electricsheepafrica/africa-ilo-how-temp-sex-ocu-dsb-nb-mean-weekly-hours-actually-worked-per-employed-per

该数据集来源于国际劳工组织（ILO）的ILOSTAT统计数据库，主题为工作时间，具体指标为按性别、职业和残疾状况划分的就业人员平均每周实际工作时间。数据集覆盖非洲28个国家，包括卢旺达、赞比亚、津巴布韦、加纳、塞内加尔等，时间跨度为2005年至2025年，包含3,351个观测值。数据通过ILOSTAT REST API获取，并经过筛选以仅包含非洲国家代码。数据集采用表格形式，包含国家代码、国家名称、数据来源、指标代码、指标名称、性别分类、职业和残疾状况分类、观测年份、观测值、观测状态等列。数据为年度频率，并使用了ILO选择的最佳来源。数据集适用于表格分类、表格回归和时间序列预测等任务，旨在为研究人员和开发者提供机器学习就绪的非洲劳动力统计数据。Mean weekly hours actually worked per employed person by sex, occupation and disability status across Africa (ILOSTAT), containing 3,351 observations from 28 African countries spanning 2005–2025. The dataset is sourced from the International Labour Organizations ILOSTAT database, focusing on hours of work, and includes detailed disaggregation by sex, occupation, and disability status. Data is collected via the ILOSTAT REST API, filtered for African country codes, and provided in a tabular format with columns for country codes, source information, indicator details, classification variables, time, observed values, and status flags. It is designed for machine learning tasks such as tabular classification, regression, and time-series forecasting.

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织（ILO）的ILOSTAT统计数据库，是全球劳动统计数据的重要来源。研究者通过调用ILOSTAT的REST API，精准提取了“按性别、职业和残疾状况划分的就业人员平均每周实际工作时间”这一核心指标，并将其严格限定于非洲地区的ISO3国家代码范围内。原始调查微观数据经由国际劳工统计学家会议（ICLS）定义进行统一协调，且每条记录均在source.label列中标注了数据来源（如劳动力调查），从而确保了数据的可追溯性与标准化。最终，由Electric Sheep Africa团队完成了数据的整理、打包与发布，形成了包含3,351条观察记录的机器学习就绪数据集。

特点

本数据集覆盖了2005年至2025年间28个非洲国家的年度数据，时间跨度长达二十年，空间分布兼顾西非、东非、南非等区域，具有显著的地域代表性和时序广度。其数据结构丰富，不仅包含了观测值obs_value，还提供了性别（sex）、职业分类（classif1）和残疾状况（classif2）等多个维度的细分字段，使得研究者能够从交叉视角深入探究劳动时间模式的差异。此外，数据状态标识（obs_status）与注释信息（note_indicator、note_source）的保留，为数据质量评估提供了透明依据，体现了严谨的数据治理理念。

使用方法

研究者可通过Hugging Face的datasets库便捷地加载数据，使用load_dataset函数即可获取包含全部字段的DataFrame。针对具体分析需求，可采用条件筛选提取单一国家的子集，或利用排序与可视化工具对特定指标进行时序趋势分析。更进一步的，利用pandas的pivot_table函数可将数据重塑为国家×年份的矩阵格式，便于进行跨国的横向比较或面板数据建模。数据采用cc-by-4.0许可协议发布，使用时需同时标注ILO原始出处及Electric Sheep Africa的整合贡献，以尊重知识共享的规范。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于其ILOSTAT数据库中汇编，并经Electric Sheep Africa于2025年重新打包发布，聚焦于非洲地区按性别、职业和残疾状况划分的受雇人员平均每周实际工作小时数。核心研究问题在于揭示非洲大陆劳动市场中不同群体在工时分配上的差异性，为评估体面劳动、包容性就业及可持续发展目标（SDGs）的进展提供关键量化依据。作为ILOSTAT这一全球劳动统计权威数据库的子集，该数据集整合了28个非洲国家2005年至2025年的年度观测数据，共包含3,351条记录，填补了非洲区域高粒度劳动统计数据的空白，对劳动经济学、社会政策及跨文化比较研究具有重要参考价值。

当前挑战

在领域问题层面，该数据集旨在解决非洲劳动市场中多维度不平等性（如性别、残疾状况）在工时表现上的量化挑战，但非洲各国数据采集标准不一、部分国家样本稀疏且历史数据存在不连续性，限制了跨区域长期趋势分析的稳健性。在构建过程中，面临的主要挑战包括从ILOSTAT REST API中异构源数据的整合与清洗，需处理不同调查（如劳动力调查、家庭收支调查）之间的定义偏差，以及标识‘不可靠’观测状态的标记；此外，部分国家（如利比里亚、科特迪瓦）数据覆盖年份零散，且分类维度（如残疾状态）常因缺失值而无法完整呈现，增加了多变量分析的复杂性。

常用场景

经典使用场景

该数据集收录了2005至2025年间28个非洲国家按性别、职业和残疾状态划分的就业者周均实际工作小时数，共计3351条观测记录。其经典使用场景集中于劳动经济学的跨国比较研究，学者可借此剖析非洲大陆不同国家间劳动供给模式的异同，或利用时间序列维度追踪特定国家工作小时数的演变轨迹。数据集中细粒度的分类维度，如性别与残疾状态，为探讨劳动力市场中的结构性不平等提供了量化基础，尤其适用于分析女性与残障群体在劳动参与强度上的差异。

解决学术问题

该数据集有效回应了非洲劳动统计领域长期面临的数据碎片化与可比性不足的挑战。传统上，非洲各国劳动力调查口径不一，使得跨国或跨时期的工作强度比较困难重重。此数据集经由国际劳工组织标准化整理，确保了指标定义的一致性，从而支撑研究者检验诸如经济发展阶段与周均工时之间的库兹涅茨式关系、性别就业差距的收敛趋势，以及残疾包容政策对劳动供给的影响等学术命题。其意义在于将劳动经济学中关于工作时间的理论讨论拓展至长期被忽视的非洲语境，填补了该地区高精度劳动计量研究的空白。

衍生相关工作

该数据集的发布催生了一系列基于非洲劳动统计数据的衍生研究工作。一方面，它促进了跨国面板数据分析方法在发展规划领域的应用，例如学者们构建了非洲国家每周工时与性别工资差距的动态计量模型，或利用机器学习算法对缺失的工时数据进行插补与预测。另一方面，该数据集常与ILOSTAT的失业率、非正规就业比例等其他指标结合，形成多维劳动市场画像，用于评估非洲国家实现联合国可持续发展目标第八项中体面劳动目标的进展。这些衍生工作普遍强调数据透明性与可复现性，推动了面向非洲的区域性劳动经济学实证研究范式的形成。