electricsheepafrica/africa-ilo-how-temp-sex-eco-est-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数据库的劳动力统计数据，专门针对非洲地区。它记录了37个非洲国家从1991年至2025年的就业人员平均每周实际工作时间，共89,949个观测值。核心指标为HOW_TEMP_SEX_ECO_EST_NB，即按性别、经济活动和机构规模划分的就业人员平均每周实际工作时间。数据集以表格形式组织，包含国家代码、年份、性别分类（总计、男性、女性）、经济活动分类、机构规模分类、观测值及数据来源和质量注释等列。数据来源于ILO harmonised的原始调查微数据，如劳动力调查，并经过ILOSTAT API处理，适用于表格分类、回归和时间序列预测等任务。该数据集由Electric Sheep Africa重新打包，以CC-BY-4.0许可证发布，旨在为非洲提供机器学习就绪的数据层。This dataset contains labour statistics from the International Labour Organization (ILO) ILOSTAT database, specifically focused on Africa. It includes 89,949 observations across 37 African countries from 1991 to 2025, with the core indicator HOW_TEMP_SEX_ECO_EST_NB representing the mean weekly hours actually worked per employed person by sex, economic activity, and establishment size. The data is organized in tabular format with columns such as country code, year, sex disaggregation (total, male, female), economic activity classification, establishment size classification, observed values, and source and quality flags. Data is sourced from ILO-harmonised raw survey microdata (e.g., labour force surveys) and processed via the ILOSTAT API, suitable for tabular classification, regression, and time-series forecasting tasks. The dataset is repackaged by Electric Sheep Africa under the CC-BY-4.0 license as part of a unified, ML-ready data layer for Africa.

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）旗下的核心统计数据库ILOSTAT，通过调用其REST API接口直接获取原始指标数据，并依据非洲ISO3国家代码进行地理范围过滤。ILO统计部门依据国际劳工统计学家会议（ICLS）定义对各国劳动力调查、家庭收入调查及行政记录等微观数据进行标准化整合，确保了跨国的可比性。数据经Electric Sheep Africa团队二次加工，以Parquet格式封装并发布至HuggingFace平台，用户可通过`load_dataset()`接口直接调用，实现从原始数据到机器学习就绪格式的无缝衔接。

特点

此数据集覆盖了1991年至2025年间37个非洲国家的89,949条观测记录，聚焦于“按性别、经济活动及企业规模划分的就业人员平均每周实际工作小时数”这一核心指标。数据具备多维度分层特性，可通过性别（总、男、女）、经济活动部门及企业规模聚合等分类变量进行精细子集筛选。每条记录均附有数据来源标签及观测状态标识（如“不可靠”），为用户提供了清晰的溯源路径与质量控制依据，使其能够审慎评估数据的适用场景。

使用方法

用户可通过HuggingFace的`datasets`库，执行`load_dataset("electricsheepafrica/africa-ilo-how-temp-sex-eco-est-nb-mean-weekly-hours-actually-worked-per-employed-per")`一行代码轻松加载数据，并转换为Pandas DataFrame进行后续分析。针对特定国家的时序研究，可依据`ref_area`列进行过滤；若要聚焦单一指标的时间序列演化，则可结合`indicator`与`time`列完成筛选与可视化。此外，利用透视表功能可将数据重塑为“年份×国家”矩阵，便于开展跨国比较或构建面板数据模型。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）基于其核心统计数据库ILOSTAT构建，并由Electric Sheep Africa于2025年重新封装为机器学习友好格式。ILOSTAT作为全球劳动统计的权威来源，通过整合各国家庭调查、劳动力调查及行政记录，提供了覆盖37个非洲国家、跨越1991至2025年、共计89,949条观测的周工时数据。该数据集的核心研究问题聚焦于揭示非洲大陆劳动者在不同性别、经济活动与机构规模下的实际劳动时间模式，填补了该区域在标准化、可跨时空比较的劳动力投入指标方面的空白，为发展经济学、劳动市场分析及可持续发展目标（SDG）的量化评估提供了关键的数据支撑。

当前挑战

该数据集所解决的领域问题核心在于非洲劳动力市场中高质量、细粒度工时数据的长期匮乏。构建过程中面临的核心挑战包括：其一，数据来源的异构性——各国家庭调查与行政记录在定义、口径与质量上存在显著差异，需依赖ILO基于国际劳动统计学家会议（ICLS）标准进行复杂的数据协调与归一化处理；其二，时间序列的不连续性——部分国家数据存在多年缺失或观测值被标记为“不可靠”（unreliable status），影响纵向分析的稳健性；其三，维度稀疏性——性别、经济活动和机构规模等分类变量在部分国家-年份组合中为空，限制了多维度交叉分析的能力；其四，数据频率单一——尽管部分指标存在月度或季度序列，但该数据集仅收录年度观测，降低了短期波动分析的时效性。

常用场景

经典使用场景

该数据集收录了1991年至2025年间非洲37个国家按性别、经济活动及企业规模划分的受雇人员每周实际工作小时均值，涵盖近9万条观测记录。其经典使用场景聚焦于跨国别、跨时序的劳动工时对比分析，研究者可通过性别维度（男性、女性、总计）和经济活动分类进行精细化拆解，构建面板数据模型以挖掘非洲大陆劳动力供给的演变规律。结合ILOSTAT官方统计的权威性与Electric Sheep Africa标准化封装，该数据可直接通过HuggingFace datasets库加载，为经济学、劳动社会学及发展研究领域提供即用型结构化数据基础。

解决学术问题

该数据集填补了非洲区域劳动统计微观面板数据的可获取性鸿沟，以往学者常因数据碎片化而难以系统比较不同国家、不同时期的劳动工时差异及其驱动因素。利用该数据，研究者能够量化性别工资差异背后的工时效应，探究经济结构转型（如从农业向服务业迁移）对工作时长的影响，以及分析企业规模与劳动强度的关联性。其意义在于为验证内生增长理论、劳动力市场分段理论等经典假说提供了非洲视角的实证素材，推动全球劳动经济学研究从欧美中心转向更多元的地域覆盖。

衍生相关工作

基于该数据集已衍生出若干具有影响力的学术与应用工作。一方面，研究者利用其中性别与时序维度构建了非洲女性劳动参与率与家庭福利的代际传递模型，揭示了工时分配如何影响儿童教育投入。另一方面，机器学习社区将其改造为时间序列预测任务的标准测试集，用于评估LSTM、Transformer等模型在非平稳劳动指标上的泛化能力。此外，数据可视化团队据此开发了非洲劳动地图交互平台，动态展示各国工时的时空演变格局，成为政策研究报告中的核心数据支撑。