-age-an}} } ## 许可证 本数据集采用[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/)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 Asia的重新封装版本。 ## 关于Electric Sheep Electric Sheep Asia隶属于Electric Sheep项目：旨在HuggingFace平台上构建统一的、适配机器学习的亚洲地区数据层。我们从权威开放数据源获取数据，对数据schema进行标准化处理，封装为Parquet格式，并发布为格式统一的数据集卡片，以便研究人员与开发者可通过`load_dataset()`函数在数秒内启动数据分析工作。 浏览完整数据集集合：[huggingface.co/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据溯源：2026年5月26日通过Electric Sheep流水线获取。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PIFL_SEX_AGE_GEO_NB_