electricsheepafrica/africa-ilo-emp-temp-sex-ind-geo-nb-employment-by-ilo-sector-and-sex-and-rural-urban-a

该数据集包含非洲36个国家从2000年至2025年的就业数据，具体涉及国际劳工组织（ILO）按部门、性别和城乡地区划分的就业人数（以千计）。数据集共有25,136个观测值，仅包含一个指标（EMP_TEMP_SEX_IND_GEO_NB），数据来源于ILOSTAT数据库，通过API获取并过滤为非洲国家代码。数据集以表格形式组织，包括国家代码、来源、指标、性别分类、时间、观测值等列，适用于表格分类、表格回归和时间序列预测等任务。数据由Electric Sheep Africa重新打包，以方便机器学习使用。This dataset contains 25,136 observations of employment data across 36 Africa countries, spanning 2000–2025, covering 1 distinct indicator (EMP_TEMP_SEX_IND_GEO_NB) for Employment by ILO sector and sex and rural/urban areas (thousands). Data is sourced from ILOSTAT, the ILOs central statistics database, via API and filtered to Africa ISO3 country codes. It is presented in tabular format with columns such as country code, source, indicator, sex classification, time, observed value, etc., and is suitable for tasks like tabular classification, regression, and time-series forecasting. The dataset is repackaged by Electric Sheep Africa for machine learning readiness.

搜集汇总

数据集介绍

构建方式

该数据集源自国际劳工组织（ILO）的ILOSTAT中央统计数据库，后者作为全球劳动统计的首要来源，汇聚了各国劳动调查、家庭收支调查及行政记录等多元数据。数据集通过调用ILOSTAT REST API直接抽取原始指标，并依据非洲ISO3国家代码进行地理过滤，最终整合为25136条观测记录，覆盖36个非洲国家，时间跨度从2000年至2025年。ILOSTAT采用国际劳工统计学家会议（ICLS）对原始调查微观数据进行统一协调处理，并在数据源字段中标注数据出处，以确保可追溯性。Electric Sheep Africa在此基础上进行了标准化的再封装，形成了可直接使用的机器学习就绪数据集。

特点

该数据集聚焦于非洲地区按ILO经济部门、性别及城乡区域划分的就业人数（以千人为单位），核心特色在于其精细的多维解构能力。数据通过`sex`（性别）、`classif1`（经济部门）与`classif2`（区域类型）三个分类列，实现了对不同子群体的灵活筛选。此外，数据集包含了观测状态标记（如可靠性等级）、数据注释（如方法论变更提示）以及来源标识等元信息，为用户提供了透明的数据质量控制机制。单指标聚焦的设计，使其在时间序列分析与分类回归任务中具备高度的专用性和一致性。

使用方法

该数据集提供了灵活的接口调用方式，可通过HuggingFace的`load_dataset`函数一键加载。用户可直接将数据转换为pandas DataFrame进行基础探索，或利用`ref_area`列按特定国家进行子集筛选。针对时间序列分析，建议按`indicator`与`time`排序后绘制趋势图。对于跨国家横向比较，推荐使用`pivot_table`将数据重塑为以年份为行、国家为列的面板数据矩阵。值得注意的是，数据为年频观测，部分分类维度在特定指标下可能为空值，用户需结合`obs_status`列中的状态标志进行质量判断与预处理。

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 Africa重新封装，专注于非洲大陆的就业状况。数据集涵盖2000年至2025年间36个非洲国家的25,136条观测记录，核心指标为按ILO产业部门、性别及城乡区域划分的就业人数（单位：千）。该数据集的问世填补了非洲劳动力市场细粒度、跨时空可比数据的空白，为研究非洲经济结构转型、性别就业差异及城乡劳动力流动等关键议题提供了宝贵资源。其影响力体现在能够支撑学术界、政策制定者及国际组织进行跨国面板数据分析、时间序列建模及机器学习预测，从而深化对非洲大陆劳动力动态演变的理解。

当前挑战

该数据集所解决的领域问题在于非洲劳动力统计数据的碎片化与非标准化。非洲多数国家缺乏连贯且国际可比的就业调查体系，不同国家的数据收集方法、定义和分类标准差异巨大，导致研究者难以进行可靠的跨国比较和趋势分析。ILOSTAT通过整合国家劳动力调查、家庭收支调查及行政记录，并采用国际劳工统计学家会议（ICLS）定义进行协调，有效应对了这一挑战。然而，构建过程亦面临严峻困难：数据覆盖的时空不平衡性显著，例如埃及拥有3,114条观测记录，而部分国家数据稀少；此外，数据质量标记显示存在大量不可靠（Unreliable）或序列中断（Break in series）的条目，反映出原始调查中方法论变更、样本波动等复杂问题，对数据分析的稳健性提出了更高要求。

常用场景

经典使用场景

该数据集汇聚了国际劳工组织ILOSTAT数据库中非洲36个国家2000年至2025年间按ILO行业、性别及城乡地域划分的就业数据，共计25,136条观测。其最经典的使用场景聚焦于非洲劳动市场的横截面与时间序列分析。研究者可借助该数据集剖析不同国家、不同行业就业结构的演进轨迹，揭示性别差异在城镇与乡村就业机会分配中的动态变迁。例如，通过构造国家-年份矩阵，能够捕捉特定行业（如农业、工业、服务业）吸纳就业能力的时空异质性，为劳动经济学中的结构性转型理论提供实证支撑。

衍生相关工作

基于该数据集，衍生出一系列推动非洲劳动经济学前沿的经典工作。若干研究运用面板数据回归模型，考察了非洲国家城乡就业结构转型与世界市场一体化程度的关联。亦有学者将其与国家层面的经济普查、卫星夜光数据相融合，通过多源联立方程探究基础设施可达性与非农就业扩张的交互效应。在算法层面，时间序列分解与聚类分析被用于识别非洲经济体就业波动的共同因子和特有形貌。同时，该数据集作为基准输入，催生了专门面向低资源环境的非洲劳动市场预测基准，丰富了计量经济学与AI交叉领域的方法论工具箱。

数据集最近研究

最新研究方向

该数据集聚焦于非洲36国2000至2025年间，按国际劳工组织行业、性别及城乡划分的就业数据，为劳动经济学与区域发展研究提供了高分辨率时空序列素材。前沿研究方向集中在利用该数据探讨非洲各国劳动力市场的结构性转型，例如分析女性就业参与率在城乡差异下的动态演变，以及追踪非正规经济向正规部门迁移的趋势。结合ILOSTAT官方统计方法与非洲大陆自由贸易区（AfCFTA）等热点政策背景，该数据集有助于量化产业政策对就业结构的冲击效应，并支持联合国可持续发展目标（特别是体面工作与经济增长指标）的监测与评估。其跨年度面板结构尤为适合构建计量经济模型，以揭示非洲各国就业模式异质性背后的制度与环境动因。