unemployment rate world bank

World Bank Unemployment Data

Unemployment Rate World Bank Open Data API ILO ASEAN Indicator SL.UEM.TOTL.ZS Analysis Dashboard Trend Comparison

Data Retrieval

# === World Bank API Data Retrieval ===

# pip install wbgapi pandas requests plotly

# import wbgapi as wb
# import pandas as pd
# import requests
#
# # Method 1: wbgapi Library (Recommended)
# df = wb.data.DataFrame(
#     'SL.UEM.TOTL.ZS',
#     economy=['THA', 'SGP', 'MYS', 'IDN', 'PHL', 'VNM'],
#     time=range(2000, 2024),
#     labels=True
# )
# print(df)
#
# # Method 2: REST API
# url = "http://api.worldbank.org/v2/country/THA/indicator/SL.UEM.TOTL.ZS"
# params = {"format": "json", "date": "2000:2023", "per_page": 100}
# response = requests.get(url, params=params)
# data = response.json()[1]
# df = pd.DataFrame([{
#     "year": d["date"],
#     "country": d["country"]["value"],
#     "unemployment": d["value"]
# } for d in data if d["value"] is not None])
#
# # Method 3: Multiple Indicators
# indicators = {
#     'SL.UEM.TOTL.ZS': 'Total Unemployment',
#     'SL.UEM.1524.ZS': 'Youth Unemployment',
#     'SL.UEM.TOTL.FE.ZS': 'Female Unemployment',
#     'NY.GDP.MKTP.KD.ZG': 'GDP Growth',
# }
# for code, name in indicators.items():
#     df = wb.data.DataFrame(code, economy='THA', time=range(2010, 2024))
#     print(f"{name}: {df.iloc[-1].values[0]:.1f}%")

from dataclasses import dataclass

@dataclass
class DataSource:
    method: str
    library: str
    ease: str
    features: str
    limitation: str

sources = [
    DataSource("wbgapi (Python)",
        "pip install wbgapi",
        "ง่ายมาก",
        "DataFrame ตรง Filter Country Year Indicator",
        "ข้อมูลรายปี Update ช้า (1-2 ปี Lag)"),
    DataSource("REST API",
        "requests",
        "ปานกลาง",
        "JSON XML รองรับทุกภาษา",
        "ต้อง Parse JSON เอง Pagination"),
    DataSource("pandas-datareader",
        "pip install pandas-datareader",
        "ง่าย",
        "Pandas Integration ดึงหลาย Indicator",
        "อาจ Deprecated บาง Source"),
    DataSource("WDI (R)",
        "install.packages('WDI')",
        "ง่าย (R users)",
        "R DataFrame ggplot2 Integration",
        "R only"),
    DataSource("CSV Download",
        "data.worldbank.org",
        "ง่ายมาก",
        "ไม่ต้อง Code Download ตรง",
        "Manual ไม่อัตโนมัติ"),
]

print("=== Data Sources ===")
for s in sources:
    print(f"  [{s.method}] {s.library}")
    print(f"    Ease: {s.ease} | Features: {s.features}")
    print(f"    Limit: {s.limitation}")

Analysis

# === Unemployment Analysis ===

@dataclass
class CountryData:
    country: str
    code: str
    unemployment_2023: float
    youth_unemployment: float
    trend: str
    note: str

countries = [
    CountryData("Thailand", "THA", 1.0, 5.2,
        "คงที่ต่ำตลอด",
        "ต่ำที่สุดในโลก เพราะนับ Informal Sector"),
    CountryData("Singapore", "SGP", 2.1, 6.5,
        "คงที่",
        "Full Employment ใกล้เคียง Natural Rate"),
    CountryData("Malaysia", "MYS", 3.4, 11.8,
        "ลดจาก COVID",
        "Youth Unemployment สูง 3x Overall"),
    CountryData("Indonesia", "IDN", 3.5, 13.5,
        "ลดต่อเนื่อง",
        "ประชากรมาก Labor Market ใหญ่"),
    CountryData("Philippines", "PHL", 2.4, 6.8,
        "ลดจาก COVID Peak",
        "OFW ช่วยลด Unemployment"),
    CountryData("Vietnam", "VNM", 2.0, 7.2,
        "คงที่ต่ำ",
        "Manufacturing Growth ดูดซับแรงงาน"),
    CountryData("Japan", "JPN", 2.6, 4.1,
        "คงที่ต่ำ",
        "Aging Population แรงงานขาด"),
    CountryData("USA", "USA", 3.6, 8.5,
        "ลดจาก COVID",
        "Fed Monitor ใกล้ชิด"),
    CountryData("World", "WLD", 5.5, 13.2,
        "ลดช้า",
        "ค่าเฉลี่ยโลก Youth 2.4x Overall"),
]

print("=== ASEAN + World Unemployment ===")
for c in countries:
    gap = c.youth_unemployment - c.unemployment_2023
    print(f"  [{c.country} ({c.code})]")
    print(f"    Overall: {c.unemployment_2023}% | Youth: {c.youth_unemployment}% | Gap: +{gap:.1f}%")
    print(f"    Trend: {c.trend} | Note: {c.note}")

Dashboard

# === Plotly Dashboard ===

# import plotly.express as px
# import plotly.graph_objects as go
# import wbgapi as wb
# import pandas as pd
#
# # World Map Choropleth
# df = wb.data.DataFrame('SL.UEM.TOTL.ZS', time=2022, labels=True)
# df = df.reset_index()
# fig = px.choropleth(
#     df, locations='economy', locationmode='ISO-3',
#     color='SL.UEM.TOTL.ZS',
#     title='World Unemployment Rate 2022',
#     color_continuous_scale='RdYlGn_r',
#     range_color=[0, 30],
# )
# fig.show()
#
# # ASEAN Comparison Bar Chart
# asean = ['THA', 'SGP', 'MYS', 'IDN', 'PHL', 'VNM']
# df = wb.data.DataFrame('SL.UEM.TOTL.ZS', economy=asean, time=2022)
# fig = px.bar(df.reset_index(), x='economy', y='SL.UEM.TOTL.ZS',
#              title='ASEAN Unemployment Rate 2022')
# fig.show()
#
# # Trend Line Chart
# df = wb.data.DataFrame('SL.UEM.TOTL.ZS', economy='THA',
#                         time=range(2000, 2024))
# fig = px.line(df.T.reset_index(), x='index', y='THA',
#               title='Thailand Unemployment Trend')
# fig.show()

@dataclass
class DashboardPanel:
    panel: str
    chart_type: str
    data: str
    insight: str

panels = [
    DashboardPanel("World Map",
        "Choropleth Map",
        "ทุกประเทศ ปีล่าสุด",
        "เห็นภาพรวมโลก แอฟริกา ตะวันออกกลาง สูงสุด"),
    DashboardPanel("ASEAN Comparison",
        "Bar Chart",
        "ASEAN 10 ประเทศ",
        "ไทยต่ำสุด Youth Gap สูงทุกประเทศ"),
    DashboardPanel("Historical Trend",
        "Line Chart",
        "เลือกประเทศ 2000-2023",
        "ดูผลกระทบ COVID-19 2008 Crisis"),
    DashboardPanel("Youth vs Overall",
        "Grouped Bar",
        "เปรียบเทียบ Youth กับ Overall",
        "Youth สูงกว่า 2-3 เท่าทุกประเทศ"),
    DashboardPanel("Gender Gap",
        "Stacked Bar",
        "Male vs Female Unemployment",
        "ตะวันออกกลาง Female สูงมาก"),
    DashboardPanel("GDP Correlation",
        "Scatter Plot",
        "Unemployment vs GDP Growth",
        "GDP สูง = Unemployment ต่ำ (Negative Correlation)"),
]

print("=== Dashboard Panels ===")
for p in panels:
    print(f"  [{p.panel}] {p.chart_type}")
    print(f"    Data: {p.data}")
    print(f"    Insight: {p.insight}")

เคล็ดลับ

• wbgapi: ใช้ wbgapi Library ดึงข้อมูลง่ายที่สุด
• Lag: ข้อมูล World Bank มี Lag 1-2 ปี ไม่ใช่ Real-time
• Youth: ดู Youth Unemployment ร่วมด้วยเสมอ สำคัญกว่า Overall
• Informal: บางประเทศนับ Informal Sector ทำให้ตัวเลขต่ำ
• Compare: เปรียบเทียบในกลุ่มเดียวกัน ASEAN OECD ไม่ข้ามกลุ่ม

World Bank Data คืออะไร

Open Data เศรษฐกิจสังคม 200+ ประเทศ 1960-ปัจจุบัน SL.UEM.TOTL.ZS ILO API CSV ฟรี Creative Commons Youth Female Male

สรุป

Unemployment Rate World Bank API wbgapi ASEAN Thailand ILO Youth Gender GDP Correlation COVID-19 Dashboard Plotly Analysis