electricsheepafrica/africa-ilo-emp-temp-sex-ind-ste-nb-employment-by-ilo-sector-and-sex-and-status-in-emp

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的就业统计数据，由Electric Sheep Africa重新打包。数据集涵盖42个非洲国家，时间跨度为2000年至2025年，共31,097个观测值。核心指标为EMP_TEMP_SEX_IND_STE_NB，即按ILO部门、性别和就业状况划分的就业人数（以千计）。数据按性别（总计、男性、女性）和就业状况分类，提供详细的表格数据，适用于表格分类、回归和时间序列预测任务。数据集结构包括国家代码、年份、观测值和数据来源等列，并包含数据质量说明和使用示例。This dataset contains employment statistics from the International Labour Organization (ILO) ILOSTAT database, repackaged by Electric Sheep Africa. It includes 31,097 observations across 42 African countries from 2000 to 2025. The core indicator is EMP_TEMP_SEX_IND_STE_NB, which measures employment by ILO sector, sex, and status in employment (in thousands). Data is disaggregated by sex (total, male, female) and employment status, provided in tabular format suitable for tabular classification, regression, and time-series forecasting tasks. The dataset schema includes columns such as country code, year, observed value, and data source, with notes on data quality and usage examples.

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统计数据库，聚焦非洲42个国家的就业状况。构建过程秉持严谨的学术规范，通过ILOSTAT REST API直接拉取标准化指标数据，并基于ISO 3166-1 alpha-3国家代码筛选出非洲区域样本。原始数据来自各国劳动力调查、家庭收入调查及行政记录等多元渠道，经ILO统计部门依据国际劳工统计学家会议（ICLS）定义进行统一协调与清洗，最终形成涵盖2000至2025年间31,097条观测值的数据集。每条记录均通过source.label字段追溯数据来源，确保信息的透明性与可验证性，为非洲劳动力市场研究提供了坚实的数据基础。

特点

本数据集呈现出多维度的精细结构特征，核心指标为就业人数（单位：千），并按ILO经济部门、性别及就业地位进行交叉分类。数据包含ref_area、sex、classif1与classif2等关键分类变量，分别对应国家、性别（男性、女性、总计）、产业部门以及就业身份（如雇员、自雇）等维度，支持颗粒度极高的分层分析。时间跨度为年度频率，覆盖42个非洲国家，其中埃及、毛里求斯等国的观测数量尤其丰富。数据集还附带了obs_status与note_indicator等质量标记字段，用于标识数据是否为临时性或存在统计口径调整，有助于研究者在开展时间序列分析与跨区域比较时审慎评估数据可靠性。

使用方法

使用者可通过HuggingFace Datasets库便捷加载该数据集，利用load_dataset函数一键获取训练集，并可将其转换为Pandas DataFrame进行灵活操作。推荐的分析路径包括：按ref_area字段筛选特定国家以开展国别就业结构研究，或利用time与obs_value字段构建单一指标的时间序列趋势图，直观展示就业总量的年度变迁。此外，借助pivot_table方法可轻松将数据重塑为国家×年份的透视矩阵，便于进行面板数据回归或跨国家比较分析。数据集以cc-by-4.0许可证发布，使用时需同时标注原始数据提供方ILO及再包装方Electric Sheep Africa的引用信息。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）旗下ILOSTAT数据库提取，经Electric Sheep Africa于2025年重新整理发布，聚焦非洲42个国家2000至2025年间基于ILO部门、性别及就业身份的就业人数（单位：千）。作为全球劳动统计的权威来源，ILOSTAT整合了各国劳动力调查、家计调查及行政记录数据，为研究非洲劳动力市场结构、性别平等及体面工作进程提供了关键支撑，对推动可持续发展目标（SDG）中关于就业的监测与评估具有重要影响。

当前挑战

该数据集所面临的挑战包括：首先，非洲各国劳动力调查在方法论、覆盖范围及时间频率上存在显著差异，导致数据可比性与一致性受限；其次，部分国家的数据存在间断、标注为“不可靠”或反映方法论变更，给时间序列分析与模型训练带来噪声与缺失值问题；再者，数据集仅提供年度频率，无法捕捉季节性波动或短期劳动力市场动态；此外，整合多源异构数据时，如何识别并优先使用ILO选定的“最佳来源”也是一项复杂任务。

常用场景

经典使用场景

该数据集汇聚了国际劳工组织（ILO）核心统计数据，涵盖42个非洲国家2000至2025年间的就业数据，共计超过3.1万条观测记录。其最经典的使用场景在于构建多维度劳动力分析模型，研究者可依据ILO产业分类、性别及就业身份三大维度对非洲就业结构进行系统解构。借助时间序列的特性，可追踪各国在不同产业部门中的就业演变轨迹，揭示性别就业差距的时空动态，并识别不同就业身份（如雇员、自雇者等）的分布格局。数据以标准化面板形式呈现，便于直接接入各类统计学习或计量经济学框架，为跨国产出比较与区域就业趋势研究提供了坚实的数据基础设施。

衍生相关工作

围绕该数据集衍生出的经典工作主要集中在劳动力市场预测模型、非洲就业结构演化分析以及政策影响评估等方向。研究者常以该数据集为训练语料，构建基于时间序列的就业率预测模型，或利用其面板结构开展聚类分析，识别非洲国家在就业模式上的典型类别与演化路径。此外，融合性别维度的指数构建也备受关注，诸如性别就业差距指数或产业间女性就业比重变化的度量方法，均有赖于此套数据基底。一些工作进一步将本数据与ILO其他指标（如薪资、工作时长、非正规就业率）进行联合分析，形成更完整的非洲体面劳动全景画像，推动了该区域劳动力市场的跨学科融合研究。

数据集最近研究

最新研究方向

该数据集聚焦于非洲地区按国际劳工组织（ILO）行业、性别及就业身份分类的就业人数统计（千人为单位），覆盖42个非洲国家、2000至2025年的时间跨度，共31,097条观测记录。其前沿研究方向主要体现在三个维度：其一，借助ILOSTAT官方API直接采集并标准化处理原始调查微观数据，依据国际劳工统计学家会议定义进行统一归类，为跨国产出高可比性时序面板数据提供了方法论范式；其二，数据中嵌入了性别、行业细分及就业身份等多维分类变量，支持研究者深入剖析非洲劳动力市场中女性参与率、非正规就业变迁及行业结构转型等热点议题；其三，经Electric Sheep Africa重新打包为兼容HuggingFace Datasets的Parquet格式，并附带完整的数据卡片与使用示例，使得机器学习模型可直接调用该数据集进行就业趋势预测、时序回归或分类任务，显著降低了非洲劳动统计数据的获取与建模门槛。在当前全球聚焦体面工作与可持续发展目标（SDG 8）的背景下，该数据集为区域劳动力政策评估、性别平等分析及后疫情时代就业复苏研究提供了关键的基础设施支撑。