electricsheepasia/asia-ilo-how-xees-sex-age-eco-nb-mean-weekly-hours-actually-worked-per-employee-by

该数据集名为按性别、年龄和经济活动划分的员工实际每周平均工作小时数 | 亚洲（ILOSTAT），是一个专注于亚洲国家劳动统计的表格数据集。它包含323,068个观测值，覆盖33个亚洲国家（如韩国、塞浦路斯、土耳其、印度尼西亚等），时间范围为1997年至2025年。数据集的核心指标是HOW_XEES_SEX_AGE_ECO_NB，即按性别、年龄和经济活动划分的员工实际每周平均工作小时数。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过标准化处理，包括国家代码、数据来源、指标、性别分类、年龄分类、经济活动和观测值等列。数据集适用于机器学习任务，如表格分类、回归和时间序列预测，旨在为研究人员和开发者提供亚洲地区的劳动市场分析基础。数据集以Parquet格式发布，遵循CC-BY-4.0许可协议，由Electric Sheep Asia重新打包以增强可用性。license: cc-by-4.0 language: - en task_categories: - tabular-classification - tabular-regression - time-series-forecasting multilinguality: monolingual size_categories: - 100K<n<1M tags: - tabular - asia - ilostat - hours-of-work - ilo - labour - employment pretty_name: "按性别、年龄和经济活动划分的亚洲雇员实际周平均工作时长 | 亚洲（ILOSTAT） # 按性别、年龄和经济活动划分的亚洲雇员实际周平均工作时长 | 亚洲（ILOSTAT） 🌏 **323,068 条观测值** · **33个亚洲国家** · **1997–2025** · *由[Electric Sheep Asia](https://huggingface.co/electricsheepasia) 重新整理*      ## TL;DR 本数据集包含**323,068 条`工作时长`相关数据的观测值，覆盖**33个亚洲国家**，时间跨度为**1997–2025**，仅包含**1项唯一指标**。 ## 数据来源 **ILOSTAT**是国际劳工组织（ILO）的中央统计数据库，是全球领先的劳工统计权威数据源。它整合了就业、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。其覆盖范围超过200个经济体，由国际劳工组织（ILO）统计司负责数据的标准化处理。 - **来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_AGE_ECO_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**：工作时长 ## 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=HOW_XEES_SEX_AGE_ECO_NB`获取，并筛选出亚洲地区的ISO3国家代码。ILOSTAT采用国际劳工统计学家会议（International Conference of Labour Statisticians, ICLS）的定义对原始调查微观数据进行标准化处理；数据来源会在`source.label`列中标记以保证可追溯性。 ## 地理覆盖范围 33个亚洲国家，以下按观测数排序的前若干行数据： | 国家 | 观测行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `KOR` | 26,878 | 2000 | 2025 | | `CYP` | 23,468 | 1999 | 2024 | | `TUR` | 23,406 | 2000 | 2024 | | `IDN` | 19,966 | 2000 | 2023 | | `IRN` | 19,684 | 2005 | 2024 | | `KHM` | 17,007 | 1997 | 2023 | | `VNM` | 16,827 | 2007 | 2024 | | `ISR` | 15,076 | 2012 | 2024 | | `LKA` | 13,703 | 2010 | 2024 | | `KGZ` | 13,673 | 2010 | 2023 | | `THA` | 13,493 | 2010 | 2024 | | `PHL` | 13,444 | 2003 | 2023 | | `ARM` | 10,692 | 2007 | 2018 | | `PAK` | 9,090 | 2009 | 2025 | | `PSE` | 8,882 | 2015 | 2025 | | ... | 其余18个国家 | | | ## 指标（示例） - `HOW_XEES_SEX_AGE_ECO_NB — 按性别、年龄和经济活动划分的雇员实际周平均工作时长 ## 数据结构 | 列名 | 数据类型 | 描述 | 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 | `阿富汗` | | `source` | `string` | ILOSTAT来源代码（如劳动力调查） | `BA:15715` | | `source.label` | `string` | 英文来源名称 | `LFS - 劳动力调查` | | `indicator` | `string` | ILOSTAT指标代码 | `HOW_XEES_SEX_AGE_ECO_NB` | | `indicator.label` | `string` | 英文指标名称 | `Mean weekly hours actually worked per…` | | `sex` | `string` | 按性别拆分的维度（`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、就业状态等） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `年龄（青年、成年）：15岁及以上` | | `classif2` | `string` | 可选第二分类变量 | `ECO_SECTOR_TOTAL` | | `classif2.label` | `string` | — | `经济活动（大类）：总计` | | `time` | `int64` | 观测年份 | `2021` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `41.79` | | `obs_status` | `string` | 观测状态标记（如暂定、不可靠） | `U` | | `obs_status.label` | `string` | — | `不可靠` | | `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_S3:8` | | `note_source.label` | `string` | — | `存储库：ILO统计数据库-微观数据……` | ## 拆分维度 以下列提供数据拆分维度： - **`sex`**（共4个唯一值）：`SEX_T`、`SEX_M`、`SEX_F`、`SEX_O` ## 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序列。 - 当同一国家×年份存在多个来源的指标数据时，将采用国际劳工组织选定的“最佳来源”数据。 - 拆分列（`sex`、`classif1`、`classif2`）仅在指标支持对应拆分时非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepasia/asia-ilo-how-xees-sex-age-eco-nb-mean-weekly-hours-actually-worked-per-employee-by") df = ds["train"].to_pandas() print(df.head()) ### 按国家筛选 python indonesia = df[df["ref_area"] == "IDN"] ### 单指标时间序列 python sample = (df[df["indicator"] == "HOW_XEES_SEX_AGE_ECO_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="HOW_XEES_SEX_AGE_ECO_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "HOW_XEES_SEX_AGE_ECO_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{asia_ilo_how_xees_sex_age_eco_nb_mean_weekly_hours_actually_worked_per_employee_by_2025, title = "按性别、年龄和经济活动划分的亚洲雇员实际周平均工作时长 | 亚洲（ILOSTAT）", author = {国际劳工组织（ILO）}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_AGE_ECO_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Asia}, howpublished = {url{https://huggingface.co/datasets/electricsheepasia/asia-ilo-how-xees-sex-age-eco-nb-mean-weekly-hours-actually-worked-per-employee-by}} } ## 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来源与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：在HuggingFace上构建统一的、适配机器学习的亚洲数据层。我们从权威开放数据源获取数据，标准化数据结构，打包为Parquet格式，并发布格式统一的数据集卡片，以便研究人员与开发者仅需使用`load_dataset()`即可在数秒内启动工作。 浏览完整数据集集合：[huggingface.co/electricsheepasia](https://huggingface.co/electricsheepasia) --- _数据溯源：2026-05-27通过Electric Sheep管道摄入。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_AGE_ECO_NB_

搜集汇总

数据集介绍

构建方式

该数据集基于国际劳工组织（ILO）的ILOSTAT REST API构建。数据直接从API端点提取，并按照亚洲国家ISO3代码进行严格筛选。ILOSTAT利用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处理，以确保不同来源数据的可比性和一致性。数据集在HuggingFace上由Electric Sheep Asia重新打包，保留了原始数据中的source.label列，用于追踪数据来源，确保可追溯性。最终形成了包含323,068条观测值、覆盖33个亚洲国家、时间跨度为1997年至2025年的结构化数据集。

使用方法

用户可通过HuggingFace的datasets库直接加载数据，使用`load_dataset()`函数即可快速获取训练集并转化为Pandas DataFrame进行分析。支持按国家代码筛选特定区域数据，例如过滤印度尼西亚的观测值。对于时间序列分析，可针对特定指标按年份排序并可视化。用户还可利用透视表功能，将数据重塑为国家与年份的矩阵形式，便于进行跨国的面板数据分析。数据采用CC-BY-4.0许可协议，使用时需同时引用ILO原始出处及Electric Sheep Asia的重新包装版本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其核心统计数据库ILOSTAT发布，并经Electric Sheep Asia重新打包整理，聚焦于亚洲33个国家1997至2025年间雇员平均每周实际工作小时的统计。作为全球劳动统计的权威来源，ILOSTAT基于国际劳工统计学家会议定义，通过整合各国劳动力调查、家庭收入调查与行政记录等数据，为研究亚洲地区劳动力市场的时间配置规律提供了跨性别、年龄与经济活动的精细化观测。该数据集共计323,068条记录，覆盖单一指标“按性别、年龄和经济活动划分的雇员平均每周实际工作小时”，其结构化的多维度分类设计尤其适合时序分析、分类与回归任务，为揭示亚洲经济体劳动供给模式、性别差异及产业结构变迁奠定了坚实的数据基础。

当前挑战

该数据集所应对的领域挑战在于，亚洲各国劳动统计体系存在显著异质性，包括调查方法、数据频率（年度为主）、行业分类标准与年龄分组的不一致，导致跨国可比性分析面临障碍。ILOSTAT虽通过ICLS定义进行统一化处理，但原始数据中标注的‘不可靠’状态与‘方法修订’引起的序列断裂（如注释列所示）仍增加了分析的不确定性。从构建角度看，多源数据融合时需处理因国家统计能力差异导致的缺失值分布偏斜，例如阿富汗等数据稀疏国家与韩国等高频更新国家间的样本不平衡，同时，分类维度如性别与经济活动类别的组合爆炸使得观察值在细粒度分组下可能退化为零值或低可靠性估计，这对基于机器学习的时序预测与因果推断模型的鲁棒性提出严苛要求。

常用场景

经典使用场景

该数据集收录了1997年至2025年间亚洲33个国家的32万余条观测记录，核心指标为按性别、年龄和经济活动分组的雇员实际周均工作时长。研究者常将其用于跨国劳动经济学的面板数据分析，通过整合性别、年龄层次与产业部门等多维分类变量，能够系统刻画不同劳动力群体的工作时长分布特征及其动态演变规律。这一设计使得跨时期、跨区域的比较研究具备了严谨的数据基础。

解决学术问题

数据集有效回应了劳动经济学中关于工作时间异质性及其驱动因素的学术追问。借助该数据，学者可以检验性别差异在工作时长上的持续性与收敛趋势，评估人口老龄化对劳动力供给的潜在影响，并分析产业结构变迁如何重塑不同行业的工作强度。相关研究为理解亚洲各国劳动力市场的结构转型提供了实证锚点，推动了关于体面劳动与工作质量的量化讨论。

实际应用

在实际应用层面，该数据集为国际劳工组织及各国劳动部门监测和评估劳动政策效果提供了关键工具。政策制定者可据此追踪特定行业或人群的工作时间变化趋势，识别超时劳动或非充分就业等风险信号，从而优化工时法规、社会保障与劳动力市场干预措施。此外，数据还可服务于企业的人力资源规划及跨国劳工权益研究，辅助形成更具包容性的劳动治理方案。

数据集最近研究

最新研究方向

该数据集聚焦于亚洲33国1997至2025年间雇员实际周均工作时长的性别、年龄及经济活动维度异质性，为劳动经济学中工作时间弹性的跨区域比较提供了高分辨率面板数据。在数字化转型与后疫情时代劳动力市场重构的背景下，研究者正利用此类精细粒度统计探索工时缩减政策与生产率、性别平等及福祉之间的多维因果关系。结合国际劳工组织倡导的体面劳动议程，该数据集支持对亚洲新兴经济体与发达经济体间工时差距的计量分析，助力揭示非正规就业、行业结构变迁与工作强度的内在联系，对评估各国劳动法规调整效果及可持续发展目标第八条的实现进展具有关键推动作用。