electricsheepeurope/europe-ilo-cpi-xcpi-coi-rt-national-consumer-price-index-cpi-by-coicop-2017-1

该数据集包含欧洲40个国家从1948年到2025年的国家消费者价格指数（CPI）数据，基于COICOP（按目的划分的个人消费分类）分类体系，并以2017年为基准年（指数设为100）。数据集共有15,335个观测值，涵盖1个主要指标（CPI_XCPI_COI_RT），数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API提取并过滤为欧洲国家。数据以表格形式组织，包括国家代码、年份、观测值等列，适用于表格分类、回归和时间序列预测等任务。数据集由Electric Sheep Europe重新打包，采用CC-BY-4.0许可证发布。This dataset contains national consumer price index (CPI) data for 40 Europe countries from 1948 to 2025, based on the COICOP (Classification of Individual Consumption by Purpose) classification with a base year of 2017 (index = 100). It includes 15,335 observations covering one main indicator (CPI_XCPI_COI_RT), sourced from the International Labour Organization (ILO) ILOSTAT database via API and filtered for European countries. The data is structured in tabular format with columns such as country code, year, and observed value, and is suitable for tasks like tabular classification, regression, and time-series forecasting. Repackaged by Electric Sheep Europe and released under the CC-BY-4.0 license.

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核心统计数据库，聚焦欧洲40个国家1948至2025年间以2017年为基期的消费者价格指数（CPI）按COICOP分类的观测值。数据经ILOSTAT REST API直接抓取，并依据欧洲ISO3国家代码进行地理过滤，共汇集15,335条记录。ILOSTAT遵循国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行统一协调，所有数据来源均在source.label列中予以标注，确保数据可追溯性与统计口径的一致性。

特点

该数据集的核心优势在于其长时序、宽覆盖与标准化结构。时间跨度涵盖近80年，地理范围覆盖葡萄牙、挪威、瑞士等40个欧洲国家，且每个国家的观测年限与记录数量详实可查。数据集仅包含一个核心指标（CPI_XCPI_COI_RT），但提供了ref_area、source、classif1等多维分类变量，支持按国家、来源、COICOP分类等进行灵活切片。所有数据均为年度频率，并采用ILO筛选的‘最佳来源’以确保数据质量，同时保留了性别、分类等细分字段的可用性。

使用方法

使用者可通过HuggingFace Datasets库以一行代码加载数据，并快速转换为Pandas DataFrame进行操作。典型应用包括按国家过滤（如df[df['ref_area'] == 'DEU']）、对单一指标按时间排序后绘制时序图、或利用pivot_table构建以年份为行、国家为列的透视矩阵。数据集结构标准化，字段命名清晰，适合直接用于时间序列预测建模、分类或回归任务，也可作为宏观经济分析或消费者价格研究的基准数据集。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）下设的ILOSTAT统计数据库整理，并由Electric Sheep Europe于2025年重新打包发布，涵盖1948年至2025年间40个欧洲国家的消费者价格指数（CPI）数据，共计15,335条观测值。数据集以2017年为基年，采用按目的划分的个人消费分类（COICOP）标准，旨在系统刻画欧洲各国消费价格的长期演变趋势。作为全球劳动统计的权威来源，ILOSTAT通过统一的数据协调方法整合自各国劳动力调查、家庭收支调查等多源数据，这一数据集为宏观经济学、劳动力市场及价格政策研究提供了关键的时间序列支撑，对理解欧洲大陆的通货膨胀动态与生活成本变迁具有重要参考价值。

当前挑战

该数据集所应对的核心领域问题在于，消费者价格指数（CPI）是衡量通货膨胀与居民购买力变化的关键指标，但欧洲各国在统计口径、基期选择及分类标准上长期存在差异，给跨国比较和时序分析带来显著困难。在构建过程中，数据集面临以下几项具体挑战：其一，ILOSTAT需从40个国家的多种数据源（如劳动力调查、行政记录）中提取并协调CPI数据，确保不同来源间的数据一致性与可比性；其二，数据覆盖时段长达77年，涉及战后至当代的统计体系变革，需处理分类标准更新（如COICOP2018）及基年调整问题；其三，数据存在频率不一致（年度、月度、季度）及缺失值，且部分国家因历史原因早期数据稀疏，如何在有限样本中维持序列的完整性和可靠性成为技术难点。

常用场景

经典使用场景

在宏观经济与劳动经济学研究中，该数据集最为经典的使用场景是进行欧洲各国消费者价格指数（CPI）的跨国家、跨时间序列分析。研究者可借助其精细的COICOP分类结构，追踪食品、能源、住房等不同消费类别的价格演变轨迹，并基于2017年为基期的标准化指数，开展通货膨胀率的横向比较与纵向趋势挖掘。数据覆盖40个欧洲国家、近80年的观测周期，为构建面板数据模型、检验购买力平价假说、以及评估货币政策传导效应提供了坚实的数据基石。

实际应用

在实际应用中，该数据集为政策制定者与金融机构提供了关键的决策支持工具。欧洲中央银行及各成员国央行可基于该数据集校准通胀预测模型，动态调整利率与货币政策工具组合。国际货币基金组织和世界银行在评估欧洲国家经济健康状况时，亦将其作为核心输入指标。同时，跨国企业与投资机构利用这些价格指数开展跨境成本收益分析，优化供应链布局与薪酬调整策略。零售与消费品行业则借助分类指数洞察不同消费市场的价格弹性，从而制定差异化的定价与市场进入策略。

衍生相关工作

该数据集直接催生了多项具有影响力的衍生性研究工作。基于其时间序列维度，学者们构建了欧洲区域通胀收敛性检验模型，揭示了欧元区内外国家价格水平的渐进同质化与持久性差异。在机器学习领域，该数据集被用于训练基于LSTM和Transformer架构的通货膨胀预测模型，显著提升了短期价格走势的预测精度。此外，结合劳动力市场指标进行的联合分析，衍生了探讨实际工资与生活成本动态关联的经典论文，为理解欧洲近年来的生活成本危机与工资-价格螺旋效应提供了实证锚点。