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

该数据集包含非洲35个国家1996年至2025年间就业人员实际平均每周工作小时数的统计信息，数据按性别、职业和城乡区域进行细分。数据集共有21,633个观测值，涵盖1个核心指标：按性别、职业和城乡区域划分的就业人员实际平均每周工作小时数。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API获取并过滤为非洲国家。数据集包含国家代码、国家名称、数据来源、指标代码、指标名称、性别分类、职业分类、城乡分类、观测年份、观测值、数据状态标志等字段。数据经过ILO harmonisation处理，使用国际劳动统计学家会议（ICLS）的定义进行标准化。This dataset contains statistical information on the mean weekly hours actually worked per employed person in 35 African countries from 1996 to 2025, disaggregated by sex, occupation, and rural/urban areas. It comprises 21,633 observations covering one core indicator: Mean weekly hours actually worked per employed person by sex, occupation and rural/urban areas. The data is sourced from the International Labour Organization (ILO)s ILOSTAT database, retrieved via its REST API and filtered for African countries. The dataset includes fields such as country code, country name, data source, indicator code, indicator name, sex classification, occupation classification, rural/urban classification, observation year, observed value, and data status flags. The data has been harmonized by the ILO using International Conference of Labour Statisticians (ICLS) definitions for standardization.

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，经由Electric Sheep Africa重新封装后发布。原始数据通过ILOSTAT的REST API直接获取，指标代码为HOW_TEMP_SEX_OCU_GEO_NB，并依据ILO对非洲国家ISO3代码进行地理范围筛选。ILO依据国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行一致性处理，数据源在source.label列中予以标记，以确保溯源清晰。数据集最终整合了来自非洲35个国家、时间跨度覆盖1996年至2025年的21,633条观测记录，形成了可供机器学习的结构化表格数据。

特点

该数据集聚焦于非洲地区按性别、职业和城乡分组的就业人员周均实际工作时长，具有多维度的精细拆分能力。其核心指标唯一，但通过sex、classif1（如职业技能水平）和classif2（如地域覆盖类型）等分类变量，能够支持多层次的交叉分析。数据为年度频率，并标记了观测状态（如“不可靠”），便于用户进行数据质量筛选。此外，数据集标注了每条记录的数据源和备注信息，增强了数据的可追溯性和透明度，适合用于时序预测、分类和回归等机器学习任务。

使用方法

用户可通过HuggingFace的datasets库轻松加载该数据集，只需一行代码即可获得Pandas DataFrame格式的数据。推荐的使用方式包括：按国家代码过滤以进行国别分析，例如筛选肯尼亚的数据；按指标排序后进行时序可视化，以观察工作时长的年度变化趋势；以及利用透视表功能构建以年份为行、国家为列的矩阵，便于对比不同国家的跨年度演变。该数据集已经过模式标准化并以Parquet格式存储，配合一致的卡片文档，能够显著降低科研人员和开发者的数据预处理成本。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于其ILOSTAT数据库基础上构建，由Electric Sheep Africa于2025年重新打包发布，专注于非洲大陆35个国家1996年至2025年间按性别、职业及城乡划分的就业者平均每周实际工作时间。作为劳动统计学领域的权威数据源，ILOSTAT长期致力于整合全球劳动力调查、家庭收入调查及行政记录数据，服务于联合国可持续发展目标中体面工作的监测与评估。该数据集的核心研究问题在于揭示非洲不同社会人口群体在劳动时间上的结构性差异，填补了该区域精细化劳动统计数据的空白，为发展经济学、劳动经济学及非洲研究提供了关键实证基础，对推动政策制定与学术研究具有显著影响力。

当前挑战

数据集面临的领域挑战在于非洲劳动力市场普遍存在非正规就业与多份兼职并存的复杂局面，标准化的“周工作时间”指标难以准确捕捉实际劳动投入的全貌，且性别与职业分层下的数据缺失往往掩盖了弱势群体的真实劳动负担。构建过程中，ILO需对来自各国调查的原始微观数据进行国际劳工统计学家会议定义下的统一调和，然而各国调查方法、问卷设计及数据质量参差不齐，部分观测值被标记为“不可靠”或存在来源冲突；同时，数据集仅包含年度频率数据，缺少月度或季度高频序列，限制了对于非洲劳动市场季节性与短期波动的深入分析能力。

常用场景

经典使用场景

该数据集为分析非洲地区就业人口平均每周实际工作时长提供了结构化、多维度的高质量观测资料。其经典使用场景涵盖按性别、职业类型及城乡地理区域进行交叉分组统计，研究人员可利用超过两万条记录构建面板数据，深入剖析非洲35个国家在近三十年间的劳动时间演变特征。数据丰富的分层字段为实现精确的统计建模与对比分析奠定了坚实基础。

解决学术问题

该数据集有效解决了非洲劳动力市场中因统计口径不一、数据零散而难以进行跨国、跨时段比较的学术困境。通过国际劳工组织统一的标准化定义与数据采集方法，研究者能够规避因原始调查差异引发的测量误差，聚焦于探讨性别、职业与城乡空间结构对劳动供给行为的影响。这一资源有力推动了发展经济学与劳动经济学领域对非正规就业、性别不平等及区域经济分化的实证研究。

衍生相关工作

依托于此数据集，学术界和工业界衍生出了一系列值得关注的典型工作。研究者常将其与ILOSTAT其他指标如失业率、工资水平及非正规就业比例进行联合分析，构建综合性劳动力市场画像。此外，基于其时间序列特性，该数据被广泛应用于时序预测模型的训练与评估，用以推演非洲各国劳动力市场的未来走向，为前瞻性政策干预和可持续发展议程的推进提供科学支撑。