electricsheepeurope/europe-ilo-emp-publ-sex-ste-nb-public-sector-employment-by-sex-and-status-in-empl

该数据集包含欧洲14个国家从1987年至2025年的公共部门就业统计数据，总计2088个观测值，涵盖1个核心指标：按性别和就业状况分类的公共部门就业人数（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，并经过标准化处理，确保符合国际劳工统计学家会议（ICLS）的定义。数据集包含国家代码、年份、性别分类、数据来源、观测值及状态标志等多维字段，适用于表格分类、回归和时间序列预测等任务。license: cc-by-4.0 language: - en task_categories: - tabular-classification - tabular-regression - time-series-forecasting multilinguality: monolingual size_categories: - 1K<n<10K tags: - tabular - europe - ilostat - public-sector-workers - ilo - labour - employment pretty_name: "按性别和就业身份划分的公共部门就业人数（千人）| 欧洲（ILOSTAT）" --- # 按性别和就业身份划分的公共部门就业人数（千人）| 欧洲（ILOSTAT） 🇪🇺 **2088条观测数据** · **14个欧洲国家** · **1987–2025年** · *由[Electric Sheep Europe](https://huggingface.co/electricsheepeurope)重新整理*      ## 摘要速览 本数据集包含**2088条观测数据**的`公共部门雇员`数据，覆盖**14个欧洲国家**，时间跨度为**1987–2025年**，涵盖**1项独立指标**。 ## 关于数据源 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（ILO）的核心统计数据库，为全球领先的劳工统计权威来源。其收录指标涵盖就业、失业、薪资、工作时长、童工、非正规经济、社会保障、职业伤害及可持续发展目标（SDG）体面工作目标等，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。该数据库覆盖全球200余个经济体，由国际劳工组织统计司负责数据统一标准化处理。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PUBL_SEX_STE_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**：公共部门雇员 ## 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_PUBL_SEX_STE_NB`拉取数据，并筛选欧洲地区的ISO3国家代码。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 14个欧洲国家，以下为按数据行数排序的前若干条记录： | 国家 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `GRC` | 262 | 1987 | 2020 | | `CHE` | 210 | 1996 | 2025 | | `POL` | 199 | 2000 | 2025 | | `AUT` | 198 | 2004 | 2025 | | `ESP` | 156 | 2000 | 2025 | | `MDA` | 156 | 2000 | 2025 | | `BIH` | 131 | 2001 | 2024 | | `FRA` | 130 | 2005 | 2024 | | `GBR` | 126 | 2005 | 2025 | | `ALB` | 120 | 2002 | 2024 | | `MKD` | 120 | 2006 | 2025 | | `SVK` | 108 | 2006 | 2023 | | `SRB` | 93 | 2007 | 2020 | | `MNE` | 79 | 2011 | 2024 | ## 指标（示例） - `EMP_PUBL_SEX_STE_NB` — 按性别和就业身份划分的公共部门就业人数（千人） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `ALB` | | `ref_area.label` | `string` | 英文国家名称 | `Albania` | | `source` | `string` | ILOSTAT 数据源代码（如劳动力调查） | `BA:480` | | `source.label` | `string` | 英文数据源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `EMP_PUBL_SEX_STE_NB` | | `indicator.label` | `string` | 英文指标名称 | `Public sector employment by sex and s…` | | `sex` | `string` | 性别分组（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、就业身份等） | `STE_AGGREGATE_TOTAL` | | `classif1.label` | `string` | — | `就业身份（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） | `177.93` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `B` | | `obs_status.label` | `string` | — | `序列中断` | | `note_classif` | `string` | — | `—` | | `note_classif.label` | `string` | — | `—` | | `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-STATISTICS - 微观数据…` | ## 分解维度 以下字段提供数据分解维度： - **`sex`**（3个唯一取值）：`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，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”。 - 分解维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepeurope/europe-ilo-emp-publ-sex-ste-nb-public-sector-employment-by-sex-and-status-in-empl") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python germany = df[df["ref_area"] == "DEU"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "EMP_PUBL_SEX_STE_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_PUBL_SEX_STE_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_PUBL_SEX_STE_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{europe_ilo_emp_publ_sex_ste_nb_public_sector_employment_by_sex_and_status_in_empl_2025, title = {按性别和就业身份划分的公共部门就业人数（千人）| 欧洲（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PUBL_SEX_STE_NB}, publisher = {HuggingFace 数据集，由Electric Sheep Europe重新整理}, howpublished = {url{https://huggingface.co/datasets/electricsheepeurope/europe-ilo-emp-publ-sex-ste-nb-public-sector-employment-by-sex-and-status-in-empl}} } ## 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及Electric Sheep Europe的重新整理版本。 ## 关于Electric Sheep Electric Sheep Europe是Electric Sheep项目的一部分：该项目旨在为HuggingFace平台上的欧洲数据构建统一的、可直接用于机器学习的标准化数据层。我们从权威开放数据源获取数据，统一标准化数据结构，以Parquet格式封装，并发布格式统一的数据集卡片，方便研究人员与开发者通过`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：2026-05-28通过Electric Sheep管道摄取。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_PUBL_SEX_STE_NB_

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织（ILO）旗下的ILOSTAT数据库，专注于欧洲14国公共部门就业状况。数据通过调用ILOSTAT REST API获取原始指标，并依据欧洲ISO3国家代码进行筛选。ILOSTAT自身对各国劳动力调查、家庭收入调查等微观数据，依据国际劳工统计学家会议（ICLS）定义进行严格协调与标准化。Electric Sheep Europe团队进一步将原始数据重新打包为Parquet格式，并统一各字段模式，最终以标准化数据集卡片形式发布在HuggingFace平台，以便于研究人员快速调用。

特点

本数据集收录了来自14个欧洲国家、时间跨度从1987年至2025年的2088条观测记录，涵盖单一核心指标——公共部门就业人数（按性别和就业身份分列）。其特色在于提供了多维度的分类变量，包括性别细分（总、男、女）及详细的就业身份分类，并附有数据来源标签和观测状态说明，便于用户评估数据质量。此外，数据集还记录了指标修订、方法变更等元信息，增强了数据的透明度和可追溯性。

使用方法

使用者可通过HuggingFace的`datasets`库轻松加载数据，只需一行代码即可将数据集转化为Pandas DataFrame进行后续分析。例如，可按国家代码筛选特定国家的观测子集，也可按指标代码对时间序列数据进行排序和可视化。此外，通过透视表功能，能够便捷地将数据重组为国家×年份矩阵，便于进行跨时期、跨国别的对比研究。该数据集兼容分类、回归以及时间序列预测等多种机器学习任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年整理发布，并经Electric Sheep Europe重新封装，聚焦于欧洲14国1987至2025年间公共部门就业人数的性别与就业状态分布。数据集源自ILOSTAT——全球劳动统计领域的权威数据库，其数据经国际劳工统计学家会议（ICLS）定义统一整编，涵盖了就业、失业、工资、工作时间等多元指标。欧洲公共部门作为社会服务体系的核心支柱，其就业结构的性别与雇佣形态差异一直是劳动经济学与社会政策研究的焦点。该数据集通过提供2,088条观测记录，为探究欧洲公共部门劳动力市场的长期演变、性别平等进展及雇佣形态变迁奠定了坚实的数据基础，对劳动经济学、公共政策评估及跨国比较研究具有重要影响力。

当前挑战

数据集面临的核心挑战在于所解决的领域问题：公共部门就业数据的跨国可比性与时间序列一致性。不同国家在公共部门定义、雇佣分类标准及调查方法上存在显著差异，ILO虽进行了一体化整编，但部分观测值标注了‘中断’（Break in series）或‘方法论修订’，反映了数据源在长期采集过程中的结构性突变。此外，构建过程中遭遇了数据稀疏性与缺失值挑战——14个国家的观测数量差异悬殊（如希腊262条，黑山仅79条），且部分年代数据不连续，时间跨度不均。性别与就业状态的分层维度虽提供细分视角，但分类变量仅包含三级性别标签与有限雇佣状态聚合，难以覆盖更为精细的岗位类别与非正式雇佣形态，限制了分析深度与模型泛化能力。

常用场景

经典使用场景

在劳动经济学与公共政策研究领域，该数据集凭借其覆盖欧洲14国、横跨1987至2025年间的公共部门就业观测值，成为分析公共部门劳动力规模与结构变迁的基石。研究者可藉由性别与就业身份两个核心维度展开时间序列分析，揭示公共就业的长期趋势与周期性波动。其标准化的ILOSTAT编码体系与丰富的元数据注解，使其特别适用于多国比较研究与面板数据建模，为探索公共部门在整体劳动力市场中的角色提供了可靠的数据支撑。

解决学术问题

该数据集精准回应了劳动经济学中关于公共部门就业决定因素及其宏观经济效应的核心议题。借助性别和就业身份的分层信息，学者得以深入探究公共部门就业中的性别平等进程、公共就业政策对劳动力市场分割的影响，以及公共部门规模在不同经济周期中的演变规律。它为验证公共选择理论、财政幻觉假说及性别主流化政策效果等学术命题提供了实证基础，推动了欧洲劳动力市场制度比较研究的精细化发展。

衍生相关工作

围绕该数据集衍生出的相关工作主要集中在基于ILOSTAT框架的跨国劳动统计整合与再分析领域。Electric Sheep Europe团队通过标准化清洗与打包，使得原始API数据转化为可直接调用的HuggingFace数据集格式，极大降低了研究者的使用门槛。这催生了一系列关于欧洲公共就业趋势的复现性研究，以及将公共部门就业数据与宏观经济指标、性别发展指数等联合建模的交叉分析工作，推动了劳动统计数据的可重复性与互操作性在学术共同体中的普及。