electricsheepafrica/africa-ilo-how-2emp-sex-nb-mean-weekly-hours-actually-worked-per-employed-per

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的“按性别划分的就业人员实际平均每周工作时间——ILO模型估计”数据，专门针对非洲地区。它涵盖了53个非洲国家从2005年到2027年的年度观测数据，总计3,630个观测值。数据包括按性别（总计、男性、女性）分组的指标值，用于分析和预测工作时间趋势。数据集经过重新打包，以标准化模式提供，便于机器学习应用，并包含国家代码、年份、观测值、数据来源和质量标志等信息。This dataset contains Mean weekly hours actually worked per employed person by sex -- ILO modelled estimates data from the International Labour Organizations ILOSTAT database, specifically for Africa. It includes annual observations from 2005 to 2027 across 53 African countries, totaling 3,630 data points. The data is disaggregated by sex (total, male, female) for analyzing and forecasting working hours trends. Repackaged with a normalized schema for machine learning readiness, it features columns such as country codes, years, observed values, data sources, and quality flags.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa团队基于国际劳工组织（ILO）的ILOSTAT数据库精心构建而成。数据通过调用ILOSTAT REST API直接获取指标HOW_2EMP_SEX_NB，并严格筛选出非洲地区的ISO3国家代码。ILOSTAT本身采用国际劳工统计学家会议（ICLS）定义，对各国原始调查微观数据进行统一协调处理。原始数据来源涵盖劳动力调查、住户收入调查、企业调查及行政记录等多种渠道，并在source.label列中明确标注，确保了数据的可追溯性与权威性。最终整合为包含3630条观测值、覆盖53个非洲国家及2005至2027年时间跨度的结构化数据集。

特点

本数据集聚焦于非洲地区按性别划分的受雇人员每周实际工作平均小时数，包含“Total（总计）”、“Male（男性）”与“Female（女性）”三个性别细分维度，为劳动经济学研究提供了精细化的分析视角。数据集汇集了来自ILO的建模估计值，并通过统一架构呈现，包含国家代码、指标标签、观察值及状态标记等关键字段。数据以年度频率组织，覆盖长达23年的时间序列，能够有效支撑跨时期、跨国别的劳动工时比较分析。此外，数据集遵循CC-BY-4.0开放许可协议，降低了研究与使用的门槛。

使用方法

使用者可通过HuggingFace Datasets库便捷加载数据：利用`load_dataset("electricsheepafrica/africa-ilo-how-2emp-sex-nb-mean-weekly-hours-actually-worked-per-employed-per")`命令即可获取，随后可转换为pandas DataFrame进行深入分析。针对特定国家的分析，可通过`ref_area`字段进行筛选，例如选取肯尼亚的数据。对于时间序列探索，可按指标排序并可视化观察值的变化趋势。同时，支持通过透视表操作构建国家×年份的观测矩阵，便于面板数据分析。该数据集设计简洁，兼容多种数据分析任务，包括表格分类、回归分析乃至时间序列预测，具有良好的实用性与可扩展性。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年发布，经Electric Sheep Africa重新打包后呈现在HuggingFace平台，聚焦非洲53个国家2005至2027年间从业人员按性别划分的周均实际工作小时数。作为ILOSTAT数据库的核心指标之一，该数据源自各国劳动力调查与行政记录，经ILO统计部门依据国际劳工统计学家会议定义进行统一整合。数据集涵盖3630条观测记录，为研究非洲劳动力市场性别差异、工作时间演变规律及可持续发展目标中体面工作议题提供了宝贵的时间序列资料，对劳动经济学、发展经济学及非洲区域研究具有重要支撑作用。

当前挑战

该数据集所应对的核心领域挑战在于非洲劳动力市场统计数据的碎片化与不完整性——多数国家缺乏长期、可比的性别分列工作时间数据，阻碍了跨国比较与政策评估。在构建过程中，主要挑战包括：不同来源调查在抽样方法、指标定义及时序一致性上的巨大差异，需依赖ILO的模型估算进行统一；数据标注中观测状态（如临时值、不可靠值）需谨慎处理；因数据来源于53个不同统计体系，部分年份存在缺失值，需在时间序列分析中加以应对；此外，以年为单位的频率无法捕捉季度或月度波动，限制了高精度劳动政策研究的需求。

常用场景

经典使用场景

该数据集汇聚了国际劳工组织（ILO）对非洲53个国家2005至2027年间按性别划分的周均实际工作小时数的建模估算值，共计3630条观测记录。在劳动经济学与区域发展研究中，它最经典的用途是作为面板数据源，用于跨国家、跨性别的工作时间模式比较与分析。研究者可借此数据揭示非洲大陆不同经济体的劳动供给特征，探讨工作时间在性别间的差异及其演变趋势，为量化劳动市场结构性变迁提供坚实的数据基底。

实际应用

在实际应用层面，该数据集为国际发展机构、非洲各国政策制定部门及社会研究智库提供了不可或缺的决策参考。例如，国际劳工组织和世界银行可基于每周工时的性别差异数据，评估非洲地区体面劳动目标的实现进展，并设计针对性干预措施；劳工部门可利用时间序列分析，监控劳动市场对宏观经济政策或突发冲击（如疫情）的响应，优化就业促进方案。此外，民间社会组织也能借助这些数据，倡导缩小性别工时差距，推动更具包容性的劳动法规改革。

衍生相关工作

围绕该数据集衍生的经典工作主要集中在劳动经济学与计算社会科学交叉领域。一方面，它常被用于构建预测模型，探索经济增长、产业结构变迁对非洲各国分性别工时的影响机制，如利用面板回归或机器学习方法量化城镇化进程与劳动时间分配的关系。另一方面，该数据集也是时间序列预测研究的宝贵测试床，研究者开发了结合季节分解与深度学习架构的方法来推断未来工时走势，为人力资源规划提供前瞻性洞见。这些工作不仅深化了对非洲劳动市场动态的理解，也促进了统计建模方法在欠发达区域数据环境下的应用创新。