electricsheepasia/asia-ilo-ees-tees-sex-edu-nb-employees-by-sex-and-education-thousands

该数据集包含亚洲36个国家的16,321条Employees（雇员）数据观测记录，时间跨度为1970年至2025年，涵盖1个具体指标：EES_TEES_SEX_EDU_NB，即按性别和教育程度划分的雇员数量（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，该数据库是全球劳工统计的主要来源，整合了就业、失业、工资、工作时间等多方面指标。数据通过ILOSTAT REST API获取，并过滤为亚洲国家代码。数据集包含多个维度的分类信息，如性别（总计、男性、女性、其他）、教育程度（分类变量）、国家（ISO 3166-1 alpha-3代码）、数据来源（如劳动力调查）、观测年份和观测值等。数据以年度频率发布，并包含数据质量标志（如不可靠、临时数据）。数据集由Electric Sheep Asia重新打包，旨在为亚洲提供统一的、适合机器学习的数据层，方便研究人员和开发者快速加载和使用。--- license: cc-by-4.0 语言： - en 任务类别： - 表格分类（tabular-classification） - 表格回归（tabular-regression） - 时间序列预测（time-series-forecasting） 多语言属性：单语言（monolingual） 数据规模类别： - 10,000 < 样本量 < 100,000 标签： - 表格数据 - 亚洲地区 - ILOSTAT - 雇员 - ILO - 劳动 - 就业 数据集名称："按性别与教育程度划分的雇员人数（单位：千人） | 亚洲地区（ILOSTAT）" --- # 按性别与教育程度划分的雇员人数（单位：千人） | 亚洲地区（ILOSTAT） 🌏 **16,321条观测数据** · **36个亚洲国家** · **1970–2025年** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia)重新整理发布*      ## 快速概览（TL;DR） 本数据集包含**16,321条雇员相关观测数据**，覆盖**36个亚洲国家**，时间跨度为**1970–2025年**，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，也是全球领先的劳动统计权威来源。其整合了就业、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、机构调查及行政记录。该数据库覆盖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。 - **数据源地址**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_EDU_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**：雇员人数统计 ## 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=EES_TEES_SEX_EDU_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。ILOSTAT采用国际劳工统计会议（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；数据来源信息会在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 本数据集覆盖36个亚洲国家，以下按数据行数排序展示部分国家的统计信息： | 国家代码 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `PSE` | 1,115 | 2000 | 2025 | | `IDN` | 1,068 | 1996 | 2023 | | `CYP` | 1,066 | 1999 | 2024 | | `IRN` | 1,006 | 2005 | 2024 | | `KOR` | 996 | 2000 | 2025 | | `KHM` | 970 | 1996 | 2023 | | `MNG` | 797 | 2000 | 2024 | | `PAK` | 732 | 2005 | 2025 | | `THA` | 711 | 2000 | 2024 | | `VNM` | 669 | 2010 | 2024 | | `ISR` | 624 | 2012 | 2024 | | `GEO` | 610 | 2009 | 2024 | | `LKA` | 604 | 2010 | 2024 | | `ARM` | 579 | 2001 | 2023 | | `IND` | 556 | 1994 | 2025 | | ... | 另有21个国家 | | | ## 指标示例 - `EES_TEES_SEX_EDU_NB` — 按性别与教育程度划分的雇员人数（单位：千人） ## 数据结构（Schema） | 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 - Labour Force Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `EES_TEES_SEX_EDU_NB` | | `indicator.label` | `string` | 英文指标名称 | `Employees by sex and education (thous…` | | `sex` | `string` | 性别分组维度（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、就业状态等） | `EDU_AGGREGATE_TOTAL` | | `classif1.label` | `string` | — | `Education (Aggregate levels): Total` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `1709.649` | | `obs_status` | `string` | 观测状态标记（如暂定、不可靠） | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_classif` | `string` | — | `C3:2620` | | `note_classif.label` | `string` | — | `Nonstandard education level: Includin…` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `Break in series: Methodology revised` | | `note_source` | `string` | — | `R1:3513_S3:8` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## 分组维度 以下字段用于数据的分组拆解： - **`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 - 本数据集为年度频率数据，部分指标另有月度或季度序列，未纳入本数据集。 - 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」。 - 分组字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分维度时才会非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-ees-tees-sex-edu-nb-employees-by-sex-and-education-thousands") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python indonesia = df[df["ref_area"] == "IDN"] ### 单个指标的时间序列可视化 python sample = (df[df["indicator"] == "EES_TEES_SEX_EDU_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EES_TEES_SEX_EDU_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EES_TEES_SEX_EDU_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_ees_tees_sex_edu_nb_employees_by_sex_and_education_thousands_2025, title = {Employees by sex and education (thousands) | Asia (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_EDU_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-ees-tees-sex-edu-nb-employees-by-sex-and-education-thousands}} } ## 许可证 本数据集采用[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/)许可发布。 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的重新整理版本。 ## 关于Electric Sheep Electric Sheep Asia是Electric Sheep使命的一部分：旨在构建一个统一的、可直接用于机器学习的亚洲地区数据层，托管于HuggingFace平台。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()`函数在数秒内启动数据使用。 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管道摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_EDU_NB_