africa-ilo-eap-teap-sex-edu-nb-labour-force-by-sex-and-education-thousands
收藏资源简介：
该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的劳动力统计数据，专门针对非洲地区。数据集核心指标为‘按性别和教育程度划分的劳动力（千人）’，涵盖了49个非洲国家从1982年至2025年的年度观测数据，共计12,620条记录。数据通过ILOSTAT的REST接口获取，并经过ILO基于国际劳工统计学家会议（ICLS）定义进行标准化处理，以确保跨国家和时间序列的可比性。数据结构包含18个字段，详细记录了国家信息（ISO3代码和名称）、指标代码与标签、观测年份、按性别（总计、男性、女性）的细分数据、观测数值、数据质量状态标志（如‘暂定’、‘不可靠’）以及关于数据来源、分类和指标的方法论注释。该数据集适用于劳动力市场分析、社会经济研究、时间序列预测以及表格分类与回归等机器学习任务，为研究非洲地区劳动力结构、性别差异和教育水平影响提供了标准化的数据基础。
This dataset contains labor force statistics from the International Labour Organization (ILO) ILOSTAT database, specifically focused on the African region. The core indicator is Labor force by sex and education (thousands), covering annual observations for 49 African countries from 1982 to 2025, with a total of 12,620 records. The data is obtained via the ILOSTAT REST interface and standardized by the ILO based on the International Conference of Labour Statisticians (ICLS) definitions to ensure comparability across countries and time series. The data structure includes 18 fields, detailing country information (ISO3 code and name), indicator codes and labels, observation year, breakdown by sex (total, male, female), observation values, data quality status flags (e.g., provisional, unreliable), and methodological notes on data sources, classifications, and indicators. This dataset is suitable for labor market analysis, socio-economic research, time series forecasting, and machine learning tasks such as tabular classification and regression, providing a standardized data foundation for studying labor force structure, gender disparities, and the impact of education levels in Africa.
数据集概述
数据集名称：Labour force by sex and education (thousands) | Africa (ILOSTAT)
基本信息
- 观测数量：12,620 条
- 覆盖范围：49 个非洲国家
- 时间跨度：1982 年至 2025 年
- 指标数量：1 个核心指标
- 许可证：cc-by-4.0
- 语言：英语
数据来源
数据集源自 ILOSTAT（国际劳工组织中央统计数据库），这是全球劳动统计领域的权威来源。原始数据通过 ILOSTAT REST API 获取，并过滤至非洲国家的 ISO3 代码。数据发布者为国际劳工组织（ILO）。
- 原始数据链接：ILOSTAT 批量探索器
- 主题：劳动力
核心指标
| 指标代码 | 描述 | 单位 |
|---|---|---|
EAP_TEAP_SEX_EDU_NB |
按性别和教育程度划分的劳动力 | 千 |
数据模式（Schema）
| 列名 | 类型 | 描述 | 示例 |
|---|---|---|---|
ref_area |
string | ISO 3166-1 alpha-3 国家代码 | AGO |
ref_area.label |
string | 英文国家名称 | Angola |
source |
string | ILOSTAT 来源代码 | BA:13951 |
source.label |
string | 来源英文名称 | LFS - Employment Survey |
indicator |
string | ILOSTAT 指标代码 | EAP_TEAP_SEX_EDU_NB |
indicator.label |
string | 指标英文名称 | Labour force by sex and education (th… |
sex |
string | 性别分类（SEX_T=总计，SEX_M=男性，SEX_F=女性） | SEX_T |
sex.label |
string | 性别标签 | Total |
classif1 |
string | 第一分类变量（年龄、教育、就业状况等） | EDU_AGGREGATE_TOTAL |
classif1.label |
string | 分类标签 | Education (Aggregate levels): Total |
time |
int64 | 观测年份 | 2025 |
obs_value |
float64 | 观测值 | 15606.68 |
obs_status |
string | 观测状态标志 | U |
obs_status.label |
string | 状态说明 | Unreliable |
note_classif |
string | 分类注释代码 | C3:3710 |
note_classif.label |
string | 分类注释说明 | Nonstandard education level: Includin… |
note_indicator |
string | 指标注释代码 | I11:264 |
note_indicator.label |
string | 指标注释说明 | Break in series: Methodology revised |
note_source |
string | 来源注释代码 | R1:3513 |
note_source.label |
string | 来源注释说明 | Repository: ILO-STATISTICS - Micro da… |
分类维度
sex：3 个唯一值（SEX_T总计，SEX_M男性，SEX_F女性）
地理覆盖（按观测数量排序的部分国家）
| 国家 | 观测数 | 起始年份 | 结束年份 |
|---|---|---|---|
| 南非（ZAF） | 1,176 | 2000 | 2024 |
| 毛里求斯（MUS） | 954 | 2001 | 2024 |
| 埃及（EGY） | 699 | 2008 | 2024 |
| 加纳（GHA） | 538 | 1991 | 2024 |
| 马里（MLI） | 520 | 2009 | 2024 |
| 安哥拉（AGO） | 496 | 2004 | 2025 |
| 卢旺达（RWA） | 428 | 2014 | 2025 |
| 赞比亚（ZMB） | 412 | 2015 | 2024 |
| 突尼斯（TUN） | 393 | 2005 | 2023 |
| 塞内加尔（SEN） | 361 | 2011 | 2024 |
| ... | ...（另有 34 个国家） |
数据质量与注意事项
- 数据为年度频率，不包含月度或季度序列。
- 当同一国家×年份存在多个来源时，使用 ILO 选择的“最佳来源”。
- 分类列（
sex、classif1）仅在指标发布对应细分时才非空。 - 观测状态标志（
obs_status）可指示数据为临时性或不可靠（例如U表示不可靠）。
引用格式
bibtex @misc{africa_ilo_eap_teap_sex_edu_nb_labour_force_by_sex_and_education_thousands_2025, title = {Labour force by sex and education (thousands) | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EAP_TEAP_SEX_EDU_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-eap-teap-sex-edu-nb-labour-force-by-sex-and-education-thousands}} }
使用建议
可通过 HuggingFace Datasets 库直接加载：
python from datasets import load_dataset
ds = load_dataset("electricsheepafrica/africa-ilo-eap-teap-sex-edu-nb-labour-force-by-sex-and-education-thousands") df = ds["train"].to_pandas()
