electricsheepeurope/europe-ilo-emp-temp-sex-how-mts-nb-employment-by-sex-weekly-hours-actually-worked-and

该数据集包含欧洲39个国家从1983年至2025年的就业数据，重点关注性别、每周实际工作小时数和婚姻状况的细分（以千计），共114,303个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为欧洲国家代码。数据集涵盖一个核心指标（EMP_TEMP_SEX_HOW_MTS_NB），并包含国家代码、年份、观测值、数据来源、分类变量（如性别和婚姻状况）等列，适用于表格分类、回归和时间序列预测任务。数据以年频率发布，经过ILO的标准化处理，并标注了数据质量标志（如临时或不可靠数据）。数据集由Electric Sheep Europe重新打包，以方便机器学习使用。license: 知识共享署名4.0（cc-by-4.0）许可协议 language: - en 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（monolingual） size_categories: - 100K<n<1M tags: - 表格数据（tabular） - 欧洲（europe） - ILOSTAT（国际劳工组织统计数据库） - 就业（employment） - ILO（国际劳工组织） - 劳动力（labour） pretty_name: "按性别、实际周工时与婚姻状况划分的就业人数（千人）|欧洲（ILOSTAT）" # 按性别、实际周工时与婚姻状况划分的就业人数（千人）|欧洲（ILOSTAT） 🇪🇺 **114,303 条观测值** · **39 个欧洲国家** · **1983–2025** · *由 [Electric Sheep Europe](https://huggingface.co/electricsheepeurope) 重新封装*      ## TL;DR 本数据集包含**39个欧洲国家**1983至2025年间共**114,303条就业相关观测值**，涵盖**1项独立指标**。 ## 数据源概况 **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力统计权威来源。其收录的指标涵盖就业、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相关目标，数据源自全国劳动力调查、家庭收入调查、企业调查与行政记录，覆盖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_TEMP_SEX_HOW_MTS_NB) - **发布方**：国际劳工组织（International Labour Organization, ILO） - **许可协议**：[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：就业 ## 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_TEMP_SEX_HOW_MTS_NB` 拉取，并筛选出欧洲地区的ISO 3166-1 alpha-3国家编码数据。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处理；数据来源将在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 39个欧洲国家 · 以下按观测值数量排序的前10个国家示例： | 国家代码 | 观测值条数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------: | `CHE` | 8,996 | 1991 | 2025 | | `GBR` | 6,842 | 1983 | 2025 | | `CZE` | 6,751 | 1993 | 2024 | | `MDA` | 5,790 | 2000 | 2025 | | `AUT` | 5,121 | 1995 | 2025 | | `FRA` | 4,499 | 2005 | 2024 | | `ESP` | 3,846 | 1986 | 2025 | | `MKD` | 3,789 | 2006 | 2025 | | `IRL` | 3,779 | 1983 | 2023 | | `ALB` | 3,603 | 2002 | 2024 | | `RUS` | 3,456 | 2010 | 2025 | | `BIH` | 3,060 | 2001 | 2020 | | `BEL` | 3,014 | 1983 | 2020 | | `DNK` | 2,979 | 1983 | 2020 | | `LUX` | 2,977 | 1983 | 2020 | | ... | _其余24个国家_ | | | ## 指标示例 - `EMP_TEMP_SEX_HOW_MTS_NB` — 按性别、实际周工时与婚姻状况划分的就业人数（千人） ## 数据架构 | 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` | 国家英文名称 | `Albania` | | `source` | `string` | ILOSTAT来源代码（如劳动力调查） | `BA:480` | | `source.label` | `string` | 来源英文名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT指标代码 | `EMP_TEMP_SEX_HOW_MTS_NB` | | `indicator.label` | `string` | 指标英文名称 | `Employment by sex, weekly hours actua…` | | `sex` | `string` | 按性别细分（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） | `HOW_BANDS_TOTAL` | | `classif1.label` | `string` | — | `工时区间：总计` | | `classif2` | `string` | 可选的第二分类变量 | `MTS_AGGREGATE_TOTAL` | | `classif2.label` | `string` | — | `婚姻状况（聚合）：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） | `1175.749` | | `obs_status` | `string` | 观测状态标记（如暂定、不可靠） | `U` | | `obs_status.label` | `string` | — | `不可靠` | | `note_classif` | `string` | — | `C8:5580` | | `note_classif.label` | `string` | — | `非标准工时区间：包含15-…` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法学修订` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `存储库：ILO统计数据库 - 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时才会非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-emp-temp-sex-how-mts-nb-employment-by-sex-weekly-hours-actually-worked-and") 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_TEMP_SEX_HOW_MTS_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_TEMP_SEX_HOW_MTS_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_TEMP_SEX_HOW_MTS_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_emp_temp_sex_how_mts_nb_employment_by_sex_weekly_hours_actually_worked_and_2025, title = {按性别、实际周工时与婚姻状况划分的就业人数（千人）|欧洲（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_HOW_MTS_NB}, publisher = {HuggingFace数据集平台，由Electric Sheep Europe重新封装}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-emp-temp-sex-how-mts-nb-employment-by-sex-weekly-hours-actually-worked-and}} } ## 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与Electric Sheep Europe的重新封装版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep项目的组成部分：该项目旨在打造面向欧洲的统一、可直接用于机器学习的标准化数据层，托管于HuggingFace平台。我们从权威开源数据源获取数据，对数据架构进行标准化处理，封装为Parquet格式，并发布为统一格式的数据集卡片，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/electricsheepeurope](https://huggingface.co/electricsheepeurope) --- _数据溯源：2026年5月25日通过Electric Sheep流水线采集。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_HOW_MTS_NB_