electricsheepeurope/europe-ilo-cpi-ncyr-coi-rt-national-consumer-price-index-cpi-by-coicop-percen

该数据集包含15,466个观测值，涵盖40个欧洲国家的消费者价格指数（CPI）数据，按COICOP（按目的划分的个人消费分类）分类，表示与上一年相比的百分比变化。数据时间跨度为1949年至2025年，覆盖1个独特指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过处理和过滤，专注于欧洲国家。数据集适用于表格分类、回归和时间序列预测等任务。This dataset contains 15,466 observations of Consumer price indices (CPI) data across 40 Europe countries, classified by COICOP (Classification of Individual Consumption by Purpose), representing the percentage change from the previous year. The data spans from 1949 to 2025 and covers 1 distinct indicator. It is sourced from the International Labour Organization (ILO)s ILOSTAT database, processed and filtered for European countries. The dataset is suitable for tasks such as tabular classification, regression, and time-series forecasting.

搜集汇总

数据集介绍

构建方式

本数据集源自国际劳工组织（ILO）旗下的ILOSTAT统计数据库，聚焦于欧洲区域消费者价格指数（CPI）的年度变动。通过调用ILOSTAT官方REST API接口，提取指标代码为CPI_NCYR_COI_RT的原始数据，并依据ISO 3166-1 alpha-3标准筛选出40个欧洲国家的观测记录。数据涵盖1949年至2025年间共计15,466条年度观测值，经Electric Sheep Europe团队重新整合与规范化处理后，以统一的数据表结构呈现，确保来源可追溯性，并在source.label字段中标注了每项数据的原始采集渠道。

特点

该数据集具备显著的时间纵深与国家覆盖广度，时间跨度长达76年，覆盖40个欧洲经济体，其中葡萄牙、挪威、瑞士等国的观测记录尤为丰富。核心指标为按COICOP分类的国家消费者价格指数较上一年的百分比变化，反映了各经济体通货膨胀的动态轨迹。数据结构清晰，包含国家代码、指标代码、分类变量、观测值及来源注释等关键列，同时附有英文标签便于理解。数据质量方面，采用ILO认证的‘最佳来源’策略处理多重来源冲突，确保单一年份内每个国家仅保留最优质的数据记录。

使用方法

数据集成在HuggingFace平台上，可通过datasets库以load_dataset()函数直接加载至Python环境。加载后，用户可利用to_pandas()方法将数据转换为DataFrame格式，便于进行各类分析。典型操作包括按国家代码筛选特定国家的历史序列，或针对单一指标进行时间序列可视化。高级用法支持构建国家×年份的透视矩阵，以观察跨区域的CPI横向对比。数据以Parquet格式存储，优化了读写效率，适合大规模统计建模与机器学习任务中的特征工程应用。

背景与挑战

背景概述

本数据集由国际劳工组织（ILO）于2025年发布，经Electric Sheep Europe重新整理后发布于HuggingFace平台，聚焦欧洲40个国家1949至2025年间按消费品分类（COICOP）划分的居民消费价格指数（CPI）年同比百分比变动。作为ILOSTAT数据库的核心子集，该数据集旨在为宏观经济分析、通货膨胀监测及跨国比较提供一个标准化、高覆盖度的时序数据基础。其整合了来自各国劳动力调查、家庭收支调查及行政记录等多元来源，并依据国际劳工统计学家会议（ICLS）定义进行协调，成为研究欧洲价格动态、评估货币政策效果以及构建经济预测模型的关键参考资源，对劳动经济学、宏观经济学与数据科学交叉领域具有重要影响力。

当前挑战

该数据集所应对的核心领域挑战在于，跨国家、长时序的消费价格指数数据往往因统计口径、基期选择及分类标准差异而难以直接比较，阻碍了区域层面的通货膨胀趋势建模与政策协同分析。构建过程中，研究者需处理多源异构数据在频率（年度、月度）、质量标记及来源优先级上的不一致性，例如ILO需从同一国家同一年份的多个调查中筛选“最佳来源”，并妥善管理分类变量（如性别、COICOP代码）的缺失状态。此外，数据在整合时需确保1949至2025年跨度内各国时间序列的连续性，同时保留原始源标签以维持可追溯性，这对数据清洗与元数据标准化提出了较高要求。

常用场景

经典使用场景

在宏观经济分析与劳动经济学研究中，该数据集作为欧洲各国消费者价格指数（CPI）的标准化面板数据，被广泛用于构建通货膨胀的跨时、跨国比较模型。其丰富的分类（COICOP）、长时间跨度（1949–2025）及覆盖40国的特点，使其成为时间序列回归、面板数据分析及因果推断的理想基准。研究者可借此探测通胀与劳动力市场变量（如工资、就业率）的联动关系，或评估货币政策冲击在不同经济结构国家中的传导异质性。数据经ILO统一协调，消除了各国统计口径的差异，为计量分析提供了高可比性的数据根基。

衍生相关工作

基于该数据集，学界已衍生出多项具有启发性的代表性研究。部分工作聚焦于利用深度学习方法对多国CPI序列进行联合预测，改进传统ARIMA或VAR模型在非平稳时期的表现；另一些则构建因果推断框架，量化劳工制度、移民结构或数字转型对通胀分类项的差异化作用。数据还催生了若干开源分析工具，如欧洲通胀分解的Shiny面板与通胀动量聚类包。未来衍生方向可能包括与ILO就业数据跨库联合的训练模型，以及融合自然语言处理（如央行会议纪要）进行通胀预期的跨模态预测研究。

数据集最近研究

最新研究方向

该数据集聚焦于欧洲40国1949至2025年的消费者价格指数（CPI）年度同比变化率，由国际劳工组织（ILO）的ILOSTAT数据库整合而来。在当前欧洲高通胀与货币政策调整的宏观背景下，这一长期面板数据为研究通胀结构性差异、工资与物价的联动关系以及劳动力市场调控提供了关键支撑。前沿研究方向包括：利用时间序列模型（如ARIMA或状态空间模型）预测各国通胀路径，结合COICOP分类解析行业价格传导机制，以及将CPI与ILO就业数据交叉分析以评估“成本推动型”滞胀风险。该数据来源的权威性与长达七十六年的覆盖区间，使其成为宏观经济监测与政策模拟的核心资源。