electricsheepasia/asia-ilo-emp-nifl-age-oc2-nb-informal-employment-by-age-and-occupation-isco-lev

该数据集包含亚洲26个国家2004年至2025年期间的非正规就业数据，共有18,346个观测值，涵盖1个核心指标：EMP_NIFL_AGE_OC2_NB，即按年龄和职业（ISCO 2级分类）划分的非正规就业人数（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API获取并过滤至亚洲国家，涉及非正规经济主题。数据集采用表格格式，包括国家代码、指标代码、分类变量（如年龄组和职业类别）、观测年份、观测值及其状态标志等列，适用于表格分类、回归和时间序列预测等任务。数据经过ILO的标准化处理，基于国际劳工统计学家会议（ICLS）定义，并标注了数据来源和质量注释，如可靠性标志和方法修订说明。--- license: CC BY 4.0 language: - en task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语种 size_categories: - 10000 < 样本量 < 100000 tags: - 表格数据 - 亚洲 - ILOSTAT - 非正规经济 - ILO - 劳工 - 就业 pretty_name: "按年龄与职业划分的非正规就业——ISCO二级分类（单位：千人）| 亚洲（ILOSTAT）" --- # 按年龄与职业划分的非正规就业——ISCO二级分类（单位：千人）| 亚洲（ILOSTAT） 🌏 **18,346条观测数据** · **26个亚洲国家** · **2004–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新整理发布*      ## TL;DR 本数据集包含26个亚洲国家2004年至2025年间的**18,346条非正规经济相关观测数据**，涵盖**1项独立指标**。 ## 数据源说明 **ILOSTAT（国际劳工组织统计数据库，International Labour Organization Statistics Database）** 是国际劳工组织（ILO，International Labour Organization）的核心统计数据库，也是全球领先的劳工统计权威来源。其收录涵盖就业、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（SDG）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标准化协调。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_NIFL_AGE_OC2_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_NIFL_AGE_OC2_NB`拉取原始数据，并筛选出亚洲地区的ISO 3166-1 alpha-3国家编码数据。ILOSTAT依据国际劳工统计学家会议（ICLS，International Conference of Labour Statisticians）的定义对原始调查微观数据进行标准化处理；数据溯源信息将在`source.label`字段中标记，以确保可追溯性。 ## 地理覆盖范围 26个亚洲国家 | 以下按观测行数排序展示部分国家： | 国家代码 | 观测行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `TUR` | 2,187 | 2004 | 2024 | | `PSE` | 1,667 | 2010 | 2025 | | `VNM` | 1,646 | 2007 | 2024 | | `LKA` | 1,590 | 2010 | 2024 | | `MNG` | 1,430 | 2006 | 2024 | | `PAK` | 1,290 | 2006 | 2025 | | `THA` | 1,217 | 2014 | 2024 | | `KGZ` | 1,112 | 2012 | 2023 | | `IND` | 845 | 2010 | 2025 | | `BRN` | 781 | 2014 | 2024 | | `CYP` | 740 | 2007 | 2024 | | `BGD` | 594 | 2010 | 2024 | | `JOR` | 581 | 2017 | 2023 | | `MMR` | 571 | 2015 | 2020 | | `GEO` | 526 | 2019 | 2024 | | ... | _另有11个国家_ | | | ## 指标（示例） - `EMP_NIFL_AGE_OC2_NB` — 按年龄与职业划分的非正规就业——ISCO二级分类（单位：千人） ## 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 | `AFG` | | `ref_area.label` | `string` | 英文国家名称 | `Afghanistan` | | `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_NIFL_AGE_OC2_NB` | | `indicator.label` | `string` | 英文指标名称 | `Informal employment by age and occupa…` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `年龄（青年、成人）：15岁及以上` | | `classif2` | `string` | 可选第二分类变量 | `OC2_ISCO08_TOTAL` | | `classif2.label` | `string` | — | `职业（ISCO-08）：二级分类` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `6614.683` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `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` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法学修订` | | `note_source` | `string` | — | `R1:3513_S3:8` | | `note_source.label` | `string` | — | `存储库：ILO统计数据库 - 微观数据…` | ## 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("electricsheepasia/asia-ilo-emp-nifl-age-oc2-nb-informal-employment-by-age-and-occupation-isco-lev") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python indonesia = df[df["ref_area"] == "IDN"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "EMP_NIFL_AGE_OC2_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_NIFL_AGE_OC2_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_NIFL_AGE_OC2_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_emp_nifl_age_oc2_nb_informal_employment_by_age_and_occupation_isco_lev_2025, title = {Informal employment by age and occupation - ISCO level 2 (thousands) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_NIFL_AGE_OC2_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-emp-nifl-age-oc2-nb-informal-employment-by-age-and-occupation-isco-lev}} } ## 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隶属于Electric Sheep使命：在HuggingFace平台上打造统一的、适配机器学习的亚洲地区数据层。我们从权威开源数据源获取数据，对数据结构进行标准化处理，打包为Parquet格式，并以统一的数据集卡片形式发布，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动研究工作。 浏览完整数据集集合：[huggingface.co/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据溯源：2026-05-25通过Electric Sheep管道摄入。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_NIFL_AGE_OC2_NB_